您当前的位置:主页 > 区块链 >

Fin Tech——证券行业风险管理的“金钉子”

2019-04-20 05:03 来源:互联网 编辑:运营003
摘要: 
方案首先强调的是人工智能和大数据与传统技术的紧密结合,这在不同的决策层面有着不同的体现:在客户层面:-

1.      综述

“金钉子”一词源于美国的铁路修建史:1869年美国首条横穿美洲大陆的铁路钉下了最后一颗钉子,这颗钉子是用18k金制成,它宣告了全长1776英里的铁路胜利竣工,更代表美国铁路建设历史上的里程碑,对于美国西部开发战略的实施具有举足轻重的作用。1494年,卢卡·帕乔利发表《算术、几何、比与比例概要》,复式记账法正式诞生,新式的记账法成为此后欧洲金融业繁荣的重要推力;而在数百年后的今天,数据膨胀、分布式计算的兴起、人工智能技术的进步,以及互联网的广泛覆盖,无疑为金融行业带来了一次又一次革命性突破,金融科技(FinTech)就是金融史上的一颗“金钉子”。回顾过去,展望未来,探索这颗“金钉子”对金融业的影响,都显得尤为重要,充满意义。

回顾过去10年,FinTech在释放市场能量方面发挥了重要作用,极大地提升了金融行业的效率,为金融服务带来了新的模式和新的技术,如电子钱包和移动支付的普及等,为客户提供了更加客制化的、更加便捷的产品和服务。但与此同时,也为金融监管和金融稳定带来新的挑战。

金融是经营风险的行业,风险管理则是金融机构的核心竞争力。COSO(The Committee of SponsoringOrganizations of the Treadway Commission)早在上世纪90年代就建立了一套全风风险管理体系标准,而Basel委员会也针对银行业陆续颁布了3.5个版本的新资本协议。在我国, 证监会、中证协于2016年发布《证券公司风险控制指标管理办法(修订版)》、《证券公司全面风险管理规范》、《证券公司压力测试指引》和《证券公司流动性风险管理指引》等,要求证券公司建立健全与公司自身发展战略相适应的全面风险管理体系,明确全面风险管理体系应当包括可操作的管理制度、健全的组织架构、可靠的信息技术系统、量化的风险指标体系、专业的人才队伍、有效的风险应对机制。

2018年政府工作报告提到:“加强金融风险监测预警和化解处置。我国财政金融体系总体稳健,可运用的政策工具多,我们有能力守住不发生系统性风险的底线。”同年两会期间,一行两会掌门人也对防范金融风险相关话题接连表态。可见,FinTech作为风险管理的利器,在未来强监管环境下,一定是行业发展的头等大事,极具价值。

1.1.  大数据应用信用风险管理及预警

传统信用风险评级是通过定性定量结合的方法计算违约的可能性及损失分布,并根据风险水平定价,这种方法最大的缺陷是对于缺乏数据或数据不真实的客户,无法实现准确的风险评估。为了弥补数据深度广度以及准确度的不足,许多金融机构纷纷与外部数据供应商建立合作关系,希望数据供应商能帮助其完成数据积累,实现更精准的风险评估,进而实现更合理的准入、定价、获客等高级应用。

另外,FinTech整合跨企业乃至全市场的数据,应用前沿算法,提供了从审视营销和风控的全新视角,但是对于传统的金融机构而言,转型之路往往不是一帆风顺的,结构化数据的价值不能完全挖掘,非结构化数据的价值停留在构想,人才团队建设尚在起步。金融市场的机遇与风险瞬息万变,为了尽快把握人工智能带来的便利,许多金融机构都在探寻一种新的合作模式,以期在新的大环境下互利互赢。

在国际上,SWIFT和EarlyWarning等处于金融服务行业数据聚集点的企业已开始开发服务和产品,这些服务和产品通过人工智能和大数据应对风险管理的挑战。在交易监控方面,ComplyAdvantage和Shift Technology等公司已经通过人工智能算法在交易监控方面建立优势。在国内,BAT等互联网公司相较于传统金融机构利用其互联网入口以及先发技术优势,以流量和场景为切入点,在智能化营销和风控方面已拔得头筹。与此同时,众多金融机构也逐渐开始整合自身独有的客户金融行为数据与外部数据,纷纷构建集团或公司层面的新一代信贷和风控体系。而以德勤为代表的第三方专业服务机构也推出了如德勤智慧债券等专业化智能风控产品,整个人工智能风控领域此时可谓是百花齐放。

其中德勤智慧债券产品是一个比较典型的大数据及人工智能在金融领域的应用案例。该产品采用云、大数据和人工智能技术,对舆情及市场价格等信息进行深入分析,实现了债券的信用风险实时预警,并与内评、组合管理相结合为用户提供一站式的债券风险管理服务。通过对证券市场6000多个发债主体及上市公司,进行31个敞口划分,针对不同敞口的近千个指标进行收录,辅以主体的财务、经营以及所属行业、地区等方面的因素,对发债企业及上市公司进行全面的基本面因子分析;接着,基于基本面因子分析,进一步考虑发债企业舆情因子与债券价格因子,利用事件驱动型模型分析其对发债企业信用状况产生的边际影响。最后将三大因子合成信用压力指数来综合刻画发债企业的信用风险水平,达到迅速并精准的评级和预警效果。

1.2.  机器学习算法应用全面风险管理

[ 编辑: 运营BX01 ]

中国金融领域第一媒体

更多服务
友情链接

京ICP备11011451号-1

举报热线:(010)12377

举报邮箱:xinhua_ljzjr#ljzjr.cn(#替换@)

合作QQ:1447260813

中国金融时报网 版权所有 Copyright © 2010 - 2018 ljzjr.cn All Rights Reserved.