摘要：随着以大数据、人工智能等为特征的智能时代的到来，人工智能运用给商业银行资产风险管理带来了新的驱动，也提出了更高的挑战。文章试图论述如何在智能时代趋利避害，实施精准有效的行动策略，提升资产风险管理的前瞻性和有效性，确保授信资产健康发展。
　　关键词：智能时代；资产风险管理；行动策略
　　2017年，在国务院印发的《新一代人工智能发展规划》中，着重提出面向2030年我国新一代人工智能发展的指导思想、战略目标和重点任务，这标志着我国已进入智能时代。人工智能在大数据应用的基础上开始逐渐渗透到金融业，从金融业前端引入后端，相对复杂的商业银行资产风险管理也开始试水人工智能。国内一些商业银行正在积极探索和实践，西方国家特别是美国很多商业银行，例如花旗银行在风险管理等方面人工智能都有运用。
　　总之，面对变化是唯一不变的发展形势，商业银行既要认识、拥抱智能时代，又要适应和应对智能时代提出的新要求，提升风险管控的前瞻性和有效性，从而得以在更高层面上推动授信资产的健康发展。

一、智能时代对银行资产风险的红利和挑战

　　商业银行本质是经营管理风险。能否有效控制管理风险，特别是管控资产风险，对商业银行的生存、效益及发展至关重要。因此，资产质量始终被视为商业银行生命线。
　　商業银行资产风险管理中相当关键是解决信息不对称问题造成的信用风险，当然也有一些其他的风险，诸如法律风险、操作风险等。
　　在智能时代到来之前，银行为解决公司类资产信息不对称、加强对资产风险识别、评估和控制做出了许多努力，贷前调查、贷中审查及贷后检查，通过信贷员以下厂调查、征信系统查询、互联网信息搜索、相关政府部门走访等方式对客户信息持续跟踪关注，以及借助客户关系管理系统的使用。然而，受制于不同客户的数据无法统一、规范，欠缺可比性，且数据获得、操作及监控等复杂因素，过程数据难以作为银行资产风险管理中普适操作工具。
　　智能化时代的到来，促使银行加强资产信息数据风控。不仅使信息成本降低，数据收集的维度、广度和时点也得到了扩展，可实现客户交易信息、过程轨迹及资金动向的实时监测。一些数据平台的数据精准性和可比性大为提高，例如，进出口外贸平台对其平台成员客户、交易、资金清算等数据的归拢，形成了标准化、规范化及特定化的动态数据，降低了银行数据分析、数据监控的操作成本。因而，银行不再采用传统的随机抽样分析方法，而是使用更全面的各类数据；不再是对客户粗略的分类，而是对每一个客户的详细分析。并且依靠大数据等人工智能的支撑，进一步把控贸易链条上的信用和风险，银行对于跨境企业信贷资产的风控能力将大大增强，效率和质量将得到提高。
　　同时，智能时代对银行资产风险管理又提出更高的要求。一是科技快速发展，移动互联网、云计算带来了包括商业业态、客户需求的变革。商业银行要切入新型产业链、供应链，开拓商业生态客群，发展这些生态客户群资产业务，就必须重视自身信息化能力。这是重要的核心竞争力，只有这样在同业竞争中取得相对优势。二是迅速提升“科技+”水平。银行科技应用发展的趋势是从“电子化、信息化”向“智能化、数字化”方向发展，这在风险管理表现尤其突出。实施“科技+”，关键是银行需要复合型人才，既娴熟科技，又熟悉业务，或者是科技人才与业务人才能够实现紧密结合，而不能成为“两张皮”。科技开发人员或者要具备熟悉业务产品、业务功能的背景，或者要能够与业务人员很好沟通理解风险管理意图，则能够做到技术与业务深度融合，再加上结合技术的先进性，就能银行资产风险管理系统的设计发挥很好的作用。三是着力改变风险管控理念。银行风险管理需要持续自我定位和创新发展，推动商业银行在保证资产安全性与流动性的前提下，最大可能地去实现其盈利。要转变为考虑“风险是否可以承担”“风险与收益怎么平衡”“怎么最大程度的减少及控制风险”，引导业务“如何创新”，培养以解决方案为导向的思维模式。

二、人工智能技术在资产风险管理运用环节

　　以公司资产风险管理为例，借助人工智能等科技使用，以下各项环节均可实现良好的运用。
　　1. 贷前调查，对宏观经济、区域经济和行业发展的前瞻性的分析，特别是对行业未来走势的预测性分析。其运用方法：建立“宏观信息监控罗盘”，建设基于“大数据+人工智能”的宏观风险预测体系，及时、准确、全面地感知宏观政策变化、区域环境变化、市场变化带来的风险。
　　从“客户信息完整性”角度看，亟需客观显示客户在银行及同业敞口、非敞口及非授信业务种类的全口径数据信息。建立客户信息多维度统一视图，实现精细化、过程化风险管理。积累“行内+行外”“结构化+非结构化”信息，建立全面的客户信息审察体系，实现对客户的精准和全程无遗漏的洞察。
　　2. 贷中审查，从“审批辅助决策能力”角度分析，在审批过程中需要结合信贷政策指引进行辅助决策，对集中度和关联度的风险进行提前的预测和控制。其运用方法：建立智能化支持，为授信审批的辅助决策提供有力支持。建立移动化支持，提高审批人员办公效率。
　　3. 贷后管理，从“风险缓释”角度分析，对物流、资金流的有效控制和授信额度联动很有必要。其运用方法：加强缓释品管理，运用大数据等技术构建视图，实现缓释品信息全方位、全视角管理。
　　从“贷后风险识别”角度看，亟需针对企业风险事项的主动预警，还有上下游企业、担保链客户风险信息传导要及时、准确。通过大数据技术全面整合内部、外部数据，捕捉和发现客户行为背后的相关性，提高反欺诈能力，做好风险防范预案，提升应急处置能力，有效降低资金风险，确保资产脱离高风险的状态。
　　同时，人工智能技术对于个人资产风险管理各环节也有良好的运用。特别是现在电子银行迅猛发展，2017年，手机银行有望超过网上银行，跃居个人用户比例的首位。

三、智能时代提升资产风险管理的行动策略

　　（一）高度重视数据和风险管理系统生成
　　数据既是银行的“资产”也是“血液”。数据质量非常重要，其不仅是风险条线的事，更需要业务条线及科技部门共同参与，在“数据的产生、采集、使用、核对”等阶段引入技术手段，持续提升数据质量。
　　智能时代的风险管理系统应该是一个智慧的风控平台，具有信息全面、判断准确、决策及时的特征。通过大数据技术处理海量数据，实现行内行外、线上线下、国内国外的信息全覆盖；通过高性能云计算架构实现决策的实时支持；以人工智能为基础构建聪明的决策引擎，提供贷前的精准营销，贷中的自动审批、贷后的动态监控和智能预警。真正做到“从汗水驱动到创新驱动，从齿轮驱动到智能驱动”。
　　（二）高度重视专业化风险管理理念和模式形成
　　主动打破“前台部门打粮食，风险部门管风险”的传统风险管理的“惯性沟壑”，加强一线市场和前、中、后台部门间的沟通协作，形成全面风险管理的风险文化和机制。在风险管理的组织架构设计上，应该探索更为灵活、有效的组织方式，如按照产品、业务、重大项目等维度，建立专项的风险管理团队或项目小组，集中优势资源进行针对性强的风控。风险管理应该从“要么审批通过，要么否决”“存在风险就不批”的固化模式中走出来，打破惯性思维，重新审视，发掘价值。发挥风险创造价值，敢于开拓别人不敢开拓的领域，应对“窄门”市场或行业，可以先发制人，或采取创新的风控方法、技术，把“窄门”变成自身的“蓝海”，从而取得收益。这取决于对客户风险的专业判断、产品设计的风险控制力，以及附着在整个风险评价、控制、操作上的风险控制成本及效率。
　　（三）高度重视合作风险管理模式集成
　　風险评判及管理的基础，在于取得真实、有效、完整的信息。在分工专业化的环境下，智能时代商业银行的风险管理中，合作风控将成为风险管理的常规模式。一是与外部机构合作风控。商业银行需与专业的外部公信数据平台合作，通过数据获取、合作共建风险模型、风险共担等形式，避免成为信息孤岛。与境内外征信、反欺诈、公信数据平台（如物流、海关、税务）等建立合作，获取有价值的数据，对风险评价的基础信息进行内、外部的交叉比对及匹配验证。二是境内外机构建立风险合作联动机制。随着“一带一路”发展倡议的实施和中国国际影响力提升、多元化外交频率提高，国内商业银行争先恐后地在境外设立分支机构，在全球各大金融中心，与我国经济贸易往来密切的国家、地区，“一带一路”的中资企业生产建设输出国家等，均设立了网点或机构。而境内外机构建立风险合作联动机制，必将成为商业银行着力发展的风险管理合作模式。

参考文献：

　　[1]宋清华.我国商业银行资产风险管理探析[J].投资研究，1998（05）.
　　[2]王真真.商业银行风险管理探析[J]. 金融纵横，2006（09）.
　　（作者单位：江西财经大学）