平安证券股份有限公司首席风险官 邹丽
平安证券股份有限公司风险管理部 李兰涛 曹洪劼 万莹
根据证券行业风险管理要求，并结合金融科技应用发展趋势，平安证券股份有限公司(以下简称“平安证券”)较早启动了风险管理科技发展能力建设。经过多年建设，平安证券基于领航智能全面风险管理系统，实现了风险管理流程的规范化和线上化、各类业务风险计量与监控的系统化;加强金融科技新技术在风险管理领域的应用，包括通过构建智能判断风险准入功能强化投前管控，基于人工智能、大数据等核心技术提升风险监控水平，持续推进自助风险数据分析服务增强风险数据分析能力。
平安证券希望通过总结自身历程、方法和实践，为准备开展或正在开展风险管理数字化转型的证券公司提供借鉴和启发，共同推进行业风险管理数字化转型工作。
一、金融科技在风险管理领域的应用方法与实践
在十年的建设过程中，平安证券在风险管理领域不断完善金融科技应用方法论，以科学方法指导实践探索，建设成果也逐步获得业界认可。
1.金融科技在风险管理领域的应用方法
(1)“一个目标”总体规划
为稳妥推进金融科技在风险管理领域的应用，加快风险管理的数字化转型，证券公司首先需要做好统筹规划、顶层设计，明确建设转型目标。结合外部监管以及风险管理要求，证券公司可以设定风险管理数字化建设的目标：综合运用大数据、人工智能等技术，构建专业化、平台化的金融风控系统集群，实现实时业务全量监测，自动识别预判潜在风险，为多维全视角细粒度归因提供风险决策支持，提升全面风险防范能力，打造先知、先觉、先行的“智慧”大风控。具体任务目标包括全域线上化、管控自动化、决策智能化、能力平台化、体验人性化。
(2)“两轮驱动”实施策略
明确建设目标之后，在实施策略上，证券公司可以根据“业务+科技”的“两轮驱动”机制，实施纵向专业化、横向一体化的建设方法，通过纵向加强专业风险应用服务，横向打造跨风险、跨业务、跨团队的公共一体化服务，实现转型发展目标落地。纵向专业化的重点在于做精做细全面风险、信用风险、市场风险、流动性风险等各类专业风险功能应用，提升风控专业核心能力;横向一体化则侧重于以公共风险数据服务、智能引擎服务为基础，应用自然语言处理、智能算法、微卡片服务等先进技术，开展智慧公共应用服务建设，沉淀通用风控能力，实现资源高度集约化、能力可快速复用推广，为投前、投中、投后的高效风险决策提供支持(如图1所示)。
图1 “两轮驱动”实施策略
(3)“三步落地”建设路径
风险管理的数字化建设并非一蹴而就，证券公司可以制定分步骤的实施方案，按照线上化、数据化、智能化的三个发展阶段逐步推进。
线上化发展阶段，证券公司重点实现风险报表报告和风险管理流程的线上化，大部分数据可以通过数据接口自动获取，但风险管理仍然偏事后。
数据化发展阶段，证券公司已建立相对全面的风险数据集市，将基于数据的风险计量模型和分析工具运用到事前和事中管理，实现风险信息共享和管理协同，构建风险洞察能力，使风险决策由经验驱动向“经验+数据”驱动转变。
智能化发展阶段，证券公司可以利用云计算、大数据、人工智能等新一代数字技术，对传统的风险管理模式进行创新和重塑，智能识别潜在风险点，提升风险管理的前瞻性和预见性，将业务风控前置，开展实时动态风险管控，实现风险管理与业务发展的高度融合。
2.金融科技在风险管理领域的应用实践
平安证券基于“识—测—报—控”的风险管理流程，在金融科技赋能风险管理方面进行了深入探索与实践。
(1)数字化“识风险”
一是内识：风险限额管理。风险限额是识别和管控风险的重要工具，新业务在开展前必须先申请风险限额。过去，所有的限额申请、审批、报告都是在线下进行，效率低、规范性不强。平安证券实现了限额管理从申请到监控的全流程线上化闭环管理，使流程节点减少了4倍，限额报告可在T+1日自动生成，提高了限额申请、监控效率以及管理的规范程度。
二是外识：海量舆情信息整合。过去，外部市场各类风险信息需靠人工查找，信息庞杂且来源众多，公司持仓标的多且需关注的外部异动多，人工收集、整理信息耗时长，容易遗漏重要预警信号，错失处置良机。平安证券基于人工智能、大数据、图谱等技术，搭建资讯中心、监管动态、研报库等应用，通过数据接口、数据看板、邮件等多种方式，每日整合多市场信号、多来源指标、多业务舆情，分钟级准实时、7×24小时全天候更新全网各类资讯数据，同时精准匹配客户与资产数据，实现风险信息的精准呈现。
(2)数字化“测风险”
一是标准化的风险指标体系。实现风险可监测的基础是建立完整有效的风险监测指标体系，否则容易出现指标口径不统一、指标重复加工、指标难以进行关联分析等问题，从而影响风险决策。通过建立风险指标体系，可实现指标名称、统计口径的标准化，实现风险指标的全公司共享和分层管理以及更加自主、灵活、及时的风险数据分析，帮助用户更快、更精准地定位风险管理问题和原因。平安证券风险指标体系的构建以指标库为技术依托，实现风险指标从指标分类定义与配置、指标审核、指标计量到指标可视化展示的全流程线上化、规范化管理。其中，指标定义功能可使风险用户通过前端界面完成风险指标的配置落库，大幅提升了风险指标数字化开发落地的效率。
二是可视化的风险规则体系。进行风险指标监测，就需要建立风险监测规则。平安证券通过建立规则库，实现可视化的监测规则配置和风险知识经验沉淀。规则库提供了良好的业务监测规则设计器，即使是风险用户，也可以轻松上手定义监测规则，规则能够实现即改即生效，以满足灵活的监测需要。以资管业务风险监控为例，资管业务涉及数据源多、监控规则量大且复杂，规则更新迭代快。通过“指标库+规则库”的双库联动，可快速配置风险指标及监控规则，使资管业务监控报表的开发时间由原来的2～3天缩短到0.5天，大幅缩短了开发上线周期，提升了监控效率，降低了手工成本。
(3)数字化“报风险”
过去，手工风险报表报告撰写在数据收集、数据加工、图表图片制作等环节耗费大量的人力和时间，同时手工报表报告也存在数据口径不统一、报告质量参差不齐等问题。平安证券通过全面风险管理系统提供的智慧分析服务实现各类风险报表报告统一归集、规范报送、一键生成、动态更新。同时，全面风险管理系统还为风险用户提供灵活、高效、可复用的自助数据分析服务，对各类风险问题进行细分归因、辅助决策。这些智慧分析服务的实现，得益于平安证券自主研发的低代码、可视化、拖拉拽便捷操作的风险分析工具体系(如图2所示)，该体系实现了从基础数据查询、指标定义、规则配置到多维分析展示的数据分析全链条线上化操作，将业务风险分析时效大幅提升了80%以上。
图2 平安证券风险分析工具体系
以下介绍平安证券基于风险分析工具体系的三个典型应用。
风险管理驾驶舱：实现了风险类型、业务类型、子公司风险信息的全覆盖，支持公司整体、业务、客户风险信息的及时、多维度、可视化监控分析，为业务提供更加全面、灵活的自助驾驶舱。
风险画像：为提升量化决策能力，平安证券从风险总量、资源消耗、收益水平、风险管理能力、保障机制五个维度，通过定量分析，及时准确形成公司整体和主要业务风险画像，以更好展示公司经营管理全貌，使业务短板一目了然，指导资源配置，加大对管理层决策的支持力度。
损益归因：将公司金融产品持仓的损益和风险从风险因子、投资组合、产品类型、敞口分布等不同维度进行分解和汇总，支持归因分析下钻至具体的交易或持仓明细，直观展示损益和风险的大小及来源，精准定位损益与风险，为策略管理、风险政策调整提供有效决策依据。
(4)数字化“控风险”
一是数字化的资产风险管控。平安证券通过人机结合的方式使投后管理更为智能、前瞻，实现风险预警监控、资产分类等功能，有效缩短了手工流程，实现了资产监控工作的系统化、可视化、实时化，使风险管理人员从繁杂的数据整理和报表制作中解放出来，有效强化专业分析监控工作，提升了投后管理成效。
二是数字化的风控工作台。为支持风险管理工作在风险维度和业务维度的高效开展，平安证券基于风险管理统一门户，构建了风险管控数字化工作台，提供面向风险、业务、场景的风险应用服务。各种风险应用服务可以像拼搭积木一样，由用户按需求快速定制组装个人风控工作台，满足展业和风控要求。
二、构建应用金融科技的平台能力
证券公司需要构建风险管理数字化建设过程所需的平台能力，并将这些能力构筑在企业的统一平台上，为金融科技赋能风险管理注入源源不断的动能。为此，平安证券深度融合了大数据、人工智能、云部署、微服务、微卡片等前沿技术，并基于领航科技平台(PILOT)和领航前端应用平台技术框架打造了领航智能全面风险管理系统。
1.数据平台
(1)以数据赋能业务发展
全面风险管理系统基于领航大数据平台实现数据共建共享和标准化输出，通过整合公司数据资源提供高效的数据服务，打破各种数据孤岛并实现数据共享，通过统一基础数据公共层，从数据模型的设计、开发、使用上保障数据结构和数据口径的规范和统一，通过数据驱动风险数字化转型，最终达成“数据赋能业务发展”的目标。
(2)实现舆情去重、建模与实时分发
利用Spark、Flink和知识图谱等技术，基于外部输入数据(风险因子、舆情、资讯与公众号等数据)，整合加工舆情、风险事件、专家点评数据，实现统一建模和搜索，并通过微卡片嵌入其他系统，实现针对不同需求的场景化赋能;输出舆情模型，为信用风险、投后监控的舆情预警模块自动匹配持仓，支持舆情排查及影响程度分类、邮件发送舆情提示。
(3)实现压测模型并行计算
利用“Airflow+Spark”分布式并行计算方案解决大数据量下风险压测模型的计算性能难题，利用Quantlib设计风险模型与Pytorch并行计算风险模型提高计算速度;利用HiveSQL和HDFS查询并加工计算结果、存储金融产品持仓数据和信用风险压力测试结果数据。
2.智能平台
平安证券基于自研人工智能平台高性能计算框架和机器学习技术，将深度学习、自然语言处理、自动语音识别等人工智能技术综合运用到风险管理的事前、事中、事后智能化需求场景;通过引入大型语言模型生成技术提升对话系统、文档生成、文件摘要提取等场景的智能化水平，在此基础上开发检索模型、智能搜索/问答、企业画像模型等模型和算法，面向应用层支持业务开展资产剖析、交易对手监控与风险指标监控等应用(如图3所示)。
图3 人工智能平台技术架构解决方案
3.研发平台
(1)领航科技平台
领航科技平台是平安证券自主打造的企业级金融产品交易全生命周期开发和管理平台，具有开放性、高性能、松耦合等特点。与传统基于Web的技术体系有所不同，领航科技平台的核心框架采用事件驱动通信策略，在功能和性能方面取得了突破性的进步。基于微服务以及云容器架构，领航科技平台实现了服务“一次建立、多次使用”的目标，解决了系统功能重复建设问题，支持多种主流开发语言、多接口和跨终端编程，通过开放性接口与第三方系统无缝集成。
(2)云部署技术
全面风险管理系统云部署解决方案是平安证券基于领航科技平台并结合云技术构建的平台级云服务。平安证券通过云化的方式部署风险系统和服务，形成从开发到部署的一整套解决方案，提升风险系统的可扩展性和复用性，提高开发、部署、运维的效率，同时也确保了系统运行的连续性。
(3)微卡片平台
微卡片平台是一个专业可视化前端开发工具平台，通过组件的方式构建应用系统页面。微卡片是系统页面可视化应用的最小粒度原子，即业务系统的每一个后端服务对应的前端呈现。一张微卡片可以作为独立的模块使用、分享或嵌入其他页面，也可以和不同卡片一起组装到不同的应用场景。微卡片可以轻松嵌入现有系统，也可灵活组装成个人看板页面、工作台。
三、金融科技在风险管理领域的应用建议
1.融合业务，“经验+数据”驱动，实现价值可量化
(1)为业务服务
风险管理数字化建设的需求始于风控，终于业务，建设成效一定要落实到服务业务和业务人员上;风险应用服务要嵌入业务流程、业务系统中，以最便捷的方式服务业务;同时要广泛听取业务人员的意见和建议。
(2)人机结合
风险管理需要专家经验，也需要利用机器的数据处理、学习能力等优势，实现从经验驱动到“经验+数据”驱动的转变。基于人机结合的用户反馈，可沉淀更多专家经验，推进机器能力的迭代升级。
(3)价值评价
价值最大化是检验一切工作的唯一标准，因此，风险管理数字化建设同样需要建立可量化的价值评价标准，从而稳定有效地开展数字化建设，实现可持续创新发展。
2.打造平台，将能力与工具相结合
(1)打造公共能力中心
风险管理数字化建设需逐步由过去的单点需求响应转变为主动构建公共能力中心，将分散在不同场景的业务能力进行整合，在平台上沉淀为各类用户可快速重复调用的公共服务，实现资源集约化管理，快速响应需求，在用户调用后可反向促进功能优化，实现沉淀与调用的循环。
(2)提供工具化定制服务
为了使用户更方便地使用公共服务，可通过风控工具箱、风控工作台等平台工具，为用户封装基于公共能力的定制化服务，并提供用户自助服务，不仅能实现风险管理数字化需求的快速响应，也能大量节省IT开发资源。
(3)将用数与治数相结合
风险数据能力建设不能仅靠科技来驱动，还需要业务及场景进行驱动，形成“用数—治数”的闭环，这样才能在不断产生业务价值的前提下形成双向良性循环。
(4)规范研发管理
规范的需求研发全流程管理是风险管理数字化建设有序、科学开展的机制保障。
3.激发内驱动力，“理念+组织”配套
(1)培育转型思维
加强风控科技文化建设，可培育全员数字化转型思维，让风险管理数字化建设深入人心。证券公司可以通过开展技术动态研究培训、建设风控应用案例库、将风险系统数据管理要求纳入考核制度、采取建立风控科技应用荣誉表彰体系等一系列举措，激发员工应用科技的热情，通过数字化来改变传统的管理思路和模式。
(2)组建业务和技术一体化团队
在组织保障上，证券公司可组建业务和技术协同的一体化团队，加深业务人员和技术人员之间的相互理解，促进其共同规划建设工作。团队成员需具备业务专业性和技术专业性，为公司培养复合型数字化转型人才打下基础，为风险数字化转型提供核心专业能力支持。
4.共建共享，形成行业标准化建设指引
证券行业可开展更多数字化建设交流合作，基于过往行业建设经验，形成更多行业认可的相关建设标准，如在行业数字化建设案例集基础上提炼方法、能力等建设要素，形成白皮书等指导意见，从而可以指导证券公司更高效、更科学地开展工作。
5.加强管理，科技风险防范势在必行
随着对数字化转型工作的持续投入和深化，证券公司需加强数字化转型的风险防范，特别是在拥有“强学习能力”的人工智能应用背景下，更应加强数据安全和风险防控，建立数据全生命周期的安全闭环管理机制。
|
