銀行營業網點柜面風險模型存在的問題及其應對措施

【摘" 要】在數字經濟背景下，以風險模型為依托的非現場檢查方式被銀行業廣泛運用于營業網點的風險管理領域。風險模型的運用推動了風險管理向智能化、高效化、精細化方向轉型，在時間和空間上豐富了銀行營業網點風險管理的內涵。然而，在業務實踐中發現，風險模型存在一定的不足，論文從模型入庫、模型評估、模型退出等方面進行分析，并對銀行營業網點柜面風險模型存在的問題提出相應的應對措施。

【關鍵詞】風險模型;非現場檢查;風險管理

【中圖分類號】F830.49" " " " " " " " " " " " " " " " " " " " " " "【文獻標志碼】A" " " " " " " " " " " " " " " " " " " " " " " " "【文章編號】1673-1069（2024）12-0115-03

1 風險模型在銀行業風險管理中的應用

近年來，風險模型被國內外銀行廣泛運用于銀行業風險管理，國內外銀行的風險管理體系也日趨完善。2011年4月，美聯儲發布《模型風險管理監督指引》（SR Letter 11-7），為模型風險管理的行業標準奠定了基礎。該指引首次明確了模型風險管理架構的內容，對模型和模型風險管理進行了明確的定義，指出模型是“應用統計、經濟、金融或數學理論、技術和假設，將輸入數據處理為定量估計的量化方法，用于反映經營管理決策”。2018年10月，歐洲中央銀行發布《歐洲中央銀行內部模型指南》，規定了銀行內部模型風險的基本標準，強調銀行開發和使用內部模型的合規性和準確性，建立規范、嚴格和有序的內部模型管理機制。2022年1月，我國銀保監會發布《關于銀行業保險業數字化轉型的指導意見》，就企業級風險管理平臺的建立，規則、策略、模型、算法集中統一管理，以及模型風險評估、監測、預警和退出的全生命周期管理，提出了重要性指導意見。2023年10月，中央金融工作會議提出，要做好科技金融、綠色金融、普惠金融、養老金融、數字金融“五篇大文章”，要全面加強金融監管，有效防范化解金融風險。

在銀行營業網點柜面風險管理與監測領域，銀行基于大數據、人工智能、數據畫像及互聯網等技術，建立起覆蓋存款、信貸、支付結算、信用卡、電子銀行等產品，涉及對公、對私等業務條線的銀行營業網點柜面風險模型庫，實現精準定位、智能篩選、分級管理及全天候自動化檢查的風險監測，還原數據背后的真實交易行為、實體關系、賬戶使用等，及時觸發預警信息，快速核實并處置。

2 銀行營業網點柜面風險模型存在的問題

柜面風險模型在識別、分析和處置風險等方面提升了銀行營業網點的風險管理能力。然而，在運用過程中，柜面風險模型存在的不足也逐漸顯現出來，需要銀行業持續研究，加以改善。

2.1 模型入庫審核不嚴，存在相似模型

當前存在多元模型配置主體，其構建的模型思路相近，多個相似模型并存，且監測風險點相近，這造成系統資源的不必要占用。首先，在模型庫建立初期，多元化的模型配置主體雖能在短期內快速增加模型數量、豐富模型類型，但無法統一模型配置標準、監測范圍及統計口徑。其次，模型審核人員以人工審核為主，未能及時有效識別相似模型。人工審核一般從模型名稱、業務條線、關鍵指標等方面進行方向性把控，無法做到精準比對。最后，模型條線分類不夠精準，界限模糊。例如，“公轉私”“私轉公”“先取后存”“先存后取”等交易業務，既涉及對公業務條線，也涉及對私業務條線。由于未能精準分類，導致不同業務條線的模型存在交集，一方面造成模型監測范圍存在重合;另一方面可能存在模型監測盲區，出現不容易被模型監測的“真空地帶”。

2.2 模型評估不完善，模型優化不及時

一是未能建立健全模型評估體系。相對模型質量的提升更側重于重視模型的數量，僅依據“模型預警數量”“模型啟用機構數量”等評估指標，未能有效體現模型運行效率和風險監測水平，模型評估指標不夠全面、有效，缺乏代表性。二是未能有效運用模型評估數據開展模型優化工作。模型評估工作與模型優化工作相對孤立，二者結合不夠緊密，未能及時將模型評估數據轉化為模型優化成果。三是模型實時運行情況反饋相對滯后。模型的運行情況是模型評估的重要內容，也是開展模型優化的動因之一。但在模型運行過程中發現預警數量過多或長期無預警數據的情況，未能及時給予關注，且核心系統缺乏自動提醒功能。四是模型優化相對滯后，優化流程相對較長。模型啟用機構將模型運行情況及模型優化建議傳達至模型配置機構，缺乏快速的系統通道，導致模型的缺陷未能在發現之后快速修復。

2.3 模型常量參數設置不夠科學客觀

模型常量參數一般包括數值型、字符型等類型，其參數設置的大小或有無，都會對風險模型的運行產生重要影響。一方面，在行內外相關制度未對交易給予明確參數的情況下，模型配置主體多以本地區的交易樣本為依據，參照性地設置模型常量參數。例如，對大額頻繁交易進行風險監測，對“大額”及“頻繁”沒有明確指定金額和頻率的情況下，模型配置主體將同業設置、樣本中位數等方面的數額設置作為參考，但是否科學客觀，仍需后續驗證。另一方面，部分模型受限于生產數據表已有字段的不完整性，無法提取關鍵的字段代碼，以關鍵字等字符型參數為篩選條件，缺乏嚴謹性。例如，判斷同業存款結算賬戶，因從賬戶性質字段無法區分出是否為同業存款，只能匹配戶名中是否含“銀行、保險、金融、證券”等類“同業”的關鍵字進行判斷，導致篩選“顆粒度”較大，通過關鍵字進行判斷更像“廣撒網”，僅能滿足“模糊”查詢，未能做到“精準”定位。

2.4 模型退出機制尚未完善

一方面，模型庫未能與銀行核心系統功能緊密結合，模型庫未能根據系統功能的實現情況，及時調整模型常量參數并停用模型。在金融科技背景下，很多銀行在核心系統的研發和運用投入大量的人力、物力和財力，旨在通過科技和系統的進步來提高工作效率、增強競爭力和創造經濟價值。但是銀行內部的核心系統和子系統之間、子系統與子系統之間未能完全實現數據和功能的互通互聯，系統的持續開發也帶來了變相的“信息孤島”現象。這導致銀行核心系統已實現功能，但模型管理子系統未能實時同步更新，風險模型繼續監控已實現系統控制的風險事項時有發生。

另一方面，模型庫未能根據規章制度的修改及時停用模型，如規章制度已經允許的，原有的風險監測模型不應繼續運行。模型庫與規章制度系統之間未能建立聯動運作機制，規章制度“廢、立、改”的內容未能快速傳導至模型庫，模型庫未能根據規章制度的變化及時停用并安排風險模型退出，導致部分已經與最新規章制度規定內容不符的模型繼續運作，持續產生無效預警信息，繼而導致風險管理資源的浪費。

3 銀行業柜面風險模型問題的應對措施

風險模型監測是管理銀行營業網點風險的有效手段，為了更好地運用風險模型，需要對模型入庫、模型評估、模型優化及模型退庫等方面持續加強管理，提高模型精準度。

3.1 加強模型入庫評審管理，提高入庫模型質量

首先，統一模型評審主體，建立健全模型專家評審制度流程，模型審核集中作業，以標準化、流程化的作業方式，實現模型申請入庫線上審批，對模型需求的必要性和模型研發的可行性進行充分論證。其次，建立健全模型庫分類體系，細分模型所屬業務條線、監測范圍及風險等級，為每個入庫模型打上唯一“標簽”。系統通過比對模型的“標簽”，自動識別相似模型，包括思路相似、模型名稱相似等情況，并通過系統彈窗的方式對模型配置主體進行提醒，排除相似模型，精益求精，以減少核心系統資源的占用率，提高入庫模型質量。再次，審查模型需求，確保模型入庫有法可依、有章可循。模型需求來自業務發展實踐，由于模型庫資源有限，入庫模型原則上應有明確的法律規范或制度依據。最后，入庫模型應與時俱進，緊扣業務。對于非主要、低頻發生業務涉及的風險模型，原則上不應入庫，入庫模型應向核心業務、影響范圍廣、高頻發生的風險模型傾斜。

3.2 建立健全模型評估體系，及時推進模型優化工作

一是完善模型評估體系，補充“問題轉化率”“月均預警數”等評估指標，從多角度、多渠道客觀評估模型運行情況。二是評估并重檢模型的制度依據，確認模型需求階段的制度依據是否繼續有效，目前是否有制度更新或是新的制度解釋，結合監管要求、審計建議和銀行內部規定等內容，定期組織開展風險模型有效性評估工作。三是根據前期模型預警情況開展模型評估。例如，對于月模型預警數量較多的模型和累計3個月不出預警信息的模型進行重點分析，通過模型預警信息，探究模型背后真實的運行情況及原因，進而開展模型優化工作。對“略感風寒”的風險模型，通過“望聞問切”進行診斷，然后方能“對癥下藥”，實現“藥到病除”，繼而開啟風險模型的“新生命”之旅。

3.3 適時調整模型常量參數，執行分級分類管理

一是統一模型常量參數，對于全行性產品或是有明確制度規定的風險模型，應統一模型常量參數。避免因同一個模型在系統內的不同分行參數不一致，導致不一樣的風險管理尺度，既無法在系統內實現風險管理的集體效用，又影響客戶群體在本行的整體服務體驗。例如，根據《中國人民銀行關于加強支付結算管理防范電信網絡新型違法犯罪有關事項的通知》（銀發〔2016〕261號文）規定，全面推進個人賬戶分類管理，自2016年12月1日起，銀行業金融機構為個人開立銀行結算賬戶的，同一個人在同一家銀行只能開立1個Ⅰ類戶，已開立Ⅰ類戶，再新開立的，應當開立Ⅱ類戶或Ⅲ類戶。根據監管部門制度規定，銀行業金融機構涉及個人銀行結算賬戶的參數應統一設置為1個，不應有其他數量的參數設置。二是以業務為中心，根據風險等級分級分類設置模型常量參數。近些年來，電信網絡新型違法犯罪屢見不鮮，銀行業金融機構可根據風險等級或評分情況，對新開戶個人銀行賬號的電子渠道交易金額進行參數化設置，實現分級分類管理。三是模型常量參數設置應兼顧靈活性，設置排除字段或排除表。例如，某地時常會批量開立大量的儲蓄存單，核查后發現實則是下發土地征遷補償款，對于此類正常交易行為，可通過增加排除字段給予排除，以減少無效預警信息。

3.4 完善模型退出機制，實現模型庫動態平衡

風險模型檢查是銀行管理營業網點風險行之有效的手段。為了更好地運用風險模型，需要對模型庫進行全生命周期管理，不斷提升風險模型的精準度，使得模型對風險事項的捕捉變得“更快”“更準”“更狠”。

一是對于模型風險事項涉及的相關制度規定現已修改的，應及時停用模型，規范安排模型進入退出程序。二是對于銀行營業網點柜面業務流程現已變更導致模型不適用的，應快速調整模型預警參數，必要時停用模型。三是通過銀行核心系統已經實現優化功能并有效控制原模型風險點的，該模型應不再運行，及時停用并告知營業網點已有可替代的系統功能，轉為運用系統功能控制操作風險。例如，銀監會印發《關于銀行業打擊治理電信網絡新型違法犯罪有關工作事項的通知》（銀監發〔2015〕48號），明確規定“嚴格限制開卡數量，同一商業銀行為同一客戶開立借記卡，原則上不得超過4張”，如對于此項操作風險已實現系統控制，則相應的風險模型應安排停用。四是模型表現持續低于模型評估的最低要求且無合理解釋時，應充分運用模型評估的數據，定期開展模型“體檢”，“診斷”模型狀態，發現“病態”模型，及時安排模型退出。

3.5 緊貼新業務、新產品、新業態，適當兼顧行為類模型

模型研發是一項長期性、循環性工作，不是一朝一夕可以完成的，也并非一勞永逸。風險模型需圍繞銀行金融機構“新業務、新產品、新業態”，不斷地進行迭代更新。即便是同一項業務，在不同時期的風險監測重點也會有所不同。應牢固樹立風險監測意識，實時關注銀行業，特別是營業網點柜面風險事項。從行業的典型案件、監管處罰、審計檢查、制度規定及操作手冊等方面不斷挖掘模型風險點，拓寬模型研發思路，使模型研發及優化應緊貼“新業務、新產品、新業態”。隨著銀行業務的持續發展，模型監測重點從單一關注操作風險逐步轉變為兼顧操作風險和行為類風險，從單一關注顯現風險逐步轉變為兼顧顯現風險和潛在風險，更傾向于從大數據中發現銀行營業網點柜面的風險線索和行為規律，前置預測風險事項，如通過“大額交易”“異常交易”“非營業時間交易”“重復交易”等數據，發現風險苗頭，綜合運用現場檢查和非現場檢查，及時排查風險線索，通過核實、約談、教育和內部輕微處罰等方式進行處置，達到防微杜漸的效果。

3.6 探索引入外部數據，拓展模型監測范圍

基于行內數據庫研發配置的風險模型，數據來源較為單一，難以全面反映風險事項，未能形成完整的證據鏈。建議優化核心系統，深化銀行同業合作，加強非銀行金融機構的協同工作，推進數字資源共享。積極探索引入同業金融機構、行業監管機構、行業自律監督機構的數據資源，打造匯聚金融信息、征信數據、市場監督、稅務征收、社保繳交及抵押登記等信息的大數據共享平臺，創新性配置“涉外類”風險模型，識別隱蔽的違規及異常行為，通過數據鏈穿透風險事項，拓展模型監測范圍，更高效地處置銀行營業網點柜面風險事項。

3.7 加強同業交流，分享風險模型經驗

以銀行業協會為紐帶，不定期組織市一級銀行業營業網點柜面風險模型交流會。國有銀行、股份制銀行及城市商業銀行可以結合各自銀行營業網點在區位、規模及客群等方面的特點，提出涉及風險模型研發、運作及成效的看法，分享各自的風險模型管理經驗。正所謂 “尺有所短，寸有所長”，通過同業風險模型交流會，互相借鑒，復制推廣優秀的風險模型。特別是對于符合當地監管部門要求、針對共性風險事項且參數設置合理的分享模型，可以納入常規性模型，由銀行業協會牽頭，在當地各銀行間推廣使用。這既可以共同防范風險事項，又可以節約二次研發模型成本，共享不同銀行的模型運行數據，為模型的進一步優化提供數據支持。隨著同業交流機制逐步完善，共同織起一張覆蓋大中小銀行的風險防護網，守護消費者合法權益，維護城市金融穩定。

【參考文獻】

【1】李虎東.銀行模型風險管理應對建議[J].農業發展與金融，2024（01）：79-82.

【2】徐光魯.商業銀行監測模型創新構建研究[J].福建金融，2023（10）：71-76.

【3】劉建鴻，熊俊.一個中小銀行信息科技風險監測模型[J].銀行家，2014（03）：105-107.

【作者簡介】劉曉霖（1986-），男，福建漳州人，中級經濟師，研究方向：銀行風險管理。