Exceptions

Notice: Undefined offset: 0

500 Internal Server Error - ContextErrorException

Stack Trace

in plugins/MeetingPlugin/Controller/GroupController.php at line 1311
1. 0,
2. 1
3. );
4. $checkcontent = $checkcontents['0'];
5. $checkexpert = $this->getMeetingGuestService()->getGuest($checkcontent['guestId']);
6. $about = '';
7. $about1 = explode('。',$checkexpert['about']);
at ErrorHandler ->handleError ('8', 'Undefined offset: 0', '/www/wwwroot/www.cfrisk.org/plugins/MeetingPlugin/Controller/GroupController.php', '1311', array('request' => object(Request), 'id' => '26', 'group' => array('id' => '26', 'title' => '数字金融与科技应用', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574">分享ABCD等金融科技前沿，探讨数字金融创新，科技在金融领域的行业趋势和应用实践。</td> </tr></tbody></table>', 'logo' => 'public://group/2024/09-09/1757553af466491044.png', 'backgroundLogo' => 'public://group/2024/09-09/175804c1f373238398.png', 'status' => 'open', 'memberNum' => '170', 'threadNum' => '1', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725875869', 'type' => '0'), 'activeGroup' => array(array('id' => '26', 'title' => '数字金融与科技应用', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574">分享ABCD等金融科技前沿，探讨数字金融创新，科技在金融领域的行业趋势和应用实践。</td> </tr></tbody></table>', 'logo' => 'public://group/2024/09-09/1757553af466491044.png', 'backgroundLogo' => 'public://group/2024/09-09/175804c1f373238398.png', 'status' => 'open', 'memberNum' => '170', 'threadNum' => '1', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725875869', 'type' => '0', 'is_my' => '0'), array('id' => '33', 'title' => '治理、战略和文化与全面风险管理', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574">探讨组织治理、转型发展、风险战略、风险文化、全面风险管理、系统性风险管理等内容。</td> </tr></tbody></table>', 'logo' => 'public://group/2024/09-09/180058a90c55106180.png', 'backgroundLogo' => 'public://group/2024/09-09/18011066d022675041.png', 'status' => 'open', 'memberNum' => '121', 'threadNum' => '2', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725876051', 'type' => '0', 'is_my' => '0'), array('id' => '3', 'title' => '公司金融业务与风险管理', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574">共探公司金融业务与风险管理前沿，涵盖信贷技术、信用评级、风险定价、智能风控等热点话题。</td> </tr></tbody></table>', 'logo' => 'public://group/2024/09-09/145746aac088425475.png', 'backgroundLogo' => 'public://group/2024/09-09/150236cd4d38373167.png', 'status' => 'open', 'memberNum' => '119', 'threadNum' => '4', 'postNum' => '12', 'ownerId' => '3', 'createdTime' => '1725865044', 'type' => '0', 'is_my' => '0'), array('id' => '12', 'title' => '金融市场业务与风险管理', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574">探讨国内外金融市场宏观与行业趋势动态、各类FICC业务实操与风险管理策略，以及产品创新。</td> </tr></tbody></table>', 'logo' => 'public://group/2024/09-09/1535528ba342170379.png', 'backgroundLogo' => 'public://group/2024/09-09/15360228afc5306787.png', 'status' => 'open', 'memberNum' => '115', 'threadNum' => '2', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725867344', 'type' => '0', 'is_my' => '0'), array('id' => '9', 'title' => '零售小微金融业务与风险管理', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et3" height="33" style="border:none;height:25pt;width:430.55pt;white-space:normal;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;" width="574">讨论零售小微金融的风险管理与创新实践，涵盖信贷业务、零售业务数字化转型与科技应用。</td> </tr></tbody></table>', 'logo' => 'public://group/2024/09-09/153409158c61923759.png', 'backgroundLogo' => 'public://group/2024/09-09/153418a38dfa386711.png', 'status' => 'open', 'memberNum' => '87', 'threadNum' => '0', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725867241', 'type' => '0', 'is_my' => '0'), array('id' => '23', 'title' => '资本管理和资产负债管理', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574">深入交流资本配置与资产负债策略方面的综合性内容。</td> </tr></tbody></table>', 'logo' => 'public://group/2024/09-09/175605593660369862.png', 'backgroundLogo' => 'public://group/2024/09-09/175614e1c487281699.png', 'status' => 'open', 'memberNum' => '76', 'threadNum' => '1', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725875752', 'type' => '0', 'is_my' => '0'), array('id' => '19', 'title' => '资产管理、财富管理与风险管理', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574">探索资产配置与财富增长策略和趋势，资产配置工具应用，业务风险防范和实践经验。</td> </tr></tbody></table>', 'logo' => 'public://group/2024/09-09/175403b7da10442773.png', 'backgroundLogo' => 'public://group/2024/09-09/17541242729a518466.png', 'status' => 'open', 'memberNum' => '62', 'threadNum' => '4', 'postNum' => '1', 'ownerId' => '3', 'createdTime' => '1725875636', 'type' => '0', 'is_my' => '0'), array('id' => '31', 'title' => '内控、合规与审计', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574">分享各类金融机构内部控制方法、合规体系建设、监管法规要求、操作风险管理与审计实践。</td> </tr></tbody></table>', 'logo' => 'public://group/2024/09-09/180010aae6d8519155.png', 'backgroundLogo' => 'public://group/2024/09-09/1800182789e9491941.png', 'status' => 'open', 'memberNum' => '50', 'threadNum' => '0', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725876002', 'type' => '0', 'is_my' => '0'), array('id' => '18', 'title' => '股权投资、投资银行与风险管理', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574">聚焦股权投资与投资银行领域的业务及管理实践，涵盖资本市场宏微观形势分析及投资策略分享。</td> </tr></tbody></table>', 'logo' => 'public://group/2024/09-09/1753288146c2497197.png', 'backgroundLogo' => 'public://group/2024/09-09/175336039e86170914.png', 'status' => 'open', 'memberNum' => '43', 'threadNum' => '1', 'postNum' => '5', 'ownerId' => '3', 'createdTime' => '1725875593', 'type' => '0', 'is_my' => '0'), array('id' => '39', 'title' => '宏观与行业', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574">聚焦中央政策导向的解读、分析、评论、研究与交流，把握监管趋势与影响，探讨政策落地与执行。</td> </tr></tbody></table>', 'logo' => 'public://group/2024/09-09/18035288c3c4110582.png', 'backgroundLogo' => 'public://group/2024/09-09/180400050b9d825473.png', 'status' => 'open', 'memberNum' => '34', 'threadNum' => '7', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725876225', 'type' => '0', 'is_my' => '0'), array('id' => '22', 'title' => '保险与风险管理', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574">探讨保险公司业务与风险管理，含业务创新、偿付能力新规、公司治理、合规管理等多方面内容。</td> </tr></tbody></table>', 'logo' => 'public://group/2024/09-09/1755302e8c22083717.png', 'backgroundLogo' => 'public://group/2024/09-09/175538a8ff6a978599.png', 'status' => 'open', 'memberNum' => '33', 'threadNum' => '0', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725875723', 'type' => '0', 'is_my' => '0'), array('id' => '40', 'title' => '基于风险的投融资与企业风险管理', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574">基于风险管理视角的的企业投融资交流，分享企业风险管理，资本运作与公司治理。</td> </tr></tbody></table>', 'logo' => 'public://group/2024/09-09/18041827d38a010183.png', 'backgroundLogo' => 'public://group/2024/09-09/180426aaa3b5386188.png', 'status' => 'open', 'memberNum' => '22', 'threadNum' => '0', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725876249', 'type' => '0', 'is_my' => '0')), 'user' => object(AnonymousUser), 'groupOwner' => array('id' => '3', 'email' => 'cpjlikephp@126.com', 'verifiedMobile' => '18510341342', 'password' => 'q141yZ92zOhdAlPt1SNgaqEgNS/wlJplWZtIcEz0Gjo=', 'salt' => 'avbo9tcei8wgo44c8sgww4ckokgcowc', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => 'admin', 'title' => '111', 'tags' => '', 'type' => 'default', 'point' => '0', 'coin' => '0', 'smallAvatar' => 'public://default/2019/05-23/095559fd639b055006.png', 'mediumAvatar' => 'public://default/2019/05-23/095559fd47cb521902.png', 'largeAvatar' => 'public://default/2019/05-23/095559fd1e4f111012.png', 'emailVerified' => '1', 'setup' => '1', 'roles' => array('ROLE_USER', 'ROLE_EXPERT', 'ROLE_TEACHER', 'ROLE_SUPER_ADMIN'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '1751877523', 'loginIp' => '120.221.146.47', 'loginSessionId' => 'da6g414oqc695u2dt64j8k8ic6', 'approvalTime' => '1561624383', 'approvalStatus' => 'approved', 'newMessageNum' => '1', 'newNotificationNum' => '0', 'createdIp' => '', 'createdTime' => '1552732491', 'updatedTime' => '1751877523', 'inviteCode' => '0N6Z5', 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => 'a5245103b11ff3d6877f148a4bdf0caf99792ad5', 'passwordInit' => '1', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '2', 'virtual_coin' => '155', 'order_sn' => '2022051911493929683', 'chances' => '0', 'remark' => '', 'mobileSessionId' => 'evuj8o49l0njcce9oi7kvrst72', 'course_chance' => '1', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), 'recentlyJoinMember' => array(array('id' => '1876', 'groupId' => '26', 'userId' => '11000', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1749095305'), array('id' => '1867', 'groupId' => '26', 'userId' => '10809', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1744005559'), array('id' => '1866', 'groupId' => '26', 'userId' => '10775', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1744005503'), array('id' => '1862', 'groupId' => '26', 'userId' => '6425', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1741352158'), array('id' => '1854', 'groupId' => '26', 'userId' => '8594', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1737269958'), array('id' => '1841', 'groupId' => '26', 'userId' => '1038', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1735819818'), array('id' => '1840', 'groupId' => '26', 'userId' => '6797', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1735819585'), array('id' => '1833', 'groupId' => '26', 'userId' => '10297', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1735291504'), array('id' => '1819', 'groupId' => '26', 'userId' => '3429', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1735203478'), array('id' => '1802', 'groupId' => '26', 'userId' => '9878', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1733490122'), array('id' => '1793', 'groupId' => '26', 'userId' => '9626', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1733219549'), array('id' => '1791', 'groupId' => '26', 'userId' => '10218', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1733201750'), array('id' => '1782', 'groupId' => '26', 'userId' => '10009', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1733192002'), array('id' => '1774', 'groupId' => '26', 'userId' => '438', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1733134436'), array('id' => '1763', 'groupId' => '26', 'userId' => '10184', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732955021'), array('id' => '1754', 'groupId' => '26', 'userId' => '9817', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732947308'), array('id' => '1749', 'groupId' => '26', 'userId' => '10278', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732881984'), array('id' => '1734', 'groupId' => '26', 'userId' => '10308', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732863585'), array('id' => '1727', 'groupId' => '26', 'userId' => '9825', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732790846'), array('id' => '1702', 'groupId' => '26', 'userId' => '10147', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732781709')), 'recentlyMembers' => array(array('id' => '438', 'email' => 'zhangwanqi@163.com', 'verifiedMobile' => '13801171925', 'password' => 'dbfsuDtIrBjhP+4q/+QHjwrL5Oc85X0SivjKgti3Mjc=', 'salt' => 'e5bcoqeua348ss4w4gss8k0sgg844o0', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '张万奇', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => 'public://expert/2021/02-24/183056000504751738.jpg', 'mediumAvatar' => '', 'largeAvatar' => 'public://article/2021/02-24/18305602abbc707535.jpg', 'emailVerified' => '0', 'setup' => '1', 'roles' => array('ROLE_USER', 'ROLE_TEACHER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '1718504083', 'loginIp' => '115.223.23.181', 'loginSessionId' => 'ps65vmot0gtlgbvmvvhc5n3p42', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '3', 'createdIp' => '103.43.185.54', 'createdTime' => '1614161265', 'updatedTime' => '1718504083', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => '71cb90afbcba9b94391847dc0fb2c3feaa393e47', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '2', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => '张万奇', 'mobileSessionId' => '4713e3ob0teqhp7052pl6qbj40', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '1038', 'email' => 'dongwu@cfrisk.org', 'verifiedMobile' => '', 'password' => 'PhN020j0AOrAv96+YRa3lzAhoalLSSkg4EGkIw3ZKMM=', 'salt' => 'd0holrm1vj4gogsww8c4ck80w84o4oo', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '东吴证券', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '0', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '1742474837', 'loginIp' => '61.164.108.176', 'loginSessionId' => 'ps7kda3bkm35pc2jnvd359dmm2', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '0', 'createdIp' => '114.244.72.14', 'createdTime' => '1626317922', 'updatedTime' => '1742474837', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => '5edf539730a1ed5149e119090bc2b0a63e3f12e3', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '0', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => '东吴证券', 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '3429', 'email' => 'zhaohuiyong@shxibank.com', 'verifiedMobile' => '15103565678', 'password' => '4x6/IISRkZpex+VgWIopyStqT/pWAYv/MMNYa6zdk0Y=', 'salt' => 'hzvjt2s8rwo4cw4ws40gkkkc08gwss0', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '赵慧勇', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '1', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '1637369034', 'loginIp' => '101.200.28.180', 'loginSessionId' => '', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '2', 'createdIp' => '39.96.151.169', 'createdTime' => '1637203386', 'updatedTime' => '1637369034', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => '21b0960b685597ea54636aaa06eb131faeee00bd', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '2', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => '赵慧勇', 'mobileSessionId' => '3tisqbpn16dkcmbbd3qrcsf2g3', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '6425', 'email' => 'user_1qur2bavb@edusoho.net', 'verifiedMobile' => '13810429223', 'password' => 'lj3EPvCgbNvpfZ9/cIasiYrqsZylwLw0xDtUbSSxvD4=', 'salt' => 'cajnv7ot4bccgc8gckoscw8w8g40sg4', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => 'userll6egi', 'title' => '', 'tags' => '', 'type' => 'web_email', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '0', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '1751763780', 'loginIp' => '120.221.146.40', 'loginSessionId' => 'g6s0qi4i2t11rmkaaq2e6r81n7', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '0', 'createdIp' => '116.211.216.159', 'createdTime' => '1645103550', 'updatedTime' => '1751763780', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => 'web', 'distributorToken' => '', 'uuid' => 'b5a166aa8362312c8c9f0c0e633bacc2b3c9ef40', 'passwordInit' => '1', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '0', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '1', 'remark' => null, 'mobileSessionId' => 'gq233e78l24tfbb6fjb5krtml0', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '6797', 'email' => 'jingmeng@cfrisk.org', 'verifiedMobile' => '15850113415', 'password' => '7Yvflt5wVwTtRimrLrrpD6jbLzqYyvS5y4YhRg4gjlM=', 'salt' => 'fo5a6pfa6yo0o8wokgoccww0sok40os', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '吉濛', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '0', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '1742366226', 'loginIp' => '61.164.108.193', 'loginSessionId' => 'j4gpeuurlgov57d11ctte32sc7', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '0', 'createdIp' => '120.27.74.166', 'createdTime' => '1649412830', 'updatedTime' => '1742366226', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => '7458f9089baa6b301d3df443d909b0f993398dcd', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '0', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '1', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '8594', 'email' => 'user_hmqmoga7d@edusoho.net', 'verifiedMobile' => '13428965623', 'password' => 'l5TvyIgwYeJTi/GrZEdEcTr/llk/A/uvBznKP+rxTWs=', 'salt' => 'lojznprb3xw80csswc80owwk8gokkos', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => 'user4cph4c', 'title' => '', 'tags' => '', 'type' => 'web_email', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '0', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '1751781661', 'loginIp' => '101.37.183.26', 'loginSessionId' => 'h6e7ng1elmvabfn5cud87amgj2', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '0', 'createdIp' => '121.9.232.162', 'createdTime' => '1702104820', 'updatedTime' => '1751781661', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => 'web', 'distributorToken' => '', 'uuid' => '2b7d30660ff7b13dfac4c35994151c3a3cb1ed43', 'passwordInit' => '1', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '0', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '1', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '9626', 'email' => 'liuji@cfrisk.org', 'verifiedMobile' => '13810951008', 'password' => 'LH+bCvucWZ/kN4vMaEgIUK2sBe+ZP9mfeNEofurNKjo=', 'salt' => '14zzb46pll0go44ogoswkgwoswk480o', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '刘骥', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '0', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '0', 'loginIp' => '', 'loginSessionId' => '', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '0', 'createdIp' => '1.31.128.70', 'createdTime' => '1726994141', 'updatedTime' => '1733186850', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => '2ef10740d27a7684193579e39b6faafd8580bf24', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '2', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '9817', 'email' => 'dierpi101@cfrisk.org', 'verifiedMobile' => '18610093357', 'password' => 'xsgCZcOzZL9b/OEEfBo1yb36UvJdmw6P9P8S5b30qG4=', 'salt' => 'b8lj5wkv5u88ggkwoo4ss0ko0cwgg00', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '姚坤', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '1', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '0', 'loginIp' => '', 'loginSessionId' => '', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '0', 'createdIp' => '112.28.217.51', 'createdTime' => '1732692093', 'updatedTime' => '1732692093', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => 'c31386d308096ce7009d85e4b858eba295115954', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '2', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '9825', 'email' => 'dierpi119@cfrisk.org', 'verifiedMobile' => '18938961109', 'password' => '7GkImcMpsMkfrEjW30nHmIt8frkjAm1K+cfGdOy8LL4=', 'salt' => '46naivov7i80g0kw0cg0koc04s440gw', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '吴黎曦', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '1', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '0', 'loginIp' => '', 'loginSessionId' => '', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '1', 'createdIp' => '112.28.217.51', 'createdTime' => '1732692094', 'updatedTime' => '1732692094', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => 'd7c40b04e1ab1b39b3edad627f41641f16f35017', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '2', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '9878', 'email' => 'dierpi279@cfrisk.org', 'verifiedMobile' => '18611861112', 'password' => 'cWn/LqL90iujxRdVouxcMf2nh31IQg4VG905qrDu2Ek=', 'salt' => 'q1dqvjxayxwwk00k8wssg8804c0o488', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '黄格非', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '1', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '0', 'loginIp' => '', 'loginSessionId' => '', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '2', 'createdIp' => '112.28.217.51', 'createdTime' => '1732692097', 'updatedTime' => '1732692097', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => '317ee36fb3b8a9b983a84331389d52bf83ceca1e', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '2', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '10009', 'email' => 'dierpi588@cfrisk.org', 'verifiedMobile' => '18611147963', 'password' => '4lSt9kbyYVj2r/D5nijya6qL8jjBsWcVEzSTjL0crU8=', 'salt' => '16jc4lb7d5k0cow8ocsk0cow84gwkg0', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '郑学忠', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '1', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '1733235035', 'loginIp' => '120.221.146.25', 'loginSessionId' => '1ome4moakcb1n0i1162rn79kv6', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '2', 'createdIp' => '112.28.217.51', 'createdTime' => '1732692105', 'updatedTime' => '1733235035', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => '65bdeeed11da5d1246f03ce6742fb9d8503ac239', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '2', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '10147', 'email' => 'dierpi770@cfrisk.org', 'verifiedMobile' => '13132197468', 'password' => 'sE/e66oK0pGDafa5TXxLKzLcoFLGdj+23IeyzUL6tIs=', 'salt' => '1qm11zw2wk2ssoo404co4s8gw400gco', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '李鹏飞', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '1', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '0', 'loginIp' => '', 'loginSessionId' => '', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '2', 'createdIp' => '112.28.217.51', 'createdTime' => '1732692113', 'updatedTime' => '1732692113', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => 'ed658c46a75dd0af030160a1f91556d59e67a692', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '2', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '10184', 'email' => 'dierpi807@cfrisk.org', 'verifiedMobile' => '13581641277', 'password' => 'wjFaWLxLNt+pOxTsGrpQDGYdSVpTMwrhwNM55KFAaaI=', 'salt' => 's7yakv8t5dcs048sccsocgc0g4840kg', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '李珺', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '1', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '0', 'loginIp' => '', 'loginSessionId' => '', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '3', 'createdIp' => '112.28.217.51', 'createdTime' => '1732692115', 'updatedTime' => '1732692115', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => 'ab2c4769d6726553cf5490eb0724eafa81add8cb', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '2', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '10218', 'email' => 'dierpi848@cfrisk.org', 'verifiedMobile' => '13541258387', 'password' => 'oXr5p6Vdjr+E66rLhnJCmg8TEDId1vNeOMLrw+xBx7o=', 'salt' => 'kjfidzzs3mokw08o8kw8scso8cwcskg', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '尹冬梅', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '1', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '0', 'loginIp' => '', 'loginSessionId' => '', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '0', 'createdIp' => '112.28.217.51', 'createdTime' => '1732692117', 'updatedTime' => '1732692117', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => '0dd8b98c5b355e0c4e2c617b7d45d9b4a98f33cb', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '2', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '10278', 'email' => 'dierpi940@cfrisk.org', 'verifiedMobile' => '18800032006', 'password' => 'XAt73STziZsDU2o+nApwFI/1IyQH5IqtZ0lNL6OPCeU=', 'salt' => '5l6demjl6z480848g0g4wkg88wgcg8s', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => 'JeffLittleGuo', 'title' => '总监', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => 'public://user/2024/12-19/10073354153d310181.png', 'mediumAvatar' => 'public://user/2024/12-19/10073353ef55493179.png', 'largeAvatar' => 'public://user/2024/12-19/10073353bed6695175.png', 'emailVerified' => '1', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '1748496848', 'loginIp' => '61.164.108.154', 'loginSessionId' => '4uffbs7qp0g26rau69n30umn57', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '0', 'createdIp' => '120.221.146.55', 'createdTime' => '1732858299', 'updatedTime' => '1748496848', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => '30eb0b3aba4799df4bf42759ca593ef0fc03442d', 'passwordInit' => '1', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '2', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '10297', 'email' => 'dierpi961@cfrisk.org', 'verifiedMobile' => '13910467746', 'password' => 'KXSxuDw7FJTJY+XqRcmETNkIetIoxoWb9WMHlxurq7Y=', 'salt' => 'sr4fyajsurk40ckw4o8wwgk40gkc84s', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '陈道斌', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '1', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '0', 'loginIp' => '', 'loginSessionId' => '', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '0', 'createdIp' => '120.221.146.55', 'createdTime' => '1732858300', 'updatedTime' => '1732858300', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => '8964b76a264569cfe076598134142f7145872075', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '2', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '10308', 'email' => 'u_er47kqkh5jk8@cfrisk.org', 'verifiedMobile' => '18516341360', 'password' => '1vAQxtI/V6/5gizwxUXFrYmgAKBkWl1Zrn1coR6QpZg=', 'salt' => 'g4wprjy9lts0osc4gggs00sc08kw8g', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => 'rxt285441937', 'title' => '', 'tags' => '', 'type' => 'web_email', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '0', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '1732863351', 'loginIp' => '', 'loginSessionId' => '', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '0', 'newNotificationNum' => '0', 'createdIp' => '', 'createdTime' => '1732863351', 'updatedTime' => '1732863351', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => 'web', 'distributorToken' => '', 'uuid' => '272ffab761be10d4f0eff5ccd5927f69899e1b69', 'passwordInit' => '1', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '0', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '10775', 'email' => 'u_49zet9vnkgu8@cfrisk.org', 'verifiedMobile' => '18101033317', 'password' => 'Xjz0Ae3Su93DIxk9ByMawYgmanEZga/3wJYTZ0fkh1o=', 'salt' => '5veq2s7sqygwkkw480wwcwk884c4wkw', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => 'perhaps_fish@163.com', 'title' => '', 'tags' => '', 'type' => 'web_email', 'point' => '0', 'coin' => '0', 'smallAvatar' => 'public://user/2025/03-14/192719726815747330.png', 'mediumAvatar' => 'public://user/2025/03-14/192719724133740424.png', 'largeAvatar' => 'public://user/2025/03-14/192719721211978658.png', 'emailVerified' => '0', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '1743993785', 'loginIp' => '39.100.171.177', 'loginSessionId' => '14p9bvlp9fuhlaqlnsag3rgih5', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '0', 'newNotificationNum' => '0', 'createdIp' => '', 'createdTime' => '1741235211', 'updatedTime' => '1743993785', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => 'web', 'distributorToken' => '', 'uuid' => '5b88df5525633955bb935a628cf88d0cb1926709', 'passwordInit' => '1', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '0', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '1', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '10809', 'email' => 'lubibo@cfrisk.org', 'verifiedMobile' => '', 'password' => '0F5PVgAfb+f3JwLCDzUSCPiq91R8sS4J+KHeggtMXJ8=', 'salt' => '2cib38r0lxhcokk8ww0kcw88gkgsskk', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '陆碧波', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '0', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '1744005554', 'loginIp' => '39.100.171.175', 'loginSessionId' => '4nnll5u14l8trrmqejfomhq5r7', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '0', 'createdIp' => '112.28.217.31', 'createdTime' => '1742450256', 'updatedTime' => '1744005554', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => '486c9a5a31fe08ee301c7d1388133b21f9c9c7ff', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '2', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '11000', 'email' => 'wuhannongshanghang5@cfrisk.org', 'verifiedMobile' => '15392840819', 'password' => '1mknO4uBiqbhvwgskH6Wm8+CvbTRw975uxzubL7H3LI=', 'salt' => 'lcu5h5gwim844sws4ooccg4k4o88ocw', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '武汉农商行5', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '1', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '1750748859', 'loginIp' => '183.214.161.54', 'loginSessionId' => '8dle1atqdmq95k4l1rmm17dd52', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '1', 'createdIp' => '120.221.146.58', 'createdTime' => '1748936140', 'updatedTime' => '1750748859', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => '3f965e03eaa240043849329bcf3bd3671b9db37e', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '0', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => '')), 'userIsGroupMember' => null, 'myJoinGroup' => array(), 'newGroups' => array(array('id' => '47', 'title' => '2024天弈年会暨第二十届中国金融风险经理论坛', 'about' => '成员交流版块内可查看会议手册，群资料版块可查看PPT，共享文档版块可查阅报告 ', 'logo' => 'public://group/2024/11-08/220217916e35889216.png', 'backgroundLogo' => 'public://group/2024/09-09/1806466e7724578984.png', 'status' => 'open', 'memberNum' => '39', 'threadNum' => '1', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1730884674', 'type' => '2'), array('id' => '45', 'title' => '求职与职场交流', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574">金融职场交流，探讨职业发展路径，求职策略与职场技能。</td> </tr></tbody></table>', 'logo' => 'public://group/2024/09-09/180639f3f087537836.png', 'backgroundLogo' => 'public://group/2024/09-09/1806466e7724578984.png', 'status' => 'open', 'memberNum' => '9', 'threadNum' => '0', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725876392', 'type' => '2'), array('id' => '40', 'title' => '基于风险的投融资与企业风险管理', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574">基于风险管理视角的的企业投融资交流，分享企业风险管理，资本运作与公司治理。</td> </tr></tbody></table>', 'logo' => 'public://group/2024/09-09/18041827d38a010183.png', 'backgroundLogo' => 'public://group/2024/09-09/180426aaa3b5386188.png', 'status' => 'open', 'memberNum' => '22', 'threadNum' => '0', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725876249', 'type' => '0'), array('id' => '39', 'title' => '宏观与行业', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574">聚焦中央政策导向的解读、分析、评论、研究与交流，把握监管趋势与影响，探讨政策落地与执行。</td> </tr></tbody></table>', 'logo' => 'public://group/2024/09-09/18035288c3c4110582.png', 'backgroundLogo' => 'public://group/2024/09-09/180400050b9d825473.png', 'status' => 'open', 'memberNum' => '34', 'threadNum' => '7', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725876225', 'type' => '0'), array('id' => '33', 'title' => '治理、战略和文化与全面风险管理', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574">探讨组织治理、转型发展、风险战略、风险文化、全面风险管理、系统性风险管理等内容。</td> </tr></tbody></table>', 'logo' => 'public://group/2024/09-09/180058a90c55106180.png', 'backgroundLogo' => 'public://group/2024/09-09/18011066d022675041.png', 'status' => 'open', 'memberNum' => '121', 'threadNum' => '2', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725876051', 'type' => '0'), array('id' => '31', 'title' => '内控、合规与审计', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574">分享各类金融机构内部控制方法、合规体系建设、监管法规要求、操作风险管理与审计实践。</td> </tr></tbody></table>', 'logo' => 'public://group/2024/09-09/180010aae6d8519155.png', 'backgroundLogo' => 'public://group/2024/09-09/1800182789e9491941.png', 'status' => 'open', 'memberNum' => '50', 'threadNum' => '0', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725876002', 'type' => '0'), array('id' => '26', 'title' => '数字金融与科技应用', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574">分享ABCD等金融科技前沿，探讨数字金融创新，科技在金融领域的行业趋势和应用实践。</td> </tr></tbody></table>', 'logo' => 'public://group/2024/09-09/1757553af466491044.png', 'backgroundLogo' => 'public://group/2024/09-09/175804c1f373238398.png', 'status' => 'open', 'memberNum' => '170', 'threadNum' => '1', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725875869', 'type' => '0'), array('id' => '23', 'title' => '资本管理和资产负债管理', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574">深入交流资本配置与资产负债策略方面的综合性内容。</td> </tr></tbody></table>', 'logo' => 'public://group/2024/09-09/175605593660369862.png', 'backgroundLogo' => 'public://group/2024/09-09/175614e1c487281699.png', 'status' => 'open', 'memberNum' => '76', 'threadNum' => '1', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725875752', 'type' => '0')), 'filters' => array('type' => 'all', 'sort' => 'byCreatedTime', 'num' => '25'), 'sort' => array(), 'order' => 'byCreatedTimeOnly', 'conditions' => array('classroomId' => '273'), 'paginator' => object(Paginator), 'threads' => array(array('id' => '104', 'title' => '金融机构移动应用管理有章可循', 'content' => '　　近日，国家金融监督管理总局印发《关于加强银行业保险业移动互联网应用程序管理的通知》，旨在加强银行业保险业信息科技监管，指导银行业金融机构、保险业金融机构和金融控股公司有序规范建设移动互联网应用程序，提升金融服务水平。 　　近年来，移动应用已成为金融机构线上服务的重要渠道，在提升金融服务便捷性的同时，也存在数量庞杂、功能重复、用户满意度和活跃度低等问题。金融监管总局有关司局负责人表示，针对当前存在的问题，《通知》要求金融机构加强统筹，将移动应用管理纳入全面风险管理体系，有效控制移动应用引发的风险，同时督促金融机构进一步加强服务，改善用户体验，有利于规范银行业保险业移动应用建设管理，提升金融机构移动应用安全保障水平和金融服务水平，筑牢信息科技风险防线。 　　据了解，《通知》规范的主要对象是金融机构的移动应用，包括对客户提供金融服务的应用，以及内部管理类应用，也涵盖金融机构在各互联网平台运营的小程序、公众号等。业内人士分析，以往大家都比较关注金融服务的各类移动应用APP，对APP的监管也较为严格。对于金融机构公众号、社交活动账户等其他移动应用的监管，此前则较为宽松，此次规定有助于将这方面的监管具体化。 　　具体来看，《通知》从四方面提出18条工作要求。一是加强统筹管理，要求金融机构明确移动应用管理牵头部门、建立移动应用台账、完善准入退出机制、控制移动应用数量；二是加强全生命周期管理，要求金融机构规范移动应用的需求分析、设计开发、测试验证、上架发布、监控运行等环节，强化移动应用与运行环境的兼容性、适配性管理；三是落实风险管理责任，要求金融机构落实移动应用备案、网络安全、数据安全、外包管理、业务连续性及个人信息保护等监管要求；四是加强监督管理，要求金融监管总局各级派出机构加强移动应用监管工作。 　　博通咨询金融行业首席分析师王蓬博认为，当前金融科技普遍应用，《通知》的印发有助于加强信息化、留痕管理，在金融数字化的渐进过程中，将流程更清晰化、将责任更明确化。对金融机构来说，加强移动应用统筹管理可以集中精力创新更多产品。 　　针对数据安全责任该如何界定的问题，《通知》明确了“谁管业务、谁管业务数据、谁管数据安全”的原则，金融机构要压实业务管理部门数据管理职责，会同信息科技部门做好业务数据安全管理工作。 　　金融监管总局有关司局负责人强调，金融机构应当严格落实国家法律法规和监管要求，建立移动应用个人信息保护制度，规范个人信息管理，遵循“合法、正当、必要”原则收集个人信息，向用户告知收集个人信息的目的、使用和保护个人信息的方式，公布投诉渠道信息，及时处理信息泄露和隐私合规相关问题，保障消费者权益。 来源：经济日报 原文链接：https://finance.sina.com.cn/jjxw/2024-09-30/doc-incqwqme3054260.shtml ', 'isElite' => '0', 'isStick' => '0', 'lastPostMemberId' => '0', 'lastPostTime' => '0', 'groupId' => '26', 'userId' => '9656', 'createdTime' => '1727684650', 'postNum' => '0', 'status' => 'open', 'hitNum' => '645', 'rewardCoin' => '0', 'type' => 'default', 'updatedTime' => '1727684650', 'liked' => '0', 'author' => array('nickname' => '数据管理动态', 'avatar' => '/files/user/2024/09-30/10141245ef0a633805.png', 'id' => '9656', 'isFollowed' => '0', 'epxid' => '0'))), 'inlogin' => '0', 'ownerIds' => array('9656'), 'userIds' => array('0'), 'owners' => array(array('id' => '9656', 'email' => 'tianyishequn27@cfrisk.org', 'verifiedMobile' => '', 'password' => 'ZH3TksfZNFhR9LOwUh/QOeKrJhwdKYTcAWmP0CsFbb8=', 'salt' => 'q4ltggeq3a8gkgs0w0so0cg8s0c8ook', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '数据管理动态', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => 'public://user/2024/09-30/10141245ef0a633805.png', 'mediumAvatar' => 'public://user/2024/09-30/10141245c989927701.png', 'largeAvatar' => 'public://user/2024/09-30/10141245a402748051.png', 'emailVerified' => '1', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '1728466749', 'loginIp' => '39.155.182.3', 'loginSessionId' => '28g59d8j43ja888f8ffu7m6f82', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '1', 'createdIp' => '120.221.146.51', 'createdTime' => '1727248868', 'updatedTime' => '1728466749', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => '23284c98ba0152a7d24e2c01fd15aba90298fc62', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '0', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => '')), 'lastPostMembers' => array(), 'activeMembers' => array(array('id' => '1273', 'groupId' => '26', 'userId' => '5565', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1261', 'groupId' => '26', 'userId' => '251', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1260', 'groupId' => '26', 'userId' => '264', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1259', 'groupId' => '26', 'userId' => '215', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1258', 'groupId' => '26', 'userId' => '1095', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1257', 'groupId' => '26', 'userId' => '1611', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1256', 'groupId' => '26', 'userId' => '236', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1255', 'groupId' => '26', 'userId' => '59', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1254', 'groupId' => '26', 'userId' => '1232', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1262', 'groupId' => '26', 'userId' => '56', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1263', 'groupId' => '26', 'userId' => '202', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1264', 'groupId' => '26', 'userId' => '42', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1272', 'groupId' => '26', 'userId' => '327', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1271', 'groupId' => '26', 'userId' => '230', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1270', 'groupId' => '26', 'userId' => '1080', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543')), 'memberIds' => array('5565', '251', '264', '215', '1095', '1611', '236', '59', '1232', '56', '202', '42', '327', '230', '1080'), 'groupAbout' => '分享ABCD等金融科技前沿，探讨数字金融创新，科技在金融领域的行业趋势和应用实践。 ', 'value' => array('id' => '5512', 'title' => '刘志玲：浅谈反欺诈体系建设', 'type' => '0', 'createdTime' => '1731841352', 'updatedTime' => '1731841352', 'trueTime' => '1606608000', 'video' => '0', 'ppt' => '0', 'course_id' => '4880', 'classroomId' => '273', 'meetingId' => '66'), 'key' => '5', 'author' => array('id' => '9656', 'email' => 'tianyishequn27@cfrisk.org', 'verifiedMobile' => '', 'password' => 'ZH3TksfZNFhR9LOwUh/QOeKrJhwdKYTcAWmP0CsFbb8=', 'salt' => 'q4ltggeq3a8gkgs0w0so0cg8s0c8ook', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '数据管理动态', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => 'public://user/2024/09-30/10141245ef0a633805.png', 'mediumAvatar' => 'public://user/2024/09-30/10141245c989927701.png', 'largeAvatar' => 'public://user/2024/09-30/10141245a402748051.png', 'emailVerified' => '1', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '1728466749', 'loginIp' => '39.155.182.3', 'loginSessionId' => '28g59d8j43ja888f8ffu7m6f82', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '1', 'createdIp' => '120.221.146.51', 'createdTime' => '1727248868', 'updatedTime' => '1728466749', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => '23284c98ba0152a7d24e2c01fd15aba90298fc62', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '0', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), 'auth' => array('nickname' => '数据管理动态', 'avatar' => '/files/user/2024/09-30/10141245ef0a633805.png', 'id' => '9656', 'isFollowed' => '0', 'epxid' => '0'), 'isFollowed' => '0', 'expi' => array('id' => '222', 'name' => '朱建林', 'thumb' => 'public://expert/2020/11-12/153339329b2b102494.jpg', 'originalThumb' => 'public://article/2020/11-12/1533393c6d9c628640.jpg', 'description' => '泰康人寿保险有限公司科技创新中心数据智能部数据分析与挖掘方向负责人', 'about' => '中国人民大学计算机博士，金融学博士后。现任泰康人寿保险有限公司科技创新中心数据智能部数据分析与挖掘方向负责人，主要工作包括：客户精准营销、代理人赋能、智能核保核赔、健康控费、人力财务智能决策等。', 'sticky' => null, 'weight' => '0', 'achievement' => '   ', 'attachachieve' => '', 'viewpoint' => '   ', 'elegant' => array(), 'userId' => '323', 'status' => 'unpublish', 'createdTime' => '1605166469', 'updatedTime' => '1612871836', 'body' => '朱建林，中国人民大学计算机博士，金融学博士后。现任泰康人寿保险有限公司科技创新中心数据智能部数据分析与挖掘方向负责人，主要工作包括：客户精准营销、代理人赋能、智能核保核赔、健康控费、人力财务智能决策等。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), 'myg' => array(), 'hasbought' => array(), 'ti' => array('杨一民', '银行经济资本的计算和运用'), 'expertIds' => array(), 'allMembers' => array(array('id' => '1273', 'groupId' => '26', 'userId' => '5565', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1261', 'groupId' => '26', 'userId' => '251', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1260', 'groupId' => '26', 'userId' => '264', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1259', 'groupId' => '26', 'userId' => '215', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1258', 'groupId' => '26', 'userId' => '1095', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1257', 'groupId' => '26', 'userId' => '1611', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1256', 'groupId' => '26', 'userId' => '236', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1255', 'groupId' => '26', 'userId' => '59', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1254', 'groupId' => '26', 'userId' => '1232', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1262', 'groupId' => '26', 'userId' => '56', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1263', 'groupId' => '26', 'userId' => '202', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1264', 'groupId' => '26', 'userId' => '42', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1272', 'groupId' => '26', 'userId' => '327', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1271', 'groupId' => '26', 'userId' => '230', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1270', 'groupId' => '26', 'userId' => '1080', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1269', 'groupId' => '26', 'userId' => '284', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1268', 'groupId' => '26', 'userId' => '16', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1267', 'groupId' => '26', 'userId' => '171', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1266', 'groupId' => '26', 'userId' => '222', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1265', 'groupId' => '26', 'userId' => '306', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1253', 'groupId' => '26', 'userId' => '8630', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1251', 'groupId' => '26', 'userId' => '1265', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1239', 'groupId' => '26', 'userId' => '279', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1238', 'groupId' => '26', 'userId' => '234', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1237', 'groupId' => '26', 'userId' => '212', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1236', 'groupId' => '26', 'userId' => '316', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1235', 'groupId' => '26', 'userId' => '294', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1234', 'groupId' => '26', 'userId' => '286', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1233', 'groupId' => '26', 'userId' => '310', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1232', 'groupId' => '26', 'userId' => '45', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1240', 'groupId' => '26', 'userId' => '190', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1241', 'groupId' => '26', 'userId' => '242', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1242', 'groupId' => '26', 'userId' => '319', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1250', 'groupId' => '26', 'userId' => '1473', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1249', 'groupId' => '26', 'userId' => '1214', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1248', 'groupId' => '26', 'userId' => '9701', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1247', 'groupId' => '26', 'userId' => '221', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1246', 'groupId' => '26', 'userId' => '292', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1245', 'groupId' => '26', 'userId' => '9337', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1244', 'groupId' => '26', 'userId' => '233', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1243', 'groupId' => '26', 'userId' => '365', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1231', 'groupId' => '26', 'userId' => '187', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1876', 'groupId' => '26', 'userId' => '11000', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1749095305'), array('id' => '1782', 'groupId' => '26', 'userId' => '10009', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1733192002'), array('id' => '1774', 'groupId' => '26', 'userId' => '438', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1733134436'), array('id' => '1763', 'groupId' => '26', 'userId' => '10184', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732955021'), array('id' => '1754', 'groupId' => '26', 'userId' => '9817', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732947308'), array('id' => '1749', 'groupId' => '26', 'userId' => '10278', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732881984'), array('id' => '1734', 'groupId' => '26', 'userId' => '10308', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732863585'), array('id' => '1727', 'groupId' => '26', 'userId' => '9825', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732790846'), array('id' => '1702', 'groupId' => '26', 'userId' => '10147', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732781709'), array('id' => '1791', 'groupId' => '26', 'userId' => '10218', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1733201750'), array('id' => '1793', 'groupId' => '26', 'userId' => '9626', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1733219549'), array('id' => '1802', 'groupId' => '26', 'userId' => '9878', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1733490122'), array('id' => '1867', 'groupId' => '26', 'userId' => '10809', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1744005559'), array('id' => '1866', 'groupId' => '26', 'userId' => '10775', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1744005503'), array('id' => '1862', 'groupId' => '26', 'userId' => '6425', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1741352158'), array('id' => '1854', 'groupId' => '26', 'userId' => '8594', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1737269958'), array('id' => '1841', 'groupId' => '26', 'userId' => '1038', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1735819818'), array('id' => '1840', 'groupId' => '26', 'userId' => '6797', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1735819585'), array('id' => '1833', 'groupId' => '26', 'userId' => '10297', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1735291504'), array('id' => '1819', 'groupId' => '26', 'userId' => '3429', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1735203478'), array('id' => '1693', 'groupId' => '26', 'userId' => '23', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732626587'), array('id' => '1677', 'groupId' => '26', 'userId' => '1396', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732276112'), array('id' => '1282', 'groupId' => '26', 'userId' => '2220', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1281', 'groupId' => '26', 'userId' => '320', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1280', 'groupId' => '26', 'userId' => '269', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1279', 'groupId' => '26', 'userId' => '1186', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1278', 'groupId' => '26', 'userId' => '1158', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1277', 'groupId' => '26', 'userId' => '2202', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1276', 'groupId' => '26', 'userId' => '1099', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1275', 'groupId' => '26', 'userId' => '14', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1283', 'groupId' => '26', 'userId' => '186', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1284', 'groupId' => '26', 'userId' => '3795', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1285', 'groupId' => '26', 'userId' => '37', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1656', 'groupId' => '26', 'userId' => '9781', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732172075'), array('id' => '1652', 'groupId' => '26', 'userId' => '483', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732156248'), array('id' => '1651', 'groupId' => '26', 'userId' => '1468', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732099510'), array('id' => '1290', 'groupId' => '26', 'userId' => '377', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1289', 'groupId' => '26', 'userId' => '259', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1288', 'groupId' => '26', 'userId' => '1089', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1287', 'groupId' => '26', 'userId' => '322', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1286', 'groupId' => '26', 'userId' => '8276', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1274', 'groupId' => '26', 'userId' => '6092', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1230', 'groupId' => '26', 'userId' => '253', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1187', 'groupId' => '26', 'userId' => '4788', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541'), array('id' => '654', 'groupId' => '26', 'userId' => '6421', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731135204'), array('id' => '642', 'groupId' => '26', 'userId' => '9742', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731130715'), array('id' => '636', 'groupId' => '26', 'userId' => '9748', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731126564'), array('id' => '628', 'groupId' => '26', 'userId' => '9725', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731124968'), array('id' => '613', 'groupId' => '26', 'userId' => '9717', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731116624'), array('id' => '609', 'groupId' => '26', 'userId' => '3', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1730970523'), array('id' => '593', 'groupId' => '26', 'userId' => '192', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729759081'), array('id' => '582', 'groupId' => '26', 'userId' => '8641', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729756100'), array('id' => '685', 'groupId' => '26', 'userId' => '1955', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731859595'), array('id' => '1177', 'groupId' => '26', 'userId' => '22', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541'), array('id' => '1178', 'groupId' => '26', 'userId' => '1228', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541'), array('id' => '1186', 'groupId' => '26', 'userId' => '228', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541'), array('id' => '1185', 'groupId' => '26', 'userId' => '9430', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541'), array('id' => '1184', 'groupId' => '26', 'userId' => '246', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541'), array('id' => '1183', 'groupId' => '26', 'userId' => '9088', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541'), array('id' => '1182', 'groupId' => '26', 'userId' => '3314', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541'), array('id' => '1181', 'groupId' => '26', 'userId' => '5147', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541'), array('id' => '1180', 'groupId' => '26', 'userId' => '211', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541'), array('id' => '1179', 'groupId' => '26', 'userId' => '1226', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541'), array('id' => '562', 'groupId' => '26', 'userId' => '52', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729752441'), array('id' => '267', 'groupId' => '26', 'userId' => '311', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '255', 'groupId' => '26', 'userId' => '9700', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '254', 'groupId' => '26', 'userId' => '1475', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '253', 'groupId' => '26', 'userId' => '9702', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '252', 'groupId' => '26', 'userId' => '31', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '251', 'groupId' => '26', 'userId' => '325', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '250', 'groupId' => '26', 'userId' => '256', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '249', 'groupId' => '26', 'userId' => '240', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '188', 'groupId' => '26', 'userId' => '5964', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729493735'), array('id' => '256', 'groupId' => '26', 'userId' => '9684', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '257', 'groupId' => '26', 'userId' => '5106', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '258', 'groupId' => '26', 'userId' => '216', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '266', 'groupId' => '26', 'userId' => '33', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '265', 'groupId' => '26', 'userId' => '235', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '264', 'groupId' => '26', 'userId' => '9703', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '263', 'groupId' => '26', 'userId' => '47', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '262', 'groupId' => '26', 'userId' => '17', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '261', 'groupId' => '26', 'userId' => '266', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '260', 'groupId' => '26', 'userId' => '226', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '259', 'groupId' => '26', 'userId' => '21', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '87', 'groupId' => '26', 'userId' => '5102', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1726620489'), array('id' => '1229', 'groupId' => '26', 'userId' => '261', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1217', 'groupId' => '26', 'userId' => '6673', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1216', 'groupId' => '26', 'userId' => '337', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1215', 'groupId' => '26', 'userId' => '2414', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1214', 'groupId' => '26', 'userId' => '254', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1213', 'groupId' => '26', 'userId' => '194', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1212', 'groupId' => '26', 'userId' => '1472', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1211', 'groupId' => '26', 'userId' => '219', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1210', 'groupId' => '26', 'userId' => '217', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1218', 'groupId' => '26', 'userId' => '2272', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1219', 'groupId' => '26', 'userId' => '1508', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1220', 'groupId' => '26', 'userId' => '1192', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1228', 'groupId' => '26', 'userId' => '2252', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1227', 'groupId' => '26', 'userId' => '2230', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1226', 'groupId' => '26', 'userId' => '237', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1225', 'groupId' => '26', 'userId' => '5689', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1224', 'groupId' => '26', 'userId' => '297', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1223', 'groupId' => '26', 'userId' => '1248', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1222', 'groupId' => '26', 'userId' => '238', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1221', 'groupId' => '26', 'userId' => '1057', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1209', 'groupId' => '26', 'userId' => '280', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1208', 'groupId' => '26', 'userId' => '9428', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1196', 'groupId' => '26', 'userId' => '8107', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1195', 'groupId' => '26', 'userId' => '1727', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1194', 'groupId' => '26', 'userId' => '206', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1193', 'groupId' => '26', 'userId' => '3610', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541'), array('id' => '1192', 'groupId' => '26', 'userId' => '1712', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541'), array('id' => '1191', 'groupId' => '26', 'userId' => '198', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541'), array('id' => '1190', 'groupId' => '26', 'userId' => '191', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541'), array('id' => '1189', 'groupId' => '26', 'userId' => '170', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541'), array('id' => '1197', 'groupId' => '26', 'userId' => '5131', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1198', 'groupId' => '26', 'userId' => '2210', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1199', 'groupId' => '26', 'userId' => '2236', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1207', 'groupId' => '26', 'userId' => '2387', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1206', 'groupId' => '26', 'userId' => '291', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1205', 'groupId' => '26', 'userId' => '273', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1204', 'groupId' => '26', 'userId' => '1470', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1203', 'groupId' => '26', 'userId' => '1081', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1202', 'groupId' => '26', 'userId' => '1741', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1201', 'groupId' => '26', 'userId' => '287', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1200', 'groupId' => '26', 'userId' => '25', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1188', 'groupId' => '26', 'userId' => '323', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541')), 'expertMemberIds' => array('5565', '251', '264', '215', '1095', '1611', '236', '59', '1232', '56', '202', '42', '327', '230', '1080', '284', '16', '171', '222', '306', '8630', '1265', '279', '234', '212', '316', '294', '286', '310', '45', '190', '242', '319', '1473', '1214', '9701', '221', '292', '9337', '233', '365', '187', '11000', '10009', '438', '10184', '9817', '10278', '10308', '9825', '10147', '10218', '9626', '9878', '10809', '10775', '6425', '8594', '1038', '6797', '10297', '3429', '23', '1396', '2220', '320', '269', '1186', '1158', '2202', '1099', '14', '186', '3795', '37', '9781', '483', '1468', '377', '259', '1089', '322', '8276', '6092', '253', '4788', '6421', '9742', '9748', '9725', '9717', '3', '192', '8641', '1955', '22', '1228', '228', '9430', '246', '9088', '3314', '5147', '211', '1226', '52', '311', '9700', '1475', '9702', '31', '325', '256', '240', '5964', '9684', '5106', '216', '33', '235', '9703', '47', '17', '266', '226', '21', '5102', '261', '6673', '337', '2414', '254', '194', '1472', '219', '217', '2272', '1508', '1192', '2252', '2230', '237', '5689', '297', '1248', '238', '1057', '280', '9428', '8107', '1727', '206', '3610', '1712', '198', '191', '170', '5131', '2210', '2236', '2387', '291', '273', '1470', '1081', '1741', '287', '25', '323'), 'expert' => array(array('id' => '150', 'name' => '刘吕科', 'thumb' => 'public://expert/2020/11-10/111931382c0d278503.png', 'originalThumb' => 'public://article/2020/11-10/1119313d6d95974184.png', 'description' => '民生银行总行风险管理部高级经理', 'about' => '民生银行总行风险管理部高级经理，经济学博士，金融学博士后，注册金融风险管理师，曾就职于知名咨询公司。入职民生银行以来主要负责信用风险计量体系建设相关工作，包括内部评级、经济资本管理、减值管理和RAROC管理等工作。在行业期刊发表专业文章四十余篇，并出版专著一本。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">论文</div> <div style="height: 12px; float: left;"> </div> <div style="height: 12px; float: left;"> </div> 2020，正确看待和运用金融资产减值计提成果，《银行家》第9期。 2020，客户信用分析的逻辑，《银行家》第2期。 2019，新形势下商业银行授信评审与内部评级的分工与协同，《银行家》第2期。 2018，对不良资产认定的反思与建议——兼评巴塞尔委员会《问题资产的审慎处置——不良资产和容忍授信认定指引》，《北京金融评论》第3期  （注：未下载）。 2018，商业银行有效风险管理的九个要素，《银行家》第11期。 2018，IFRS9新减值规则的实施:一场宁静的革命，《银行家》第9期    。 2018，新形势下银行账户利率风险管理的主要难点与对策，《清华金融评论》第2期。 2017，刍议债转股处置对商业银行的潜在影响，《北京金融评论》第3期（注：未下载）。 2017，新形势下商业银行信用风险管理的思考与建议，《清华金融评论》第9期。 2017，重商主义发展的三阶段论，《制度经济学研究》第1期（注：未下载）。 2016，商业银行实施恢复处置计划的挑战和对策，《新金融》第6期。 2016，国际资本监管改革及其对我国商业银行的潜在影响，《银行家》第2期。 2015，浅析内部评级模型验证与优化的方法与路径，《金融理论与实践》第8期。 2015，商业银行经济资本模型验证——理论框架与实践经验，《新金融》第5期。 2015，中小银行操作风险管理工具体系构建的策略选择——兼谈中小银行构建操作风险高级计量法的可行性与路径选择，《金融理论与实践》第2期。 2014，商业银行经济资本计量的局限性及改进，《国际金融》第12期。 2014，资产证券化、非同质投资者和金融稳定性——一个理论模型，《国际金融研究》第12期。 2014，经济资本视角的EVA与银行市场价值的相关性，《金融论坛》第12期。 2014，对内部资本充足评估程序建设中关键要素的探析，《国际金融》第10期。 2014，资本压力下的中小银行发展探析——兼评中小银行实施新资本协议的方法与路径，《金融纵横》第8期。 2014，违约损失率计量方法研究进展述评，《金融发展研究》第6期。 2014，风险管理模型的内在局限性探析，《海南金融》第6期。 2014，新资本协议第二支柱实施的难点与对策，《国际金融》第4期。 2009，<a href="https://www.yunzhan365.com/66133821.html">我国银行小企业信贷模式与风险管理研究——基于银行问卷调研的分析</a>，《金融研究》第5期。 2009，<a href="https://www.yunzhan365.com/33491363.html">小企业信贷约束研究的最新进展</a>，《经济理论与经济管理》第3期。 ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、在IFRS9文件背景下关于看待和运用金融资产减值计提的成果</h2>       针对商业银行将金融资产减值准备作为覆盖预期损失、抵御风险的第一道防线这一经营现状，刘吕科专家认为减值计提的充足性、准确性和及时性将在很大程度上影响商业银行在动荡经营环境经营的稳健性，在论文《正确看待和运用金融资产减值计提成果》（2020）中对于商业银行如何运行金融资产减值计提工具提出了以下观点。       IFRS9新减值准则实施并不是商业银行减值管理的终点，而是其加强全面风险管理的又一新起点。商业银行应对新形势下的减值管理体系有正确的认识，并进一步理顺机制、优化工具，为更好地开展减值管理工作，更深入地推动减值结果的应用，为提升精细化管理能力提供有力支撑。       持续优化模型，确保风险参数准确、前瞻地反映资产风险状况变化。减值计提能够反映风险状况变化的一个基本前提是减值模型准确可靠，减值模型又依赖行内风险参数量化体系，因此，持续优化减值模型和底层参数，提升减值计提准确性和可靠性是商业银行的一项非常基础和重要的工作。同时，商业银行应将现有的预期信用损失模型纳入现有的模型管理和验证体系中，持续监测模型的表现，在为优化模型提供依据的同时，增强各相关部门或人员对减值模型的信心，确保减值计提能够准确、前瞻、及时的反映业务风险状况的变化。       增强风险管理独立性，确保风险计量和减值计提准确可靠。风险管理独立性是风险计量结果准确性的可靠保障，IFRS9新准则实施后，减值计提直接和单笔业务的客户评级和债项评级挂钩，部分机构人员出于调节利润或业绩考核的目的，刻意操纵风险参数量化结果，导致减值计提结果不准确、不可靠，难以充分反映风险状况，资产减值准备难以充分覆盖预期损失。因此，在很大程度上，减值计提结果的准确性取决于风险参数量化的客观性、科学性和独立性，商业银行应进一步强化风险参数量化的管理，提高风险计量的准确性和可靠性，提升风险计量结果更新的及时性，确保相关工作能够独立、规范开展，为规范、科学、及时地开展金融资产减值计提工作奠定良好基础。       提升减值管理统筹性，确保减值计提相关工作的专业性和科学性。IFRS9新减值准则实施后，减值计提流程不仅涉及资产风险分类、评级管理，还涉及预警、押品管理等诸多信贷管理环节；而减值计提模型不仅涉及预期信用损失模型，还涉及到非零售客户评级、债项评级、零售评分卡和资产分池等底层模型，减值计提流程中任何一个环节或因素出问题都有可能影响减值计提结果的准确性和可靠性。新形势下，商业银行应强化工作统筹性，捋顺工作机制，明确工作职责，确保相关工作的科学性、及时性和一致性，持续提升商业银行金融资产减值计提结果的准确性、前瞻性和可靠性。       持续推进减值计提结果在信贷管理中的应用。作为风险状况直接反映的减值准备计提应在商业银行战略转型、精细化能力提升中发挥应有作用。通过引入减值计提结果，为商业银行授信政策、绩效考核、贷款定价、组合管理、资本配置等内部管理工作提供更科学的依据和分析维度，提高商业银行的精细化管理能力，并提升其价值。   <h2 style="text-align: justify;">二、银行客户信用分析的未来发展前景</h2>       刘吕科专家在《客户信用分析的逻辑》(2020)中提出，客户信用分析的逻辑随着经济社会环境的发展而发展，随着商业银行风险理念的提升、社会信用体系建设、数据管理和风险管理技术的不断演进，客户信用分析无论在方法上、工具上，还是应用上，都将会有长足进展，未来的客户信用分析将比当前更具前瞻性和准确性。       一是在数据合规的前提下，数据质量和数据全面性将得以大幅提高，对客户的风险评价将更加全面。二是方法上将更注重宏观和组合层面的管理，未来在这方面的风险管理工具研究与发展将取得更大进展。三是风险分析工具和营销模型工具逐少融合，实现风险控制服务于业务发展的最终目标。四是随着大数据技术的不断进步，机器学习方法在商业银行的应用将更加深入。   <h2 style="text-align: justify;">三、银行授信评审和内部评级的完善和发展</h2>       针对商业银行授信评审和内部评级的作用关系研究中，刘吕科专家在《新形势下商业银行授信评审与内部评级的分工与协同》（2019）中提出以下的观点。       授信评审和内部评级趋同性是风险管理发展的大趋势之一，无论是授信评审还是内部评级，目标都是准确评价客户或债项信用水平，筛选出风险与收益相匹配或收益水平超出风险水平的客户。二者不可偏废其一，授信评审和内部评级只有相互借鉴、取长补短，银行全面风险管理的“篱笆”才能扎牢。在现阶段，结合国内信用环境状况和风险管理现状，建议从三个方面完善授信评审与内部评级工作。       一是加大对风险量化资源投入。随着国内信用环境的改善与数据可获得渠道的扩大，内部评级与风险量化将在全面风险管理中发挥越来越大的作用。二是强化评级与评审沟通交流。考虑到授信评审和内部评级在大多数商业银行分属不同部门，建议建立定期或不定期沟通机制。三是确保应用政策一致性。在基本准入、贷款定价、风险限额等方面，授信评审政策与评级应用政策应保持协同，确保对同一客户或债项风险约束的一致性。   <h2 style="text-align: justify;">四、商业银行有效风险管理的基本要素</h2>       刘吕科专家基于金融危机十周年的回顾与反思，提炼了出商业银行开展有效风险管理的九大基本要素。外在表现方面，包括有效的沟通、准确的风险评估、适当独立的风险管理、有效的组合管理以及准确、全面及时的风险报告5个要素；背后“肌理”方面，包括良好的治理架构、严谨的风险管理文化、稳健且一致的风险偏好、合理的考核激励4个要素。在当前我国经济金融环境日趋复杂、金融系统性风险升高的大背景下，这九个卓越风险管理要素对我国商业银行提高风险管理能力、有效应对复杂环境具有重要意义。       来源：《风险管理》2019年综合第2期 ', 'elegant' => array(), 'userId' => '251', 'status' => 'published', 'createdTime' => '1604978455', 'updatedTime' => '1636527548', 'body' => '       刘吕科，民生银行总行风险管理部高级经理，经济学博士，金融学博士后，注册金融风险管理师，曾就职于知名咨询公司。入职民生银行以来主要负责信用风险计量体系建设相关工作，包括内部评级、经济资本管理、减值管理和RAROC管理等工作。在行业期刊发表专业文章四十余篇，并出版专著一本。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '162', 'name' => '任亮', 'thumb' => 'public://expert/2020/11-10/135353143c33880392.jpg', 'originalThumb' => 'public://article/2020/11-10/13535317458c142837.jpg', 'description' => '北京知因智慧数据科技公司 CEO、中科院大学大数据分析技术实验室副主任、教授', 'about' => '北京知因智慧数据科技公司CEO、中科院大学大数据分析技术实验室副主任、教授。历任IBM全球企业咨询服务部金融大数据解决方案负责人、中国科学院教授、中国科学院大数据分析技术实验室副主任等职务。在产业链的知识图谱构建、产业风险传导、价值传导、信用传导方面，拥有近20年的科研、实践和商业化运营经验。', 'sticky' => null, 'weight' => '0', 'achievement' => '           ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、人工智能拓展风险管理新边界</h2> <h4 style="text-align: justify;">（一）产融知识图谱</h4>       在当前我国强监管的背景下，当前经济形势面临不确定性的挑战，主要有两个方面：一方面，在所谓的去杠杆背景下，风险防范方面的监管指引措施给金融科技带来了挑战。另一方面，最近又出台了一些新的监管指引，这些监管措施对风险管理，对金融科技提出了新的要求和挑战。       在金融科技方面，“产融知识图谱”能够有效地整合数据进行风险防范。其中包含四个关键词：第一个是产业云图，能够建立生态视角，提供从企业内外关系角度分析问题的能力，包括企业间关系、企业内部经济要素、企业和行业、企业和客户、企业和市场价格等要素的关联传导；第二个是金融工具，包括信贷、投资、保理等金融产品，所需要的评级、定价、获客、价值评估等手段；第三个是大数据，帮助构建和丰富产业云图，完成从原始信息到企业关系、风险特征、风险事件的提取和整合；第四个是知识图谱+机器学习，帮助提炼产业云图下隐含的规则，建立知识网络、预测模型，实现风险识别、传导和预测的能力。       产融知识图谱需要与人工智能相关的技术进行匹配。首先是图谱构建，将图计算、风险传导等复杂网络技术在知识图谱中聚合。其次，大数据量化方面，要将大数据的技术融合进来。第三，在机器学习领域，要做更好的知识推理，把深度学习、遗传学习、集成学习的方法运用到不同的金融场景。 <h4 style="text-align: justify;">（二）人工智能技术的应用</h4>       以风险场景为例看AI技术的应用历程。早期的AI公司通过图像语音识别等感知场景去提升业务，但风险管理是一个知识密集型的领域，需要通过知识图谱和相关的不同AI技术的集成来综合解决不同场景下的问题，所以风险管理技术的演进与AI技术的演进是对应的。从打分卡到内评法，到巴塞尔协议，是十年间的建设热点，对应着BI（商业智能）；现在是以图谱技术为支撑的新一代模型技术阶段，对应着AI（人工智能），在这期间国内一些领先的金融机构也纷纷进入到这个体系建设的进程中。       对建模时代做一个划分。首先是风险管理的匠人时代；AI时代来临以后，进入到风险管理的工业时代；在工业时代，“模型工厂”能够帮助快速建立新一代的风险模型。在模型工厂的构架中，最下面是数据工厂，数据工厂中不再只是企业内部的结构化数据，还融合了更多的外部非结构化数据。       模型工厂的中心是人工智能，融合了知识图谱、机器学习、复杂网络、自然语言处理等来自于不同领域的AI技术，从而变成了一个综合的AI引擎。需要注意的是，在这个引擎下，要把关注点放到其他配件上，这些配件才是完善高质量模型的更重要组成部分。第一个配件是产业云图，即如何站在生态视角看个体的体现，包括客户谱系和产业谱系，其中产业谱系是更大范围的一个族谱，也是风险传导更加关键的一个路径。第二个配件是金融工具，即深度画像和智能报告等技术的体验。深度画像是指把原来非结构化的信息提炼成为结构化的金融事件，基于这些事件构建出动态的画像。       在产业云图和金融工具之下，是知识仓库体系，包括实体库、特征库、事件库、标签库等。只有通过知识仓库才能真正把内部原始数据和外部数据加工成一个模型需要输入的变量体系。       产业云图、人工智能、金融工具和知识仓库统称为智能工厂，这是生产高质量模型的配件和车床的部分。再往上是模型商店。在公司金融、小微金融、供应链金融、资产管理、零售金融等每个领域都有不同场景下的模型建设。从网络视角看个体风险，在每个客户进入到一个网络体系时，所有的传统模型都会被重新构建。 <h4 style="text-align: justify;">（三）风险管理的新边界</h4>       在模型工厂时代，通过人工智能，以及产业云图和金融工具两个配件的构建，能够对传统模型进行提升，进而拓展风险管理的新边界。这些新边界体现在以下四个方面。       第一，在广度方面，通过大数据和知识图谱构建网络，也就是利用网络视角看个体风险。       第二，在深度方面，风险特征、金融事件的分析会更加深入。在风险特征方面，传统风险体系信号模型特征选取只包括结构化风险因子，而新一代智能风控体系不仅包括结构性风险因子，还包括关联性风险因子和事件冲击下的传导性风险因子，通过新维度的风险因子构建，能够丰富构建模型的变量输入。在智能报告方面，自动生成Word分析报告，分析报告会对客户及其关联关系群（集团、系统）进行综合分析，极大提高报告生成速度，减少人工成本。       第三，在传导性方面，产业云图为风险传染构建了一个路径。通过有监督和无监督两类算法体系的构建来计量，当一个企业或者一个事件发生以后，它会沿着什么样的路径波及多大的范围，对相关成员的影响有多大。这里产生了一套新的网络算法体系——黎曼传导，它是基于非监督学习的方法体系，目前已在多家金融机构进行应用实测。       第四，在产业化方面，金融必须和实体产业进行深度的链接和融合。在模型工厂的体系下，通过知识图谱的方式，把原来供应链里碎片化的信息重新融合，构建新型的供应链金融风控和小微金融风控体系，与实体经济做更深度的链接。       以上包含了七项人工智能的技术应用，包括机器阅读、实体指纹、谱系算法、黎曼传导、寒武特征、协同预测以及机器速写技术的引入与构建，这七项技术共同支撑模型工厂的建立。所以，模型工厂是一个ABCK的融合，即人工智能、大数据、云服务和知识图谱技术的融合。 ABCK把外部数据和内部数据充分融合以后，形成所谓的冷启动库，也就是知识仓库体系，来加速构建模型的起点，不再从头去整合信息建立，而是从知识仓库的体系之上再去建立模型。在AI时代下，模型工厂为风险管理提供了一个新型的武器和工具。       来源：TGES2020前沿讲座系列-11：金融科技核心技术与应用《人工智能拓展风险管理新边界》演讲文稿整理   <h2>二、关于知识图谱推动产融一体化</h2> <h4>(一) 关于AI如何赋能金融</h4>       概括来讲，赋能的对象一端是产业，分为对公和对个人，他们需要的是精准的金融服务；另一端是金融，包括做信贷、做资管和做投资等繁多的金融业态，他们需要的是质地良好的资产。使这两端充分地连接就意味着两端都需要被赋能。       在知因智慧看来，赋能的手段就是产业知识图谱。首先将产业的要素识别出来，如集团内各企业间的关系；企业的担保链、供应链关系；企业和消费者之间的经济往来等都是产业知识图谱涵盖的范围。把这些依据于不同关系的形态链条打通，利用大数据定量描述，寻找他们的画像，再通过机器学习，计量他们之间的关系和影响，帮助金融机构更好地识别风险和获取客户。作为赋能的核心手段其涵盖大数据，人工智能，云服务，用知识图谱的方式呈现。其目的是把交易方的风险或商机显示出来，帮助金融机构判别，更好地了解交易对手，继而提升他们对产业的金融服务水平。另一方面，金融的本质就是通过风险进行获利，这个过程中被赋能的两端都是获益的。 <h4>(二) 关于金融科技公司在数据使用方法上与金融机构的区别</h4>       产业知识图谱的数据分散在政府，金融市场，互联网，企业以及金融机构的内部，包括企业的工商数据、企业在金融市场的表现数据，与企业发生投资担保等重大关系的关联企业的数据以及金融机构的交易数据等。过去这些数据都是孤立的，由于数据可得性的不同，不同机构的数据使用者只能依靠某个领域的数据来做决策。产业知识图谱本身是网状的，是整合碎片化数据的有效手段。它把目前相对公开且没有法律问题的各类数据收集整合，再用知识图谱进行串联，使得这些数据不再是孤岛，呈现出更多的信息。       过去金融机构的做法是对数据进行简单的购买和整合，很难完整地识别；而除了数据本身，还要识别集团客户或系客户各种复杂的显性和隐性的规则和关系。如果金融机构不在全网和全量的企业数据中利用先进的手段分析，是无法得到完整的穿透性的链条，但是同样的数据经过产业知识图谱的处理就会产生不同的结果。 <h4>(三) 关于如何看待金融科技公司与金融机构的关系</h4>       金融机构自我赋能存在很多壁垒，比如数据壁垒，规则和技术上的壁垒，业务壁垒等。对大型金融机构，会努力自建这个能力。但更多的金融机构需要的可能是一个拿来即用的产品，而不是从零开始研发。此时产业知识图谱是最好的手段，将信息关联性显性地呈现出来。       未来金融机构和金融科技公司一定是共生的关系。特别对中小金融机构，运营和复杂的工作由金融科技公司完成，之后输出给他们；另一方面，金融科技公司在与金融机构合作的过程中可以获得更多专业领域的知识，尤其是头部客户能够给金融科技公司带来极大的认知提升，实现双螺旋式的自我成长，彼此互建共生。       来源：AI赋能金融：知识图谱推动产融一体化——访知因智慧创始人任亮，中国金融新闻网，2018-05-25 ', 'elegant' => array(array('src' => '/files/expert/expert_1616059737.jpg'), array('src' => '/files/expert/expert_1616059743.jpg'), array('src' => '/files/expert/expert_1616059755.jpg'), array('src' => '/files/expert/expert_1616059762.jpg')), 'userId' => '264', 'status' => 'published', 'createdTime' => '1604987681', 'updatedTime' => '1623120679', 'body' => '      任亮，北京知因智慧数据科技公司CEO、中科院大学大数据分析技术实验室副主任、教授。历任IBM全球企业咨询服务部金融大数据解决方案负责人、中国科学院教授、中国科学院大数据分析技术实验室副主任等职务。在产业链的知识图谱构建、产业风险传导、价值传导、信用传导方面，拥有近20年的科研、实践和商业化运营经验。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '114', 'name' => '卜永强', 'thumb' => 'public://expert/2021/04-13/1105520ba3e6536232.jpg', 'originalThumb' => 'public://article/2021/04-13/1105520e48f5812914.jpg', 'description' => '东方证券风险管理部董事', 'about' => '东方证券风险管理部董事，博士，就职于东方证券风险管理部，是国家金融与发展实验室的金融风险专家，拥有超过10年的金融风险管理经验，目前还担任复旦大学、中国人民大学和上海财经大学的业界导师。另外还担任上海交通大学上海高级金融学院风险管理研究中心兼职研究员，并翻译出版《量化风险管理-概念、技术和工具》一书。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left:5px solid #ff7200;padding-left:20px;">图书</div> <div style="height:12px; float:left"> </div> <div style="height:12px; float:left"> </div> 翻译出版《量化风险管理-概念、技术和工具》一书。 卜永强，数量风险管理（译著），原著：Quantitative Risk Management: Concepts, Techniques and Tools (Princeton Series in Finance) Revised Edition by <a href="https://www.amazon.com/Alexander-J.-McNeil/e/B001HD35X8/ref=dp_byline_cont_book_1">Alexander J. McNeil</a>,<a href="https://www.amazon.com/s/ref=dp_byline_sr_book_2?ie=UTF8&text=R%C3%BCdiger+Frey&search-alias=books&field-author=R%C3%BCdiger+Frey&sort=relevancerank">Rüdiger Frey</a>,<a href="https://www.amazon.com/s/ref=dp_byline_sr_book_3?ie=UTF8&text=Paul+Embrechts&search-alias=books&field-author=Paul+Embrechts&sort=relevancerank">Paul Embrechts</a> <div style="border-left:5px solid #ff7200;padding-left:20px;">论文</div> 2017，信用风险的GLMMs建模分析[J]，《统计研究》。 2016，信用风险组合管理初探，《中国保险资产管理》。 2015，保险资金运用风险管理研究，《保监会部级课题》。 2014，保险资金运用管理体制创新研究，《保监会部级课题》。 2014，基于B-L资产配置模型。 2013，基于中国股市的一致预期建模。 2013，基于中国股市的多因子模型。 2013，A股行业轮动建模。 2012，<a href="https://www.yunzhan365.com/66033370.html">我国银行个人信贷业务发展模式研究[J}</a>，《新金融》。  2009，Credit Risk Modelling with Survival Analysis。 2008，Credit Risk Modelling with GLMM, Risk Theory and Related Topics, Bedlewo, Poland。 2005，沪深股市异常停牌制度有效性分析。 2005，基金投资组合变动因素分析。 2005，基金动量投资行为分析。 ', 'attachachieve' => '', 'viewpoint' => '    ', 'elegant' => array(), 'userId' => '215', 'status' => 'published', 'createdTime' => '1604565364', 'updatedTime' => '1637922081', 'body' => '      东方证券风险管理部董事，博士，就职于东方证券风险管理部，是国家金融与发展实验室的金融风险专家，拥有超过10年的金融风险管理经验，目前还担任复旦大学、中国人民大学和上海财经大学的业界导师。另外还担任上海交通大学上海高级金融学院风险管理研究中心兼职研究员，并翻译出版《量化风险管理-概念、技术和工具》一书。   ', 'type' => 'senior', 'opened' => '0', 'followed' => '0'), array('id' => '279', 'name' => '李岩', 'thumb' => 'public://expert/2021/10-27/151952825546157254.jpg', 'originalThumb' => 'public://article/2021/10-27/15195284dff1822597.jpg', 'description' => '资深风险模型验证专家', 'about' => '资深风险模型验证专家，曾就职于汇丰银行亚太模型风险独立模型评估部、汇丰银行环球市场风险部可交易信用交易处，法国巴黎银行环球市场风险部交易风险处；英国伦敦大学学院经济学博士；原中国人民大学财金学院教师，曾任英国阿斯顿商学院讲师。', 'sticky' => null, 'weight' => '0', 'achievement' => '   ', 'attachachieve' => '   ', 'viewpoint' => '   ', 'elegant' => array(), 'userId' => '1095', 'status' => 'unpublish', 'createdTime' => '1635319429', 'updatedTime' => '1641206010', 'body' => '       资深风险模型验证专家，曾就职于汇丰银行亚太模型风险独立模型评估部、汇丰银行环球市场风险部可交易信用交易处，法国巴黎银行环球市场风险部交易风险处；英国伦敦大学学院经济学博士；原中国人民大学财金学院教师，曾任英国阿斯顿商学院讲师。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '280', 'name' => '薛志坚', 'thumb' => 'public://expert/2021/11-09/1117084733a9365000.jpg', 'originalThumb' => 'public://article/2021/11-09/1117084b43e7837658.jpg', 'description' => '百融云创评分模型部总经理', 'about' => '百融云创评分模型部总经理，拥有十几年国内外著名金融科技公司工作经验。曾任宜信普惠小微业务CRO，负责小微信贷、融资租赁和供应链金融业务线风险管理；Fico大数据评分模型核心研发专家；PayPal欺诈风险管理主任科学家。长期从事数据分析、数据产品研发和风险管理工作。', 'sticky' => null, 'weight' => '0', 'achievement' => '   ', 'attachachieve' => '   ', 'viewpoint' => '   ', 'elegant' => array(), 'userId' => '1611', 'status' => 'unpublish', 'createdTime' => '1636427895', 'updatedTime' => '1636600765', 'body' => '       百融云创评分模型部总经理，拥有十几年国内外著名金融科技公司工作经验。曾任宜信普惠小微业务CRO，负责小微信贷、融资租赁和供应链金融业务线风险管理；Fico大数据评分模型核心研发专家；PayPal欺诈风险管理主任科学家。长期从事数据分析、数据产品研发和风险管理工作。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '135', 'name' => '江李蕰盈', 'thumb' => 'public://expert/2020/11-06/154254e12899957249.jpg', 'originalThumb' => 'public://article/2020/11-06/154254e44d88821859.jpg', 'description' => '瑞士信贷（美国）董事总经理', 'about' => '前瑞士信贷（美国）（Credit Suisse USA IHC）董事总经理，主管信用分析业务。曾任瑞士信贷银行纽约分行首席风险官，美国道富银行（State Street Corp）高级副总裁兼高级董事总经理，主管风险分析业务；美国联邦存款保险公司（FDIC）高级金融经济师。', 'sticky' => null, 'weight' => '0', 'achievement' => '     ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">在COVID期间管理风险</h2> <h4 style="text-align: justify;">（一）新冠疫情大流行给压力测试带来的额外挑战</h4>       自从疫情以来，相关的城市封锁政策，在美国还有世界其他各地区发生以后，银行业专门做风险管理的人士也一直都在努力在把疫情对宏观经济，结合起来，然后考虑有哪些部门受到打击比较大。比如说在美国的食品加工业，受到的打击比较大，那么银行如果对这些行业有信贷关系的话，银行的影响也会比较大，反而其他的行业比如说Amazon，他已经有一个网上订货的平台，反而没有受到重大的负面影响，甚至还使得它有更多盈利和销售的机会。       像我们专门做风险管理的人员，就会把一些对流行病的测试跟宏观经济结合起来去看看，说如果疫情会对哪些部门有比较大的影响，具体是通过什么样的渠道来对GDP产生影响，然后把新的利益回报率以及高收益的一些指数重新加起来，然后对每一个行业、每一个借贷人、每一个借贷公司来说，看他的资产负债表怎么样，看收入怎么样，成本怎么样。一些医疗层面的测试也会加入对宏观经济的预测上。还有货币政策也都加入进来，并且考虑一些特殊的政策，比如说在房地产行业，诸如一些其他的投资人，房贷美、房利美的资产负债表会受什么样的影响，会不会又像2008年的次贷危机期间，再向财政部要钱，所有需要把这些因素叠加起来。大家也看得出，这就会对压力测试带来了很大的挑战。 <h4 style="text-align: justify;">（二）大流行预测与经济预测相结合：情景设计的新元素</h4>       在疫情刚刚开始的时候，有一些学校就跟一些银行临时组合进行疫情和经济形势相关的预测，其实就是预测美国第一季、第二季 GDP的走势，然后把这些数据整理以后，利用这些大家预测的数据，把它放到模型里面，看看他们所关心指标的预测结果。       有的公司开发了大流行导航，并与传染病专家合作，为何时可以实现适当的阈值免疫力提供了可能的方案，并分享了影响时机和成功可能性的关键杠杆——障碍和促进剂。比如流行病专家合作，我也参加了几次流行病专家、律师以及风险管理专家的会议，大家把流行病专家的数据和预测结果拿出来考虑不同地区、不同的行业的具体影响结果，从而想一些对策去应对这些特殊的风险产生的特殊影响。       疫苗的研发作为恢复正常情况的重要指标，是预测工作的核心。基于疫苗研发时间的预估以及有效性的判定，预测的经济恢复时间从2021年4月到2021年12月不等。 <h4 style="text-align: justify;">（三）前瞻性风险评估比任何时候都重要</h4>       归纳一下，在特殊的时期是怎么样把流行病专家、政府健康指导，与传统的银行风险测试或者压力测试，以及行业的特定因素相结合的。然后通过利润、亏损、资本等指标进行预测，即预测中我们应当采取怎么样的具体工作。       银行做的流行病学和政府健康指导的测试，可以分得很细。就封闭地区而言，可以看被封锁的区域、封锁的持续时间以及受影响的特定部门。宏观影响方面，可以看财政政策、货币政策的刺激力度。行业方面，可以看特定行业受到的特定影响。        针对房地产贷款而言，超过几百万的抵押贷款被允许延期12个月。但是，退出FB的结果是什么？房主还能保住房子吗？银行和GSE的资产负债表上会有不良贷款吗？首先延期12个月偿还主要看12个月以后会有什么样的这种政策，或者有人申请，但是不可能不付房贷。因此金融机构目前的措施就非常重要，因为贷款延期会直接影响银行贷款账户的盈利或亏损。比如当这个政策已经结束，但是债务人还是没有能力偿还，其结果会如何，是否还能保住房子都具有不确定性。但目前拜登刚刚当选，对美国中下低收入的人群是比较保护的。如果是说债务人继续延期偿还房贷，那会对美国的经济有多么大的影响都需要目前的风险管理人进行考量。 <h4 style="text-align: justify;">（四）完善的风险管理实践和商机</h4>       在医疗方面的因素加入之后，可能在4-6月份价格可能变成0或者是负值，大家对一些定向的模型都产生了怀疑，就需要运用可以产生零值或负值的调整定价模型，从而使模型能够在外力作用的异常情况下继续正常运行。就压力测试而言，当前的压力测试模型需要更多考虑一个非常严重的场景，包括自然灾害，COVID激增案例，经济封锁，政治不确定性等因素。就银行内控而言，银行内部的风险评估次数愈发频繁，因为大家本来以为不会发生的事情还会经常发生。同时，据说很多民间银行也经常遭受黑客进攻，也就是说网络的安全也要加强。另外，公司试图变得更加灵活，并支持员工在家工作。现在很多银行也都认识到了，在家工作不但可以节省房租，还发现员工的创造力其实并不减，因为其工时有所延长。       面对这样的情况，银行需要识别不断增长的需求和机会，包括高科技（zoom），交付，人口较少地区的需求房屋（单户住宅）等，银行抓住这样的机会，并需要积极在这方面进行投资。       来源：2020（第十六届）中国金融风险经理年度总论坛-6：宏观与行业风险分析《在COVID期间管理风险》演讲文稿整理 ', 'elegant' => array(), 'userId' => '236', 'status' => 'published', 'createdTime' => '1604648646', 'updatedTime' => '1636524464', 'body' => '       江李蕰盈，前瑞士信贷（美国）（Credit Suisse USA IHC）董事总经理，主管信用分析业务。曾任瑞士信贷银行纽约分行首席风险官，美国道富银行（State Street Corp）高级副总裁兼高级董事总经理，主管风险分析业务；美国联邦存款保险公司（FDIC）高级金融经济师。现供职于美国房利美（Federal National Mortgage Association , Fannie Mae , 联邦国民抵押贷款协会），任单一家庭信贷组合绩效部门负责人（Head of Credit Portfolio Performance-Single Family）。         职业经历： <time>        2020 年</time> - 至今：<span class="date-range__duration" style="box-sizing: border-box; margin: 0px; padding: 0px; border: 0px; font-size: 17px; vertical-align: baseline; background-image: initial; background-position: initial; background-size: initial; background-repeat: initial; background-attachment: initial; background-origin: initial; background-clip: initial; outline: 0px; color: rgba(0, 0, 0, 0.6); font-family: "Microsoft YaHei";"> Head of Credit Portfolio Performance-Single Family at Fannie Mae;         <time>2016 年 10 月</time> - <time>2020 年：</time>Managing Director, Head of Credit Analytics, Credit Suisse USA IHC; New York, NY Lead groups of highly skilled quantitative analysts to cover trade analysis for front office, develop models to measure counterparty credit risk and credit risk of Credit Suisse's USA IHC.         <time>2008 年 10 月</time> - <time>2016 年 10 月：</time>Senior Vice President/Senior Managing Director, Head of Risk Analytics at State Street Corporation; Boston, MA • Lead and direct the activities of teams of highly skilled professionals in Enterprise Risk Management (ERM) developing quantitative risk models in support of the estimation of credit, operational, and market risk and losses for Basel III and CCAR/DFAST (stress tests). The models are also used for key risk-return reporting to senior management, Board and regulators. • Develop, maintain and update cutting-edge credit risk measurement (PD, LGD and EAD) models, Operational risk models and market risk models under the internal model approach. The models successfully met the Basel exit requirements. • Develop rating transition matrices (including stressed PD), scenario sensitive LGD and EAD models, macro factor based operational risk models and market risk models to meet stress testing CCAR/DFAST regulatory mandates. Develop OTTI/OCI/SFA for Basel and CCAR regulatory models. • Standardize model development procedures implemented at the corporate level to ensure consistency of model development, improve efficiency of model review, validation, approval and implementation. • Coordinate with global business units in implementing policies, products, processes, governance and systems that improve operating efficiency. • Build cost-efficient risk analytics teams in Europe and Asia to support SSC’s international business <time>        2002 年 8 月</time> - <time>2008 年 8 月：</time>Senior Financial Economist at FDIC; Washington, DC Led examination of market and credit risk models of large international banks. Represented the FDIC in Basel II research task force on the interaction of market and credit risk. Participated in discussion of issues on market and credit risk integration. Produced academic research papers with goal of publication in high quality journals. Presented own research papers and discussed others’ papers in high level conferences.         教育经历： <time>        1997 年</time> - <time>2002 年：</time>Ph.DEconomics, Columbia University ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '70', 'name' => '何育田', 'thumb' => 'public://expert/2021/02-05/1712099af5ac865263.jpg', 'originalThumb' => 'public://article/2021/02-05/1712099e14bd400198.jpg', 'description' => '通华金科集团首席风险官', 'about' => '通华金科集团首席风险官。深耕大数据量化决策风险管理20余年，横跨国际与国内信用卡、个人与中小微企业信贷、供应链融资、公司与机构金融、资产管理及全球投融资并购。曾服务于美国运通，担任渣打银行中国区零售银行首席风险官、渤海银行总行风险管理部、信贷审批部总经理，美国宾夕法尼亚州立大学量化决策论讲师。', 'sticky' => 'index', 'weight' => '92', 'achievement' => '<div style="border-left:5px solid #ff7200;padding-left:20px;">论文</div> 何育田、张羽、暴晖，《商业银行个人贷款压力测试方法研究》，载《经济全球化与中国经济 - 2011中国经济改革与发展优秀学术成果文献》 《商业银行转型发展问题研究》，天津市金融学会2011年度重点研究课题一等奖 《从商业银行防范信用风险角度-企业征信信息采集内容和机制研究》，天津市金融学会2012年度重点研究课题二等奖 《银行业转型背景下的系统性风险与逆周期宏观审慎监管》，天津市金融学会2012年度重点研究课题三等奖 2013，风险文化：卓越银行的DNA，《风险管理》第1期 2012，浅谈商业银行的风险偏好及传导机制，《风险管理》第3期 2011，<a href="https://www.yunzhan365.com/55549365.html">商业银行个人贷款压力测试方法研究</a>，《华北金融》第01期 <div style="height:12px; float:left"> </div> <div style="border-left:5px solid #ff7200;padding-left:20px;">演讲</div> 2019.08.03：《“以人为本”智能风控系统助力小微企业融资》 2018.10.21：《欺诈风险的挑战和应对》 2017.10.17：《科技金融发展的挑战》 2016.08.14：《金融控股集团视角下的信用风险及其管理》 2013.11.09：《公司客户信用风险分析》 2011.10.23：《适者生存：构建中国化的风险管理体系》 2008.11.18：《现代零售银行信用风险管理模式与方法》   <div style="height:12px; float:left"> </div> ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、关于压力测试的框架和模型</h2>       论文《商业银行个人贷款压力测试方法研究》（2011）系统介绍了压力测试的基本框架、压力测试的主要模型和压力测试测算过程。在个人贷款压力测试中，测试的基本框架包括对宏观经济变量的传导、借款人行为模式的分析以及对违约损失的模拟三个方面。       何育田博士针对我国商业银行个人贷款业务发展时间较短，历史数据积累不足，系统建设不完善，数据质量缺少保障的情况，介绍了在压力测试过程中，参考国际同业在压力测试研究中的经验数据，以专家法为主建立的四个模型，即贷款分类模型、违约及损失模型、抵押物价值重估模型和宏观经济指标传导模型。       来源：华北金融，2011年01期   <h2 style="text-align: justify;">二、关于压力测试的测算</h2>       压力测试测算过程包括经济变量传导和行为模式分析及违约损失模拟。何育田博士在经济变量的传导上测试上发现，房价下跌导致贷款抵押率LTV上升；利率上调及收入增长率下降导致客户收入债务比DIR上升。在行为模式分析及违约损失模拟时发现，当贷款抵押率LTV和收入负债比DIR提高时，贷款违约概率PD、违约损失率LGD将发生变化，进而影响贷款预期损失和五级分类迁徙情况。       在此基础上，何育田博士进一步总结并提出其中存在的困难及发展方向。一是历史数据积累不足，何育田博士认为随着我国个人贷款业务的发展及基础数据的积累，将为各种内、外部评分模型的开发和验证创造更好的条件，届时压力测试将更多地引入风险精算方法和模型开发成果，并逐步建立起符合我国国情及商业银行业务发展实际情况的测算模型，提高测算结果的客观性和精确性。二是房价指数数据需进一步细化，使测算更加准确。三是我国缺少完整经济周期数据，何育田博士建议通过我国经济快速增长的时期国内生产总值GDP与居民收入的关系，辅之以历史上各国经济衰退时期GDP对收入的影响，近似的测算经济下行期我国GDP向收入的传导，压力测试者需要根据自身对经济的预期、其对信用风险的传导机制和相关程度进行专家判断，更真实合理的测算压力情景向承压因素传导的量化关系。       来源：华北金融，2011年01期   <h2 style="text-align: justify;">三、关于风险文化</h2>       文章《风险文化：卓越银行的DNA》（2013）指出卓越银行的转型发展需要优秀的风险文化。而优秀的风险文化存储传递着商业银行风险管理的核心精神，将风险管理理念、风险管理行为、风险道德标准等要素渗透至每个业务环节、每个业务部门和每一位员工。何育田博士强调风险文化的价值在于其在员工中形成广泛的共识，在流程中形成积极的导向，在客户与投资者中形成精致的品牌。并且通过对优秀的风险文化的介绍，最终提出构建优秀风险文化的三大举措：以人为本，组织保障；多维渗透，深入人心；落地实施，不断强化。他总结出要构建优秀的风险文化，首先要对现有的文化进行科学的“诊断”，充分了解现有文化及现有文化下的工作方式和管理思路存在的问题，其次要明确风险文化建设的目标，明确本行的文化特色，银行是经营风险的行业，过于激进的风险文化固然不可取，但过于保守不一定就是好的文化。       来源：《风险管理》，2013年第1期（23期）   <h2 style="text-align: justify;">四、关于“人本”智能风控</h2>       《“以人为本”智能风控系统助力小微企业融资》的演讲中，何育田博士提出“人本”智能风控包括智能营销、智能风控、智能增信，以数据风控为核心，客户智能分层匹配不同产品。“人本”智能风控体系通过智能数据采集、模型分析、数据挖掘，实现智能预测、知识发现、智能决策。从产品来说，传统金融机构通过线上化转型，在对小微客户了解基础上，可以将一些小微服务搬到线上，升级信贷审批模式，使得风险建模能力快速跃升，适应多变的市场创新需求。       来源：2019天弈全球专家研讨会（TGES）系列之在线信贷与风险管理高级研讨会   <h2 style="text-align: justify;">五、关于金融科技和反欺诈问题</h2>       何育田博士在2017（第十三届）中国金融风险经理年度总论坛之专题论坛六：科技、互联网与金融风险管理中表示，当前金融科技对传统金融既是挑战，也为传统金融插上了科技的翅膀，如：大数据风控、智能投顾、量化投资、数字货币等。与此同时，金融科技也正在被挑战，如：黑产、风控策略漏洞、网络安全漏洞等。       接着，何育田博士在平行会议Ⅱ中，就如何运用金融科技进行反欺诈问题发表看法。他认为，金融机构做小微企业贷款或消费金融像搞“经侦”，因为欺诈现象远远超出想象。大量的风险管理工作，包括技术的投入、大数据的应用，都用来做“经侦”工作。虽然国家规定，征信只有人民银行有牌照做。但是实际上做征信数据业务相关的公司，数不胜数。对于金融从业者来说，数据碎片化现象非常严重。各数据公司提供数据的持续性不强，存在时间序列间断的现象，数据的质量也不高。这给金融机构风险管理带来了很大问题。其次，数据真实性是风险管理面临的最大问题。何育田博士指出每家金融机构对资产分类等方面的数据保持一致，实施巴塞尔协议才能达到防控风险的作用。如果同一个指标在不同金融机构报表中含义不同，会带来很大的风险管理问题。       来源：《观点透视》2018年第9期，平行会议Ⅱ：风险管理与业务发展和科技应用   ', 'elegant' => array(array('src' => '/files/expert/expert_1609746925.png')), 'userId' => '59', 'status' => 'published', 'createdTime' => '1564453136', 'updatedTime' => '1636523943', 'body' => '      何育田，通华金科集团首席风险官。深耕大数据量化决策风险管理20余年，横跨国际与国内信用卡、个人与中小微企业信贷、供应链融资、公司与机构金融、资产管理及全球投融资并购。曾服务于美国运通，担任渣打银行中国区零售银行首席风险官、渤海银行总行风险管理部、信贷审批部总经理，美国宾夕法尼亚州立大学量化决策论讲师。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '319', 'name' => '喻永新', 'thumb' => 'public://expert/2024/12-23/184151f14013136194.jpg', 'originalThumb' => 'public://article/2024/12-23/184151f76f8e325677.jpg', 'description' => '中国建设银行风险管理部副总经理', 'about' => '中国建设银行风险管理部副总经理，华中理工大学系统工程专业博士。96年至今一直在建行风险管理等相关部门工作，主要从事项目评估、授信审批、内评法对公客户评级模型开发、组合风险管理等相关领域的工作。曾在河北省分行任风险总监、副行长。', 'sticky' => null, 'weight' => '0', 'achievement' => '    ', 'attachachieve' => '', 'viewpoint' => '   ', 'elegant' => array(), 'userId' => '1232', 'status' => 'published', 'createdTime' => '1734950548', 'updatedTime' => '1735092668', 'body' => '中国建设银行风险管理部副总经理，华中理工大学系统工程专业博士。96年至今一直在建行风险管理等相关部门工作，主要从事项目评估、授信审批、内评法对公客户评级模型开发、组合风险管理等相关领域的工作。曾在河北省分行任风险总监、副行长。 ', 'type' => 'senior', 'opened' => '0', 'followed' => '0'), array('id' => '69', 'name' => '相广平', 'thumb' => 'public://expert/2019/07-24/160053521611705463.jpg', 'originalThumb' => 'public://article/2019/07-24/160053547c05236828.jpg', 'description' => '中国人民大学国际学院金融风险管理学科教授', 'about' => '中国人民大学国际学院金融风险管理学科教授、博士生导师，注册金融分析师、注册金融风险经理。兼任北京大数据研究院量化金融实验室主任、中国投资公司高级顾问、美国Julex资产管理有限公司研究顾问。研究方向是固定收益、股票投资和金融科技。', 'sticky' => 'index', 'weight' => '94', 'achievement' => '<div style="border-left:5px solid #ff7200;padding-left:20px;">论文</div> <div style="height:12px; float:left"> </div> <div style="height:12px; float:left"> </div> King, D., Li, S. and Xiang, G., Standalone Firms, Conglomerates, and Bond Return, The Journal of Fixed Income, Winter (2018). <div style="height:12px; float:left"> </div> Xiang, G., Liu, J. and Wang, Q., A variational derivation of risk-adjusted performance measures, Journal of Risk, Volume 15/Number 2, Winter 2012/13. <div style="height:12px; float:left"> </div> Hooker, M. and Xiang, G., Portfolio Omega and Optimization, Journal of Performance Measurement, Spring 2009. <div style="height:12px; float:left"> </div> Xiang, G., Risk Decomposition and Its Use in Portfolio Analysis, Journal of Performance Measurement, Winter 2005/2006, Volume 10 - Number 2. (This paper won the Honorable Mention Award from Journal of Performance Measurement). <div style="height:12px; float:left"> </div> Chen D. F. and Xiang, G., <a href="https://www.yunzhan365.com/71948896.html">Time-risk Discount Valuation of Life Contracts</a>, Acta Mathematicae Applicatae Sinica, English Series Vol. 19, No. 4 (2003) 647–662. <div style="height:12px; float:left"> </div> Brown, Johnny E. and Xiang, Guangping, Proof of the Sendov conjecture for polynomials of degree at most eight, J. Math. Anal. Appl., vol. 232, no 2, (1999), 272-292. <div style="height:12px; float:left"> </div> Li, She Huan and Xiang, Guangping, Isometric approximatio of almost isometric operators in the space B(C), Natur. Sci. J. Xiangtan Univ. 13 (1991), no.3, 20-25. <div style="height:12px; float:left"> </div> Xiang, Guangping and Zeng, Hong, How to compile application codes, Computer Communication, 1988. <div style="height:12px; float:left"> </div> Xiang, Guangping, The problem of norm-attaining operators in the spaces, J. Math. Res. Exposition 7 (1987), no. 1, 141-143. <div style="height:12px; float:left"> </div> Xiang, Guangping, The remarkable problem in PC application, J. of Computer World, 1987. <div style="height:12px; float:left"> </div> Xiang, Guangping, The probe to the PC communication, Computer Communication, 1987. <div style="height:12px; float:left"> </div> Xiang, Guangping, Approxiamtion of some operators in B(C, C), Acta Scientiarum Naturalium Universitatis Nakaiensis, vol. 2 (1985), 27-33. <div style="height:12px; float:left"> </div> Xiang, G. and Yu, T., Tilt Nickels to Diamond (2017). <div style="height:12px; float:left"> </div> Xiang, G. and Wang, Z., A Shrinkage Approach to Covariance Matrix Estimation (2008). <div style="height:12px; float:left"> </div> Zhang, L. and Xiang, G., Investment Choices and Risk-adjusted Performance Measures with Skewness (2007). <div style="height:12px; float:left"> </div> Hooker, M. and Xiang, G., Investment Choices and Risk-adjusted Performance Measures (2007). <div style="height:12px; float:left"> </div> Roland, R. and Xiang, G., Forecasts of Price, Return, and Volatility (2005). <div style="height:12px; float:left"> </div> Roland, R. and Xiang, G., Portfolio Selection and Omega as a Performance Measure (2004). <div style="height:12px; float:left"> </div> Roland, R. and Xiang, G., The Risk-adjusted Return Theory (2004). <div style="height:12px; float:left"> </div> Roland, R. and Xiang, G., The Risk-adjusted Return Theory II: Comparing it to other Asset Pricing Models (2004). <div style="height:12px; float:left"> </div> Roland, R. and Xiang, G., Asset Pricing Models with Higher Moments (2004). <div style="border-left:5px solid #ff7200;padding-left:20px;">其他成果</div> Quant Development and Alpha Decomposition, Boston Investment Club/TCFA Boston, 2017. The Shape Ratio with Skewness, Financial Risk Managers Forum, 2016. 量化投资和市场风险, Shanghai Risk Managers Forum, 2016. 量化投资的历史，现实与未来, Financial Risk Managers Forum, 2015. Option Pricing PDEs and Risk Preference, Nankai University, 2014. The Anatomy of Value Premium, Shanghai University of Finance and Economics, 2014. Research Discussion, Shanghai Finance University, 2014. Investment Choices and Risk-adjusted Performance Measures, Nankai University, 2008. Investment Choices and Risk-adjusted Performance Measures, Global Finance Conference, 2008. An Investment Choice and a Risk-adjusted Performance Measure, Florida State University, 2008. Risk Contribution of Investment Strategies, AMS Section Meeting, 2002. Credit Risk Measurement, Florida State University, 2002. Quantitative Analysis and Risk Management, Nankai University, 2001. ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、投研系统</h2>       投研系统在二级市场中发挥重要作用，能帮助基本面和量化等投资者降低风险、构建合理组合，以期达到更高的收益。功能涵盖单因子自定义、模型构建、组合优化等多种研究和分析工具。其中纯收益分析工具、隐性Alpha模型、行业Alpha模型优化、完整回报和风险归因分析，金融产品设计属于全球首创。我们的目标是为全球领先的投资分析和组合管理软件。愿景是使投资分析和组合管理更专业化，投资更合理、轻松，与机构投资共同成长，共建良好的投资环境。   <h2 style="text-align: justify;">二、正反馈交易</h2>       相教授于文章《正反馈交易文献综述》（2018）中提供了一个正反馈交易的经验和理论研究成果，尤其是与Sentana和Wadhwani（1992）模型相关的文章。文章提出正反馈交易的短期研究展望和研究潜力，现有的研究发现在股指、股指期货、债券市场、外汇市场和个股被证明存在正反馈。       他认为正反馈作为市场异象的一种比较突出的行为，是行为金融学的研究热点，这对于研究现实中的金融行为具有非常大的意义，对研究价格、波动率等因素的影响机制具有至关重要的作用。正反馈交易的文章最近几年增长比较迅速。现在对于累计股票市场指数、股指期货、外汇和个股均有正反馈交易。现有的研究认为波动和自相关之间存在负相关关系。国外的研究已经比较多，但是众多观点不统一，观点众说纷纭。我国融资融券机制已经运行几年时间，现在数据充足，对于研究融资融券机制中的反馈交易，以及卖空机制存在情况下，股票市场中的反馈交易，是恰在好处的。同时，进一步的研究可能挖掘融资融券对于金融去杠杆的作用，以及维护市场稳定的作用。仍然有需要内容可以未来进行深挖掘。正反馈交易可能是过去更多阶滞后的结果。同样的，市场上行和下行，不对称的行为可能是种规则，而不是特例。其中原因可能需要继续研究。更重要的是，模型需要使得正负反馈交易都能在个股层面更普遍，而不是仅仅在市场累计的层面。   <h2 style="text-align: justify;">三、农村商业银行风险、经营绩效与治理结构关系</h2>       相教授于《农村商业银行风险、经营绩效与治理结构关系》（2018）中指出了农村商业银行治理中存在的四个问题：（1）提高农商行经营绩效有利于降低风险，但推行业务多元化对降低风险的作用不明显；（2）农商行治理结构与风险关系密切。股权集中度越高、董事会人数越多、独董占比越高，风险越低；（3）农商行资本充足率越高、贷存比越低、成立期限越长，风险也越低；（4）东部地区农商行风险与经营绩效、治理结构之间关系显著；中西部地区农商行风险与经营绩效之间关系显著，与治理结构之间关系不显著。       因此，相教授指出农商行应做好如下工作：（1）充分结合自身优势，进一步加强专业化经营，不断提升经营绩效，将更加有利于风险管理。适当开展多元化经营，不能盲目追求“大而全”；（2）健全完善农商行治理结构。农商行大多从农村信用社或农村合作银行改制而来，虽然按照股份有限公司要求建立了相应的治理结构，但仍然普遍存在着治理结构简单等问题，还要从股权集中度、董事会人数和独董占比等角度健全完善治理结构，将有助于降低风险、提升经营绩效；（3）加强资本充足率、贷存比等基础性财务指标管理，提升农商行整体经营水平，也将有利于风险管理；（4）为了更好地进行风险管理，东部地区农商行必须将提升经营绩效与完善治理结构有效地结合起来，中西部地区农商行则应该重点关注经营绩效提升，适时健全完善治理结构。   <h2 style="text-align: justify;">四、利率市场化背景下农村商业银行利差影响因素分析</h2>       在文章《利率市场化背景下农村商业银行利差影响因素分析》（2017）中，他认为在利率市场化背景下，农商行经营管理的多个指标对净利差有显著影响。       第一，经营绩效是影响利差的重要因素。农商行资产收益率越高，经营绩效越好，净利差越大，表明传统业务发展越好。因此，应继续进行集约化管理，提高银行资产收益率，提升经营绩效，保持传统存贷业务利差稳定增长，推进农商行传统业务稳健发展。       第二，从银行风险的角度来看，信用风险对净利差影响不显著，流动性比率与净利差显著负相关。说明农商行过度控制流动性比率，降低流动性风险，越不利于传统业务发展。为促进传统业务稳定发展，农商行应加强风险管理，将风险控制在合理水平上，而不应过度管控流动性风险。       第三，多元化经营程度越高，将分薄农商行对传统业务的投入，越不利于传统业务发展。要加强化专业化发展，适度推进业务创新和多元化。第四，农商行规模越大，股权集中度越高，员工人数越少，分支机构越多，越不利于传统业务发展。必须保持合理的资产规模、股权集中度、员工人数和分支机构数。   参考文献：       [1]2018，正反馈交易文献综述，《现代管理科学》（2018年02期）       [2]2018，农村商业银行风险、经营绩效与治理结构关系研究，《现代管理科学》（2018年02期）       [3]2017，利率市场化背景下农村商业银行利差影响因素分析，《现代管理科学》（2017年08期） ', 'elegant' => array(array('src' => '/files/expert/expert_1564049166.jpg')), 'userId' => '56', 'status' => 'published', 'createdTime' => '1563955273', 'updatedTime' => '1636594868', 'body' => '      相广平，中国人民大学国际学院金融风险管理学科教授、博士生导师，注册金融分析师、注册金融风险经理、美国普渡大学计算机科学硕士、数学博士、南开大学数学学士。兼任北京大数据研究院量化金融实验室主任、中国投资公司高级顾问、美国Julex资产管理有限公司研究顾问。2000年前在Conseco Capital Management任量化研究员和经理；2000年至2006年在Loomis Sayles任资深量化分析师和副总裁；2006年至2013年任State Street Global Advisors固定收益量化研究总监；2014年加入中国人民大学；2016年1月担任中邮鸿信投资公司投资总监。 教育背景 美国普渡大学  数学博士        1996 美国普渡大学  计算机科学硕士  1994 南开大学      数学硕士        1985 南开大学      数学学士        1982 持有CFA及FRM认证证书 擅长邻域 固定收益，股票投资，金融科技，有一项投资策略和产品的专利待审批。 在金融、数学和计算机科学领域发表了大量论文，其金融风险分解已成业界标准，被广泛应用，多篇金融研究文章在SSRN下载量长期位列2%。 工作经历        中国人民大学国际学院  教授、博士生导师  2014年至今 执教金融计量学，金融衍生品，资产定价，货币金融学等课程，并指导博生与硕士研究生进行学术研究。        中邮鸿信投资公司  首席投资官  2015年至今 （私募基金，中国邮政集团100%控股） 主导公司整体的量化分析和策略研究，统筹和把控公司各产品的投资，确保整体投资合理性及投资收益最大化。       中国投资有限责任公司  高级顾问  2015年-2017年 （中国主权财富基金，世界第二大基金公司） 指导股权策略部的投资、策略研究和分析等，主导研究和设计多个自营量化金融产品和策略。       Julex资产管理有限公司  研究顾问  2013年至今 （基金投资和管理，基于量化投资） 提供金融产品和投资策略，建立和维护美国大市值股票选股模型和ESG选股模型，在合理的风险范围内显著提升公司的投资业绩。       道富环球投资集团  副总裁兼全球固收量化研究总监  2006年-2013年 （基金投资和管理，世界第三大基金公司） 组建以公司高管、投资经理、交易员及分析员为核心的研发团队，带领和指导团队研发新金融产品、新策略及新交易模型，使公司固定收益业务获得良好业绩。 依据客户需求，指导客户进行投资，使客户获得合理回报（超额回报），进一步提升公司的投资能力和客户认可度。         LOOMIS SAYLES & COMPANY  副总裁兼量化研究与金融工程部资深研究员  2000年-2006年 （基金投资和管理，专长固收基本面研究）                 全面负责公司的量化研究和风险管理，确保公司有效的控制风险，并提升量化投资业绩。         CONSECO CAPITAL MANAGEMENT  经理兼资深量化研究员  1998年-2000年 （基金投资和管理，CONSECO保险公司100控股） 监督和管理整体项目的进度、实施情况，并为投资组合管理提供量化研究和支持。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '103', 'name' => '王雪松', 'thumb' => 'public://expert/2020/11-05/111823fe3696468587.jpg', 'originalThumb' => 'public://article/2020/11-05/111824053910130240.jpg', 'description' => '美国摩根大通银行资本管理部执行董事', 'about' => '美国摩根大通银行资本管理部执行董事，负责JP Morgan非零售业务及交易对手Basel III及Basel IV RWA计算政策制定。曾任全行信用风险模型委员会秘书及对公业务及交易对手模型高层指导委员会秘书，并代表摩根大通参与ISDA的美国SA-CCR工作组，哈佛大学数学博士。', 'sticky' => null, 'weight' => '0', 'achievement' => '  <div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">论文</div> <div style="height: 12px; float: left;"> </div> 2013，大数据助推银行全面风险管理，《中国金融》第14期。 2013，利率市场化前景下风险管理的使命，《金融电子化》第3期。 ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、美国银行业衍生品业务BaselⅢ与BaselⅣ</h2> <h4 style="text-align: justify;">（一）美国银行巴塞尔协议监管环境</h4>       美国的银行多如牛毛，多数是小型的城镇银行，大型全国性银行集中度比较高，大致有6家。       从业务的角度来讲，非零售信用风险类业务大致可以分成两类，第一类是传统的非零售业务，即贷款类业务或者表外业务，第二类是交易对手业务。       通常只要提及巴塞尔协议，大家都知道三大支柱，但观察现在美国银行业的实际状况，尽管第二支柱、第三支柱的说法依然存在，但第二支柱的重要性已经基本被CCR所取代，只是在银行账上计算，对于业务和银行的管理缺乏实际的指导意义。第三支柱则是通过每个季度发布一个披露文件，在经过大家讨论后，高层批准发布该文件的方式实现。       关于美国银行资本充足率真正的三大支柱，有三个指标，第一个是完全用标准法计算的RWA，第二个是高级法计算的RWA，第三个是补充杠杆率（Supplementary Leverage Ratio，即SLR）。       在美国的监管环境下，美国的银行尤其是JP Morgan，或者Bank of America这种级别的大型银行所面对的监管机构，其全球化程度之高，基本是一种百花齐放、百家争鸣的状态。       美国的大型银行所面对的最重要的监管机构是美联储（Federal Reserve Bank）和美国货币监理署（Office of Comptroller of Currency，简称OCC），称之为基本监管机构（Primary Supervisors），也即大型银行的基本监管者。在2014年到2015年之间，美国的监管机构The Fed和OCC先后批准各大银行（前文所述的6家银行）使用高级法，同时还批准了其中5家银行（Wells Fargo除外）使用内部模型法（IMM）去计算场外衍生品（OTC Derivatives），而Wells Fargo依然在使用现额暴露法。 <h4 style="text-align: justify;">（二）巴塞尔协议Ⅲ下衍生品的计算规则与实施状况</h4>       衍生品是交易对手风险的一部分，衍生品的信用风险与传统的贷款业务有完全不同的特点。巴塞尔协议的一个核心概念就是要通过很多计算规则去进行监管，例如未来潜在风险，而未来潜在风险也是现在新的SA-CCR正作出主要改变的一项计算规则。       CVA是由衍生品业务在未来面临的信用风险损失所计算得到的预期损失（EL）。CVA主要是为了CVARWA，它是巴塞尔协议Ⅲ新增加的一个重要项目，是对于非对手违约情形下衍生品市场变化的资本总额。 <h4 style="text-align: justify;">（三）2019年美国SA-CCR讨论过程与最终版本</h4>       从风险管理的角度来讲，衍生品的风险管理有两个非常重要的风险管理手段，是贷款业务里所没有的。第一个手段是净额结算（Netting），通常是大型银行之间，银行跟交易对手做衍生品业务之前，要求交易对手给予净额结算协定（Netting Agreement）。第二个重要手段是抵押品，分为两种，一种是追加保证金，另一种是初始保证金。       追加保证金和初始保证金的风险缓释效果存在不同，因此在SA-CCR里被区分对待，也是SA-CCR的最大争议点之一。       巴塞尔委员会在SA-CCR的工作报告中已进行解释，SA-CCR的起源是纠正现行巴塞尔协议Ⅲ在处理净额结算与抵押品时的若干局限。CEM对于净额结算和抵押品的处理非常粗糙，与银行的风险管理实践也不相匹配，因此SA-CCR是从理论上改进这些缺陷。具体体现：       1.净额结算（Netting）方面       2.抵押品（Collateral）方面 <h4 style="text-align: justify;">（四）美国银行业实施巴塞尔协议Ⅳ的挑战（除SA-CCR以外）</h4>       从巴塞尔协议Ⅱ到巴塞尔协议Ⅲ，最主要的改革在于对交易对手风险的处理，此外还提出了对于内部模型法的压力违约风险暴露（Stressed EAD）的计算要求，以及基于VaR的Simple CVA或Advanced CVA，要求计算CVA RWA。同时，对于场内的衍生品要求计算RWA。但在传统的信用产品方面，巴塞尔协议Ⅲ与巴塞尔协议Ⅱ没有本质区别。从巴塞尔协议Ⅲ到巴塞尔协议Ⅳ，对于传统的信用风险与交易对手风险都进行了全面的改革。就传统的信用产品而言，美国银行业的高级法基本被FIRB取代，要求各大行必须重新提取FIRB所需要的字段；就交易对手风险而言，改革的复杂程度更高。       来源：2020TGES系列论坛-05：资产负债管理（含流动性风险）、资本管理和风险偏好管理《美国银行业衍生品业务BaselⅢ与BaselⅣ》演讲文稿整理   <h2 style="text-align: justify;">二、新形势下金融机构风险管理的挑战与应对</h2>       系统性风险管理       系统性风险是一个非常庞大的课题，可是实际上如果仔细分析一下，基本上有两点：第一点是宏观经济所带来的系统性风险问题，这一点从银行内部去进行控制的余地非常小，虽然可以从组合管理方面扩张或者压缩贷款的数量，但是这       并不是一个容易实现的动态性管理；第二点是银行本身在操作层面和在日常风险管理的层面，如何去监控、管理和控制由于系统性风险所造成的集中性风险的问题，这一点更为重要。       很多情况下，银行之间的协定并不是在银行和银行的集团公司之间签订的，而是在法人集团之间签订的错综复杂的法律文件。如果大型客户倒闭，我们必须依靠对交易对手的公司结构有深入了解的客户经理跟全球各地的风险部门通力合作，才能把准确的风险计算出来。       我认为雷曼兄弟倒闭所暴露的一些问题已经引起了欧美的监管机构和银行高层的足够重视，比如美国联邦储备局要求各大银行定期提供关于大型交易对手的风险的集中性报告，这就给银行的风险的数据系统造成了一定的困难。       来源：2010年综合第6辑《新形势下金融机构风险管理的挑战与应对》演讲文稿整理   <h2 style="text-align: justify;">三、衍生品交易对手风险管理</h2>       衍生品风险同时包括市场风险和信用风险两部分。市场风险是指由于市场波动所带来的衍生品市值的波动。信用风险是指交易对手拒绝履行衍生品合约所带来的违约损失风险。如果客户违约时衍生品的市值为正，则银行必须将衍生品划为不良资产。       信用风险缓释手段是降低或控制交易对手风险轮廓的有效方法。比较常见的信用风险缓释手段有ISDA净额清算协议和CSA抵押品协议。       国际性大型银行计量衍生品风险敞口的通行实践是使用大型的系统做蒙特卡洛模拟。银行会尽量将所有衍生品交易汇总到一个核心的风险敞口系统，在组合层面进行模拟，以便有效计算出对每一个客户及每个客户集团的风险敞口。       在计量交易对手风险敞口时，一个比较大的挑战就是错向风险（Wrong Way Risk）。所谓错向风险是指交易对手的违约可能性与银行对其的风险敞口高度相关。       交易对手风险计量       交易对手风险计量体系的应用：第一类是在客户层面，对客户授信额度进行管理，这需要对衍生品风险有深入的了解；第二类是作为银行内部的考核指标；第三类是管理整个银行组合的信用风险；第四类作为是监管报告与沟通的工具。       来源：《风险管理》第11辑（总） 2011年综合第1辑《衍生品交易对手风险管理》演讲文稿整理   ', 'elegant' => array(array('src' => '/files/expert/expert_1611656263.png')), 'userId' => '202', 'status' => 'published', 'createdTime' => '1604546338', 'updatedTime' => '1636536860', 'body' => '      王雪松，美国摩根大通资本管理部执行董事，哈佛大学数学博士。负责JPMorgan非零售业务及交易对手Basel III及Basel IV RWA计算政策制定。曾任全行信用风险模型委员会秘书及对公业务及交易对手模型高层指导委员会秘书，协调摩根大通全行非零售及交易对手资本模型监管审批工作（Federal Reserves 与 OCC模型验证部门的协调）。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '59', 'name' => '黄辉', 'thumb' => 'public://expert/2021/09-03/184453524b56956725.jpg', 'originalThumb' => 'public://article/2021/09-03/184453549eea203813.jpg', 'description' => ' 申万宏源集团投资管理部副总经理', 'about' => '申万宏源集团投资管理部副总经理，公司投委会委员，负责大类资产配置、项目审决、投后管理等业务。曾任申万宏源证券公司固定收益外汇商品事业部董事副总经理、固定收益交易总部副总经理、宏源证券公司债券销售交易部副总经理、风险管理部副总经理，多年从事证券投资管理和风险管理工作。', 'sticky' => null, 'weight' => '0', 'achievement' => '        ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、风险管理与证券公司核心竞争力</h2>        前不久，在国家“十二五”规划提出大力加快发展现代服务业、发展现代产业体系、提高产业核心竞争力的背景下，国内某上市证券公司结合现阶段证券业发展的状况，制定和发布了该公司十年战略发展规划纲要，在发展战略路径的说明中直接提出了将风险管理能力作为证券公司核心竞争力组成部分的观点。这体现了国内证券业学习国际发达国家投资银行业，以现代金融服务公司定位自身发展目标的趋势。      （一）风险管理是证券公司核心竞争力的组成部分        承担风险和管理风险的能力在很大程度上决定了券商的定价能力也就是服务竞争能力，进而我们也可以理解该公司提出的现阶段影响券商可持续发展能力（即核心竞争力）的五大能力——增值服务、投资管理、资源整合、风险管理、成本管理。 <h4 style="text-align: justify;">     （二）风险管理与业务竞争能力的关系</h4>        与费用成本的管理控制类似，风险管控在一定程度上与业务营收体现出“矛盾”关系，但在利润方面又是“统一”关系。风险管理究竟是业务成本还是创造价值，需要看在哪个层次上来理解。 <h4 style="text-align: justify;">     （三）风险管理作为券商核心竞争力的发展目标</h4>        一是内部控制阶段，显然是金融机构历史最久的风险管理机制，也是风控最基础的阶段。        二是风险对冲的阶段，也称“交易员风险管理阶段”。三是经济资本配置阶段，也称公司风险管理阶段。        来源：《风险管理》2011年综合第1期   <h2 style="text-align: justify;">二、证券公司流动性风险管理探讨</h2> <h4 style="text-align: justify;">     （一）对证券业流动性风险的认识</h4>        一是有清偿能力，流动性风险是属于可持续经营情况下金融机构面临的风险。二是突出成本的概念，包括执行成本和机会成本。可以获取资金但需付出额外成本仍然属于流动性风险。三是支付到期义务，而不是债务。义务范围高于债务，债务有法定性，义务包括法定和非法定义务。 <h4 style="text-align: justify;">     （二）流动性风险管理的策略与方法</h4>        流动性风险管理的实质是将流动性风险降低到可接受的水平，同时保持快速察觉并反映流动性问题的能力，一旦察觉到异常情形迅速增补流动性。流动性风险管理的目标一是流动性风险管理必须有前瞻性。二是流动性风险管理必须为非预期的现金流需求预备足够的缓冲。三是流动性风险管理要尽可能平衡成本与收益。在管理流动性风险时要注意权衡以下三个因素对流动性的影响：价格、数据和声誉。证券公司流动性风险计量需要运用多种定量和定性工具。总的来说包括四大类：资产负债管理、现金流量管理、压力测试和应急计划。 <h4 style="text-align: justify;">     （三）流动性风险计量管理尝试</h4>        参考银行业的流动性风险管理经验，证券公司可以使用三种分析方式定量评价流动性风险：资产负债表流动性分析法、现金资本分析法、现金流缺口分析法（到期期限错配分析法）。资产负债表流动性分析法仅需评估不同资产负债项目的流动性；到期期限错配分析法使用了相当数量的模型和行为调整，因此从资产负债表流动性分析法到到期期限错配分析法，分析方法的复杂程度以及精确程度逐步提高。        来源：《风险管理》2012年综合第3期   <h2 style="text-align: justify;">三、证券公司综合压力测试探讨</h2>        净利润与净资本这两大测试对象在这个统一情景上存在着比较明显的逻辑矛盾，如果考虑综合损益的话，对净资本测试结果有较大的偏差影响。在综合测试中，我们建议可以根据不同的测试对象设置不同的压力情景，用区间类的压力测试情景开展净利润压力测试，用时点类压力测试情景开展净资本的压力测试。 <h4 style="text-align: justify;">     （一）不同压力测试对象的差异性</h4>        在开展综合压力测试的时候，以“净利润”指标为压力测试对象，主要是为了测试证券公司在极端情景下的盈利能力；以“净资本或流动性”指标为压力测试对象，主要是为了测试证券公司在极端情景下某一经营资源的充足性。 <h4 style="text-align: justify;">     （二）压力测试情景设置</h4>        由于测试对象特征的差异性，为了使压力测试结果有更好的针对性，需要对以“净利润”和“净资本、流动性”为测试对象的压力测试分别按“区间类”和“时点类”两种类型设置压力情景。“区间类”压力情景表示风险因素对测试对象产生影响所经历的整个测试区间；而“时点类”压力情景则表示风险因素对测试对象在测试区间内的某一时点所产生的极端影响。 <h4 style="text-align: justify;">     （三）综合损益不同处理方式对净资本压力测试结果的影响</h4>        证券公司综合损益需要完整地经历整个测试区间后才能够得到，而净资本及流动性极端压力情景可能在测试区间内的任一时点发生，因此，以“净资本、流动性”为测试对象的压力测试不应考虑测试区间内的综合损益。        来源：《风险管理》2012年综合第4期   <h2 style="text-align: justify;">四、敏感性指标与贡献度指标在净资本管理分析中的应用</h2>        在证券公司日常净资本管理分析过程中，敏感性指标与贡献度指标可以发挥重要的作用。运用这两种指标对净资本监管指标变动进行归因分析，可以寻找指标变动的主要原因，评估指标变动的可持续性，有利于帮助制定压力测试应急预案，定量评估业务规模变动报备/审批阀值。        （一）贡献度指标在压力测试中的应用        （二）用贡献度指标分析净资本指标变动的可持续性        （三）敏感性指标在制定压力测试应急预案中的应用        通常有三种应对措施可供选择：弥补净资本、缩减业务规模或调整业务计划。        （四）敏感性指标在设定业务报备/审批规模中的应用        如果简单要求所有项目在开展前都向风险管理部门报备则会造成人力资源的浪费和业务效率的降低，因此有必要设定一定的阀值标准。但阀值如何得出呢？我们可以通过对剩余的指标空间在业务条线的分配来设定阀值。        来源：《风险管理》2012年综合第5期   <h2 style="text-align: justify;">五、近阶段债市投资策略及风险管理探讨 </h2>        在近阶段“经济下行承压的背景”下，债券收益率暂时不存在大幅反弹基础；但另一方面，由于央行有意无意引导‘利率走廊’下限，资金利率下行空间受阻。资金利率作为债券收益率的锚，其下行受阻意味着债券收益率短期内缺乏进一步下行空间。在经济下行和政策有序打破刚兑的背景下，信用违约事件爆发概率增加，也需要调整投资策略思路进行应对，增加利率债、地方债、高等级信用品的投资比例，同时压减信用债尤其是相对低评级信用债的投资占比，是在当下信用违约风险偏高的市场环境中的理性选择。 <h4 style="text-align: justify;">     （一）前一阶段债市宏观金融背景</h4>        中国经济基本面下行压力仍存，压力来自内外两方面：一是外部压力，二是内部风险，体现在信用紧缩的问题依然没有得到根本解决。在基本面的压力下，内部政策难以收紧。资产表现：依然看好债券，同时关注风险偏好回升的可能性。        需要密切关注的风险因素一是海外资产带来的情绪扰动，二是来自汇率的输入性通胀压力，三是关注基本面、政策面的边际变化。 <h4 style="text-align: justify;">     （二）前一阶段的债券策略选择及风险点分析</h4>        1、加大套息力度，向规模要收益        2、传统套息策略之外的选择        （1）结合国债期货的套利策略；（2）曲线交易策略；（3）品种间利差策略 <h4 style="text-align: justify;">     （三）投资组合敞口配置理解</h4>        近年宏观背景下，资本市场风险波动加大，券商一方面以重资本来竞争，利润的主要来源仍在于资本，营收结构与资本高度相关；另一方面，因为从经济资本角度考虑风险收益，更加注重提升低风险业务收入的占比。因此，低风险策略的风险度量显著优于持有单边净敞口，投资组合从单一策略向多策略发展成为必然        来源：《风险管理》2019年综合第2期   <h2 style="text-align: justify;">六、债券信用违约的特征与启示</h2> <h4 style="text-align: justify;">     （一）债券信用违约现状</h4>        债券信用风险常态化；公司属性维度：民企融资环境不容乐观；行业维度：商贸、化工、电气设备等行业违约率偏高；区域维度：内蒙、山西、宁夏、东三省等北方区域违约率显著偏高。 <h4 style="text-align: justify;">     （二）债券信用违约的特征</h4>        上市公司成违约重灾区；货币类资产成为双刃剑；互保引发风险连锁反应；看似常规化的条款设置暗藏风险。 <h4 style="text-align: justify;">     （三）债券信用违约的启示</h4>        上市公司股权质押尾部风险犹存；“母强子弱”背景下合并报表适用性有限；关注“存贷双高”现象；关注互保圈区域的系统性金融风险；条款重要性凸显，关注投资人保护条款和永续债条款。        来源：《风险管理》2020年综合第6期   <h2 style="text-align: justify;">七、固定收益投资业务风险管理实务探讨</h2> <h4 style="text-align: justify;">     （一）固定收益投资业务风险管理框架</h4>        风险安排的目标是获取合理的风险溢价，从而实现公司的价值创造。风险安排的方法包括：一是明确调整风险偏好，要依据资本、股东回报、监管要求、战略来建立统一的风险偏好，明确自身愿意承担的风险总量和风险种类。二是主动选择风险经营对象，依据专业性的风险识别和计量能力，选择出有利可图的风险机会。三是科学灵活地运用多样化风险应对策略。 <h4 style="text-align: justify;">     （二）市场方面管理要点</h4>        对于市场风险管理，定价能力是公司在业务层面的核心能力所在，而债券定价的基础在于收益率曲线。寻找收益率曲线的价值，要解决收益率曲线位置和形态是否合理两方面的问题。为了确定收益率曲线的水平，可以从定性分析和定量分析两个方面来进行分析。收益率曲线定量分析的出发点是资金利率中枢水平。 <h4 style="text-align: justify;">     （三）信用风险管理要点</h4>        对于信用风险偏好的管理，也应当具备动态调整的机制。一是整体风险偏好调整，可以基于经济周期的视角——把握货币政策和经济周期，进行策略转换。二是行业风险偏好调整时，要尽量理解行业周期波动带来的机会三是在信用风险定价方面，要注意纠正外部评级干扰，寻找低估或错杀主体，排除信用风险隐患。四是对个券风险进行动态监控，分层管理，动态评估。        来源：2020TGES系列论坛-01：金融市场交易与市场风险管理——黄辉《固定收益投资业务风险管理实务探讨》 ', 'elegant' => array(), 'userId' => '42', 'status' => 'published', 'createdTime' => '1560495934', 'updatedTime' => '1750641475', 'body' => '      申万宏源集团投资管理部副总经理，公司投委会委员，负责大类资产配置、项目审决、投后管理等业务。曾任申万宏源证券公司固定收益外汇商品事业部董事副总经理、固定收益交易总部副总经理、宏源证券公司债券销售交易部副总经理、风险管理部副总经理，多年从事证券投资管理和风险管理工作。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '124', 'name' => '方应飞', 'thumb' => 'public://expert/2020/11-06/1357062629c9547749.jpg', 'originalThumb' => 'public://article/2020/11-06/13570628f92a773696.jpg', 'description' => '民生银行总行信息科技部大数据技术总监', 'about' => '民生银行总行信息科技部大数据技术总监。北京邮电大学计算机硕士毕业，先后在甲骨文（ORACLE）公司和TERADATA公司从事数据库核心功能开发和技术管理工作，2012年加入民生银行，专注于商业银行大数据架构规划和新型大数据领域应用设计工作。', 'sticky' => null, 'weight' => '0', 'achievement' => '    ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、金融AI在反洗钱领域的风险建模与应用</h2> <h4 style="text-align: justify;">（一）金融AI和大数据目前存在的问题</h4>       目前AI和大数据的工具包括数据平台、数据加工工具、建模工具、报表工具、BI及可视化工具等，这部分产品的市场量很大，也得到了很多的关注，但仍存在着数据使用和算法运用方面的问题。另外，目前的人工智能算法并不够智能，同一个算法，场景发生变化就不适用了。算法要根据环境不断地调配，这要求团队的力量足够强大，才能维持运营。在现有理论基础上，在看得见的将来把智能算法做得足够智能有一定难度。这方面应用前景十分广阔，一旦体系搭建完善，是非常有价值的。 <h4 style="text-align: justify;">（二）从金融科技（Fintech）到监管科技（Regtech）</h4>       金融风险呈现新的趋势。为应对金融监管制度措施复杂性、降低金融机构监管成本以及新的技术应用，监管科技实施日趋紧迫。对银行的监管方式上有很多，总对总、分对分、总分模式都有，监管机构有中国人民银行、银保监会、外汇管理局、地方税务管理局等，监管内容很广，但实现形式上多数还是基于数据和报表。随着对客户识别、交易网络等监管要素的逐步深入，监管科技正在加速其建设与发展进程。 <h4 style="text-align: justify;">（三）金融AI在反洗钱领域的应用</h4>       1.当前监管对反洗钱工作的要求       近两年全球反洗钱的形势非常严峻，去年国际金融特别行动组（FATF）等组织对各国的反洗钱工作提出了一些要求，我国在国家层面也特别重视反洗钱相关工作，对国内的金融机构做了一些具体要求，加大了执法力度。在这种情况下，由于反洗钱涉及大量客户关系网络识别和交易网络的处理，智能算法在该领域具有相当的优势和天然的实用性。       2.反洗钱的主要工作内容       反洗钱工作的核心有以下几点：客户身份识别、大额监控、可疑交易监控、客户反洗钱风险评级等。       3.反洗钱工作的难点       现行的模式是对于每类可疑交易，例如地下钱庄、非法融资、贪污受贿、走私等都有对应的模型，每天进行回溯。银行每天的交易量巨大，全部依赖于这套模型，效率难以保证。首先是计算过程很慢，其次计算结果还要花费大量人力排查，因此自然就衍生出了运用人工智能简化工作的需求。       4.引入智能算法的主要思路       人工智能模式和原来一样，依旧是引入算法，构建模型，产生结果。结果的构建是基于交易网络的。交易网络的交易类型有很多，包括个人日常转账、银行转账交易、现金交易、代发工资等；还包括法人控股关系，例如链条式的控股关系的梳理；还有集团关系，即一个企业与附属的不同集团之间的关系；此外个人客户的朋友圈、交易对手等信息都要纳入交易网络。这会形成亿级别的点和百亿级别的边的庞大网络，势必要进行裁边和裁点，这些工作要结合着具体的交易场景来简化和完善，做好与否是此项工作能否产生实际效益的关键。       总体上，金融AI在反洗钱领域的应用，迁移到实时交易的交易反欺诈中也具有重要价值。       来源：《风险管理》杂志2019年第3期。   <h2 style="text-align: justify;">二、对我国金融科技发展的分析</h2> <h4 style="text-align: justify;">（一）金融科技发展现状</h4>       1. 基础技术与金融场景深度融合促金融科技体系完善       金融科技实质上没有创造新的基础性的东西，技术依然是技术，只是现在将这些技术和金融产品、金融服务深度融合带来新的金融体验而产生了巨大反响。金融科技的技术大家耳熟能详，主要是分布式、金融云、大数据、区块链、物联网、生物识别、AR/VR以及人工智能等技术衍生出的金融应用体系；从内容上讲，可分为三大板块，即支付体系、金融消费、财富管理。       从银行角度来看，这三大版块中，支付体系是相对成熟的。金融消费实际上是应用新技术选择新客群的问题，本质是银行在存量客户基础上进一步获得新的客群、提供新的产品服务的问题。另外一大版块是财富管理，客观上也提升了资金需求方的整体融资成本，对资金的需求、供给关系与方式产生了深刻影响。       2. 场景化实时交互的数字化营销能力形成       从2016年大数据元年到现在已经过去三年，应用金融科技后，从营销角度来说，营销方式从原来的被动的客户营销发展到基于场景的营销，发展是比较好的。有三大定理总结得非常好：信息时代的摩尔定律，集成电路元件数目与性能每隔18-24个月翻一倍；互联网时代的梅特卡夫定律，网络的价值与联网用户节点数量的平方成正比；智能时代的Watson定律，数据和AI的融合能够创造指数级的发展机会。所以在如今阶段可以创造出可能影响时代变革的一些商业模式，这也是为什么社会力量和资本力量在其中积聚、运作、蓬勃发展的一个原因。一旦有一个新的领域产生社会价值的波动，影响不可估量。       3. 实现半自动化线下到智能化线上风控       从目前来讲，银行利用“大数据+AI”实现风险智能感知，提升预警准确率，增强风险自动处置能力是共识；结合线上、线下的业务场景推进智能模型应用、提升风险的全流程管理能力，进而提升资产质量与总体收益。在信息不对称的情况下，如何结合金融科技对存量业务进行优化并进一步拓展新业务模式和作业方式是风险领域进行自我革新的重要课题。       4. AI应用——遍地开花但果实丰熟者少       人工智能在金融领域的应用大体分成两部分，一块是机器人类的，例如智能客服、问题解答、引导型机器人、厅堂引导机器人，这一类还没有产生变革性的广泛应用的东西，还是辅助与试点。另一块是算法层面的应用，该部分要相对深入一些，包括场景推荐、申请评分、欺诈以及贷后的预警等，但也还在积极地探索之中。       5. 新技术发展迅猛       以5G为热点的新技术应用发展还是比较快的。纵观近些年的金融技术和金融服务轨迹可以发现：2008年以前是金融电子化和信息化进程加速时代，银行数据大集中是主导趋势；2008-2016年是金融网络化、移动化，网上银行、手机银行发展迅速；2016年到现在是普惠金融、线上金融和移动支付飞速发展，金融创新与监管金融并驾齐驱；2020年之后是智能时代，智慧金融实现从探索、辅助阶段向深化应用阶段，5G+金融将会带来全新体验。       当前的社会推动力量，包括资本和政府官方的力量以及各金融机构在意愿上都非常强烈。新技术对生产力发展和用户行为变革的推动力量非常强大，几年前还是PC时代，短短数年移动技术的发展越过PC时代的浪头成为新的弄潮儿。可以展望伴随IoT和智能硬件的发展，智能硬件加算法，再加上自然语言会打造新一代的全新用户体验。 <h4 style="text-align: justify;">（二）金融科技未来展望</h4>       总体来说，金融科技的发展非常迅猛，带来了新的产品、新的业务模式，未来在客户的金融服务体验层面也带来全新的变革，这是大趋势。但也应清晰地看到，金融科技的落地需要扎实推进、需要实实在在的服务实体经济、贴合客户需求。当前金融科技的发展在应用场景上、人才结构上、应用深度上仍需要进一步完善和深化，需要注重金融、市场和技术三者之间的真正融合，而不仅是概念层面的推广。       来源：《风险管理》杂志2020年第2期。 ', 'elegant' => array(), 'userId' => '327', 'status' => 'unpublish', 'createdTime' => '1604642762', 'updatedTime' => '1623119774', 'body' => '      方应飞，民生银行总行信息科技部大数据技术总监。北京邮电大学计算机硕士毕业，先后在甲骨文（ORACLE）公司和TERADATA公司从事数据库核心功能开发和技术管理工作，2012年加入民生银行，专注于商业银行大数据架构规划和新型大数据领域应用设计工作。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '129', 'name' => '贺德全', 'thumb' => 'public://expert/2020/11-06/152846eb4493222699.jpg', 'originalThumb' => 'public://article/2020/11-06/152846ee1ab8119203.jpg', 'description' => '美国西部联合银行（Western Alliance Bancorporation）企业建模中心副总裁', 'about' => '北卡州立大学博士。曾任美国Synchrony Financial （原 GE 消费金融）数量模型开发，经济资本运算及压力测试副总裁，BBVA 银行（美国）高级副总裁，为该银行系统风险管理及风险模型的主要设计者之一。曾任美国运通及美国企业金融公司经理和高级经理。', 'sticky' => null, 'weight' => '0', 'achievement' => '                      ', 'attachachieve' => '', 'viewpoint' => '    ', 'elegant' => array(), 'userId' => '230', 'status' => 'published', 'createdTime' => '1604647807', 'updatedTime' => '1615347739', 'body' => '      贺德全，美国西部联合银行（Western Alliance Bancorporation）企业建模中心副总裁。北卡州立大学博士。曾任美国Synchrony Financial （原 GE 消费金融）数量模型开发，经济资本运算及压力测试副总裁，BBVA 银行（美国）高级副总裁，为该银行系统风险管理及风险模型的主要设计者之一。曾任美国运通及美国企业金融公司经理和高级经理。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '290', 'name' => '刘瑞霞', 'thumb' => 'public://expert/2021/12-27/0950400bd533903149.jpg', 'originalThumb' => 'public://article/2021/12-27/0950400ea9fe213871.jpg', 'description' => '金融稳定理事会TCFD成员', 'about' => '金融稳定理事会（FSB）气候相关金融信息披露工作组专家成员，中国银行业支持实现碳达峰碳中和目标专家工作组首席专家，中国工商银行支持碳达峰碳中和暨气候风险首席专家。中国银行业协会风险管理课程首席资深专家，被授予“中国银行业风险管理人才培养领军人物”。', 'sticky' => null, 'weight' => '0', 'achievement' => '   ', 'attachachieve' => '   ', 'viewpoint' => '   ', 'elegant' => array(), 'userId' => '1080', 'status' => 'unpublish', 'createdTime' => '1640569918', 'updatedTime' => '1640569918', 'body' => '       金融稳定理事会（FSB）气候相关金融信息披露工作组专家成员，中国银行业支持实现碳达峰碳中和目标专家工作组首席专家，中国工商银行支持碳达峰碳中和暨气候风险首席专家。中国银行业协会风险管理课程首席资深专家，被授予“中国银行业风险管理人才培养领军人物”。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '183', 'name' => '王剑', 'thumb' => 'public://expert/2020/11-11/120035387a44543102.jpg', 'originalThumb' => 'public://article/2020/11-11/120037545086391770.jpg', 'description' => '长江养老保险股份有限公司合规负责人、首席风险管理执行官', 'about' => '长江养老保险股份有限公司合规负责人、首席风险管理执行官，硕士，拥有FRM、CIA等资格，先后于中国银行从事国际业务，于中国太平洋保险（集团）股份有限公司任审计部资深审计师、风险监控部总经理，对保险集团的内控、风险、内部审计有较为丰富的管理实践经验。', 'sticky' => null, 'weight' => '0', 'achievement' => '    ', 'attachachieve' => '', 'viewpoint' => '<h2>一、关于外部输入性风险</h2>       文章《输入性风险、存量风险及处置次生风险-保险公司经营视角的观察与分析》（2019）指出我国当前面临的外部输入性风险包括全球经济增长率放缓、中美贸易争端、美国政策与外汇收支效应。在此基础上，文章进一步阐述了外部输入性风险传导路径及影响。一是金融市场波动放大。过去几年美国货币政策正常化对新兴市场经济体的负面溢出效应，中美贸易摩擦扰乱全球主要商品供应链体系，扭曲投资者预期，进而放大全球金融市场波动，2019年世界主要经济体包括美国增速均放缓。此外，我国正处于经济转型期，中美贸易摩擦冲击出口效应显现，输美商品遇到较大障碍，产业结构发生向外的转移，金融杠杆压制及房地产调控持续。二是全球产业价值链重塑。在全球贸易紧张局势加剧的背景下，企业为了降低关税成本、规避政策风险，开始寻求以供应链上的其他国家替代，甚至重新布局整条供应链。三是核心技术遭到遏制。多项信息技术关键领域的核心技术受制于美国，包括保险机构在内的金融企业需要防范信息安全领域的风险以及相关软硬件可持续性风险。最后是金融开放加速。但从国际经验教训看，开放范围、次序、力度、时机如选择不当，会导致金融风险增加。如果短期资本过快流动，会对货币体系带来冲击，也会导致金融行业出现较大的系统性风险。       来源：《风险管理》2019年第06期   <h2>二、存量风险、处置及次生风险</h2>       《输入性风险、存量风险及处置次生风险-保险公司经营视角的观察与分析》（2019）一文指出我国对存量风险的处置稳步推进且初具成效。自2016年去杠杆政策实施以来，2017年我国开启了防风险、治乱象、促进服务实体经济以及补短板的一揽子金融防控和化解工作，稳妥处置金融领域风险。2018年宏观杠杆率首次出现下降1.5个百分点，同时杠杆结构优化，金融空转的问题得到了有效遏制，稳杠杆的目标初步实现，各种金融乱象也得到了有效治理。       同时列举安邦、包商银行和P2P平台的案例，从案例中总结存量风险处置的措施和影响。（1）安邦被保险监管部门接管后的处置过程中，动用保险保障基金，夯实股本，防范偿付能力不足风险；特批售卖速反型产品，并通过致函安慰各交易对手，稳定投保人和交易对手预期，防止负债的非预期现金性流出；保障资产有序处置，防止交易挤压造成交易价格非理性下跌，防范资产减值风险。（2）接管包商银行过程中，为应对打破同业业务的刚兑预期造成的市场风险偏好快速下行、中小银行及非银机构融资困难，央行迅速采取对中小银行实行较低存款准备金率、增加再贴现和短期贷款便利（SLF）额度等精准调控措施，才有效缓解流动性分层，帮助市场风险偏好的恢复。（3）P2P风险防范重点在于保障社会稳定，防控重大案件，防范声誉风险，管理承保风险。       来源：《风险管理》2019年第06期   <h2>三、信托型养老保险风险管理的挑战</h2>       王剑专家在信托型养老保险的业务特点中梳理出风险管理目前面临的三大挑战。第一是适用监管规则体系复杂。在监管机构方面，其功能监管和机构监管分属人社部和银保监会，所以适用的业务规则是比较复杂的。第二是经营业务类型众多。在从事每一项业务或者是投资的时候，在风险管控的这个方面都有其特点，都需要分门别类地有针对性地去建立相应的风险体系或是指标。第三是资金来源广泛和独特性强，包括：基本养老保险基金和企业职业年金；保险资金、机构投资、银行专户；个人养老保障产品和团体养老保障产品。       来源：2020（第十六届）中国金融风险经理年度总论坛NO.15：保险公司风险管理——王剑《信托型养老保险公司的风险管理限额体系实践》   <h2>四、风险偏好及风险限额</h2>       王剑专家指出，在设计风险限额时，第一是严格落实监管规定，以合规为前提，严格落实监管部门各项风控指标要求；第二是满足委托人的要求；第三是兼顾集团的风险偏好和公司风控能力，符合集团整体风险偏好和限额管控要求，适应公司业务发展和能力实际；第四是责任到位，精细化管理。同时，基于以上原则，王剑专家阐述了从战略层面、经营层面、监管风险层面、业务层面自上而下地设立风险偏好体系框架，给出公司的风险偏好描述，并建议从监管指标和内部控制指标两个方面去设置风险限额指标。       在风险限额的执行方面，主要分为正常情况和预警、超限情况的处理，并在风险监控平台方面将其分为事前、事中和事后这三个部分，最后定期形成一些风险分析报告，自动生成监控报表。       此外，王剑专家还提出，风险限额不是一成不变的，实际上在日常的管理要求中，每年末都有总体评估，对上一年的情况进行梳理和分析，回顾公司整体风险水平，和当年风险限额实施情况，来确定下一年度的公司风险偏好目标、各维度风险容忍度、风险限额调整。       来源：2020（第十六届）中国金融风险经理年度总论坛NO.15：保险公司风险管理——王剑《信托型养老保险公司的风险管理限额体系实践》 ', 'elegant' => array(), 'userId' => '284', 'status' => 'published', 'createdTime' => '1605067300', 'updatedTime' => '1636536693', 'body' => '      王剑，长江养老保险股份有限公司合规负责人、首席风险管理执行官，硕士，拥有FRM、CIA等资格，先后于中国银行从事国际业务，于中国太平洋保险（集团）股份有限公司任审计部资深审计师、风险监控部总经理，对保险集团的内控、风险、内部审计有较为丰富的管理实践经验。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '34', 'name' => '李祥林', 'thumb' => 'public://expert/2019/07-16/101911fe82bd742509.jpg', 'originalThumb' => 'public://article/2019/07-16/101912015465689125.jpg', 'description' => '上海交通大学上海高级金融学院教授、CDO定价模型发明人', 'about' => '上海交通大学上海高级金融学院教授，中国金融研究院副院长，CDO定价模型发明人。李祥林教授曾在中外一流金融机构工作二十多年，曾担任中国国际金融有限公司首席风控官、花旗银行和巴克莱资本全球信用衍生品数量分析和研究部门负责人、美国国际集团资产管理分析部门负责人。', 'sticky' => 'index', 'weight' => '91', 'achievement' => '<div style="border-left:5px solid #ff7200;padding-left:20px;">论文</div> A Comparative Analysis of Correlation Approaches in Finance, Journal of Derivatives, with Claudio Albanese, Edgar Lobachevskiy and Gunter Meissner, Winter 2013, Vol. 21, No 2, pp 42. 4 items for Encyclopedia for Quantitative Finance, edited by Rama Cont:  Base correlation, risk neutral default probability, Gaussian Copula credit model and ABX indices and TABX, 2009. An Overview of Copula Function Approach to Credit Portfolio Modeling, a chapter in Ultimate Guide to CDOs: Market, Application, Valuation and Hedging, edited by Gunter Meissner, July 2008. It is all about credit, Editorial, North American Actuarial Journal, January 2006. Pricing and Hedging Synthetic CDOs with Jure Skarabot, a chapter in the book of Credit Derivative: a Definitive Guide edited by Jon Gregory, Risk Publication, 2003. An Estimating Function Approach to ARCH Estimation, with Harry Turtle, Journal of Business and Economic Statistics, April 2000, pp. 174 -186. On Default Correlation: A Copula Function Approach, Journal of Fixed Income, March 2000, pp. 43 -54. The Valuation of Basket Credit Derivatives, CreditMetrics Monitor, April 1999. Constructing a Credit Curve, Credit Risk, A RISK Special Report, RISK, November 1998, also collected in a book “Credit Risk: Models and Risk Management” edited by David Shimko. Immunization Measurement for Life Contingencies, with Harry Panjer, 4th AFIR Proceedings, 1994. <div style="height:12px; float:left"> </div> <div style="border-left:5px solid #ff7200;padding-left:20px;">理论与模型</div> Value-at-Risk Using Volatility, Skewness and Kurtosis. Valuation and Hedging of the ith-to-Default Basket Credit Derivatives. CDO Squared Pricing Using Gaussian Mixture Model with Transformation of Loss Distribution, with Michael Liang. Quanto Adjustment in the case of Default. A Transformed Gaussian Copula Function Approach to Credit Portfolio Modeling. A Dynamic Competing Risk Model for Subprime Security Pricing. <div style="border-left:5px solid #ff7200;padding-left:20px;">专访</div> 联接函数、信用组合与心碎综合征——李祥林教授专访，《关联模型研究》（Dependence modeling）201X; 0X (X): 1-18，2018. ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、后危机时代金融机构风险管理</h2>       具体来说，良好的风险管理包括以下几个方面： <h4 style="text-align: justify;">（一）良好的风险治理架构</h4>       董事会要对风险起到必要的监督作用，应考虑在董事会下成立专门的风险管理委员会。公司高级管理层必须充分重视风险，而且对风险负责。此外，公司应该任命单一高级管理人员作为公司的首席风险官，应确保首席风险官有足够的地位和权力，对公司主要决策有足够影响。 <h4 style="text-align: justify;">（二）科学的风险理念</h4>       公司首先要定义并明确风险偏好，并确保其在整个公司能有效贯彻。公司的风险偏好应该与总体战略保持一致，例如中国券商应该思考拿多少资本金用于自营业务。公司在建立风险偏好时应保持“不存在意外”的态度，对传统判断提出质疑。 <h4 style="text-align: justify;">（三）良好的风险文化</h4>       全公司应该树立一个良好的风险文化，风险管理职责认定与落实应当成为整个公司的首要任务之一。公司全员都是风险管理的一部分，任何人不能凌驾于整个公司风险控制之上。 <h4 style="text-align: justify;">（四）全面的风险管理体系</h4>       我们整个金融行业应该将内部控制从合规管理转向全面风险管理。风险管理不仅仅是将风险损失降低到最小化或仅限于风险计量，而是要把它作为管理的一个重要部分。风险管理应该主动和谨慎，从而在风险和收益最大化之间达到一定的平衡。确保对所有风险及来源进行综合性处理，对风险计量手段的技术局限性也需要充分分析和考虑。       来源：《风险管理》杂志2011年综合第6期   <h2 style="text-align: justify;">二、大型金融机构管理的整体分析框架结构</h2>        金融企业的整体分析框架应从总体风险因子模型出发，对情景进行合计与生成。综合性风险因子模型将为资产和负债的估值提供输入信息，对可执行资产和负债估值，并产生经济/GAAP/STAT资产负债表，最后根据总体风险因子模型所产生的市场情境，测试资产、负债价值的未来可能的结果与分布。但由于使用任何模型都存在模型风险，为了尽可能控制模型风险，模型建立和应用的过程中要坚持几个原则：模型独立检验、模型的有效性、模型的应用以及模型的文件记录。        来源：2019（第十五届）中国金融风险经理年度总论坛，金融危机后大型金融机构分析整体框架结构   <h2 style="text-align: justify;">三、从金融危机中获得的风险管理启示</h2> <h4 style="text-align: justify;">（一）金融危机发生的原因</h4>       从微观方面来看，次贷就是美国政府不需任何证明就给几乎没有任何收入、信用级别很差的人贷款，让他们购买房屋。从宏观方面看，我过去多年在美国一直感觉对于金融行业钱是没有限制的，全世界的钱都在流入美国市场。而当危机发生以后，大家才开始提出很多微观层面和宏观层面的问题。 <h4 style="text-align: justify;">（二）金融危机的教训</h4>       本次金融危机为我们提供了宝贵的经验教训。现代风险管理从20世纪90年代产生，经过十几年发展，已成为经济活动中一个重要的部分。一个优秀的管理人必定是一个好的风险管理人。金融有两个方面：收益和风险。但包括中国在内，世界上大约有95%的人都会关注收益，比如股票走势等，而可能只有不超过5%的人在关注风险问题。风险管理首先是对一些意想不到的风险的考虑。风险管理还应保持有效的沟通。 <h4 style="text-align: justify;">（三）风险管理在中国的发展方向</h4>       风险管理对IT非常重视，主要是因为风险管理会涉及大量数据，需要对数据进行汇总分析，对风险做全面理解，然后帮助管理层做出决策。需要对数据进行汇总分析，对风险做全面理解，然后帮助管理层做出决策。风险管理的中心最终还是诚实。最大的风险都是人造成的，所以公司文化非常重要。此外还要注意模型公式的一致性，如果有不一致的地方需要用参数修正。       来源：《风险管理》杂志2010年专题第2期   <h2 style="text-align: justify;">四、违约相关性</h2>        李教授2000年的论文“On Default Correlation: A Copula Function Approach”研究了违约相关问题。论文首先引入一个名为“time-until-default”的随机变量来表示每个可能违约实体或金融工具的生存时间，并将两个信用风险之间的违约相关性定义为它们的生存时间之间的相关系数。之后论文讨论了为什么应该使用copula函数方法来指定生存时间的联合分布，基于已有市场信息的生存时间的边际分布，例如风险债券价格或资产互换利差，并给出了copula函数的定义和一些基本性质。研究表明，当时市场上流行的CreditMetrics方法通过资产相关性描述违约相关性的方法等同于使用正态分布连接函数函数。最后，论文给出一些数值例子来说明在一些信用衍生工具的估值中使用copula函数，例如信用违约互换和首次违约合约。        来源：《Journal of Fixed Income》2000年03期   <h2 style="text-align: justify;">五、信用违约组合违约的高斯联接函数模型</h2>        李祥林教授曾于2000年在金融杂志《固定收益》上发表论文“论违约相关性：相依函数方法”（On Default Correlation: A Copula Function Approach）。高斯连接函数给信用风险关联现象提供了系统的数学基础模型。该方法一经推出便得到学术界的认可（被将近2000篇学术文章引用）和市场的广泛使用，论文中的公式后来又被称为“李公式”。李祥林公式的意义在于首次将连接函数（Copula）引入信用分析，并证明了高斯连接函数和当时行业公认的信用矩阵（Credit Metrics）模型是一致的，因此连接函数中的关联矩阵就应该是信用风险管理中常用的资产关联矩阵，从而为全球信用组合市场的快速发展奠定了基础。高斯连接函数模型至今仍然在广泛使用中，在KMV和CreditMetrics中被用作为信用组合风险管理模型，在信用衍生产品（CDO）中作为交易定价模型，也被各大评级机构用于为结构化信用产品评级。        如Merton在他的著名文章中所述，公司的资产被模拟成对数正态过程，因此，收益率成为一个正态过程。但是，如果单单从工程学角度来看这个问题：使用连接函数来生成一个基于给定边缘分布的联合分布时，理论上你可以使用许多其它的连接函数。李祥林教授论文原文中与风险交易对手进行信用违约互换的例子就是基于混合连接函数，第一个违约定价的例子是基于高斯连接函数。这篇论文展现的是一个一般理论框架，同时也建立了高斯连接函数和单一期限默顿模型之间的联系，运用单因子（或者单参数）高斯连接函数来进行北美、或欧洲信用利差指数证券化产品交易。李祥林教授认为高斯连接函数的流行是因为它的经济解释和它的简单性，尤其是单个相关参数的高斯连接函数。        来源：《Journal of Fixed Income》2000年03期   <h2 style="text-align: justify;">六、高斯联接函数模型与金融危机无关</h2>        从对金融市场的影响力来说，李祥林公式是金融衍生品市场中最重要的两个公式之一。在李祥林公式被华尔街金融机构广泛的使用过程中，许多市场参与者对公式的内涵理解不足，也不清楚模型的局限性。而后美国发生次贷危机导致了全球金融危机，许多人将矛头直指李祥林公式。        次级抵押贷款是向信用较差的借款人发放的抵押贷款。按揭贷款有两种风险：提前支付风险和违约风险，这与只受到违约风险影响的公司债券完全不同。我们使用生存时间来描述一个违约事件，然后使用联接函数构造一个联合生存时间分布。对于抵押贷款，我们必须使用多重递减理论来描述违约风险和提前支付风险。从建模的角度来看，很显然不能应用联接函数模型进行房屋抵押贷款的建模。当然，行业中有人试图“捏造”模型，假设提前支付是固定的，那么每个抵押贷款只受到违约风险。        其次，资产支持证券(ABS)或债务抵押债券（CDO）中的单一信用个数不一样。资产支持型证券(ABS)中的房屋抵押贷款总额可能在几千到几万之间。在企业信用组合建模中，我们在一个投资组合中通常最多只有上百种信用资产。房屋抵押贷款违约和提前支付的根本影响因子是利率、房价价格指数(HPI)、借款人自身的特征（如贷款房价比、信用评分）、以及贷款本身性质（如固定或浮动利率）等等。李祥林教授使用了一个 “动态竞争风险模型”用于次级房屋抵押贷款建模，用Cox模型同时处理提前支付风险和违约风险，并将借款人的信用和贷款特征作为协变量。另，这是一个动态模型，因为利率和房价上涨指数（HPI）都是动态变量。        所以从建模的角度来看，高斯联接函数模型与次贷危机完全无关。实际上，在金融危机期间，CDX和ITRAXX或任何企业信贷组合证券化产品的交易仍然都在使用高斯联接函数模型和基本相关性曲线，无较大大问题，至今仍在使用。由于在金融危机期间，人们对模型和市场进行调整时遇到了一定困难，因此模型本身也必须得到加强和修改。        李祥林博士和市场其他有识之士从未建议用相依函数方法来研究房屋抵押贷款之间的相关性，他更建议用动态竞争风险生存模型来研究房屋抵押贷款的违约和提前偿付，利用它们受到利率和房产价格指数等的共同影响来研究相关性。所以说李祥林公式造成了美国次贷危机实则是一种夸张的说法。金融危机时至今日近十年，李祥林公式仍是全球信用衍生品定价中的标准模型，也是信用评级机构对 CLO 评级量化模型的基础，这说明李祥林公式是经受住了时间的考验，随着大家对产品和市场认知的加深，对于模型的应用也更趋于理性。        来源：北大汇丰金融前沿讲堂，李祥林：联接函数、信用组合与心碎综合征   <h2 style="text-align: justify;">七、关于对中国资产证券化市场的期望</h2>        李祥林教授在“中国资产证券化和结构性融资行业年会暨第四届中国资产证券化论坛年会”中，针对证券化产品的发展提出，证券化的资产应该完全剥离，发行者不应该提供担保。应该控制可以安排证券化产品的金融机构的数量，建立资格认证标准。在评级方面，李祥林教授强调透明、区别化和科学化。评级机构必须把评级透明化，一步步完善各种资产证券化的评级方法。再者，关于市场，必须要发展二级市场、交易市场。没有交易市场，没有双向的买卖，这个市场始终是不透明的；通过交易，市场会变得更有效。李教授认为需要产生一些指数产品，没有指数产品，大家很难知道市场往哪个方向走。最后是关于平台，市场需要有些专业化平台，李教授希望市场可以凝聚到一个公开的平台上，把信息透明化，这样整个行业作为整体便可以把市场健康持续地发展下去，否则会容易出现很多问题。        来源：中国资产证券化和结构性融资行业年会暨第四届中国资产证券化论坛年会，美国市场经验和中国市场期望 ', 'elegant' => array(array('src' => '/files/expert/expert_1565230300.jpg'), array('src' => '/files/expert/expert_1565230305.jpg'), array('src' => '/files/expert/expert_1565230310.jpg'), array('src' => '/files/expert/expert_1565230325.jpg')), 'userId' => '16', 'status' => 'published', 'createdTime' => '1557924339', 'updatedTime' => '1636526632', 'body' => '       李祥林，现任上海交通大学上海高级金融学院金融学教授、中国金融研究院副院长、风险管理研究中心、金融科技研究中心主任、金融硕士项目联席主任、CDO定价模型发明人。加入高金之前，在中外一流金融机构工作二十多年，在风险管理、金融新产品开发和研究、资产管理、保险和信息技术等领域有丰富的高级管理经验。曾担任中国国际金融有限公司首席风险官、花旗银行和巴克莱资本全球信用衍生品数量分析和研究、美国国际集团资产管理分析部门负责人。        李先生拥有加拿大滑铁卢大学统计学博士学位，以及精算、工商管理和经济学硕士学位和数学学士学位。他曾被选为北美精算学会投资分会理事，目前是《北美精算期刊》副主编, 加拿大滑铁卢大学客座教授。李博士是信用衍生产品早期开拓者之一，发明的信用组合定价公式被市场广泛使用和学术界认可，并获华尔街日报（WSJ）头版，金融时报（Financial Times），日本经济新闻（Nikkei），加拿大国家广播公司新闻（CBC News）等报道。         David X. Li is professor of finance, and faculty co-director of Master of Finance (MF) program at Shanghai Advanced Institute of Finance (SAIF), and an associate director of Chinese Academy of Financial Research (CAFR)， and director for Risk Management Center and FinTech Research Center of CAFR at Shanghai Jiaotong University. Previously, he worked at leading financial institutions for more than two decades in the areas of new product development, risk management, asset/liability management and investment analytics. He was the chief-risk-officer for China International Capital Corporation (CICC) Ltd, head of credit derivative research and analytics at Citigroup and Barclays Capital, and head of modeling for AIG Investments.          David has a PhD degree in statistics from the University of Waterloo, Master’s degrees in economics, finance and actuarial science, and a bachelor’s degree in mathematics. Dr. Li is currently an associate editor for North American Actuarial Journal, an adjunct professor at the University of Waterloo. Dr. Li was one of the pioneers in credit derivatives. His seminal work of using copula functions for credit portfolio modeling has been widely cited by academic research, broadly used by practitioners for credit portfolio trading, risk management and rating, and well covered by media such as Wall Street Journal, Financial Times, Nikkei，CBC News. 研究领域： 风险管理，信用衍生品市场，保险，机器学习在金融中的应用 教育经历： 1995年5月，统计学博士，滑铁卢大学，加拿大 1993年11月，北美精算师协会 1992年5月，精算学硕士，滑铁卢大学，加拿大 1991年5月，金融工商管理硕士，拉瓦尔大学，魁北克，加拿大 1987年5月，经济学硕士，南开大学，中国 1983年5月，数学学士，扬州大学，中国 工作经历： 2017.07，教授，上海高级金融学院, 上海交通大学 2016.03-2017.06，SVP，企业风险方法与分析主管，保德信金融公司，纽瓦克市，新泽西州 2012.01-2016.03，高级董事总经理，分析部门主任，AIG资产管理公司，纽约 2008.05-2012.01，首席风险官(CRO)，中国国际金融有限公司(CICC)，北京，中国 2004.06.06-2008.04，信用衍生产品量化分析部门主任，巴克莱资本，纽约 2001.10-2004.06，全球信用衍生产品研究部主任，，花旗集团，纽约 2000.03-2001.10，风险管理部副总裁，安盛金融，纽约 1999.01-2000.03，合伙人，The RiskMetrics Group，纽约 1996.08-1998.12，高级经理，执行董事，金融产品部，多伦多、纽约 1995.05-1996.07，高级分析师，经理，风险管理部，加拿大皇家银行（RBC），多伦多 1994.04-1995.05，精算学/金融学助理教授，管理学院，曼尼托巴大学，温尼伯，加拿大 学术与行政活动： 北美精算杂志的副主编（自1998年起）；“风险管理”副主编（中文杂志），2015年新加坡国立大学风险管理研究所（RMI）顾问委员会成员，曾任多伦多全球风险研究所（GRI）高级研究员，当选为精算师协会（SOA）投资投资委员会理事会成员，曾任银行与保险委员会委员，私募债券违约研究，金融业务领域（1999-2001） 曾任IIF监管资本监督委员会成员（2008-2012），在北京工作期间积极参加了IIF亚洲CRO论坛 曾任IAIS和巴塞尔技术委员会会员 曾任部分中国监管机构、协会和公司的顾问（中国证券监督管理委员会，中国投资公司，中国国家安全协会，国资委国资监管局，NAFFMI-ISDA（中国）等） 1998年-至今，各种会议发言人，ICM，ICBI，RISK，哥伦比亚大学，斯坦福大学，芝加哥大学，多伦多大学，滑铁卢大学，中国人民大学，复旦大学，国立新加坡大学，SOA春季会议和年会 美国之音（VOA）亚洲经济危机讨论会的邀请小组成员（2000年9月26日） 在哥伦比亚大学，滑铁卢大学，曼尼托巴大学，保险学院和Marsh&McLennan公司（MMC）上过风险管理高级课程。过去10年一直在SAIF（上海高级金融学院）教授EMBA和DBA课程“金融机构风险管理” 语言： 中文，英语，法语 Research Interests: Risk management, credit derivative market, insurance, machine learning with application in finance Education: May 1995, Ph.D. in Statistics, University of Waterloo, Canada November 1993, Associate of the Society of Actuaries May 1992, MMath in Actuarial Science, University of Waterloo, Canada May 1991, MBA (Type B) with major in Finance, Laval University, Quebec, Canada May 1987, MA, Department of Finance, Nankai University, P. R. China May 1983, B. Sc. in Mathematics, Yangzhou University Work Experience: July 2017, Professor, Shanghai Advanced Institute of Finance, Shanghai Jiaotong University. March 2016 - June 2017, SVP, Head of Enterprise Risk Methodology and Analytics, Prudential Financial Inc., Newark, NJ. January 2012 - March 2016, Senior Managing Director and Head of Modeling, AIG Investments, New York City. May 2008 - January 2012, Chief Risk Officer (CRO), China International Capital Corporation Ltd (CICC), Beijing, P. R. China.    June 2004 - April 2008, Head of Quantitative Analytics of Credit Derivatives, Barclays Capital, New York City. October 2001 - June 2004, Head of Global Credit Derivative Research, World Capital Markets Inc., Citigroup, New York City. March 2000 - October 2001, VP of Risk Management, AXA Financial, 1290 Ave of Americas, New York City. January 1999 - March 2000, Partner, The RiskMetrics Group/J. P. Morgan, 44 Wall Street, New York City. August 1996 - December 1998, Senior Manager, Executive Director, Financial Products Group, Toronto and New York City. May 1995 - July 1996, Senior Analyst, Manager, Risk Management, Royal Bank of Canada, Toronto. July 1994 - May 1995, Assistant Professor (tenure-track) of Actuarial Science/Finance, Faculty of Management, University of Manitoba, Winnipeg, Canada Professional and Administrative Activities: Currently an Associate Editor (since 1998) of North American Actuarial Journal; Associate Editor of ‘Risk Management” (Chinese language magazine), advisory board member for Risk Management Institute (RMI) at National University of Singapore since 2015, Senior Research Fellow of Global Risk Institute (GRI) in Toronto, Was elected Council Member of the Society of Actuaries (SOA) Investment Section, Committee member on Banking and Insurance Committee, Private Placement Default Studies, Finance Practice Area (1999-2001). Was a member of supervisory committee on regulatory capital of IIF, actively participated IIF Asia CRO Forum while working in Beijing Was in IAIS and Basel technical committees Was an advisor to a few Chinese regulatory bodies, associations and companies (CSRC-China Security Regulatory Commission, CIC –China Investment Corporation, SAC- Security Association of China, SASAC-State supervisor for SOEs, NAFFMI-Chinese ISDA, etc. 1998 - now, Speakers at various conferences, ICM, ICBI, RISK, Columbia University Financial Engineering Practitioners Seminar, Stanford University, University of Chicago, University of Toronto, University of Waterloo, People’s University of China, Panasonic Speaker at Fudan University, National University of Singapore, SOA Spring and Annual Meetings Voice of America (VOA) invited panelist (September 26, 2000) on Asian Economic Crisis. Taught courses at Columbia University, the University of Waterloo, University of Manitoba, The College of Insurance, and an Executive Course on risk management to Marsh & McLennan Company (MMC).  Have been teaching EMBA and DBA classes “Risk Management for Financial Institutions” at SAIF (Shanghai Advanced Institute of Finance) for the last 7 years. Languages: Chinese, English and French ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '79', 'name' => '郭济敏', 'thumb' => 'public://expert/2020/09-27/172519f00d42283779.png', 'originalThumb' => 'public://article/2020/09-27/172519f2865b578643.png', 'description' => ' 银河证券自营投资总部总经理', 'about' => '中国银河证券自营投资总部总经理。厦门大学经济学博士，美国注册分析师，曾在宾夕法尼亚大学沃顿商学院做金融访问学者，个人专著《股市泡沫研究》、参与编著《金融工程与技术分析》等四部著作，曾参与CFA考试全球测评、标准设定以及评卷工作。', 'sticky' => null, 'weight' => '0', 'achievement' => '   ', 'attachachieve' => '', 'viewpoint' => '   ', 'elegant' => array(), 'userId' => '171', 'status' => 'unpublish', 'createdTime' => '1601198739', 'updatedTime' => '1636522457', 'body' => '郭济敏，中国银河证券自营投资总部总经理。厦门大学经济学博士，美国注册分析师，曾在宾夕法尼亚大学沃顿商学院做金融访问学者，个人专著《股市泡沫研究》、参与编著《金融工程与技术分析》等四部著作，曾参与CFA考试全球测评、标准设定以及评卷工作。 ', 'type' => 'senior', 'opened' => '0', 'followed' => '0'), array('id' => '121', 'name' => '程建', 'thumb' => 'public://expert/2020/11-06/115942ef15b1846013.jpg', 'originalThumb' => 'public://article/2020/11-06/115943f2b938290825.jpg', 'description' => '中国建设银行总行风险管理部系统重要性银行管理处处长', 'about' => '中国建设银行总行风险管理部系统重要性银行管理处处长，毕业于西安交通大学，经济学博士，长期从事巴塞尔协议实施、模型验证管理工作，并负责全球系统重要性银行监管达标、恢复与处置计划编制和更新等工作。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">论文</div> <div style="height: 12px; float: left;"> </div> <div style="height: 12px; float: left;"> </div> 2009，信用评级体系的定量验证研究出处，《经济问题》第1期 2008，客户信用评级体系的校准度检验研究出处，《山西财经大学学报》第8期 2008，美国银行实施新资本协议项目管理经验及其启示出处，《现代商业银行导刊》第7期 2007，信用评分系统的建模及其验证研究出处，《国际金融研究》第6期 2007，投资——现金流敏感性：融资约束还是代理成本？,《财经研究》第2期 2006，不同成长机会下资本结构与经营绩效之关系研究出处，《当代经济科学》第2期 2005，中国区域经济增长收敛的协整分析出处，《经济科学》第5期 ', 'attachachieve' => '', 'viewpoint' => '<h2>一、关于信用风险内评法的几点思考</h2> <h4>（一）巴塞尔协议的演变和资本充足率内涵的扩展</h4>       巴塞尔协议Ⅲ对资本充足率的范围、计算的规则和内涵、比率都进行了扩充。包括比率对资本的要求、风险加权资产的计量规则都引入了很多监管的考虑，或者说是对风险管控的要求。比如巴塞尔协议Ⅲ引入了宏观审慎监管的要求，包括逆周期的资本缓冲、留存资本缓冲，都是一些最新的变化。这背后也是业界的一些实践和经验教训，也是在损失惨重或者导致整个金融体系出问题了之后，监管也是在不停地调整这些资本约束的指标。 <h4>（二）内评法下风险加权资产的计算</h4>       内评法下信用风险加权资本的计算，第一步是分类，基本上是对客户或产品按照风险暴露的水平作一个大致的分类。第二步就是对每一类都会有一个监管的参数和规则的设定，在这里银行更多的是做客户评级和债券评级两大参数。算完参数之后在计算的时候我们还要考虑风险缓释的处理，主要是抵质押。比如说我们有一些用保证金和国债抵押，它的权重可能需要被适当地替换。经过上述处理之后我们最终通过公式得到风险加权资产，EAD相对来说简单一些，主要就是通过PD和LGD来计算K。实际上巴塞尔的信用风险计量规则背后是有一个理论模型，这个模型就叫渐进性单风险因子模型。从银行账户信用风险暴露的分类来看，里面每一个风险暴露它都有自己的计量规则。这些规则里面比较重要的一个参数相关系数，相关系数的一个重要的输入参数就是PD，计算资本还需要加入LGD。 <h4>（三）关于内评法应用的思考</h4>       第一，内评法计量规则存在差异性。非零售信用风险暴露，包括主权、金融机构和公司，是从客户维度去分类的；零售信用风险暴露，主要是从产品维度进行分类的，因为它主要包括了住房、合格循环和其他零售。所以这两者在内评法规则的内部有一定的差异，这个差异的原因就在于，对于零售来说，在当时要实现对客户的风险计量和评级，可能技术和成本上都不支持。       第二，相关性系数的校准。巴塞尔ASFR模型的假设就是分散化、流动性和相关性。分散化和集中度并不是表面看上去“三分天下”就可以了，还有一个动态的结果的影响的问题。流动性在第三版巴塞尔协议中专门提出了一个框架。但是相关性其实在巴塞尔协议Ⅲ里也没有做太多的调整，主要的调整就是针对金融机构，将其相关系数扩大了1.25倍，其他的还是沿用巴Ⅱ的框架。       第三，亲周期的问题。银行主要是PIT（Point In Time，即点违约率），这是银行经营管理上所需要的；但是监管是TTC（Through-The-Cycle，跨周期违约率）。这两者之间在资本高级方法实施的过程中，实际上就是两者之间的一个权衡。       第四，金融科技的影响。金融科技的影响是比较大的，一个是流程。当前的管控流程和大数据的模型是有一些相互作用的，也需要银行去对二者进行协调。另外金融科技既会对既有的流程进行冲击，也会产生一些新的风险——因为系统或者算法的应用所产生的模型风险，这可能也是未来防控的重点。最后还有一个能源问题。       来源：2020（第十六届）中国金融风险经理年度总论坛NO.1：信用分析和评级技术发展与应用——程建《关于信用风险内评法的几点思考》   <h2>二、资本充足与损失分担的问题探讨</h2> （一）资本如何约束风险       从趋势上来看，风险导向和损失吸收正在成为资本约束银行风险的“两把刷子”。银行内部需要建立内部资本充足评估程序，将资本规划和风险变化挂钩，使得资本管理更具有前瞻性，从而把好风险“入口”。高资本充足并不意味着银行实际风险水平较低，还要看资本的质量，实际就是吸收损失的效果。目前总损失吸收能力监管框架已基本制定完毕，高比例要求是基本趋势。吸损比例的提升和范围的扩大会倒逼银行的利益相关者关注风险承担活动，避免风险计量与管理“两张皮”，从而进一步抑制道德风险，降低银行体系的风险水平。 （二）资本如何吸收损失       资本损失吸收与资本的结构密切相关，主要受求偿顺序影响。在吸收损失能力上，通常核心一级资本优于其他一级资本，其他一级资本优于二级资本。各类资本及债务工具在实际吸收损失时，受法律法规、审批流程等的影响。2015年，金融稳定理事会发布了总损失吸收能力标准，在8%的资本最低要求之外，额外提出了8-10%的额外要求，除可用合格监管资本工具来补充外，还可使用自救债及行业基金等资金来补充，以进一步提升处置时的损失吸收能力，实现更大范围的损失分担，减少处置带来的系统性冲击。包商银行被接管之后，银行机构的信用分层开始出现，外源式补充难度开始上升，风险定价将会逐步发挥作用。从长期上看，有助于推动国内银行业进一步开展资本工具创新，优化资本结构，以充分考虑吸损能力与经营回报要求的平衡问题。 （三）资本吸损如何影响金融体系稳定       银行业的资本变化会影响到整个金融体系的稳定。从历史数据看，银行业经营具有明显的顺周期性，容易引发经济过度波动。人民银行在2016年推出了宏观审慎评估体系（MPA），这是一个逆周期工具，它将GDP增速与目标CPI挂钩，来判断逆周期资本附加要求。推出这一体系的目的在于，鼓励银行在经济繁荣时多留存资本。在经济衰退时，多留存的资本可以吸收额外的损失来使银行的放贷能力不会大幅收缩。要进一步扩大金融业高水平双向开放，增加多元化的市场投资机构，分散化解国内银行体系风险积聚，一方面对国内银行业的经营提出了挑战，另一方面，对我国的风险处置能力也提出了挑战。前者的挑战在于，要让投资者接受资本工具减记或转股条款，就要给出市场对价，核心就是自身的风险水平和管理能力，在这方面，国内银行业还要经受更多的历练。后者的挑战在于，要具备真正法制化、市场化的风险处置能力。一方面，有关处置的法律规定很多还是空白，对资本工具的发行、损失触发条件等操作要求更缺乏具体的指引，难以对市场主体形成透明的规则预期。       来源：《风险管理》杂志2020年第4期 ', 'elegant' => array(), 'userId' => '222', 'status' => 'published', 'createdTime' => '1604635245', 'updatedTime' => '1623119725', 'body' => '      程建，毕业于西安交通大学，经济学博士，建设银行总行风险管理部系统重要性银行管理处处长，长期从事巴塞尔协议实施、模型验证管理工作，并负责全球系统重要性银行监管达标、恢复与处置计划编制和更新等工作。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '205', 'name' => '叶大清', 'thumb' => 'public://expert/2020/11-12/114436457075880000.jpg', 'originalThumb' => 'public://article/2020/11-12/1144364b1b3a335328.jpg', 'description' => '融 360，简普科技联合创始人、董事长兼 CEO', 'about' => '美国纽交所上市公司融360|简普科技联合创始人、董事长兼CEO。是互联网和零售金融行业的跨界老兵，在中国和美国中关村、华尔街全球500强科技和金融企业有20余年专业经验，创业前曾服务于PayPal、Capital One、美国运通和美国在线。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">论文</div> <div style="height: 12px; float: left;"> </div> <div style="height: 12px; float: left;"> </div> 2019，金融科技推动网贷行业进入数字普惠金融时代《清华金融评论》2019年01期。 2018，数字金融驱动中国经济高质量发展《金融时报》。 2018，把中国建成金融AI最大受益国和强国《金融时报》。 2017，金融科技会让哪些人失业?《IMI研究动态》2017年上半年合辑。 2017，中国的金融化并不是“过度”而是“不够”《企业观察家》2017年04期。 2017，海外投资风险不可低估《中国报道》2017年01期。 2016，技术驱动普惠金融的趋势《清华金融评论》2016年12期。 2016，中小型金融机构是互联网金融创新的主体《银行家》2016年08期。 2016，迎接“十三五”,科技金融和普惠金融的黄金十年《新经济》2016年19期。 2015，征信市场初步建成只需5年《小康(财智) 》2015年07期。 2015，大数据征信:向互联网金融进军《软件和集成电路》2015年07期。 2015，“1·19”大跌,缘于金融泡沫预警《小康(财智)》2015年02期。 2014，消费金融：转型期别样红《中国经济时报》。 2014，央行放松限贷第二轮救市能否刺激楼市《东方企业家》2014年11期。 2014，互联网金融助力企业融资《东方企业家》2014年09期。 2014，金融垂直搜索新玩法《金融世界》2014年01期。 2013，得“小融”者得天下《软件和信息服务》2013年11期。 2013，互联网金融的2.5模式《第一财经日报》。 ', 'attachachieve' => '', 'viewpoint' => '<h2><o:p></o:p>一、关于新冠疫情与金融数字化转型<o:p></o:p></h2>       疫情倒逼我们的数字化转型。用户已经在线上，金融机构毫无疑问也必须得到线上。无论是以前的KYC、身份的识别也好，营销的决策，授信的决策，包括客户服务，甚至催收等整个产业链，整个行业都开始数据化、人工智能化、线上化。所以后面的技术发展与应用，从技术的角度，从行业的角度，从客户的角度，都是在不断地成熟。数据量、算法、包括专业人员的专业能力也是在不断地提高。<o:p></o:p>       我们现在要考虑到底解决的是模型问题，营销问题，还是个风险问题。所以今天很重要的一个主题，就是说风险人员如何在数字时代，把我们的问题跟营销结合，跟数字化结合。因为营销和风控从统计的角度，从数学角度来看，预测坏账的模型跟营销的相关性是很高的。以前20年前发现很多响应模型和风险模型的相关度能够到达60%、70%。今年的选举就说明了风控人员要懂营销，数据太多反而是垃圾，再好的算法没有很好地判断也没用。<o:p></o:p>       数字化转型过程中的信用风险、声誉风险管理，人才不足，数据治理的挑战，以及体制机制等问题也都不是一两年能够解决的。而在全生命周期管理包括获取潜在客户，现有客户的交叉销售挖掘，反欺诈，包括负面信息的扫除、信用评分、额度管理、风险定价，行为营销模型等等。在存量客户的挖掘方面，很多银行机构借记卡用户如何转为房贷、车贷，或者说理财、买保险的人群等等都受到大家关注。此外还有催收策略如何跟营销策略、风控策略结合等等。<o:p></o:p>   <h2>二、关于风控人员的米奇效应<o:p></o:p></h2>       风控行业的风控人员，有个米奇效应。老板或者营销的团队要扩量，做业务，要求发卡1000万张或者放10个亿的小微贷，只能调整模型把审批率提高；而后续坏账率变高，催收效果不好，还是要怪风控，所以说风控人员是两头受气。风控的专家，无论是CRO，还是算法或者策略人员，就像图中的米奇，戴着漂亮的帽子，但脱下帽子其实头发都很少。<o:p></o:p>   <h2>三、传统风控的弊端<o:p></o:p></h2>       对于传统风控的弊端，首先是数据量不够，如何找互联网的数据？像抖音关注足球，经常访问财经网站的客户，和知乎上关注足球，访问财经网站的客户是很不一样的。这涉及我们的风控人员如何打破行业的边界，打破领域的边界，如何跟营销侧、运营侧去学习，如何调整模型优化。简单调整阈值会带来负面结果。例如，风控部门如果为了增加业务将通过率提高20%，但是逾期率如果相应提高25%，对于整个业务的盈利能力、风控部门的考核还是会有影响。<o:p></o:p>   <h2>四、数字化风控的重点<o:p></o:p></h2>       我们的风控大脑包括特征的管理平台，大数据平台联合建模的实验室，自动建模的平台，人工智能的自动建模工厂，以及全生命周期的人工智能和模型管理的平台，和最后的渠道管理等等，渠道管理最后是要和模型平台、AI平台、特征平台，以及大数据平台一起整合。在联邦学习和迁移学习方面，要考虑在安全和隐私保证的前提下，如何去通过协作、合作的方式，通过不同的场景、数据源，基于更加有代表性的样本来学习。在智能化的贷后资产管理上我们也做了很多研究。催收是个大学问，资产管理催收经过两年甚至三五年绝对是一个很大的领域。我们最近也在研究一些新的模式。催收行业其实是要结合数据和AI，即科技和运营，加上法律一起，形成三位一体的不良资产催收结构。我们认为开放和连接是整个生态决战未来的关键。无论是通过API完成数据的对接，决策的连接，服务的连接，还是通过API把营销的策略，风控的策略，反击战策略，把你的催收策略真正打通，生态都需要更加敏捷、安全，决策要更加的稳定、效率。<o:p></o:p>   <h2>五、关于数字时代零售金融风险管理的思考<o:p></o:p></h2>       实际上这个时代做风控，还是要回到如何敬畏风控。很多时候我们不要轻信数据，也不要轻信算法，不要觉得我们是万能的。此外，风控行业如何解决米奇效应？如何跟营销、上下游打通，整合上下游，如何跟营销、催收的合作伙伴去合作，把业务做好，解决问题，都需要进一步思考。数字时代，风控领域和风险管理更加要跨越时空。本来预测风险就是预测未来，就是要跨越时空的事情。如何跨越周期？巴塞尔协议我个人觉得是全面风险管理，或者说跨越周期的很重要的行业里面的框架与基准。蚂蚁转型时代，行业会更加合作、开放、共赢，很多时候风控团队要营销部门、品宣部，跟新媒体团队、法务等更好地去合作。当然很多时候做风险除了相信数据，更多也要相信直觉，风控人员的直觉是数据和算法没法替代的，要相信人性。风险领域是一个很好的领域。做数字营销的可能2年以后就被淘汰，而风险领域以前20年前一直在坚持，到现在都做得很好。我觉得中国的零售金融领域的风险管理黄金20年刚开始，比拼的是谁活得长久。做风险领域像跑马拉松，比拼的是活得长远，更重要的是活到老学到老。<o:p></o:p>       来源：2020（第十六届）中国金融风险经理年度总论坛NO.3：零售金融与小微企业金融——叶大清《数字时代的零售金融风险管理的几点思考》<o:p></o:p> ', 'elegant' => array(), 'userId' => '306', 'status' => 'published', 'createdTime' => '1605152746', 'updatedTime' => '1623122214', 'body' => '      叶大清，美国纽交所上市公司融360|简普科技联合创始人、董事长兼CEO。是互联网和零售金融行业的跨界老兵，在中国和美国中关村、华尔街全球500强科技和金融企业有20余年专业经验，创业前曾服务于PayPal、Capital One、美国运通和美国在线。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '177', 'name' => '汪伟', 'thumb' => 'public://expert/2020/11-10/161107b71b83705600.jpg', 'originalThumb' => 'public://article/2020/11-10/161107b9e504966340.jpg', 'description' => '平安科技知识图谱技术团队副总工程师', 'about' => '平安科技知识图谱技术团队副总工程师。目前主要负责知识图谱技术在金融、司法等领域创新产品孵化和AI 赋能工作。2016 年推出企业知识图谱产品- 欧拉图谱，2018 年推出债券分析和财务粉饰产品。产品获国家发改委专项资金支持，同时获IDC、TopDigital 等专业机构创新奖认可。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">其他成果</div> <div style="height: 12px; float: left;"> </div> 2020，汪伟：知识图谱的原理、特性与金融业应用实践，未央研究，2020-04-20 2020，汪伟：知识图谱在商业地产管理中的应用案例，房天下产业网，2020-03-17 2019，平安科技AI智能识别财务“粉饰”有望成为作假企业的克星，央广网，2019-05-15 ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、平安在宏观及行业AI分析方面的探索和实践</h2> <h4 style="text-align: justify;">（一）宏观、产业分析与AI</h4>       对企业而言，为什么要分析宏观和产业？从近年来电商企业间的竞争和行业风口来看，对于企业最重要的是发现机会，发现风险，发现风口，总结来说，见微知著，寻找时间提前量。这是我们做宏观和产业的出发点。       基于以上三个出发点，在AI方面，我们的工作可以归纳为三部曲。第一步，识别。分析宏观和产业本质上都是在信息的海洋中识别和发现那些关键的、高能量的碎片化信息，能够给用户一些启发。第二步，关联。将识别出的高能量信息点与外部环境相关联。在关联的过程中，用户可以站在上帝视角，发现更多规律和启发。第三步，转化。在关联好的数据中加持更加场景化的技术，让数据变得更有价值。这三步可以总结为大海捞针、穿针引线和点石成金。 <h4 style="text-align: justify;">（二）探索与实践</h4>       在宏观经济分析方面，首先是走势预测。除了与政府的合作，我们还对中国的主要地区的经济进行预测，包括深圳、上海、北京等城市和区域，基于这些预测，可以分析政府或市场上的一些经济主体可能会采取的行为措施。其次是态势纵览，通过比较一些先行指标，衡量行业的景气程度，影响投资板块的部署、资金分配、资产组合的配置。第三是归因分析，对多个维度、指标进行监测分析，显示出全国GDP景气指数，并且可以直观地看出GDP变化背后的因素和逻辑。       在行业分析方面，主要针对产业结构、壁垒或痛点、关键技术、产业特征和商业模式这五个关键节点分门别类地捕捉市场中的信号，用机器获取更多碎片化信息，并且将它们关联起来，与人工报告形成互补，并且部分解决了人工撰写报告的周期问题。       在政策分析方面，共有四个步骤，政策汇聚、政策结构化解析、政策关联、政策推演，即模拟和仿真。将全国各大城市、辖区的政策、热点收集起来，每天更新，并且自动解析，做成可视化的图形呈现。此外，还可以分析政策的发展脉络和演变趋势。在政策出台前，分析是否会与现有的政策出现冲突，寻找政策缺失和漏洞。帮助企业预测政策出台的时间、出台后的影响，并且将政策与产业链上的各环节关联，为提前布局投资板块提供帮助。       来源：2020（第十六届）中国金融风险经理年度总论坛系列12：科技在金融业务中应用——汪伟《平安在宏观及行业 AI 分析方面的探索和实践》   <h2 style="text-align: justify;">二、关于知识图谱的原理与特性</h2> <h4>（一）当前AI技术关于认知的逻辑框架与局限</h4>        1、学习模式差异  <div>        第一个是学习模式的差异。学习模式主要有两种，一种叫外延式学习，另一种叫内涵式学习。现在所有的机器学习、数据挖掘和人工智能，都是基于外延式学习的。其优点是只需要告诉它事物明显的特征即可，不触及本质的内在结构，方便学习，成本很低。比如我们教小朋友认识事物，指着告诉他这是桌子，这是椅子就能懂了。但这种学习模式也有缺陷，就是在推广的时候有一些特殊情形，可能容易看错。内涵式学习，比如关于人的定义，古希腊说人是一种理性的动物，后来马克思说人是一切社会关系的总和。像这样的描述，的确触及到了事物的本质，但它不好的地方就是你把这个东西告诉计算机，它却没办法计算、没法工作。内涵式学习有一个很好的地方，就是定义清楚之后，它的泛化或者说推广能力非常强，这样的话只需要学很少的样本，它就可以推广出去。        2、推理模式差异        第二个是推理模式的差异。推理也有两种方式，一种是演绎推理，一种是归纳推理。演绎推理就是所谓的三段式推理。一个经典例子：人是要死的，苏格拉底是人，所以苏格拉底一定会死。注意一下最后的推理结论，它一定是一个确凿的，而不是概率性的结论。而归纳推理，比如说男生的头发通常是短的，张三的头发也很短，张三很可能是男生。最后的结论是一种程度的描述——很可能是男生，这个概率可能是70%，也可能是80%。但如果这个时候加一些描述，比如说张三穿了一件红色的衣服，戴了一副耳环，最后的结论就会发生变化，这是归纳推理所特有的性质。前面说的机器学习、人工智能和数据挖掘运用的都是归纳推理。在风险测量或者定价的时候，增加因子数量的多少，输入信息的变化会影响最终判断结果。 <h4>（二）知识图谱技术的原理、特性</h4> <div>        1、关联-从数据表到数据链        知识图谱有一个很重要的特性，就是关联。在现实工作生活中，无论做企业分析还是个人分析，都会涉及到数据表。比如去办事，会被询问身份证、手机号、姓名、年龄、生日等信息，这些信息是拿来做关联的。但这种关联本身有局限性，比如很多东西关联不上，或者说关联没那么紧密。这种情况下该怎么办呢？我认为随着5G的发展，我们将从“主键关联”迈向“万物互联”，即物与物、设备与设备之间的关联，进而演进为“万数互联”的形态。        为什么说万数互联是一种趋势，或者说万数互联有怎样的意义？一方面，关联面变大。举个例子，我们经常在新闻里听到面粉会发生粉尘爆炸，很少听到小麦会燃烧爆炸。这是由于小麦磨成面粉之后，它的表面积变化了，这个比表面积变化的量级是百倍级的，麦粒表面接触到的氧原子（在它磨成面粉之后）的接触面积变大了，导致物质的性质发生了质变——变得易燃易爆。另一方面，关联力度变细。比如说一家公司和另一家公司可能不会发生关联，但是公司和事件可以关联吗？事件和事件可以关联吗？这种关联在现有的表关联的结构体系中是很少出现的，但在知识图谱里他们可以被关联起来。        2、推理-从大数定理到逻辑完备性链条        我们现在的技术，所有的统计分析，基本上都是从大数定理或者中心极限定理来的。但这两个定理有一个前提条件，样本量要足够大。在做信贷审核的时候，分析个人信用都不成问题，因为个人信息很多。但是做企业信用评级就很麻烦，不同行业的差异性很大，要在里面找一些违约样本或者破产样本很难。这里我提出了一个数学公理和天文学原理。什么意思呢？天文学有一个非常重要的特征就是用极少的信息，来还原宇宙完整的真相。第二个特征就是天文学只是一次性的发生，比如说宇宙大爆炸就发生一次，它没办法反复做实验。如果只发生一次，也就是说有些样本只有一个，需要解决在这种情况下如何分析的问题——这就是天文学特有的分析方法论——模型嵌套思想。        3、从相关性到因果性强AI发展路径        现在所有的机器学习分析，数据挖掘也好，深度学习也好，其实都是基于相关性的角度去做工作，很少去讲为什么会这样？它的因果性是怎么样的？知识图谱或许能够回答这样的问题。        在因果分析里其实有三个东西，第一是相关性，比如说太阳升起和公鸡打鸣经常伴随发生的；第二个是干预，如果鸡多叫两声太阳是不是升得更快，或者是太阳升得更大？干预一个因素，导致另外一个因素有没有相关的变化？第三个是反事实推理，假设这个鸡不叫了，太阳是不是就不升起了？这是一个现实当中不会发生的想象事件，但是它存在一个逻辑。因果性的存在有很重要的原因，因为因果性非常符合人类大脑的工作框架，人很容易或者很习惯地去问为什么。 来源：2020，汪伟：知识图谱的原理、特性与金融业应用实践，未央研究，2020-04-20 <h1 style="font-size: 1.5rem; margin: 0px; font-family: "Lantinghei SC", "PingFang SC", "Hiragino Sans GB", "Microsoft Yahei", 微软雅黑, "Helvetica Neue", sans-serif; font-weight: bold; color: rgb(255, 255, 255); line-height: 36px; text-align: justify; letter-spacing: 1px; background-color: rgb(250, 250, 250);"> </h1> </div> </div> ', 'elegant' => array(array('src' => '/files/expert/expert_1614157045.jpg'), array('src' => '/files/expert/expert_1614157113.jpg')), 'userId' => '279', 'status' => 'published', 'createdTime' => '1604995874', 'updatedTime' => '1623121783', 'body' => '      汪伟，平安科技知识图谱技术团队副总工程师。目前主要负责知识图谱技术在金融、司法等领域创新产品孵化和AI 赋能工作。2016 年推出企业知识图谱产品- 欧拉图谱，2018 年推出债券分析和财务粉饰产品。产品获国家发改委专项资金支持，同时获IDC、TopDigital 等专业机构创新奖认可。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '133', 'name' => '霍焰', 'thumb' => 'public://expert/2020/11-06/153956c08877503140.png', 'originalThumb' => 'public://article/2020/11-06/153956c3ebc0867756.png', 'description' => '中信银行总行风险管理部风险计量处处长', 'about' => '毕业于清华大学，理学博士，高级经济师。现任职中信银行总行风险管理部风险计量处处长。长期从事信用风险量化管理工作，是中信银行内部评级体系建设的重要成员。研究兴趣包括算法研究、资产组合管理和风险管理实务等。', 'sticky' => null, 'weight' => '0', 'achievement' => '          ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、B风险管理数字化转型的一些思考</h2> <h4 style="text-align: justify;">（一）风险管理数字化转型的必要性</h4>       银行业风险管理包括三个阶段。第一阶段，在2004年以前，是经验主导的粗放式管理，对公业务主要是“关系营销+财报分析”，专家评价，而零售业务已将个人评分卡应用于信用卡审批；第二阶段，2004年至2015年，进入监管驱动的巴塞尔时代，以资本管理为抓手开始风险量化管理工作，规范了信用风险、市场风险、操作风险的模型量化方法。商业银行建立了数据仓库、风险数据集市和风控系统，持续优化风险权重。第三阶段，在2015年以后，“Fintech”概念的提出，推动风险管理进入技术赋能的时代，互联网金融蓬勃发展，金融线上化、电子化、普及化发展，大数据挖掘及AI技术在金融领域大量应用，5G时代及万物互联的金融生态圈建设。银行数字化转型要运用金融科技手段，为银行业务提供快速、准确、实时、在线、前瞻的风险量化管理解决方案。        风险管理数字化转型价值有三点。从风险管理来看，能看清风险状况，即看全客户集团下有哪些业务、分支机构，看穿顶层到中观的组织结构，看透未来的发展趋势，把控业务风险状况；从微观层次来看，有利于优化业务结构，优行业、优区域、优客户、优产品、优交易，科学优化资产结构；从经营角度来看，能够提升经营水平，提产能、提效益、提效率，降成本、降风险、降损失，提升经营管理水平和投入产出效率。       因此，从历史进程和转型价值来看，进行风险管理数字化转型是非常有必要的。 <h4 style="text-align: justify;">（二）风险管理数字化转型的内容</h4>       一是全面风险视图，实现量化的风险洞察展示，使数据更完善、分析更智能、洞察更深刻、体验更友好。其中，数据工作是最重要的，是整个数字化转型的基础。       二是在线业务风控，建立线上化业务的风控体系，实现信息处理自动化、风控决策数字化、客户管理精细化、风险控制全程化，全面支持在线业务的风控。       三是工具开发应用，做到模型工具的敏捷开发及应用，以业务为中心快速开发，建立从组合、客户到交易的智能模型体系，并且要注重模型的实际产出效能。       四是模型风险防控，近几年，各金融机构的数字化转型发展都非常迅猛，在快速发展的同时面临着大量的模型风险问题。因此，应建立面向未来的模型风险管理体系，包括建制度、建规范、建流程、建系统。 <h4 style="text-align: justify;">（三）支撑转型的六大要素</h4>       一是场景，它决定了整个业务的基本风险判断。应结合业务场景快速响应，设计线上化风控方案。.       二是数据，充分利用银行内现有数据，拓展引入外部数据。对于银行来说，虽然内部数据量较小，但自身的数据是第一重要的，其小而精确，能辅助银行对客户的信用进行判断。此外，外部数据包括企事业单位、政府类的数据可以协助银行进行信用判断，如海关、税务、司法、工商数据等，这些数据更加可靠。对于互联网大数据，在稳定性和可靠性方面还有所欠缺，这类数据的引入仍然在不断探索中。       三是工具，开发大数据风控工具，实现工具系统化、内嵌化。但在设计模型时，存在稳定性、解释性不高等问题，在实际工作中构成了困扰。       四是系统，建立集数据、模型、引擎、视图、报表于一体的全面风险管理平台，数字化转型中系统的支撑是非常重要的。       五是组织，应优化组织结构，实现敏捷风控能力。中信银行目前采取了风险管理部门和技术部门相融合的模式，风控人员和技术、算法人员融合办公、协同作业。       六是人才，需要既懂业务、又懂技术的复合型专家。中信银行采用先立足于自身培养、结合部分引进的人才策略。 <h4 style="text-align: justify;">（四）实践及感悟</h4>       中信银行的风险量化管理工作自2005年起步，不断夯实基础，实现了体系建设、自主研发、全面应用三次跨越，目前向智能风控全面进军。       在体系建设方面，建设覆盖公司、个人、同业的内部评级体系；在自主研发方面，统计模型和智能风控模型实现自主掌控，自主开展优化和验证；已经实现了全面应用，以经济资本考核、减值准备计提和自动化审批为标志，实现风险量化工具全面应用；在智能风控方面，开展风险视图、组合模型、客户多维风险画像及同一评分、线上化业务风控体系、模型风险管理等工作。       银行全面推进风险管理数字化转型，是一项充满挑战的工作。需要凝聚共识，这是一个体系性工作，前中后台，总分行要通力合作；实现短期速赢，短期要有实施效果，为后续实施奠定信心、争取资源；最后，一定要有长期规划，在短、中、长分期实施，科学设计实施路径。       来源：2020（第十六届）中国金融风险经理年度总论坛系列12：科技在金融业务中应用——霍焰《人风险管理数字化转型的一些思考》 ', 'elegant' => array(), 'userId' => '234', 'status' => 'published', 'createdTime' => '1604648444', 'updatedTime' => '1636524326', 'body' => '      霍焰，毕业于清华大学，理学博士，高级经济师。现任职中信银行总行风险管理部风险计量处处长。长期从事信用风险量化管理工作，是中信银行内部评级体系建设的重要成员。研究兴趣包括算法研究、资产组合管理和风险管理实务等。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '112', 'name' => '郑昕', 'thumb' => 'public://expert/2021/01-26/18295868708d681787.jpg', 'originalThumb' => 'public://article/2021/01-26/1829586c8dd1486015.jpg', 'description' => '中国工商银行普惠金融事业部专家', 'about' => '中国工商银行普惠金融事业部专家，毕业于浙江大学国际金融专业；毕业后在工商银行浙江分行长期从事国际业务工作，历任工商银行浦江支行行长、工商银行金华分行副行长、工商银行总行网络融资中心副总经理。', 'sticky' => null, 'weight' => '0', 'achievement' => '           <div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">论文</div> <div style="height: 12px; float: left;"> </div> <div style="height: 12px; float: left;"> </div> 2020，在线信贷演进模式国际比较及展望——金融科技公司的角色演进研究，《现代金融导刊》第09期。 2016，点击间的智慧弹指间的金融，《中国城市金融》第10期。 2012，对我国现有信贷市场格局下国有商业银行中小贷中心可持续发展的论证，《投资与合作》第07期。 ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、变与不变——P2P爆雷背景下对网络融资风控逻辑的思考</h2> <h4 style="text-align: justify;">（一）互联网金融发展需要转型</h4>       1、金融科技——互联网金融公司转型之路       互联网企业的转型方向可以概括为：互联网金融“闭幕”，金融科技登场。这是一个从上半场进入下半场的过程。上半场更多是开放、平等、共享，体现的是互联网精神；下半场更大程度上体现的是数据的变化，用6个字来形容，就是“数据、智能、精准”。因为数据，我们变得更智能，因为智能，我们变得更精准。下半场带来的不仅是互联网技术，而是“互联网+大数据”的技术，所以蚂蚁金服、京东金融、腾讯金融都在利用金融科技的手段，输出自己的技术，为金融机构服务。       2、“数据+场景”——商业银行互联网金融之路       “数据+场景”是商业银行的互联网金融之路。场景应用是有边界的，靠一个场景打遍天下是不现实的，因此银行需要互联网企业的帮助，在每个场景下做子模型。       3、互联网金融的“变”与“不变”       互联网金融的“变”体现为从互联网技术和大数据技术两个方向支撑着互联网金融的发展。互联网金融的“不变”体现为风控是基础。 <h4 style="text-align: justify;">（二）网络融资风控逻辑的思考</h4>       1、金融科技成为互联网金融的重要风控手段       银行以大数据技术为核心展开金融科技的应用，提升大数据的获取、传输和处理分析能力，同时全面夯实风控基础。包括物联网技术、区块链技术和人工智能（AI）技术的运用。       2、“物联网+区块链”实现大宗商品精准物控       在大宗商品交易中，物联网技术和区块链技术得到了很好的应用。物联网利用传感技术、导航技术、定位技术、智能仓单技术等方式让物流环节可视化。       3、大数据技术支持小微信用风险控制       利用大数据技术来控制风险已经成为业内透视小微信用，防控小微融资风险的有效方式之一。在实践运用中呈现这么几个特点：一是场景切入、数据支撑。要切入小微客户生产经营的各类场景，挖掘场景底层数据资源，构建覆盖小微客户全生命周期的融资服务体系。二是小额化、零售化。相关数据显示，小微企业贷款金额与风险呈现一定的正相关关系，“小额化”、“零售化”更能够降低单户融资风险，切合普惠金融的本质。三是线上和线下结合。       来源：《风险管理》杂志2019年第1期 <h2 style="text-align: justify;"> </h2> <h2 style="text-align: justify;">二、拥抱新金融——科技赋能与信贷转型</h2> <h4 style="text-align: justify;">（一）金融科技1.0时代</h4>       1、线上化获客，流量时代来临       金融科技1.0时代基于“开放、共享、平等”的互联网精神，在资金供求者之间进行线上撮合，未聚焦风险识别、风险计量与风险控制。       2、热潮褪去，互金行业持续洗牌       金融科技1.0时代其实是一个线下业务线上化的过程，在这一时期，互联网的便利化已充分显现，但大数据应用尚处于起步阶段。风险控制规则过于简单致使一些在线融资平台风险加速累积，风险控制数据同质化，数据孤岛现象仍然严重，纯线上融资平台不良率居高不下，风险控制成为集体谎言。 <h4 style="text-align: justify;">（二）金融科技2.0时代</h4>       金融科技2.0时代从“攫取流量”逐步转到以风险控制为基础。金融风险的一个显著特点是有滞后性，仅追求效率而牺牲风险把控，无法实现可持续发展。互联网金融企业不再单纯追求“流量至上、效率为先”，而是回归本质，追求“融资效率”与“风险本质”的平衡，不盲目追求流量，夯实风险控制基础，追求商业模式的可持续发展。       此时的银行与互金公司各有优势，互联网巨头基本有独特的强场景领域，有独特的数据优势，而老牌银行长期积累的风控优势也开始厚积薄发。 <h4 style="text-align: justify;">（三）金融科技3.0时代</h4>       金融科技3.0时代互联网金融和传统银行对峙已经结束，具有相同风险本质的传统银行与互联网金融，此时双方秉承开放共赢的态度，打破数据孤岛的羁绊金融科技公司发挥其在大数据、云计算等方面的技术优势，输出科技服务。金融机构加速和互联网融合，更多地利用互联网、大数据、云计算等技术手段，提升金融服务效率，在保证风控的情况下，数据驱动，不断下沉客户准入标准，扩大金融服务群体。互金公司和银行的比较优势决定了两者并非“对抗-颠覆”，而是“竞争-合作”关系。金融科技企业逐步从商业模式创新走向“数据驱动、技术迭代发展”之路。 <h4 style="text-align: justify;">（四）工商银行数字普惠实践</h4>       在注重在线风险判断的同时，工商银行积极发挥线下传统优势，注重线上线下融合。线上进行场景对接、统一获客和数据分析，线下进行市场营销、产品宣传及客户服务，为线上产品提供落地支持。 <h4 style="text-align: justify;">（五）科技金融发展展望与应用</h4>       未来科技金融发展最看好的方向是5G时代来临所可能带来的“物联网”蓬勃发展，物联网在“互联网概念”的基础上，将其用户端延伸和扩展到任何物品与物品之间，依托通信技术进行信息交换。5G时代“低时延、大宽带”批量化收集数据，降低数据收集成本，为物联网带来机会。       未来金融科技将助力做深做透产业链金融。区块链技术可以保证信息真实不可篡改，打造可多级流转、可自由拆分的“数字信用凭据”，实现供应链核心企业授信向上游的转移。利用物联网技术，可以实时、动态掌握物流信息，形成业务闭环，实现信息流、资金流、物流三流合一，从而实现更好的风险防控。   <h2 style="text-align: justify;">三、在线信贷业务的国际比较与前沿探索——金融科技的应用与展望</h2> <h4 style="text-align: justify;">（一）全球视角下金融科技公司的角色演进</h4>       1、科技赋能金融之路       科技赋能金融之路是从20世纪90年代开始的，网络信息技术的迅速发展，为互联网金融的萌发提供了土壤。       2、弱场景金融——P2P       金融科技公司最为典型的业态就是P2P。2005年在英国成立了世界上第一家P2P平台Zopa。在美国2006年Prosper成立，2007年LendingClub也随之成立。中国自2011年以来，累计成立的P2P平台超过了6000家。中美的P2P平台之间存在着比较大的差异。美国的P2P公司也遍历风波，最终转型。LendingClub在2016年由于2200万美元的违规贷款，造成信任崩塌，引发投资者担忧。这次事件其实是由LendingClub裂变式的高速发展带来的内部管理问题所导致的。2017年第一季度放款量同比下跌超二成，2018年亏损达近1.5亿美元，2019年亏损超千万美元。       3、强场景金融       以上提到的P2P贷款属于弱场景金融，除此之外也存在着强场景金融。国内很多互联网巨头就利用自身的场景生态，逐步形成“做大平台、攫取流量、构筑生态、场景金融”的业务模式，走出了一条特点鲜明的金融科技道路。国外在强场景金融方面的发展体现在跨境电商领域。2011年推出的AmazonLending，向美国、英国、中国等国家的Amazon平台受邀商户提供贷款服务。2019年在美国与高盛银行合作，为受邀商户提供供应链金融服务。在中国与富友保理合作，为在美国站点开店的受邀中国商户提供供应链融资服务，更多体现了Amazon在供应链金融方面的特质。供应链金融最早是从国外引进的，但现在国内的发展越来越深入，参与者既有专门的金融科技公司，如中航信、中企云链，也有一些金融机构，如工商银行等。       4、金融科技公司与金融机构的融合共赢       比较特别的是，近两年来，国际国内都发生了金融科技公司的转型，更多体现出“去金融化”的趋势。金融的核心是管理风险，金融科技是用技术、数据能力去助力金融创新，服务普通消费者和普通商户，提升金融机构的风险管理能力，帮助金融机构全面升级。       5、金融科技公司的演进路线       信息科技公司除了以强场景、弱场景来划分之外，还可以区分为偏重Finance的金融型金融科技公司和偏重Tech的科技型金融科技公司。根据相关数据显示，在欧美地区，前者服务成本高，营销费用高，长期处于亏损状态，而后者虽然规模不大，但基本能够获得盈利。 <h4 style="text-align: justify;">（二）商业银行的金融科技探索与实践</h4>       1、银行业务与金融科技的深度融合       商业银行的金融科技探索之路经历了20世纪80、90年代的电子化，21世纪初的网络化、移动化，2016年以后数字化、服务场景化三个阶段。同时，商业银行也积极求变，与金融科技公司合作，将银行海量的客户数据、完善的风控模型与先进的金融科技相结合，借助科技手段提高自身在线信贷业务的水平。       2、金融科技助力商业银行普惠业务       国有银行金融科技之路的主要特点是（1）深挖行内存量数据，主动授信；（2）注重与数据公司合作，从外部获客；（3）深耕自有平台数据，利用场景获客。 <h4 style="text-align: justify;">（三）后疫情时代的在线信贷业务思考</h4>       1、疫情带来阵痛以及中美摩擦产生危机       2、在线信贷业务发展的机遇       疫情防控期间数字技术在远程办公、在线教育、在线娱乐、在线零售、在线医疗等领域展现了巨大的优势，线上融资远程、高效的业务模式逐步得到了市场认可，疫情封闭期间形成的习惯在疫情之后继续固化，线上的各类操作也将迎来它们的春天。       3、科技金融正当时——5G助力       将来5G与区块链技术结合使用，能够实现数据传输低延时、大容量，加上计算机算力的提高和节点记账的边际成本降低，使得降低区块链的建设成本，区块链的发展或迎来机遇。       来源：2020TGES系列论坛-07：投资银行业务、私募投资与风险管理——郑昕《在线信贷业务的国际比较与前沿探索——金融科技的应用与展望》   ', 'elegant' => array(array('src' => '/files/expert/expert_1614840645.png'), array('src' => '/files/expert/expert_1622195342.png'), array('src' => '/files/expert/expert_1622195351.jpg'), array('src' => '/files/expert/expert_1622195359.jpg')), 'userId' => '212', 'status' => 'published', 'createdTime' => '1604558046', 'updatedTime' => '1646636985', 'body' => '      郑昕，中国工商银行普惠金融事业部专家，毕业于浙江大学国际金融专业；毕业后在工商银行浙江分行长期从事国际业务工作，历任工商银行浦江支行行长、工商银行金华分行副行长、中国工商银行网络融资中心副总经理。从业二十余年来，专业领域涉及公司信贷、国际业务、个金、结算与电子银行等多个业务条线，具有扎实的专业背景、丰富的基层工作经验和较强的风险管理意识。一直以来勇立创新发展的潮头，目前牵头全行网络融资业务的统筹规划、产品设计与营销推动工作，着力打造线上融资“一个平台、三大产品线”综合服务体系，重点研发的“经营快贷”产品，已成为数字普惠领域的业界标杆。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '215', 'name' => '赵亚伟', 'thumb' => 'public://expert/2020/11-12/1353222c2ed4835310.png', 'originalThumb' => 'public://article/2020/11-12/135323326f62601770.png', 'description' => '供职于中国科学院大学', 'about' => '供职于中国科学院大学，自博士期间至今一直从事人工智能研究实践工作。2000年以来主持或参加国家自然科学基金、863和省部级科研项目多项，提出基于知识图谱的黎曼传播算法、风险事件识别算法以及序列模式发现方法等。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left:5px solid #ff7200;padding-left:20px;">论文</div> <div style="height:12px; float:left"> </div> <div style="height:12px; float:left"> </div> 2011，<a href="https://www.yunzhan365.com/24365805.html">pXCube云模型的任务划分技术</a>。 2008，<a href="https://www.yunzhan365.com/27966156.html">贷款组合信用风险模拟的简化方法</a>，《计算机仿真》第25卷第5期。 2008，<a href="https://www.yunzhan365.com/49218454.html">基于J2EE的集成开源框架研究与应用</a>，《微计算机信息》第24卷第5-3期。 2008，<a href="https://www.yunzhan365.com/28393043.html">商业银行安全保障体系设计</a>，《计算机技术与发展》第18卷第3期。 2003，<a href="https://www.yunzhan365.com/96333002.html">CSCW环境中动态信息感知技术</a>，《计算机应用》第23卷第4期。 2003，<a href="https://www.yunzhan365.com/79836919.html">基于Agent的协同关系模型研究</a>，《系统仿真学报》第15卷第11期。 2003，<a href="https://www.yunzhan365.com/30358479.html">基于粗糙集的决策规则约简</a>，《计算机工程》第29卷第12期。 2003，<a href="https://www.yunzhan365.com/73450368.html">一种新的混合式身份认证技术</a>，《计算机工程》第29卷第11期。 2002，<a href="https://www.yunzhan365.com/37016616.html">数字工程图签名技术研究</a>。 2002，<a href="https://www.yunzhan365.com/82359644.html">用EJB开发J2EE应用</a>，《计算机应用》第22卷第4期。 2001，<a href="https://www.yunzhan365.com/13761937.html">面向对象技术在信息融合系统设计中的应用</a>，《仪器仪表学报》第22卷第3期。 ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">人工智能技术在金融领域中的应用</h2>       与金融科技相关的研究工作主要集中在网络传播、事件图谱和金融自动建模平台三个方面。 <h2 style="text-align: justify;">一、网络传播</h2>       网络传播可分析因内部（或外界）的节点属性变化而对其他节点属性的影响，可以用于风险传播分析、价值传播分析、客户群体抗风险能力、关键客户发现等，为规避风险提供决策支持。       现在许多金融机构都在针对自己的客户构建企业图谱，这也是知识图谱的一种表现形式，这种图谱是基于内部或外部数据构建而成的。近几年由于国际形势的变化，例如中美贸易战、新冠肺炎等事件的发生，使得金融行业的风险更多体现在外部风险，而不是内部风险。外部风险可以很好的由图谱构建出来，由外部数据构成的事件图谱，通过公共节点导入到内部图谱。事件图谱是基于某个特定的事件，通过识别事件的主体、客体以及二者之间的关系而形成的图谱。       此外，我们提出了一种基于数值计算的网络微观传播模型（由于其传播类似流形计算中的Isomap，故命名为黎曼传播模型）。传统的传播模型主要用于研究宏观传播，只能界定网络在某一个时刻有多少个节点受影响，不会得出哪些节点受影响。我们的网络微观传播模型能够具体到每一个节点，同时进行量化分析，计算出传播的路径和传播影响的大小。 <h2 style="text-align: justify;">二、事件图谱</h2>       事件图谱是基于NLP技术对事件要素抽取，形成某个时间戳下的事件图谱。可用于外部风险（或商机）的识别和发现，以及可能的演化模式，并分析风险源，及时规避风险等，也可用于优化客户结构、营销预测、获客效率等。       网络传播是基于事件图谱形成的，事件图谱本质是对事件的结构化描述，反映了事件的要素。构建事件图谱，首先要把外部事件转换为图谱。事件是时间、地点、原因、实体、关系等相关要素组建而成，事件有正面也有负面，与舆情分析的区别是，前者更强调结构化分析，后者更多从定性的角度分析。       事件图谱的核心任务是事件抽取，针对特定领域的事件进行相关要素（包括时间、地点、原因、实体、关系）的抽取。以2015年俄罗斯和土耳其之间发生的冲突为例，俄罗斯的su-24战斗机被土耳其的F-16战斗机击落，事件类型是冲突，子类型是攻击，事件要素是俄罗斯su-24战斗机，触发词是击落等。触发词是在整个句子中，最能代表该类事件的一个词，一般来说是动词；事件要素是事件所涉及要素的描述项。       关系抽取是事件抽取的难点，我们提出了基于表示学习的关系抽取，采用预训练模型BERT优化表示特征，抽取准确率、召回率均有提升，更大程度地识别隐关系，精准发现相关风险。相关成果已经进行产业推广。 <h2 style="text-align: justify;">三、金融自动建模平台</h2>       金融自动建模平台是金融行业人工智能应用的重要领域，建模工作频繁，研发的自动建模平台可根据需求自动、快速完成建模工作。平台包括客户分群、风险预警、关联挖掘等，提供15个分类模型，17个回归模型和4个聚类模型可选，同时针对不同问题类型提供多种模型评价指标。       金融自动建模平台包括数据、数据探查、模型训练与评估、模型使用四个功能。数据功能包括数据上传、数据加工和数据管理，能够完成四种数据库类型、两种文件类型数据源的上传，横向合并和纵向拼接数据，进行文件夹多层级管理和标签管理。数据探查包括数据分析和特征工程，能够进行数据概貌分析和单特征、多特征分析，筛选掉没有价值的数据。在此基础上，进行模型训练与评估，生成许多符合标准的模型，并从其中筛选出最好的模型，进行模型评估。最后交付使用，并且实现模型效果追踪和模型回滚，主要关注精确率和召回率两个参数。       此外，合作模式定位为前瞻性技术研究，形成探索类项目合作，以方法、算法或模型，研究报告，学术论文等形式产出成果。       来源：2020（第十六届）中国金融风险经理年度总论坛系列12：科技在金融业务中应用——赵亚伟《人工智能技术在金融领域中的应用》 ', 'elegant' => array(), 'userId' => '316', 'status' => 'published', 'createdTime' => '1605160448', 'updatedTime' => '1627542858', 'body' => '      赵亚伟，2003至2005年在海信集团从事计算机应用专业博士后研究，出站后在中国科学院大学工作至今。自博士期间至今一直从事人工智能研究实践工作。2000年以来主持或参加国家自然科学基金、863和省部级科研项目多项目前的研究兴趣主要集中在人工智能（机器学习、NLP等）、复杂网络的相关理论和关键技术研究，提出基于知识图谱的黎曼传播算法、风险事件识别算法以及序列模式发现方法等，基于知识图谱的风险预警核心算法于2017年获中国银监会科技一等奖。近几年，积极参与“产学研”融合工作，将研究工作与产业需求深度融合，提升研究成果的转化效果，在实践中发现有价值的问题。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '193', 'name' => '肖京', 'thumb' => 'public://expert/2020/11-11/152148c145dc972501.jpg', 'originalThumb' => 'public://article/2020/11-11/152148c7beca555429.jpg', 'description' => '中国平安集团首席科学家，集团执委', 'about' => '中国平安集团首席科学家，集团执委。卡耐基梅隆大学博士，长期从事人工智能与大数据分析挖掘相关领域研究，先后在爱普生美国研究院及美国微软公司担任高级研发管理职务。目前在平安集团负责创新技术及产品研发应用，包括智能化大数据分析等技术在金融、医疗、智慧城市等领域的研发和应用。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">论文</div> <div style="height: 12px; float: left;"> </div> <div style="height: 12px; float: left;"> </div> 2019，科技进步更加彰显金融本质《上海科技报》。 2018，人工智能在疾病预测中的应用《自然杂志》2018年05期。 2017，人工智能技术赋能金融科技应用创新——“平安脑”助力平安“大金融”战略《金融电子化》 2017年09期。 2018，人工智能赋能金融科技《大数据》2018年03期。 ', 'attachachieve' => '    ', 'viewpoint' => '<h2 style="text-align: justify;">一、金融行业痛点催生技术创新</h2>       金融行业尽管是一个很成熟、传统的行业，现在却面临着互联网和科技领域的一些挑战。不管在获客、服务、运营，还是在风控方面，都有很多痛点。尽管看上去很风光，但实际上问题很多，比如说我们的获客，金融领域跟客户的交互频次很低，所以要更好地理解客户的需求，实际上是比较困难的。在运营服务方面模式都很重，比如像平安有150多万员工，成本是很高，效率是偏低。       风控是今天的主题，风控在我们平安的平台上，既有宏观又有中微观，种类非常多，欺诈和风险都是很繁杂的，要管理好是很困难的。那么这些的痛点对业务来说是挑战，但是对我们从事科技的人员来说是非常好的一些创新应用的机会。我们今天主要讲一下在这些领域我们用人工智能做了些什么工作，重点是讲风控领域。   <h2 style="text-align: justify;">二、建立基础AI能力建设</h2>       在人工智能方面，我们首先要打造我们的基础，要具备基本的技术能力。在平安的话，我们从这个基础进行图像、视频分析。视觉的能力，听就是语音分析的声纹分析的声音，阅读和阅读理解和说就具备了自然语言理解，对文本的分析这些能力，以及最后把结果说出来的能力，在这些方面我们建立了相当多的基础技术，这样的话就可以让我们有了基础的能力，可以去做一些业务方面的应用。       但是光有技术是远远不够的，因为我们知道很多的业务场景，实际上光有技术拿来用，经常是四不像，产生不了实际的效果。我们要把技术和业务结合好，有业务的人员帮助我们去真正打造出行之有效的业务方案，才能够真正解决我们业务的问题。尤其在风险领域，它是一个非常专业的领域。   <h2 style="text-align: justify;">三、金融风险管理平台及工具顶层设计</h2>       与其他的任何人工智能应用一样，在底层把数据打扎实。人工智能一定是底层有数据算法算例，然后才跟业务结合去做方案。       数据主要就三类，一类是静态数据，如财务报表、工商信息等。另外动态的数据比如说社交、舆情、新闻，法律诉讼。然后第三类是关系网络，如投资关系、高管关系、供应链关系等。有了这些数据以后，我们就形成了知识图谱，然后用各种人工智能技术对数据做分析处理，保障数据质量和时效性，然后把数据的重要因子挖掘出来，建立各种的模型。       针对风险场景，我们建立了宏观、中观、微观各种不同类型的因子。有了因子库以后，我们就可以在宏观的风险预测，中观的行业产业风险预测和微观的个体企业风险预测这些领域都相应建立模型，然后应用在我们的信贷投资、信贷尽调等不同场景上。   <h2 style="text-align: justify;">四、宏观风险预测</h2> <h4 style="text-align: justify;">（一）宏观经济下行的风险预警</h4>       宏观方面，现在宏观经济数据有很大的问题，一个是它的吸入性非常高，另一个是它时间序列很短，没有丰富的时间序列特性，因此它的加工和筛选是一个核心。另外统计数据经常是滞后的，它的关系链条也不是很清楚。所以，我们把底层数据打扎实以后，就在因子加工和筛选上花很大力气，先是保证数据质量，然后是通过各种相关性的线性因果关系等检验技术，帮我们筛选，加工好因子，并且根据不同的场景筛选出来。然后通过不同的机器学习、深度学习和时间序列分析等模型，针对不同的场景去建立模型，建立分析效果。       这里有一个例子，我们预测不良贷款率会上升，可以一直追踪到它最初的源头，可能是因为工业品价格和消费品价格的剪刀差变差，导致工业企业的利润变差，然后导致了投融资的意愿和不良贷款的情况都会变差。它会去分析根由，而不只是简单的给一个结果，这样的话会帮我们业务更好地去规划下一步的工作。       另一个例子，通过招聘岗位需求和薪资等等信息，我就可以构建这样的一个指数。这是我们上千个因子中一个，可以看到它跟工业总产值增速是有很强的相关性，指数可以提前1.5个月对该市工业总产值增速趋势进行预测，序列相关系数达到0.7，增加该因子后模型精度提升超过20%                             如果把全部就业预警指数，还有别的人流数据、车流数据、招投标，主流产品的关注度等，很多类似的因子都结合起来，我们就可以对宏观经济进行预测。我们在这个城市做14项主要经营指标的56项预测，趋势判断的平均准确率为77%，核心指标可以超过80%。 <h4 style="text-align: justify;">（二）商品价格波动风险预测</h4>       我们除了用刚才说的数据之外，还有很多用到了一些遥感、传播运输等数据还有专家观点，这些数据我们可以进行一些自然语言理解的分析和遥感图像的处理，然后我们可以得到一些重要的信息，通过不同模型的融合校正，我们可以预测一些地区的农产品的产量，然后根据这些信息，最终我们可以得到一个整体的商品价格预测。   <h2 style="text-align: justify;">五、行业风险预测</h2>       风险预测的话主要是看短期的景气预判和中长期的周期预测。在短期的景气预判上跟前面讲的步骤和做法差不多，我们要帮助金融机构快速识别这个行业的下行风险，这样就会提前布局我们的投资信贷策略。       通过类似的步骤，我们可以把底层的数据通过分析校验，把里面的重要因子，以及宏观中观微观的重要因子都提取出来，形成因子库。然后我们根据不同的应用场景去做不同的行业，做核心因子的筛选，这个步骤同样的也是非常重要的，筛选完之后，我们就可以提前预测短期的景气指数以及中长期的周期。       简单举例，对于中长期的周期研判。我们可以对原始信号进行分解。不是简单的做信号分解，然后就用这个分解出来的结果作为长期周期，而是分解出来得到一些低频的周期因子，然后再通过大数据优化，调整这些因子的组合参数，最终分离出中长期的周期信号。       对于集成电路产业，利用自研模态分解模型，对目标变量进行信号分解，从众多数据噪声中，提取低频周期因子，测算行业发展周期。通过我们的分解，得到周期低频信号，看到集成电路行业周期大概是6-9年，其中上行通常4-5年，跟专家的观点比较一致。预测到未来还是在一个波动向上的上行期。       下面我们来看短期的景气运行，可以看到它跟半导体的销售额累计同比指标有比较好的相关性，媒体热度变好的时候，销售额指标会有一定的上升相关性，变差时它会有一个下降的相关性。尽管不是非常贴切地反应情况，但是有很好的相关性，所以我们综合很多这样的类似媒体热度因子，就可以得到整个半导体行业提前一个月的景气度预测。可以看到它跟实际发生的情况也是比较接近的，这可以比较准确的去预测趋势方向，方向精度可以达到比较高的水平。   <h2 style="text-align: justify;">六、企业风险防控</h2>       第一个例子是债券投资的例子，我们知道债券市场非常大，最近这几年爆雷的也很多。我们也是一样对底层数据，企业知识图谱数据做分析。我们覆盖了2.2亿企业和个体工商户，其中1.1-1.2亿是现存的。这些构成知识图谱，挖掘出因子以后建立5种模型，然后对这5种模型进行融合、调优，得到最终的一个债券风控总体模型。那么我们不仅是给总分，另外还有5个不同维度的分析，最定位风险的源头，我们的业务才能够真正去决定策略。另外这个模型不能有很高的误报率，否则业务是没法用的。所以误报率要控制在30%以下。那么就可以完成7×24小时的全天候的风控，提前3-9个月，在6个月以上就可以预警风险。这是一个结果，就是从19年到今年10月15号违约的有264只，我们可以提前三个月以上成功预警251支，覆盖2000多亿，并且可以一直追溯到源头。       另外一个就是企业的多种经营风险，企业经营风险也是非常重要的一个指标，对于我们金融机构的很多业务的决策都起到很重要的作用，包括信贷、投资等。如果我们用标准化的因子，通用的传统的标准化的因子来做企业风险的话，有一个问题是场景非常多，不同的场景下对这些因子的需求是不一样的，因此我们是场景化建模，也是场景化选择因子。       并且我们要用一个非常便利的手段快速地挖掘出所有的企业，不仅是上市企业，发债企业，还有所有的小企业，挖掘出相关信息，因为信息实际上是非常缺失的。我们要用巧妙的方法，而不是一个很庞大的爬虫，快速挖掘出这些相关信息。构建不同领域的持续的时效性好的精度高的数据，然后再挖掘不同场景的各种因子，通过不同场景的筛选，最后建立不同场景的模型。除了分场景模型之外，我们还需要通过关系的传导，发现上下游相似的风险主体，然后可以运用在我们金融机构的定向风险排查，专项审计等场景里。       对于一家公司，我们可以在20多种特殊风险场景专门给出报告，比如说有裁员风险，投诉风险等，我们都可以自动挖掘，给出风险画像，这样我们的业务人员就可以在出现风险的时候快速采取一些相应的策略。我们现在可以覆盖30多个高新技术产业的大部分实体。       以上是我们今天介绍的一些例子，是我们在应用人工智能技术、大数据分析在风险防控上做的一些工作。但我们知道风险控制是个非常专业的领域，而且这个领域范围很广，很多风险我们都不知道在哪里。目前我们的技术只能解决一部分问题，但是我们相信随着人工智能大数据技术得到更广泛的应用，我们能够越来越好地利用这些技术帮助风险管理团队更地地控制风险。       来源：2020（第十六届）中国金融风险经理年度总论坛系列11：智能风控——肖京《前瞻性金融风险分析》 ', 'elegant' => array(array('src' => '/files/expert/expert_1614160639.jpeg'), array('src' => '/files/expert/expert_1614160645.jpeg'), array('src' => '/files/expert/expert_1614160662.jpeg'), array('src' => '/files/expert/expert_1614160770.jpeg')), 'userId' => '294', 'status' => 'published', 'createdTime' => '1605079383', 'updatedTime' => '1637743396', 'body' => '      肖京，现任中国平安集团首席科学家，集团执委。卡耐基梅隆大学博士，长期从事人工智能与大数据分析挖掘相关领域研究，先后在爱普生美国研究院及美国微软公司担任高级研发管理职务。目前在平安集团负责创新技术及产品研发应用，包括智能化大数据分析等技术在金融、医疗、智慧城市等领域的研发和应用。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '185', 'name' => '王强', 'thumb' => 'public://expert/2020/11-11/14335863630e181104.jpg', 'originalThumb' => 'public://article/2020/11-11/14335869cbe6035958.jpg', 'description' => '深圳前海弘犀智能科技公司创始人，董事长兼首席科学家', 'about' => '深圳前海弘犀智能科技公司创始人，董事长兼首席科学家。卡内基梅隆大学博士。IEEE Fellow，UC Berkeley，清华大学讲席教授，PAMI和TIP责任编委，4届CVPR秩序主席。', 'sticky' => null, 'weight' => '0', 'achievement' => '    ', 'attachachieve' => '', 'viewpoint' => '<h2>一、关于小微贷款的难题和痛点</h2>       文章《基于边缘计算与类脑学习的小微企业风险建模》将小微贷款的难点概括为信贷欺诈、隐债行为、识别企业经营能力、小微企业风险爆发、小微企业违约成本、小微企业获客、小微企业信贷成本、小微企业建模样本和数据获取难度等八个方面。其中，王强专家提到，因为通过亲戚朋友等熟人的借款是不能在第三方征信或者央行征信中表现出来的，所以如何识别就是隐债的第一个难题。如何评估隐债的严重程度有多高就是第二个难题，借款是否为应急还债，同时隐债突然暴雷，还款能力是否下降。在识别企业经营能力方面，王强专家特别提到，从金融贷款角度出发，包括识别企业现在的经营能力、未来持续的经营能力与违约成本；其次，通过评估净利润与净资产可以评估企业还款能力，进而动态监控的经营能力；再次，基于经营能力的风控逻辑和基于提高违约成本（锁定抵押物、第三方保证）的风控逻辑的如何有机组合最后，提高尽调准确度，而且对尽调人员依赖度低。王强专家认为对于小微企业来说，如何获客是个较大的难题。除流量获客以外，目前应用较多的通过线下中介的潜入金融获客也是常用手段，但成本通常较高。此外，获客的同时如何获得评估经营能力与持续性数据也是难题之一。       在此基础上，王强专家认为小微贷款目标整体上有以下三点。第一，是否存在信贷欺诈；第二，隐性负债的程度是否符合要求；第三，监控经营账户状况是否恶化，违约成本是否低于贷款额度。       来源：TGES2020前沿讲座系列-11：金融科技核心技术与应用——王强《基于边缘计算与类脑学习的小微企业风险建模》   <h2 align="justify">二、关于小微信贷模型的构建</h2>       王强专家主要从小微贷关键节点、完整小微模型系列、预授信准确性、产品设计、尽调隐债识别等方面进行介绍。其中，他在完整小微模型系列部分强调，小微信贷模型的构建首先需要有全业务场景模型，即风控模型体系覆盖信贷全业务场景。其次，要有稳定的建模数据源。Y数据源来自金融机构放款历史表现，X数据源以央行详版征信报告为核心，结合企业征信数据、营收预测数据、专有集中数据，申请交叉验证数据、第三方合规合法数据等设计的10000+衍生变量。再次，传统与机器学习建模挑战，LR与机器学习算法互为挑战者，以提升区分度为目标（KS、AUC、Gini）。最后，模型要有稳定性保障，全数据集拟合模型测试，小样本，大数据及拒绝推断，保障模型稳定而非偏执。       在提到预授信准确性时，王强专家又表示，首先要利用稳定数据源进行历史征信评分，通过7000+维度数据来进行。其中，数据源包括四类，即关键强数据、营销强数据、交叉验证数据、第三方加信、多头、欺诈数据等。其次，利用上述进行建模，同时进行非征信评分预授信。       对于产品设计，王强专家介绍到，X为商户标签，Y为需要的数据，Z为产品设计要素，XY数据组合成交互变量、常规变量、哑变量，对Z各要素的影响度建模（占比 or Yes No），最终形成最终产品输出。       最后，王强专家还特别提出设计隐债分类器，对隐性负债按照融资渠道或者按照借款用途进行划分。在有效分类的基础上，通过构建模型对隐债进行识别和评估。对于隐债给小微企业偿债能力带来的影响评估包括投资与利润评估、利息数量与高低、现金流状况、行业特征和相似的经营逻辑及社交数据评估。       来源：TGES2020前沿讲座系列-11：金融科技核心技术与应用——王强《基于边缘计算与类脑学习的小微企业风险建模》   <h2 align="justify">三、关于机器学习及其应用</h2>       王强专家指出，机器学习应用对环境主要有以下要求：第一，负样本占比极小，是均衡学习的算法的主要关键。第二，有标签样本稀缺，从而进行半监督和无监督算法。第三，业务对模型解释性要求偏高。同时对时效性有一定要求，这要求在实际建模中要学会去权衡模型复杂度与精度，并且适当地优化算法内核。第四，业务模型多样。每一个模型都和业务目标有着非常高的联系，因此每一个从业者对业务和模型都有很好的理解，从而为业务定制合适的模型。第五，风控数据源丰富。围绕着人展开的数据皆可用，而数据多样带来的就是新兴技术发展，结构化数据、图像、文本等多个领域的方法都在风控领域有一定应用。       王强专家在自动化规则挖掘方面认为，优质策略的制定需要资深的业务经验以及优秀的数据敏感度保驾护航。因此基于单变量分析、双变量分析、多变量分析以及专家思想从经验出发的策略生成，是风控领域最常用的两种方法。       在对评分卡模型介绍的基础上，王强专家强调对于复杂模型在风控领域的应用，其最大的问题还在于贷前审批对模型的解释性要求极高，因此对于复杂模型解释性的问题，也需要进行额外关注。SHAP作为一种具有一致性的特征贡献评判方法，根据训练样本的子集计算整体模型预测均值，可以提供复杂模型中的特征影响期望。对于复杂模型的解释有很大帮助。       在项目冷启动部分，王强专家提到迁移模型，其主要作用为对源域样本进行筛选，从而用于目标域的策略辅助决策。因此即使业务需求是在线上部署策略，迁移模型对其线下分析也有很大帮助。而对于初步数据积累的场景，迁移学习大多可以有效地辅助模型进行决策优化。       来源：TGES2020前沿讲座系列-11：金融科技核心技术与应用——王强《基于边缘计算与类脑学习的小微企业风险建模》 ', 'elegant' => array(), 'userId' => '286', 'status' => 'published', 'createdTime' => '1605076949', 'updatedTime' => '1623121901', 'body' => '      王强，深圳前海弘犀智能科技公司创始人，董事长兼首席科学家。卡内基梅隆大学博士。IEEE Fellow，UC Berkeley，清华大学讲席教授，PAMI和TIP责任编委，4届CVPR秩序主席。曾任IBM GBS美国金融设计合作部门总裁、Waston研究院主任研究员，建行核心系统与智能交易系统首席专家、Fiserv东亚及东南亚董事总经理、TCS中国高级副总裁兼首席研究员、大数金融CTO兼首席科学家。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '209', 'name' => '余宙', 'thumb' => 'public://expert/2020/11-12/133242a3fb42220246.png', 'originalThumb' => 'public://article/2020/11-12/133242a9e28f757576.png', 'description' => '阿博茨科技联合创始人', 'about' => '阿博茨科技联合创始人，前海豚浏览器副总裁兼首席产品设计师，拥有10年以上的产品设计和团队管理经验，早期曾多次荣获全球知名软件设计大赛冠军，曾受微软全球大赛邀请到比尔•盖茨家中做客，在2008年北京奥运会圣火接力中担任火炬手。', 'sticky' => null, 'weight' => '0', 'achievement' => '        ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">基于自然语言的可视化搜索引擎</h2> <h2 style="text-align: justify;">一、公司概况</h2>       介绍一下我们公司——阿博茨ABC，ABC分别代表了 AI人工智能、big data大数据和cloud云服务，是一个覆盖全栈的 AI技术公司，同时也是一个面向业务的数据科技公司。       我这次分享的主题主要是基于自然语言的可视化的搜索引擎。当面临海量数据时，如何更高效地使用这些数据是我们面临的巨大难题，全球各国也非常关注这一方面的技术前沿，其中我们使用到的三项核心技术，基于自然语言的数据可视化，也在中美技术经营清单的名录中。今年我们也很荣幸被达沃斯世界经济论坛评为2020年的科学技术先锋，同时也在亚太地区IDC成长最快的101家公司中，得到行业内的认可。 <h2 style="text-align: justify;">二、数问产品和服务</h2>       很多企业内部的数据都存在“脏乱差”的问题，这些数据不仅不能成为企业的资产，反而可能会成为负资产，不仅不能带来收益，反而占用存储空间，人效比非常低。因此，数据多并不等于大数据，脏乱差的数据会成为企业的负担。       ABC所提供的解决方案就是致力于解决覆盖数据全生命周期的一条智能生产线问题，从数据的收集到提取、填报、搜索和最终可视化解决大家的核心问题。之前的数据收集宛如大海捞针，数据分析耗时耗力，数据整理枯燥重复，尤其在金融行业，每天90%以上工作都是体力活，包括整理数据、写报表、做报告等，而只有10%的脑力工作用于风险控制决策。因此，我们核心提供的这些能力，是为了帮助大家从这些日常琐碎的工作中释放出来，有更多的精力注重于需要脑力的事情。       我们提供的这个产品和服务叫做“数问”，能够实现一语观天下，让各个企业、各个决策层、风险控制层、运营层从前中后台的角度，对所有数据进行非常直观地治理、查询、报告。它具备几个特点：一是一目了然，能够通过各种各样的可视化的呈现方式，告别单一的静态数据，无需等待数据专家手工添加报表；二是一语中的，只要通过一句语音就可以直接查询到想要的数据；三是一步到位，移动设备可随时访问，查询数据，并对关键移动进行推送和提醒。  （一）一语中的       我们的一语中的就是可以告别一些非常复杂的报表操作。当大家在外面开会或内部汇报时，可能临时需要获取一些数据进行做决策，这时往往因为不能及时获得数据而只能下一次会议再进行汇报，然而下一次会议可能是在一两个星期之后，这极大地制约了决策速度，也让大家决策的连续性思维受到阻断。       通过该产品，我们可以通过一句简单的语言很容易地从财报里的数据抽取出来进行搜索，从而进行不同银行间的同业信息对比。我们也可以查询银行内部数据，例如北京东单支行的教育和旅游贷款的金额对比如何，甚至进行东单支行和西单支行这两项指标的对比，也能够非常简单直白地让风控审查人员和决策部门很快地获取这些数据。这一整套系统也可以部署在企业内部，来确保所有数据安全可控，叫做“只进不出”，公开的数据对内进行推送，对内的数据在数据自己完成之后可以推入我们的搜索引擎，去进行相应的检索。和传统的固定报表相比，它的灵活度变得更高，而不只是静态地呈现。 （二）一步到位       当所有数据查询出来后，往往需要进行各种各样报告的整理、视觉方案的呈现，ABC拥有独特的视觉解析技术，能够把大量报表里的图像和表格还原出来，同时通过机器学习来学习这些图像的绘制方法。我们通过独家的视频和图像解析技术，即使没有任何数据标签、图像和表格比较复杂，也能够把图像里的数字完整地还原出来，这样就使得数据的获取变得更加丰富，这是因为大量的数据不仅仅在数据库中，还藏匿于很多报告中。香港交易所也是我们的服务客户，它的财报里包含有无框表格、繁体中文、英文等内容，我们都可以通过技术手段把里面的数据全部抽取出来，入到数据库里面，最终能够实现一步到位的数据检索。       它也能学习不同图像的画法，例如当一个刚入职的新人不知道所得到的数据应该绘制成什么样的图表时，就可以通过我们的技术使机器阅读大量历史报告，从而解析出营业收入应该绘制成柱状图，同比应该绘制成折线图。它不需要一个个模型去做配置，只需要给系统灌入大量的报告就可以，所以ABC历史上累计已经训练有3000多万份财务类型的报告。它就像非常成熟的人脸识别技术一样，只是我们把它用于了金融类文档的训练，就使得绘图的引擎变得十分智能。       另外我们也提供了数据分析的“今日头条”，能够实现举一反三的关联数据推荐。例如我们搜索的指标中，营业收入总是和净利润相关联，不良贷款总可能要跟资产负债率或者储蓄余额进行相应地对比。以前就是查一得一，而现在能够实现举一反三，当我们去搜一个数据时，就能够推荐更多的相关联数据，同时也能够实现知识沉淀，让整个系统越用越聪明。以前在做数据分析、数据报告时，我们主要依赖人工，人一旦离职，这些经验就会全部被带走。但是现在所有查询信息都会被系统沉淀下来，包括一些风控决策运营部门所关心的问题，以前没有一个统一的渠道能够去进行收集、汇总、整理它们，现在这个系统中能够非常容易地通过方便的工具变相地收集人们的需求，实现整个系统越用越聪明，最后实现精准推荐。       它缓解了整个业务部门、数据部门、技术部门的痛点。业务部门能够更加及时地获取数据，无需再像以前一样让专门的技术部门运营部查数据，同时也不需要花很多代价去学习一些非常复杂的工具，也不让大家的拓展性思维受到限制。它让运营部门、数据部门可以从众多重复的无业务价值的需求中缓解出来，同时也解决了人员重复流动、培训成本高的问题。 （三）一网打尽       通过我们整个平台底层的能力，能够实现“一网打尽”。所有数据的来源不仅仅有数据库，同时也包括众多的影像、票据，甚至是一些文档。我们的整个解析中台可以通过自然语言的阅读理解去实现内容的抽取，获取更丰富的数据。       整套系统已经在香港交易所成功得到应用，港交所现在是我们的服务客户，它的用途就是审核上市公司的公告，包括增发、分红等各种各样的公告类型。一些报告可能不像季报那样标准统一，一些信息，例如一些银行手机APP的活跃度、信用卡的发卡量和哪些商场或者航空公司有联名的卡推出等，都藏匿于文档段落当中。我们就可以通过这项阅读理解的技术，实现在众多几十页、上百页的文档中，回答所提出的问题。最终我们使得香港交易所成功实现了从原来260多人3-5天的监管审核工作，缩减到只需要20个人、两个小时就可以完成。通过我们的自然语言理解，包括对中英文的支持，例如保险公司的一些扫描件、银行票据、发票、医疗票据等影像，都可以被成熟地解析出来，实现所有段落、文本、图像一网打尽。       来源：2020（第十六届）中国金融风险经理年度总论坛系列5：金融科技创新和展望——余宙《基于自然语言的可视化搜索引擎》   ', 'elegant' => array(), 'userId' => '310', 'status' => 'published', 'createdTime' => '1605159185', 'updatedTime' => '1623122772', 'body' => '      余宙，阿博茨科技联合创始人，前海豚浏览器副总裁兼首席产品设计师，拥有10年以上的产品设计和团队管理经验，早期曾多次荣获全球知名软件设计大赛冠军，曾受微软全球大赛邀请到比尔•盖茨家中做客，在2008年北京奥运会圣火接力中担任火炬手。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '62', 'name' => '巴劲松', 'thumb' => 'public://expert/2020/12-18/1036408127cf702597.jpg', 'originalThumb' => 'public://article/2020/12-18/10364086fd09273961.jpg', 'description' => '国家金融与发展实验室研究员', 'about' => '金融学博士后，国家金融与发展实验室研究员。曾就职于人民银行总行、中国银监会，担任过中国银监会银行监管一部资本管理处处长、政策研究局监管研究处处长、审慎规制局机构规制处处长。曾具体负责巴塞尔资本协议在我国大型银行的实施落地工作。', 'sticky' => 'index', 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">论文</div> 2010，<a href="https://www.yunzhan365.com/49687903.html">分省投资与信贷关系中的“门槛效应”:审视投资增长的新视角</a>，《金融研究》第05期。 <div style="height: 12px; float: left;"> </div> 2007，<a href="https://www.yunzhan365.com/36177390.html">银行向投资者转让贷款债权：合法合理?</a>，《银行家》第12期。  <div style="height: 12px; float: left;"> </div> 2005，<a href="https://www.yunzhan365.com/27629820.html">我国资产证券化法制的现在和未来</a>，《中国金融》第14期。 <div style="height: 12px; float: left;"> </div> 2003，<a href="https://www.yunzhan365.com/82414996.html">信用涵义的经济解读和法律解读——一个比较的视角</a>，《江西财经大学学报》第04期。 2001，<a href="https://www.yunzhan365.com/83367554.html">利率市场化进程中的中国金融业发展走向</a>，《当代财经》第03期。 2000，<a href="https://www.yunzhan365.com/39607641.html">从法律角度看我国银行的不良资产</a>，《当代财经》第04期。 2000，<a href="https://www.yunzhan365.com/25656149.html">中国国际收支与外汇储备波动趋势</a>，《世界经济》第04期。 <div style="height: 12px; float: left;"> </div> 2000，从法律角度看我国银行的不良资产，《上海金融》第03期。 2000，<a href="https://www.yunzhan365.com/85120159.html">当前中国国际收支与外汇储备波动趋势</a>，《华南金融研究》第01期。 1999，<a href="https://www.yunzhan365.com/35784847.html">现阶段启动我国经济的对策──兼谈财政政策与货币政策协调运行</a>，《浙江金融》第06期。 1999，<a href="https://www.yunzhan365.com/75227083.html">创业投资的运作机理及其在我国的兴起</a>，《城市金融论坛》第04期。 1998，<a href="https://www.yunzhan365.com/88574157.html">当前香港和新加坡金融界在香港指数期货上的争论及其演变</a>，《青海金融》第12期。 1998，<a href="https://www.yunzhan365.com/47872557.html">欧元启动的经济影响与我国经济金融界的对策思考</a>，《浙江金融》第11期。 ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、巴塞尔资本协议的演变和逻辑</h2> <h4 style="text-align: justify;">    （一）三大支柱的逻辑</h4>       从监管的角度去理解三大支柱的时候，我们会看到它实际上是一个体系。第一支柱实际上是对重大风险以定量的方法进行计算，包括信用风险、市场风险、操作风险。       第二支柱是将第一支柱中没有覆盖到的风险以及覆盖不全面的风险，作为对于单家金融机构的额外资本要求，放到分子里来计算。第二支柱的本质是全面风险管理。       第三支柱的逻辑就是引入了市场的激励和约束机制，让银行去强制披露自身的风险信息，这是因为监管机构的人员始终有限，这就需要大部分市场参与者来同时监督和评价银行，对银行的好坏进行区分。 <h4 style="text-align: justify;">    （二）从监管角度看巴塞尔协议</h4>       它是一套规范，一套机制，提供了一个统一的国际银行的监管标准和方法。首先，它是一个资本充足率的监管，形成了约束机制。第二，它以资本为抓手，去促进风险管理。第三，它以资本为枢纽，去平衡股东、经营层和存款者之间的利益，平衡整个金融市场的风险和单体金融机构之间风险的关系。       它提供了一个公平的竞争环境，因为任何银行都不能逃避监管，都要纳入到资本充足率监管的范畴。       从巴I到巴Ⅲ的过程是资本充足率计算中分子的质量和数量的提高的过程。       2017年的《巴塞尔协议Ⅲ》是一个务实策略和技术原则的平衡机制。 <h4 style="text-align: justify;">    （三）从银行的角度看巴塞尔协议</h4>       第一，巴塞尔协议要求计算风险加权资产，它在国际银行界建立了一套国际通用的、以加权方式衡量资产负债表上不同种类资产以及表外业务项目的风险及其资本充足率标准。第二，巴塞尔协议实际上是把风险计量、资本管理和业务管理融合在一起，做成了一个三位一体的一个概念。第三，它提供了一个分母的激励机制，当银行选择更好的客户，有良好的风险计量技术的时候，那么同样的资本就可以做更大的业务。第四，它还是一个分子的约束，任何银行都需要有资本去支撑其业务以及风险。       从巴塞尔协议实施角度来看的话，它的确是一个系统的工程，从治理到政策流程的再造，再到风险计量模型的搭建、开发验证和审计，它是研发的一个整套的计量工具。 <h4 style="text-align: justify;">    （四）带来的制度变革和技术革命</h4>       从监管的角度去看，巴塞尔协议的实施是一个从定性到定量的风险管理体制的变革；第二个就是它带来了风险管理的体系化；巴塞尔协议实施带来的技术革命是显而易见的，信息数据仓库的建立和先进计量技术的应用是做好风险管理和控制的基础。   <h2 style="text-align: justify;">二、巴塞尔资本协议在我国的实施 </h2>       从治理层面来看，巴塞尔协议的实施面临一些问题和挑战，第一个是模型的更新和迭代；第二个大的挑战就是风险管理和资源管理之间存在“两张皮”的现象，甚至是多张皮，第三个方面的挑战就是风险管理和业务战略的脱离，如何把风险管理从一个事物层次到战略层次，从事前审批、事后问责，转向前瞻性管理、组合和全局管理，是这个层面所遇到的困难。       从技术层面可以看到，整个模型的哲学本土化和模型的质量有待提高，第二大的方面就是评级应用的广度和深度不足。       从金融科技层面看，互联网的风控对于巴塞尔统计模型也会产生一些挑战。   <h2 style="text-align: justify;">三、我国资本监管的框架和要点</h2>       实施巴塞尔的资本办法的有几个层次，第一个层次是合规层次，即满足它的最低资本要求，包括各类资本的要求，而且要对外进行信息披露。第二个层次是要建立一套风险管理的体系和架构，而且要注重风险权重与回报的平衡。第三个层次就是实施模型法，用内部模型去计量监管资本，把内部管理和监管资本的计量结合起来，但是这个需要监管机构的认可，一个基本的逻辑是：银行建立自己的模型，经过开发、验证、审计三道防线，模型上线后应用到各种不同的领域，包括评审、绩效考核各种不同类型的应用，当银行应用了一种循环机制之后，监管才认可其内部模型可以应用于风险资本的计量。       在巴塞尔协议实施的时候，监管的原则首先是希望解决“两张皮”的问题，一方面是把日常的监管和实施资本监管的要求进行融合。第二个原则是要处理不同的关系。   <h2 style="text-align: justify;">四、实施建议 </h2>       从建议的角度来看，第一点是实施巴塞尔协议以资本为抓手的目标并不是为资本而资本，而是为了通过资本监管来推动银行的风险管理水平的提升。       第二点建议就是风险管理的治理和组织架构需要重构，而不是简单的修修补补。       第三点建议是整个的风险管理需要制度变革和业务流程的再造，而不是仅仅引入评级就能解决，需要把整个信贷管理制度和评级制度融合在一起。       第四点是要注重模型的构建和后发优势。   <h2 style="text-align: justify;">五、资本推动下的金融机构转型</h2>       一是从规模导向到价值导向；二是从以前的账面利润到经济利润的转变；转变还包括以大论优到以质论优，从控制风险到主动管理风险，从单一的盈利到多元的盈利，从被动定价到主动定价，从一个部门制的银行到一体化的流程的银行，从比例管理到资本管理。       目前除了6家银行在实施内部模型法之外，也有不少其他的银行用内部模型进行自我管理，在这种自我管理到达一定程度之后，当监管的形势、国际国内的形势发生变化以后，一些优秀银行的内部管理所计量的结果也会逐步得到认可。       在巴塞尔协议进行变革的过程中，无论是监管标准更严，还是逐步转向市场，管理的逻辑依然没有变化，还是资本除以风险加权资产。在风险加权资产的风险权重的计量过程中，其激励机制也没有发生变化，依然是鼓励银行去选择高评级的客户，选择有更多风险缓释的业务，让风险成本和资本成本变低，用同样的资本去做更多的业务，用资本去抵御非预期损失。虽然我国在实施的过程中会碰到许多棘手的问题，但是依然取得了较大的成果。       来源：2020周末论坛《从监管角度看巴塞尔资本协议在我国的实施》 ', 'elegant' => array(array('src' => '/files/expert/expert_1609731908.png'), array('src' => '/files/expert/expert_1609731922.png'), array('src' => '/files/expert/expert_1609731933.png')), 'userId' => '45', 'status' => 'published', 'createdTime' => '1561105370', 'updatedTime' => '1636514706', 'body' => '      巴劲松<o:p></o:p>，中国社会科学院金融学博士后，国家金融与发展实验室特聘高级研究员；中国国际经济贸易仲裁委员会仲裁员。 <o:p></o:p>      具有二十余年金融从业经验，从事过金融立法、监管研究、资本管理、风险管理等专业工作。先后就职于中国人民银行总行、中国银监会等机构，担任过中国银监会法规部立法处副处长、银行监管一部资本管理处长、政策研究局金融监管研究处处长，审慎规制局机构规制处处长等职务；作为起草小组成员直接参加过《人民银行法》《银行业监督管理法》《商业银行法》等法律的起草或修订；在《中国金融》《国际金融研究》《银行家》等期刊发表经济金融、法学论文四十多篇，曾获第二届国际金融青年论坛一等奖（中国国际金融学会主办）、第五届中国博士后经济学论坛优秀论文、新金融研究贡献奖（《经济观察报》2018年主办）。<o:p></o:p> ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '91', 'name' => '黄又钢', 'thumb' => 'public://expert/2020/11-05/104049184fb7769498.jpg', 'originalThumb' => 'public://article/2020/11-05/1040491e23c4343935.jpg', 'description' => '深圳前海弘犀智能科技有限公司联合创始人和首席风险官', 'about' => '深圳前海弘犀智能科技有限公司联合创始人和首席风险官；纽约城市大学金融学硕士，原JP摩根执行董事、Citi Global EVP，数据分析和风控建模领域知名专家，30余年零售银行全产品线的数据分析、建模、应用及管理经验。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">论文</div> <div style="height: 12px; float: left;"> </div> <div style="height: 12px; float: left;"> </div> 2019，<a href="https://book.yunzhan365.com/qpwi/ypyo/mobile/index.html" style="text-decoration-line: none;">构建现代金融风险管理机制</a>，《中国金融》第1期。 2016，银监会82号文对信贷资产证券化业务影响分析及建议，《债券》第07期。 2015，资产证券化业务“三足鼎立”格局值得期待，《中国经济导报》B03。 2014，动产抵（质）押登记公示及押品管理公司的监管——从钢贸信贷风险教训中探求改革和制度建设出路，《中国银行业》第07期。 <a>2014</a>，国际评级机构证券公司评级方法比较，《创新与发展：中国证券业2014年论文集》 2014，《商业银行流动性风险管理办法(试行)》解读，《债券》第04期。 2012，券商在债市拥有广阔发展空间，《上海证券报》F07。 2008，国际金融公司赖金昌先生谈《物权法》担保问题，《西部金融》第01期。 2007，中国法律下的知识产权质押，《中国金融》第05期。 1990，金融发展理论与发展中国家的金融改革，《国际金融研究》第12期。 1990，发展中国家的金融改革——记发展中的储蓄与信贷国际会议，《中国金融》第10期。 1989，中国通货膨胀问题分析，《管理世界》第02期。 <a>1988</a>，联邦德国对货币和信贷的控制，《国际经济评论》第07期。 1988，发展中国家的货币政策工具，《金融研究》第04期。 <a>1985</a>，作为国家发展动力的国有工业企业:两种不同的评估分析，《国际经济评论》第05期。 <div> <div> <div id="_com_1" uage="JavaScript"> </div> </div> </div> ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、长尾客户的人群分类</h2> <h4 style="text-align: justify;">（一）长尾客户的定义与客户信息</h4>       长尾客户的基本定义是开户6个月以上，但在三年内开户的客户，且当前余额低于1万。对于长尾客户的实际目标是在4个月内余额争取达到5万。零售银行的数据中，首先是客户行为信息，包括在网银、手机银行登录等；还有交易信息，包括转账？消费、理财、三方支付、公共缴费保险等等，转账还包括同名、跨行、行内转账等。而后是行内信息，包括行内基本信息、行内评级、关联企业、产品、代发工资、征信等。最后是资产信息，包括行内资产、储蓄等等。 <h4 style="text-align: justify;">（二）长尾客户的分类：结合经验</h4>       今天我们想强调的是业务经验。在业务经验的前提下，加上一些简单的算法，就可以达到目的。业务经验其实是指银行自己作为专家，在行内发展了多年，有一些直觉可以直接利用，而不仅靠数据分析来进行。业务经验的重要性体现在有扎实丰富的经验时，可以非常快速和准确地指出人群分类的关键维度。二是资产的波动性，平稳相对波动，波动性大的人可能有更大的机会。在这个基础上审视长尾客户，判断哪些人有可能在今后几个月内资产跳升，那么就是目前资产档次相对高，或者历史上相对高，以及资产的波动大的客户，从直观上、经验上就有这种感觉。 <h4 style="text-align: justify;">（三）长尾客户分类案例：资产大小与波动性</h4>       对于资产大小的高中低，资产波动性的平稳和波动，这两个简单的概念实际上谈的都是资产，只不过是从两个角度，一个是目前的状况或者历史上的状况，一个是历史上平稳还是波动。简单的两个维度就可以很有效的把人群分开。采用决策树加上前面两个维度，而这两个维度本身有很多变量，即便是资产高低也可以从不同的角度去考虑，而波动也可以有不同的计算方法，但始终只有两个维度，就可以建造出简单实用的分类图。   <h2 style="text-align: justify;">二、长尾客户的处理：从简单到复杂</h2>       长尾客户在零售银行里一直是大家头痛的问题，其实一些银行可以从简单的地方开始入手，如果能把高资产人群，中资产波动人群，低资产波动人群首先处理好，可能就可以进一步处理长尾客户的问题。       来源：2020（第十六届）中国金融风险经理年度总论坛NO.3：零售金融与小微企业金融——黄又钢《长尾客户的人群分类》   <h2 style="text-align: justify;">三、风险定价和风险定额的概念和实际操作</h2> <h4 style="text-align: justify;">（一）风险定价和风险定额</h4>       风险管理流程大框架主要有风险识别、数据收集、风险评估、风险策略、执行落地、监督改进。风险定价与风险定额是属于风险策略的范畴，但是与风险评估紧密相关，特别是量化的风险评估。在风险评估的基础上，也即有了风险模型之后，才有依据风险程度的价格制定，及进一步的贷款额度的确定。       风险控制的核心是评估和策略的结合，风险评估即风险测量，主要通过评分卡来预估风险。而风险策略在贷款中主要通过利息、额度和期限三个维度来控制。 <h4 style="text-align: justify;">（二）具体实操</h4>       具体实操中，风险定价是依据评分卡对人群的坏账率的预测，考虑成本和利润的因素之后，综合制定的利率。利息（价格）= 坏账率（风险） + 成本 + 利润，其中，成本和利润可能不是固定数，不同人群可以有不同的成本和利润率。而风险定额是指在风险定价之后，进一步考虑还款能力，贷款需求，及利润之后，确定的贷款额度。       来源：2020（第十六届）中国金融风险经理年度总论坛NO.13：经济资本、风险偏好和限额管理——黄又钢《风险定价和风险定额的概念和实际操作》   <h2 style="text-align: justify;">四、小微贷款风控模型中的算法探索</h2> <h4 style="text-align: justify;">（一）股票市场与信用贷款市场的比较</h4>       股票市场上，每家公司必须有财报，它的格式和框架是一致的。财报的数据是标准的，业绩等信息发布的时间和周期是确定的，我们可以确切的得到股票市场里的许多重要信息。其数据具有标准化、周期化的特点，来源包括上市公司财报、股票价格分析等。而信用贷款领域更多关注企业和个人，包括银行期望、企业个体及其上下游关联方、风险的评判等，其数据来源包括起源的工商、税务、发票、银行流水、水电煤费等，以及个人端的征信、第三方评估、银行信贷等数据。就分析维度而言，股票市场强调价格与数量分析，而信用贷款市场主要强调信贷的风险程度、利率、规模、期限等。 <h4 style="text-align: justify;">（二）机器学习算法概述</h4>       机器学习是AI的分支，现在机器学习有非常成熟的算法。机器学习所涉及的算法主要包括深度学习、集成算法、神经网络、正则化算法、回归算法、贝叶斯算法、决策树算法、降维算法、实例算法以及聚类算法。但是在美国机器学习的运用存在黑匣子的问题，即研究团队在后端可以用机器学习分析，但难以运用于实操。就法律规范而言，一个风险管理模型的选择必须具备可解释性，但基于机器学习算法的模型却很难做到。基于此，美国目前在信用贷款领域能够落地实施的基本只有基于回归算法的评分模型。 <h4 style="text-align: justify;">（三）算法及应用探索</h4>       首先，在建模方式上采用双轨模型。所谓双轨模型指同时建立传统模型以及机器学习模型，从而同时发挥两者优势，一定程度规避各自缺陷。传统模型具有可解释性强、稳定性强的特点，而机器学习模型则具有精确度高、拟合速度快的特点。       针对人群分类采用的常用算法包括决策树算法以及聚类算法。决策树算法所涉及的特征变量数量较少，主要起到监督作用。聚类算法则表现为“黑匣子”的属性，本质上为无监督状态。就实际操作层面而言，人群分类第一步是构造人群分类，主要同时运用决策树算法与聚类算法进行。       混搭的概念在统计里早有应用，比如两种算法相互匹配，相互兼容，相互嵌入等。       算法探索的创新方面有两个思路。一是在单一算法层面，从数学角度和计算机角度，产生新的突破。二是两种（或多种）算法的相互嵌入和混搭形成新的算法。比如XGB 算法的构造过程。       当前中国风控领域，特别是银行针对小微企业的贷款业务，不管哪家银行，总体还是处于比较初级的风控阶段，大多数银行还是以规则为主，主要包括准入规则。而价格定价层面的工作仍不够充分。就定价层面而言，根据风险的定价环节还存在很大的提升空间，同时，针对风险规定的额度则更存在提升空间。作为人群分类的细分，银行对贷款定价的考量主要还是从产品渠道角度出发，而不是从客户的本质角度或者企业的本质角度去考虑问题，所以总体而言提升的空间还比较大。       来源：2020TGES系列论坛-07：投资银行业务、私募投资与风险管理——黄又钢《小微贷款风控模型中的算法探索》   ', 'elegant' => array(array('src' => '/files/expert/expert_1614311272.jpg')), 'userId' => '190', 'status' => 'published', 'createdTime' => '1604544080', 'updatedTime' => '1636524237', 'body' => '      黄又钢，深圳前海弘犀智能科技有限公司联合创始人和首席风险官；纽约城市大学金融学硕士，原JP摩根执行董事、Citi Global EVP，数据分析和风控建模领域知名专家，30余年零售银行全产品线的数据分析、建模、应用及管理经验。       1990年，美国纽约城市大学金融经济学专业读书       2000年，加入国际金融巨头花旗银行担任花旗银行高级副总裁，对在线上支付、信用卡、零售银行、贷款等领域研究颇深       2010年，加入际顶尖金融巨头摩根大通担任执行董事，并负责其数据分析团队       2020年，创办金融科技公司弘犀智能，担任首席风控官 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '141', 'name' => '李春萌', 'thumb' => 'public://expert/2020/11-09/140014e8079e686204.png', 'originalThumb' => 'public://article/2020/11-09/140014edb8a5631824.png', 'description' => '阳光人寿保险股份有限公司数据管理部总经理', 'about' => '现担任阳光人寿保险股份有限公司数据管理部总经理。曾任Teradata技术顾问、IBM咨询顾问、搜狐畅游商业智能总监。致力于保险行业以及金融行业的大数据整合、大数据应用等工作，在大数据反欺诈、大数据营销、大数据精准定价方面有着自己独特的见解与方法论。', 'sticky' => null, 'weight' => '0', 'achievement' => '   ', 'attachachieve' => '', 'viewpoint' => '<h2>一、关于传统保险行业的风险管控</h2>       论文《大数据助力保险风险管控》（2018）指出保险业传统的风险管理工作受限于行业经验、数据质量、风险成因及相关技术的客观和现实条件，工作模式和内涵长期没有实质性的改变。同时强调，如何提高保险业的风险管理水平、转变发展方式，健全完善风险识别、计量和应对能力，是当前形势下保险业亟待突破的瓶颈。       来源：《审计观察》2018年01期   <h2>二、保险科技的发展</h2>       《大数据助力保险公司价值转型——阳光人寿在大数据、人工智能的实践与探索》（2020）一文中指出自2016年“保险科技”被提出以来，在近几年保险科技这一领域，投入的人员、资金、以及产生的价值已经逐步被释放出来。并且保险科技也越来越被广泛关注，尤其受到新创公司（孵化器）的青睐。与此同时，保险科技的发展也正在颠覆传统保险行业，典型的是寿险和财产险。而寿险和财险又有很大不同，因为寿险的标的是人，需要有效地收集人的数据，国内也有类似业务，即通过健身追踪服务，收集客户健身、健康状况，以此来给予不同程度的保费优惠政策。       来源：2020（第十六届）中国金融风险经理年度总论坛NO.15：保险公司风险管理——李春萌《大数据在保险行业的应用——大数据助力保险公司价值转型》   <h2>三、关于大数据下的保险风险管控</h2>       李春萌专家表示，随着大数据时代的来临，相关技术和条件得到了比较大的改善。数据基础以及分析基础等因素共同促进，为传统风险管理提供了创新突破的手段，这将助力保险公司的风险管控从风险识别、风险评估、风险监控三个环节得到全方位的提升。其中，李春萌专家指出，识别工作是风险管理最基础，也是最难做的一步。风险识别的好坏将决定风险管理工作的广度、宽度和深度，需要不断探索和尝试。此外，结合大数据及相关技术，可以区别利用数据，根据不同数据的属性去评估风险，评估风险对于公司的正常运营情况、运作模式的影响，以及具体的风险因素，分析归纳风险概率、触发条件。再者，利用大数据和相关技术，在制定出风险识别规则和风险量化规则后，即可基于风险规则、风险因子对所管辖的风险进行定量化、实时的监控，满足日常的查阅、跟踪。同时根据量化和监控数据，定期更新风险规则、迭代风险因子与目标风险的关联性，进而不断扩大监控范围，建立起对于衍生风险的监控能力。       对此，李春萌专家进一步提出基于大数据的风险管理方案，为亟须建立基于大数据的保险公司风险管控架构提供借鉴。整体方案包括数据、规则、平台和管控四个层级，层级关系相互递进，由数据准备开始，通过规则确立、平台搭建和配套管控措施的制定，落地基于大数据的风险管控方案。这将有助于传统保险风险管控的能力的升级和跨越。第一是数据层面，需要建立完备的与风险相关的数据基础，关键是拓展外部数据合作获取渠道，收集、存储和处理来自多个来源的大量不同数据，并与内部数据相结合，产生“数据合力”。第二是规则层面，需要对已有业务风险管理的经验和规则进行充分的梳理和提炼，关键是通过对大量数据指标的分析，归纳得到风险与风险因子集合，辅助风险识别的量化规则的制定。第三是平台层面，需要搭建配套的信息化或数据平台，为整体解决方案中数据、规则、识别、监控、应对提供自动化和智能化的支撑，关键是让业务一线真正体会到数据释放出的价值，整体上包括三部分，即外部数据接入平台、风险分析平台和风险监控平台。第四是管控层面，关键是建立全面的风险视图，全面监控已发生风险和潜在新风险，以实现对风险识别、分析评估、应对全过程的监视和控制，辅以进行风险影响评估和风险溯源，不断迭代优化。       但是在大数据风控的应用过程中，李春萌专家强调仍面临诸多问题、困难和挑战，主要体现在数据数量、数据质量和场景落地应用三个方面。首先是数据数量问题，金融公司普遍缺乏统一的信息规划，各系统之间相对独立，存在数据孤岛现象。其次是数据质量问题，大数据允许不够精确的混杂数据“噪音”存在，但数据量迅速扩大时，“噪音数据”占比会进一步扩大，最终影响决策的准确性。最后是数据与金融风险场景结合问题，尽管有了风险大数据处理手段，仍需要将风险数据分析结果与金融行业风险需求场景、风险管控流程和体系结合，才能真正发挥大数据风险管控的价值。       来源：《审计观察》2018年01期   <h2>四、关于大数据下保险公司的价值转型</h2>       李春萌专家在《大数据助力保险公司价值转型——阳光人寿在大数据、人工智能的实践与探索》（2020）一文中表示，保险行业在高速增长的背景下仍然存在诸多问题，比如产品定价模式非常单一；销售模式仍通过加大营销费用的投入来扩大规模；行业整体诚信水平有待提高；不实告知情况存在、欺诈风险高；服务时效慢、纠纷多；数字化范围虽广，但应用浅等。针对这些问题，保险科技也不能够全部解决，但是却可以在重点领域中加大投入，由易到难去做。       此外，文章《大数据在保险行业的应用——大数据助力保险公司价值转型》（2020）进一步指出保险科技助力保险公司价值转型的具体方向。保险科技可以给保险业务价值链整体赋能。大数据和人工智能这两项技术，可以赋能产品，销售，承保，理赔，服务整个流程，到目前已经积累了很多相关的应用案例，比如说现在产品的差异化定价，销售的精准营销，承保的模型识别，理赔的反欺诈，服务时效提升减少客户的投诉等等。实际上现在保险的各个流程领域很多都在通过科技来实现赋能，改变，甚至是颠覆。最终助力保险公司转型就是使得产品更加简单，费率更加公平，流程更加透明，服务更加便捷。       来源：2020（第十六届）中国金融风险经理年度总论坛NO.15：保险公司风险管理——李春萌《大数据在保险行业的应用——大数据助力保险公司价值转型》，《风险管理》2020年04期   <h2>五、关于大数据下寿险业务模式的展望</h2>       李春萌专家指出，保险科技下，从定价到渠道到服务到风控整个流程形成闭环。第一，从风控和定价开始，基于大数据的风险量化管理将成为必然。核保核赔，销售误导，非法集资等内外部风险逐渐可控，实现精准风控，基于客户真实需求的非标和个性化产品将越来越多，产品创新，一人一价，实现精准定价。第二，渠道方面，销售渠道多线并举，线上线下高度融合，渠道费用合理化。渠道费用理性化，基于产品创新和客户洞察的营销活动深度开展，实现精准营销。第三，服务方面，基于客户洞察的个性化、场景化服务成为趋势，基于衣食住行的投保，理赔，保全和客服等自动化和智能化保险服务能力逐渐提升，实现精准服务。       来源：《风险管理》2020年04期 ', 'elegant' => array(), 'userId' => '242', 'status' => 'published', 'createdTime' => '1604901686', 'updatedTime' => '1636524870', 'body' => '      李春萌，现担任阳光人寿保险股份有限公司数据管理部总经理。曾任Teradata技术顾问、IBM咨询顾问、搜狐畅游商业智能总监。致力于保险行业以及金融行业的大数据整合、大数据应用等工作，在大数据反欺诈、大数据营销、大数据精准定价方面有着自己独特的见解与方法论。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '218', 'name' => '周瑾', 'thumb' => 'public://expert/2020/11-12/152350677f59889080.png', 'originalThumb' => 'public://article/2020/11-12/1523506e3b90232313.png', 'description' => '普华永道金融行业管理咨询合伙人', 'about' => '普华永道金融行业管理咨询合伙人，金融风险管理师（FRM），擅长于战略规划、组织管控、风险管理、公司治理、运营与流程、资产负债管理和投资管理，兼职担任多项职务，包括中国金融风险五十人论坛（CFR50）成员、中国保险资产管理业协会资产负债管理专委会专家委员、中国保险保障基金特聘保险行业风险评估专家等。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">论文</div> <div style="height: 12px; float: left;"> </div> <div style="height: 12px; float: left;"> </div> 2012，风险偏好体系：框架、方法和领先实践，《风险管理》第2期 <div style="height: 12px; float: left;"> </div> 2013，业务连续性管理（BCM）——金融机构如何防患于未然并在危机中求得生存，《风险管理》第1期 ', 'attachachieve' => '', 'viewpoint' => '<h2>一、关于风险偏好体系</h2>        在《风险偏好体系：框架、方法和领先实践》（2012）中，周瑾提出：风险偏好是建立于全公司层面的反映了董事会和高管层愿意承受的风险程度的总体观点，反映公司对风险的基本态度。对于金融机构而言，风险偏好必须实现盈利、风险和资本的有效平衡。        风险偏好体系应包括三大机制：形成机制、传导机制和跟踪调整机制。       在风险偏好形成过程中，最重要的工作就是对利益相关方期望进行分析。在分析过程中，通常采用“自上而下”和“自下而上”相结合的方法。金融机构一般采用基于定量模型基础之上的界定方式，而对于无法或难以用经济资本方式描述的风险类型，一般用定性的方式进行描述，并通过一定的软限额或定性标准，设定风险容忍度水平。对风险容忍度和目标风险轮廓的界定还要制定风险偏好陈述书并进行动态调整。        在进行风险偏好传导时，定量的容忍度指标需要进行分解，可以通过量化的分析和模型计算进行分解。盈利类指标的分解就是预算管理的内容，但需要充分考虑到资本和偿付能力对盈利能力的约束条件；对于非盈利类定量指标，若从资本角度设立，仍采用经济资本或风险价值的理念进行分解，若从其他角度设立，则采用诸如敞口/头寸限额、流动性比率、敏感性限额等方式进行传导。对于定性的容忍度指标，常常用到关键风险指标来实现日常管理，更多从监管要求的角度或基于管理经验来设定。        风险偏好指标在执行实施一段时间后，需要进行重检。通常，这项工作与公司的预算管理及业绩考核一并进行。在遇到突发事件和市场或监管巨变时，也需要及时对风险偏好陈述的适当性和合理性进行重检，必要时进行调整。        来源：《风险管理》杂志2012年第2期   <h2>二、关于业务连续性管理</h2>        周瑾就金融机构如何进行业务连续性管理、保持业务连续性，在《业务连续性管理（BCM）——金融机构如何防患于未然并在危机中求得生存》（2013）中提出：近年来，保持业务连续性已成为各国金融机构关注的重点，而中国广大金融机构的业务连续性管理还存在很多问题，主要体现在：基础制度不健全；缺乏业务影响分析、风险评估等业务连续性管理的有效工具；未建立完整的业务连续性计划和应急预案体系；未建立常态化的业务连续性演练机制；在制度、人员和流程方面的安排和演练不够。        完整的业务连续性管理解决方案，应全面涵盖业务连续性管理组织架构、政策制度体系、管理方法和工具等各项内容。        业务连续性管理组织架构需要从日常管理及应急处置两个维度进行明确，前者主要包含董事会、高级管理层及各相关部门三个层次，后者主要包括应急决策层、应急指挥层、应急执行层和应急保障层四个部分。        业务连续性管理的工具和方法包括业务影响分析及风险评估、业务连续性计划及应急预案、业务连续性演练。        业务影响分析及风险评估通过对机构业务活动和关键资源的系统性分析，从而有效帮助机构明确业务连续性管理的重点，主要包含三个方面：识别重要业务、重要业务影响分析及风险评估。        业务连续性计划包括：应急处置组织架构；突发事件等级定义；业务及风险信息；备份资源说明；业务连续性计划维护记录；对剩余风险的评估和说明等；应急预案内容包括：涉及的事件类型或风险类型；该预案中涉及的应急组织架构和架构中各部门、人员在计划中的角色、权限；信息传递路径和方式；事件处置机制和具体操作步骤等。        一个合理详尽的演练计划有助于参与人员更好的理解和执行演练事项，达到良好的演练效果。同时，基于演练计划内容有序组织业务连续性演练实施工作，也是演练成功的重要基础。        来源：《风险管理》杂志2013年第1期   <h2>三、关于打造数字化时代的智能风险管理平台</h2>        关于保险行业风险管理数字化和智能化的趋势及数据平台，周瑾提出：保险行业的风险管理能力发展完善可以归结为三个阶段。第一是规范化阶段，以满足监管合规要求为主要目标，建章立制，重点是建立风险管理的组织、制度和流程体系，分析与管控以手工或excel工具为主。第二阶段是自动化，以改变纯手工操作，建立风险管理信息系统为主要标志，并实现定期的风险自评估、指标监测分析以及风险管理报告等。第三阶段是智能化，以实现主动风险管理为目标，积极引入ABCD等新兴技术，注重数据分析与决策支持的价值，探索风险管理前置的模式。而保险行业进一步推动智能风控体系和能力，需要围绕着应用场景、算法模型、数据驱动和文化变革四个角度来推进。        第一是应用场景。保险行业的风控应用分为十大场景。在选择智能风控应用场景和投资领域上，保险公司需要基于不同技术的成熟性和其带来的现实价值，考虑优先排序。要从投入-产出和价值回报最大化的角度去进行取舍。        第二是算法模型。智能风险管理平台未来需要不同类型算法模型支撑，首先是常规的统计分析，尤其以回归分析为主。其次是机器学习和深度学习，一些线上的产品与业务模式，因为有大量的数据去训练，且有很明显的回报价值，所以可能也会运用这些复杂的模型算法。算法模型的选择，更多要考虑的是算法是否匹配数据基础和应用场景，并以实际效果作为判断标准。         第三是数据驱动。数据对风控、对客户价值挖掘和营销价值重大，因此数据基础工作必须要有持续而坚定的投入，需要科学地看待数据工作的底层性和长期价值。在具体的处理方式上，可以基于分阶段的数据库和平台的搭建，实现一些短期成效，看到速赢效果，才可以展现给管理层以信心。        第四是文化变革。保险公司应将风险文化融入到内部的各层面和环节中，将其融入员工的行为准则与行为习惯，贯彻到公司各种实际工作中。需从保险公司战略转型和业务创新的目标出发，先整合第一、二和三道防线的数据，统一数据标准，然后推动第二道防线的作业前移，致力于构建风险管理部门与业务前线部门新型的合作伙伴关系，打造获客风控一体化的模式。        风险管理的进阶发展需从以上方面入手，解决数据滞后、信息孤岛、指标静态、管控被动等问题，搭建新一代的智能风险管理平台，实现内部风险管理的智能化升级，并真正实现风险管理的价值。        来源：2020（第十六届）中国金融风险经理年度总论坛（11月）   ', 'elegant' => array(), 'userId' => '319', 'status' => 'published', 'createdTime' => '1605165888', 'updatedTime' => '1639730639', 'body' => '       周瑾先生是普华永道金融行业管理咨询合伙人，拥有近20年的专业服务经验，擅长于战略规划、组织管控、风险管理、绩效提升、运营与流程、投资管理、以及科技驱动的数字化变革等，服务的客户覆盖60多家保险机构、20多家银行、近20家资管机构，以及超过10家金控集团。        周先生深入参与保险行业监管研究与规则制定，主题包括：偿二代（负责风险管理要求和评估监管标准制定课题，参与集团监管、投资风险最低资本计量等课题）、系统重要性保险机构（联合负责规则制定和行业数据测算）、资金运用（参与中资协若干研究课题，编写并出版报告）、资产负债管理（负责保险资产负债管理内审标准制定）、公司治理、大数据合规（作为副主编参与编写报告并出版）。周先生曾全程参与某国有银行历时4年的股改、引战和上市的全过程，积累了丰富的现代金融改革与资本市场的经验。        近年来，周先生关注科技驱动的金融机构的战略转型、组织管控、数字化、客户画像、交叉销售、大数据风控、国际化战略等主题，为互联网企业、保险和资管机构等提供相关咨询建议，于2018年参与主编《保险公司合规管理与大数据应用》，近期主导编写发布了《中国保险中介行业发展趋势白皮书》、《中国家庭保险账户白皮书》、《寻找创新变革之路，实现长期价值增长——人身保险公司转型突围的战略路径》、《战略转型中的险企如何御“风”前行：风险管理的新定位、新策略和新模式》、《中台思维下的险企核心能力重塑》、《突围升级，数字化助推后疫情时代保险行业渠道转型》、《谋定后动，顺势而为，金控监管新时代的应对之策》等系列研究报告。        周先生曾公开发表约30篇专业论文和研究报告，多次应邀为银保监会、中国保险资管业协会、中保协及各大金融机构提供培训服务，并受邀经常在大型会议上发表演讲和分享观点。   专业资格 • 金融风险管理师（FRM） • 中资协资产负债管理专委会专家委员 • 中保协中国保险网络大学特聘课程研发专家 • 中国金融风险五十人论坛（CFR50）专家成员 • 中国保险保障基金保险行业风险评估专家 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '283', 'name' => '靳晋', 'thumb' => 'public://expert/2021/12-02/153002a99867269820.jpg', 'originalThumb' => 'public://article/2021/12-02/153002ac5d28248115.jpg', 'description' => '清华大学计算机学士，硕士，多伦多大学计算机博士', 'about' => '清华大学计算机学士，硕士，多伦多大学计算机博士。现供职于美国富达投资集团，负责全球资产量化投资研究。之前供职于加拿大养老基金投资集团，负责4000亿美元的资产配置和风险管理。他是美国注册特许金融分析师(CFA)和风险管理师(FRM)。', 'sticky' => null, 'weight' => '0', 'achievement' => '   ', 'attachachieve' => '   ', 'viewpoint' => '   ', 'elegant' => array(), 'userId' => '1214', 'status' => 'unpublish', 'createdTime' => '1638430211', 'updatedTime' => '1638430211', 'body' => '       清华大学计算机学士，硕士，多伦多大学计算机博士。现供职于美国富达投资集团，负责全球资产量化投资研究。之前供职于加拿大养老基金投资集团，负责4000亿美元的资产配置和风险管理。他是美国注册特许金融分析师(CFA)和风险管理师(FRM)。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '120', 'name' => '陈勇', 'thumb' => 'public://expert/2020/11-06/115723301937660449.jpg', 'originalThumb' => 'public://article/2020/11-06/115723332b56154726.jpg', 'description' => '中国民生银行总行风险管理部风险计量模型验证中心主任', 'about' => '中国民生银行总行风险管理部风险计量模型验证中心主任，香港大学MBA，CFA、FRM持证人，曾在上海银行、上海农商银行、穆迪分析从事巴塞尔新资本协议实施及咨询工作，擅长领域包括信用风险内部评级法实施、压力测试实施与评估、风险模型验证、模型相关管理政策制定等。', 'sticky' => null, 'weight' => '0', 'achievement' => '   ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、从监管驱动到管理驱动——精细化信用风险压力测试实践 </h2> <h4 style="text-align: justify;">（一）监管压力测试要求回顾及常见做法</h4>       1、监管信用风险压力测试要求回顾       1997年亚洲金融危机之后，压力测试被作为一个管理工具引入风险管理过程之中，而其被列入监管工具层面是在市场风险受到密切关注后，2004年巴塞尔新资本协议（巴Ⅱ）正式发布，其中第二支柱涉及了压力测试要求，2009年，巴塞尔委员会发布《稳健的压力测试实践和监管原则》。       2004年12月中国银监会发布《商业银行市场风险管理指引》，压力测试正式进入国内监管法规，2007年发布了《商业银行压力测试指引》作为压力测试的专项指引。2012年，随着《商业银行资本管理办法（试行）》的发布，对应巴塞尔协议要求的内评压力测试、ICAAP压力测试正式被列入更高级别的监管法规中。在此之后，一些专项风险管理监管细则陆续发布，从《商业银行并表管理与监管指引》到《银行业金融机构全面风险管理指引》等，都有对压力测试提出要求。       2、监管信用风险压力测试常见做法       就压力测试具体方法而言，银行内部对于“自上而下”“自下而上”的概念与监管机构之间存在一定的差别，监管机构的“自上而下”主要是指组织形式上由监管机构往下组织金融机构开展压力测试，而金融机构内部的“自上而下”是从方法论角度理解的，从总体或行业层面开展压力测试，传导到客户层面。技术框架上多会采用Wilson模型、多元回归，包括情景分析与敏感性分析。情景分析中的承压指标，多数是采取不良率，个别机构会使用违约率进行转换，最终压力传导至资本充足率上。模型敞口划分方面，对公贷款会进行单独的压力测试，零售贷款、信用卡透支、房地产专项也各有要求，有的银行也会对零售贷款、对公贷款、信用卡透支合并使用统一的宏观Wilson模型。测算口径以表内为主。       目前压力测试实践存在的问题：一是模型细分不够，二是支持应用能力不足，三是模型解释力不足。有时为了在规定时间内满足监管的要求，参测机构会把完成任务放在第一位，容易忽视模型细分精度的问题。 <h4 style="text-align: justify;">（二）精细化信用风险压力测试实践</h4>       1、精细化信用风险压力测试实践       一是在细化压力测试模型的过程中，需要考虑选择哪些风险计量指标，一般来说，指标有不良率、违约率、逾期率、违约损失率、风险暴露等。二是最终考虑的目标是建立一个全敞口覆盖的压力测试模型体系，包括对公/零售信贷业务、标准化债权业务、非标债权/股质业务等，都能有细分的模型。三是在方法论上计划建立压力测试计量模型技术库，既涵盖宏观压力测试，又涉及财务传导模型，也关注重点行业专项压力测试，以及基于外部行业风险数据信用周期模型。四是在压力测试传导结果分析方案中，会考虑EL（预期损失）、NPL（不良贷款损失率）、RWA（风险加权资产）。       2、自上而下压力测试模型构建       对于自上而下的压力测试模型，主要采用Wilson和Merton两种方法，它们的宏观变量基本一样，并且采取相同的架构。根据监管要求时间的不同，对模型划分进行了区别对待。例如监管压力测试模型中，民生银行对公业务建立了10个敞口的模型，对内部管理细分了21个敞口（对制造业与批发零售业进行细分）；房地产专项根据监管的要求设定了7个敞口，零售则是分了3个；标准的零售业务分有6个敞口；而金融市场业务中，信用债划分有3个敞口。在此划分基础上，采用不同的承压变量。基于对监管调整的考虑，需要不同的标签，比如不良率，由于每家银行判断的不同、监管的变化，这个标签需要动态追溯过去的数据。对应21个细分模型，结合表内、表内外合并口径的不同承压指标，总体上有超过200个模型，单一实施一次对公信贷表内、表外业务压力测试就有42个模型。       3、自下而上财务模型构建       自下而上是财务传导模型是从客户财务报表出发进行压力测试。由于有些压力测试模型对应敞口的违约数据不够或没有，无法基于历史违约数据系列建立WILSON模型，最后开发了基于评级模型的财务压力测试模型，对划分行业敞口的财务报表进行分析并建立压力测试模型。财务指标包括销售收入增长率、销售成本增长率、销售与管理费用的增长率、负债利息的费用增长率等。对于评级模型来说，同样评AAA、AA，在不同年份所对应的违约率是不同的，评级符号代表的违约是有波动的。在建立财务模型以后，将其传导评分模版，如果发现它不是很敏感，则需要进一步通过增加行业周期调整因子进行评级调整，即将评级违约率波动做成与宏观有关的行业调整因子，两个因子合在一起，构造自下而上的财务模型。       4、宏观情景设置框架与指标体系       对于宏观情景，国内监管采用了5-7个宏观指标，将这些指标应用到细分行业模型会产生难以建立一个具有解释度、参数合理的模型的问题。因此在实践中，民生银行选择了将近80个宏观指标作为指标长清单来建立行业细分模型，并且为了解决监管所给指标过少，而本行采用指标多的问题，另建立了用于过渡的宏观传导模型，用宏观指标先传导至驱动因素指标，再由驱动因素指标传导至被驱动因素指标，最终建立一个分层模型，保证在只有GDP一个核心指标的情况下，也能推出50个宏观因子指标，然后将其中的二三十个指标应用到细分Wilson模型，并用到细分行业上。 <h4 style="text-align: justify;">（三）实施过程中的一些思考</h4>       第一是多类型的压力测试能否统一？就银行实务操作而言，有内部资本充足率压力测试、监管压力测试、减值宏观前瞻模型、整体压力测试等多种类型的压力测试，能否统一用一套模型替代？但由于现实中建立模型目标不同，这种统一使用一套模型我们认为较难实现。以减值宏观前瞻模型为例，它分为好、中、差三个情景，对应发生概率较高的可以达到10%-30%，其旨在追求模型的稳定性和预测的无偏性，比起常规压力测试模型，减值前瞻模型更像是一个预测模型。因此在多数情况下，对模型结果弹性的要求不能太高，从而不会由于某些因素的变化，造成模型结果变化过大，模型挑选的方向是不一致的。对于监管压力测试、减值宏观前瞻预测模型等，通常选择逾期90天不良率作为承压指标，而做内部压力测试会选择不一样的目标，比如30天逾期率，受人为因素、管理措施影响较少，能比较好的通过模型预测它的发生率，在对应的管理措施落实以后，才会转化成90天不良率或是违约。如果目标不一致，整个用一个模型来实现比较难。       第二是要建立适合银行自身压力测试应用目标的标签，并且保持历史数据的一致性，保持数据当前定义的口径，包括敞口、不良率、预期损失等。       第三对于低违约敞口，可以借鉴外部数据建立模型。比如金融债、银行风险暴露，银行违约样本是很少的，如果基于建模银行内部评级的波动，由于多数银行建立内部评级的时间不够久，则建模需要的评级波动的历史时间序列会不足。使用外部数据首先要确定有数据做得出模型，可以替代，其次要判断运用外部数据来建立的模型是否适用于自身的风险暴露。       第四是在财务预测模型方面，需要基础数据支撑，并使用自下而上、自上而下相结合的方法。如果单纯压内部评级的模板，由于评级模板大都是分档的，压力测试的边界要打开会有一定难度，压完评级以后，需要再把时点评级的波动考虑进去。       第五是实施精细化压力测试的效率问题。由于模型较多，会导致选择困难，实施难度增大，实施周期也有所增长，需要银行根据自身的各种因素来进行调整。国外做一个CCAR压力测试可能上千人在做，而在国内，每家银行有10个人做就不错了。所以在做精细化压力测试模型时，可能会出现实施周期长，人力有限的问题，考虑效率问题在模型细分上就不能做太多。       第六是压力测试结果可解释性的平衡问题。为支持行业政策而制定的压力测试，模型解释率需要足够高，并且需要做好常规的预测能力和极端情况下预测能力的平衡。因为要将压力测试结论提供给制定行业政策的人使用，在做行业预测模型时，应该偏向于选择发生概率比较高的情景，而不是说极端情景，所以要把预测能力的要求提升到更高的水平。         来源：2020（第十六届）中国金融风险经理年度总论坛NO.16：压力测试和模型风险管理－陈勇《从监管驱动到管理驱动——精细化信用风险压力测试实践》 ', 'elegant' => array(), 'userId' => '221', 'status' => 'published', 'createdTime' => '1604635149', 'updatedTime' => '1636515599', 'body' => '      陈勇，中国民生银行总行风险管理部风险计量模型验证中心主任，香港大学MBA，CFA、FRM持证人，曾在上海银行、上海农商银行、穆迪分析从事巴塞尔新资本协议实施及咨询工作，擅长领域包括信用风险内部评级法实施、压力测试实施与评估、风险模型验证、模型相关管理政策制定等。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '191', 'name' => '向华', 'thumb' => 'public://expert/2021/04-13/160604c535fe311130.jpg', 'originalThumb' => 'public://article/2021/04-13/160606e2d351684426.jpg', 'description' => '汇丰银行全球财富融资主管', 'about' => '汇丰银行全球财富融资主管，香港中文大学系统工程博士学位。曾任职于RBS美国和HSBC（香港），曾任汇丰全球Securities Based Lending风险主管、汇丰亚太模型检验主管。从事金融工作多年，主要专长是建模和风险管理，建模涉及过数据挖掘统计模型、BASEL资本模型和AI/ML。', 'sticky' => null, 'weight' => '0', 'achievement' => '    ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">金融资产借贷的风险管理</h2>       金融资产借贷在利率低迷的环球金融环境下，是客户可以获得流动性，提高投资回报的主要融资渠道。金融资产借贷的风险管理，主要包括以下几个方面：商业模式（客户为什么需要这样的产品，银行通过什么渠道获利）、什么样的金融资产可以作为抵押品、从银行角度出发应该怎么进行风险管理、从技术角度可以采取哪些方法以及金融创新的考量。 <h4 style="text-align: justify;">一、财富贷</h4>       首先来看财富贷，依据客户种类主要可以分为私人银行业务、个人银行业务以及经纪业务；根据客户的需求进行“量体裁衣”，产品设计和银行内部的客户管理、抵押品种类也有所不同。同时，相关的系统、风险管理也会依据产品进行合理设计。虽然不同的客户存在不同的需求，但可大致归结为获得流动性、提高收益率、寻求投机以及对冲四类。其中，最主要的需求就是流动性。       从不同的业务部门来看，证券部门主要进行经纪业务，提供有/无杠杆的股票融资，对应的是客户的投机需求；个人银行部门主要是依据客户的资产状况及需求，满足客户提高收益率的需求；私人银行部门通常更高程度的是基于客户需求和财富状况，给客户提供的融资产品个性化程度很高。私人银行客户所提供的贷款抵押品通常多样性较高，有高流动性的股权，也有低流动性的名画、古董、游艇等。 <h4 style="text-align: justify;">二、商业模式</h4>       商业模式的重点是银行应该怎么设计产品来吸引客户并满足客户需求，从而实现获利。       从银行的收入来源来看，第一个是贷款的利息收入；第二个是通过资产管理（共同基金）收费、证券交易（经纪）、和以及客户和银行其他业务关系（私人银行）获得的收入。例如，客户向银行通过杠杆进行基金等投资产品的投资，依据基金的风险状况选择杠杆水平，银行从而获得提供杠杆和销售基金的收入。这是银行除利息收入之外较大的一部分收入来源。       从银行的风险管理成本端来看，第一个是资本压力，对于较大规模的商业银行，可以通过巴塞尔的模型来优化风险加权资产，从而降低银行的成本，例如，标准法的风险权重是75%，而使用内部评级法时则可以降低至3%；第二个是信用损失，相较于信用卡等产品而言，金融资产借贷具有抵押品，只要风控部门对市场风险控制得当，那么可以认为商业银行没有信用损失或信用损失很小；第三个是合规/行为风险，在向客户提供产品时，如果没有向客户推荐风险匹配的产品，可能导致错卖杠杆贷款或提供高风险投资产品，从而产生高额的合规成本；第四个是操作风险，通过流程、系统等进行风险管理时，可能存在操作风险，从而产生成本。 <h4 style="text-align: justify;">三、抵押品及风险管理框架</h4>       接下来看什么样的资产可以作为抵押品。第一类是流动性很好的有价证券，按照风险从低到高的顺序主要可以分为债券、股票、共同基金、对冲基金、结构化产品以及衍生品；第二类是流动性相对较差的金融资产，主要包括游艇、飞机以及一些保单。一般来说，私人银行业务可以接受的抵押品流动性相较于其他部门可以更差，更灵活。       客户进行抵押后，银行则需要根据抵押品的不同进行合理的风险管理，主要就是对市场风险进行管理。对于客户而言，希望能够利用较少的抵押品贷到更多的钱，而银行则要依据市场风险进行权衡。因此，银行就需要将金融资产的波动性与借贷风险管理成本进行比较，求得一个平衡。       具体来看，银行管理风险所采取的形式主要分为以下三类。       一是对信用风险进行管理，例如证券作为质押时，银行是否具有追索权；抵押品抵押给银行的比例，是全部抵押还是部分抵押；还有就是采取一些信用条款，将信用风险降低到可以接受的水平。       二是银行的风险偏好，例如，银行会对可以抵押品的资质进行要求，或者采取一些追加保证金的流程。       三是对系统性和操作性风险进行控制，及时观测市场风险，调整风控参数；管理追缴保证金流程，及时补仓或平仓，避免银行损失。 <h4 style="text-align: justify;">四、金融创新</h4>       怎么控制市场风险，关键在于对市场信息的处理速度。流动性较好的金融资产通常会具有更充分的市场信息，我们可以根据这些市场信息及时了解到这个金融资产的波动性和流动性等情况。这也是金融科技可以助力的方向。       通常来说，主要的风险管理包括以下几类：一是信用风险vs市场风险，主要包括银行规避信用风险、借款人规避市场风险和追加保证金等；二是系统性风险vs非系统性风险，主要包括投资组合上限以及管理集中度、市场事件监控等；三是主动vs被动，这一部分是最难的，主要包括被动依赖市场价格调整；以及一些主动型的管理，如警惕市场消息从而调整贷款价值比、根据对证券市场风险的预测调整抵押品资格的风险偏好。       来源：2020（第十六届）中国金融风险经理年度总论坛（11月） ', 'elegant' => array(), 'userId' => '292', 'status' => 'published', 'createdTime' => '1605078631', 'updatedTime' => '1636594907', 'body' => '      向华，汇丰银行全球财富融资主管，香港中文大学系统工程博士学位。曾任职于RBS美国和HSBC（香港），曾任汇丰全球Securities Based Lending风险主管、汇丰亚太模型检验主管。从事金融工作多年，主要专长是建模和风险管理，建模涉及过数据挖掘统计模型、BASEL资本模型和AI/ML。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '132', 'name' => '黄昶君', 'thumb' => 'public://expert/2020/11-06/153915330dad188066.jpg', 'originalThumb' => 'public://article/2020/11-06/153915359efa604657.jpg', 'description' => '渤海银行风险管理部总经理', 'about' => '渤海银行风险管理部总经理。负责渤海银行全面风险管理工作，重点牵头风险偏好、风险政策、风控流程、风控系统等落地实施，并负责统筹实施风险计量模型研发及管理，牵头推动风险文化及风险队伍建设。黄昶君长期从事银行风险管理工作。曾任中国建设银行总行风险管理部零售信用风险计量处处长，主要负责推动建设银行零售线上业务风险管控，应用人工智能、大数据、机器学习等新技术，探索以场景、客群、产品为出发点，构建线上零售业务新的管控模式。', 'sticky' => null, 'weight' => '0', 'achievement' => '    ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、对线上风控新模式的分析</h2>       黄昶君女士在《黄昶君：探索线上风控新模式》（2019）中指出，近年来国内线上金融业务发展迅速，也暴露了潜在风险。线上业务风险特征的类型多、识别复杂、变化快、传播快。将传统链条式管控模式转变为立体式风险管控。未来，将可以应用大数据和新型分析技术搭建智慧决策平台来提升决策能力，通过数据，模型，团队，渠道四个维度，推进流程融合。 <h4 style="text-align: justify;">（一）线上业务发展的现状和挑战</h4>       个人消费信贷整体市场风险涌现的现象，可分为四个时期：2013—2014年期间，监管部门规范整体线上业务市场的经营风险，政府正式公布“发展普惠金融，鼓励金融创新，丰富金融市场层次和产品”。2015年，政府年度工作报告两次提到互联网金融，并对“互联网金融异军突起”和“促进互联网金融健康发展”进行了回顾和展望，互联网金融发展达到高峰。2016年，网贷问题平台数量极速增加。2017年至今，P2P进入寒冬期。 <h4 style="text-align: justify;">（二）线上业务的风险特征</h4>       建设银行在线上快贷、小微快贷推出的过程中不断总结线上贷款的风控特点，整个客户旅程的风控角度包括四个关键，分别为：客户获取、客户准入、客户运营与客户退出。       ①线上业务的主要特点       在客户获取方面，普遍显现场景化、个性化、精准化的运营特点。在客户准入方面，首先是自动化与智能化特点。运用自动化、智能化决策，提供快速高效的业务流程，提升客户在信贷等流程中的体验。在客户运营方面，首先是生态服务，设计更多非金融的服务触点，以生态理念服务客户，增加与客户互动。在客户退出方面，主要呈现定制化特点，通过数据与行为分析，定制化催收、资产处置等客户退出管理方案，兼顾银行效益及客户体验。       ②风险管理实践要点       在客户获取部分，需要介入场景评估与客群评估。在客户准入部分，首先是依赖模型，依赖于更高精度的模型及相应策略，从而实现自动化、智能化的准入审批，模型更新换代速率较大，需要模型验证团队的支撑，需要对模型本身风险的管理。在客户运营部分，一方面是工具使用，7×24小时“聆听”监控需求，对于机器进行监控的依赖性更高，需要使用高精确度的监控工具。在客户退出部分，现阶段需要加强失联管理，包括客户处置的定价，个人不良资产与问题资产的定价，处置方法的选择。 <h4 style="text-align: justify;">（三）完善线上业务风险防控模式</h4>       整体的风控旅程已从将传统链条式管控模式转变为短时间内进行全盘分析与决策的立体式风险管控。从流程方面，区别于传统重贷中管理而轻前端获客的风控模式，对线上业务风险的把控需要把重心前置于获客阶段，并全盘考量后续决策、监控、催收等环节的流程设计逻辑。从而推动风控、IT、合规等职能在业务流程中前置，支持流程的立体化。思考如何在线上客户接触的短时间内获取贷前审批、贷中监控和贷后管理的所有数据，并设计相关流程。从决策方面，需要用自动化模型在短时间内精准勾画出多维度、立体的客户风险面貌;并适当采取灵活的试错机制，允许模型进行优化。   <h2 style="text-align: justify;">二、对大数据时代的零售业务量化经营的研究</h2>       在文章《大数据助推银行零售业务量化经营——大数据时代的零售数据挖掘和利用探索》（2014）中,她认为大数据时代给人们的生活、生产方式带来了巨大改变，从而引发人们的消费、生活等各方面需求特征发生转变。商业银行应积极把握大数据时代的相关特征，把握机遇，采用循序渐进的方式稳妥推动大数据在商业银行零售业务中的应用，以有效应对大数据时代各种挑战。零售业务是商业银行最能体现大数据优势的领域。未来银行业的竞争将集中在对客户相关数据的收集和分析环节，银行需要成功地通过各种渠道收集客户数据，精确分析客户的意愿，为客户提供个性化服务。大数据技术必将成为银行实现一体化客户关系管理，有效增强自身盈利能力的有力工具和核心竞争力。   <h2 style="text-align: justify;">三、对大数据时代商业银行电子商务零售客户风险评分模型的分析</h2>       在文章《大数据时代商业银行电子商务零售客户风险评分模型设计框架及实证分析》（2014）中，她采用大数据相关思维为指导，采用相关数据挖掘技术，对商业银行电子商务平台零售客户的风险计量模型进行设计和构建。首先根据客户相关信息及行为变量，采用决策树方法将电子商务客户分为若干群体，并分析总结了不同客户群体的行为特征；然后通过分析电子商务平台客户的相关行为信息以及其在线下的金融产品交易活动，构建相关建模备选变量；在此基础上，采用国际先进银行通用的建模方法，以零售B2C类的消费客户为例，进行了风险评分模型实证分析。结果表明，通过大数据分析基础上的电子商务客户风险模型构建，具有较好的风险识别能力和区分度，各项检验结果较为合理。目前，商业银行已开始逐步利用数据挖掘等相关技术进行客户价值挖掘、风险评估等方面的尝试应用。尤其是在零售电子商务业务方面，由于存在着海量数据以及客户网络行为表现信息，因此可以利用相关技术进行深度分析。   来源：       [1]2019，黄昶君：探索线上风控新模式，《风险管理》（2019年04期）       [2]2014，大数据助推银行零售业务量化经营——大数据时代的零售数据挖掘和利用探索，《海南金融》（2014年01期）       [3]2014，大数据时代商业银行电子商务零售客户风险评分模型设计框架及实证分析，《投资研究》（2014年04期） ', 'elegant' => array(array('src' => '/files/expert/expert_1609747553.png')), 'userId' => '233', 'status' => 'unpublish', 'createdTime' => '1604648360', 'updatedTime' => '1649384937', 'body' => '      渤海银行风险管理部总经理。负责渤海银行全面风险管理工作，重点牵头风险偏好、风险政策、风控流程、风控系统等落地实施，并负责统筹实施风险计量模型研发及管理，牵头推动风险文化及风险队伍建设。黄昶君长期从事银行风险管理工作。曾任中国建设银行总行风险管理部零售信用风险计量处处长，主要负责推动建设银行零售线上业务风险管控，应用人工智能、大数据、机器学习等新技术，探索以场景、客群、产品为出发点，构建线上零售业务新的管控模式。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '11', 'name' => '陈忠阳', 'thumb' => 'public://expert/2019/07-15/11015756355e546777.jpg', 'originalThumb' => 'public://article/2019/07-15/11015758a805667129.jpg', 'description' => '中国人民大学财政金融学院教授、博士生导师', 'about' => '中国人民大学财政金融学院教授、博士生导师，TGES-CFRMF发起人，重阳金融研究院高级研究员，美国富布莱特学者；陈教授在金融和风险管理领域从事教学和科研工作近三十年，曾任中国人民大学国际学院副院长、学术委员会主席、金融风险管理学科建设负责人，创办了国内首个金融机构风险管理方向的金融专业硕士和博士研究生项目。', 'sticky' => 'index', 'weight' => '100', 'achievement' => '<div style="border-left:5px solid #ff7200;padding-left:20px;">图书</div> <div style="height:12px; float:left"> </div> 2017，《我国金融风险管理与监管问题研究》中国金融出版社。 <div style="height:12px; float:left"> </div> 2006，《金融机构现代风险管理基本框架》中国金融出版社。 <div style="height:12px; float:left"> </div> 2004，《新巴塞尔资本协议与现代银行风险管理知识问答》主编，民族出版社。 <div style="height:12px; float:left"> </div> 2001，《金融风险分析与管理研究――市场和机构的理论、模型与技术》人民大学出版社。 <div style="height:12px; float:left"> </div> 2004，《利率风险管理》译著（合作），中信出版社。 2002，《证券市场与投资银行英语教程》主编（合作），新华出版社。 <div style="height:12px; float:left"> </div> 1997，《金融专业英语教程》主编（合作），新华出版社。 1995，《金融法律知识问答》主编（合作），金融出版社。 <div style="border-left:5px solid #ff7200;padding-left:20px;">论文</div> <div style="height:12px; float:left"> </div> <div style="height:12px; float:left"> </div> 2021，<a href="https://mp.weixin.qq.com/s/jHNLtbf-YFePCycnBKEMlg">重视金融的风险本质，加强专业化的风险管理</a>，IMI财经观察。 2019，<a href="https://book.yunzhan365.com/qpwi/ypyo/mobile/index.html" style="text-decoration:none">构建现代金融风险管理机制</a>，《中国金融》第1期。 <div style="height:12px; float:left"> </div> 2018，<a href="https://book.yunzhan365.com/qpwi/ctau/mobile/index.html" style="text-decoration:none">巴塞尔协议Ⅲ改革、风险管理挑战和中国应对策略</a>，《国际金融研究》第8期。 <div style="height:12px; float:left"> </div> 2018，<a href="https://book.yunzhan365.com/qpwi/tdac/mobile/index.html" style="text-decoration:none">金融结构、金融波动与经济增长</a>，《金融论坛》第5期。 <div style="height:12px; float:left"> </div> 2018，<a href="https://book.yunzhan365.com/qpwi/dhjz/mobile/index.html" style="text-decoration:none">新时代的金融风险管理</a>，《中国金融》第4期。 <div style="height:12px; float:left"> </div> 2017，<a href="https://book.yunzhan365.com/qpwi/ifto/mobile/index.html" style="text-decoration:none">对我国系统重要性银行的市场约束真的有效吗——基于9起监管事件的实证研究</a>，《经济理论与经济管理》第8期。 <div style="height:12px; float:left"> </div> 2016，<a href="https://book.yunzhan365.com/qpwi/ivop/mobile/index.html" style="text-decoration:none">资产证券化中存在逆向选择吗?——基于美国银行层面数据的实证分析</a>，《国际金融研究》第2期。 <div style="height:12px; float:left"> </div> 2016，<a href="https://book.yunzhan365.com/qpwi/mvjk/mobile/index.html" style="text-decoration:none">我国金融压力指数的构建与应用研究</a>，《当代经济科学》第1期。 <div style="height:12px; float:left"> </div> 2015，<a href="https://book.yunzhan365.com/qpwi/ugqj/mobile/index.html" style="text-decoration:none">高利贷问题反思——风险管理的视角</a>，《黑龙江社会科学》第2期。 <div style="height:12px; float:left"> </div> 2014，<a href="https://book.yunzhan365.com/qpwi/lhke/mobile/index.html" style="text-decoration:none">Basel Ⅲ逆周期资本缓冲机制表现好吗?——基于国际与中国的实证分析</a>，《吉林大学社会科学学报》第3期。 <div style="height:12px; float:left"> </div> 2013，<a href="https://book.yunzhan365.com/qpwi/hmfg/mobile/index.html" style="text-decoration:none">国有大型商业银行系统性风险贡献度真的高吗——来自中国上市商业银行股票收益率的证据</a>，《财贸经济》第9期。 <div style="height:12px; float:left"> </div> 2013，发挥资本约束扩张的作用，《中国金融》第2期。 <div style="height:12px; float:left"> </div> 2012，<a href="https://www.yunzhan365.com/17993772.html" style="text-decoration:none;">中国系统性风险监测与分析研究</a>,《吉林大学社会科学学报》第7期。 <div style="height:12px; float:left"> </div> 2011，<a href="https://www.yunzhan365.com/28841383.html" style="text-decoration:none;">我国实施巴塞尔协议Ⅲ的目标定位</a>，《中国金融》第1期。 <div style="height:12px; float:left"> </div> 2011，<a href="https://book.yunzhan365.com/qpwi/heio/mobile/index.html" style="text-decoration:none;">银行集团并表监管的国际实践</a>，《中国金融》第11期。 <div style="height:12px; float:left"> </div> 2010，<a href="https://book.yunzhan365.com/qpwi/fvrl/mobile/index.html" style="text-decoration:none">基于CAPM理论的证券基金绩效分析</a>，《北京理工大学学报》(社会科学版)。 <div style="height:12px; float:left"> </div> 2010，<a href="https://book.yunzhan365.com/qpwi/bkyv/mobile/index.html" style="text-decoration:none">后金融危机时代银行创新与风险管理</a>，《银行家》。 <div style="height:12px; float:left"> </div> 2010，<a href="https://book.yunzhan365.com/qpwi/vmsd/mobile/index.html" style="text-decoration:none">中小股份制商业银行董事会风险治理</a>，《银行家》。 <div style="height:12px; float:left"> </div> 2009，<a href="https://book.yunzhan365.com/qpwi/mfzl/mobile/index.html" style="text-decoration:none">我国银行小企业信贷模式与风险管理研究——基于银行问卷调研的分析</a>，《金融研究》第5期。 <div style="height:12px; float:left"> </div> 2009，<a href="https://book.yunzhan365.com/qpwi/hlpl/mobile/index.html" style="text-decoration:none">企业信贷约束衡量研究评介</a>，《经济学动态》第5期。 <div style="height:12px; float:left"> </div> 2009，<a href="https://book.yunzhan365.com/qpwi/dafs/mobile/index.html" style="text-decoration:none">小企业信贷约束研究的最新进展</a>，《经济理论与经济管理》第3期。 <div style="height:12px; float:left"> </div> 2008，<a href="https://book.yunzhan365.com/qpwi/dmpi/mobile/index.html" style="text-decoration:none">美国次贷危机的微观机制及教训</a>，《理论视野》第12期。 <div style="height:12px; float:left"> </div> 2008，<a href="https://book.yunzhan365.com/qpwi/ifki/mobile/index.html" style="text-decoration:none">从次贷危机看走出去的风险防范</a>，《中国金融》第18期。 <div style="height:12px; float:left"> </div> 2008，<a href="https://book.yunzhan365.com/qpwi/zjai/mobile/index.html" style="text-decoration:none">现代金融机构操作风险管理研究</a>，《经济理论与经济管理》第6期。 <div style="height:12px; float:left"> </div> 2008，<a href="https://www.yunzhan365.com/91535079.html" style="text-decoration:none;">从次贷危机看现代金融技术发展</a>，《人民日报》2008-05-21刊。 <div style="height:12px; float:left"> </div> 2008，<a href="https://book.yunzhan365.com/qpwi/gqvd/mobile/index.html" style="text-decoration:none">金融创新如何催生“毒垃圾”</a>，《中国青年报》2008-01-27刊。 <div style="height:12px; float:left"> </div> 2008，<a href="https://www.yunzhan365.com/66443982.html" style="text-decoration:none">美国银行为何敢放高风险贷款</a>，《中国青年报》2008-01-20刊。 <div style="height:12px; float:left"> </div> 2008，<a href="https://book.yunzhan365.com/qpwi/wrpd/mobile/index.html" style="text-decoration:none;">结合中国国情实施新资本协议</a>，《中国金融》第2期。 <div style="height:12px; float:left"> </div> 2008，<a href="https://book.yunzhan365.com/qpwi/htcf/mobile/index.html" style="text-decoration:none">衍生产品、风险对冲与公司价值——一个理论综述</a>，《中国青年报》2008-01-20刊。 <div style="height:12px; float:left"> </div> 2007，<a href="https://book.yunzhan365.com/qpwi/bsqc/mobile/index.html" style="text-decoration:none">金融机构风险管理机制研究</a>，《财贸经济》第11期。 <div style="height:12px; float:left"> </div> 2007，<a href="https://book.yunzhan365.com/qpwi/sedo/mobile/index.html" style="text-decoration:none;">内部控制、对冲和经济资本配置——金融机构风险管理现代机制的整体框架</a>，《国际金融研究》第6期。 <div style="height:12px; float:left"> </div> 2007，<a href="https://book.yunzhan365.com/qpwi/hjuk/mobile/index.html" style="text-decoration:none">金融衍生产品市场:经济功能和风险管理</a>，《中国金融》第8期。 <div style="height:12px; float:left"> </div> 2006，<a href="https://book.yunzhan365.com/qpwi/ypju/mobile/index.html" style="text-decoration:none">信用组合管理:现代银行管理的新标志</a>，《中国金融》第9期。 <div style="height:12px; float:left"> </div> 2006，<a href="https://book.yunzhan365.com/qpwi/lueu/mobile/index.html" style="text-decoration:none">金融机构风险管理机制有效性研究——对风险管理长效机制问题的思考</a>，《国际金融研究》第5期。 <div style="height:12px; float:left"> </div> 2006，<a href="https://book.yunzhan365.com/qpwi/poiw/mobile/index.html" style="text-decoration:none">现代风险管理:是科学还是艺术?</a>，《软件世界》。 <div style="height:12px; float:left"> </div> 2005，<a href="https://www.yunzhan365.com/96562031.html" style="text-decoration:none;">管理提前还贷风险的现代制度和方法</a>，《金融时报》理论周刊2005-05-30刊。 <div style="height:12px; float:left"> </div> 2005，Risks in China’s stock market and their institutional causes,China Capital Markets Handbook,THE EUROMONEY. <div style="height:12px; float:left"> </div> 2005，<a href="https://www.yunzhan365.com/73431653.html" style="text-decoration:none;">论现代金融机构风险管理十大原则</a>，《国际金融研究》第5期。 <div style="height:12px; float:left"> </div> 2005，<a href="https://book.yunzhan365.com/qpwi/uedi/mobile/index.html" style="text-decoration:none">从中航油事件看风险管理的四个基本问题</a>，《中国金融》第23期。 <div style="height:12px; float:left"> </div> 2004，保险公司业务风险特征比较分析，《货币金融评论》第10期。 <div style="height:12px; float:left"> </div> 2004，<a href="https://book.yunzhan365.com/qpwi/teql/mobile/index.html" style="text-decoration:none">风险的国际协议与国际协议的风险——评巴塞尔新资本协议正式出台</a>，《国际金融研究》第4期。 <div style="height:12px; float:left"> </div> 2004，<a href="https://book.yunzhan365.com/qpwi/zgvy/mobile/index.html" style="text-decoration:none;">让银行资本发挥作用</a>，《中国金融》第15期。 <div style="height:12px; float:left"> </div> 2004，<a href="https://www.yunzhan365.com/58902134.html" style="text-decoration:none;">中国是拒绝还是接受新资本协议</a>，《金融时报》理论周刊，2004-07-19刊;《投资与证券》第10期。 <div style="height:12px; float:left"> </div> 2004，<a href="https://book.yunzhan365.com/qpwi/hudi/mobile/index.html" style="text-decoration:none">违约损失率(LGD)研究</a>，《国际金融研究》第5期。 <div style="height:12px; float:left"> </div> 2004，<a href="https://www.yunzhan365.com/22284199.html" style="text-decoration:none;">新巴塞尔资本协定回顾与启示</a>，《金融时报》2004-01-02刊。 <div style="height:12px; float:left"> </div> 2004，<a href="https://book.yunzhan365.com/qpwi/bvoy/mobile/index.html" style="font-size: 16px; text-decoration: none;">新巴塞尔资本协定对我国的影响</a>，《国际金融研究》第1期。 <div style="height:12px; float:left"> </div> 2002，<a href="https://book.yunzhan365.com/qpwi/pgqp/mobile/index.html" style="text-decoration:none;">持续期与商业银行利率风险免疫管理</a>，《成人高教学刊》第4期。 <div style="height:12px; float:left"> </div> 2002，<a href="https://book.yunzhan365.com/qpwi/yvet/mobile/index.html" style="text-decoration:none">金融市场风险管理发展探析</a>，《经济研究参考》第62期。 <div style="height:12px; float:left"> </div> 2001，<a href="https://www.yunzhan365.com/45525775.html" style="text-decoration:none">衍生金融工具与风险管理</a>，《经济研究参考》第44期。 <div style="height:12px; float:left"> </div> 2001，<a href="https://book.yunzhan365.com/qpwi/uvfn/mobile/index.html" style="text-decoration:none">金融风险的概念与性质探析——金融风险概念辨析</a>，《成人高教学刊》。 <div style="height:12px; float:left"> </div> 2001，<a href="https://book.yunzhan365.com/qpwi/ukre/mobile/index.html" style="text-decoration:none">VaR体系与现代金融机构的风险管理</a>，《金融论坛》第5期。 <div style="height:12px; float:left"> </div> 2001，<a href="https://book.yunzhan365.com/qpwi/lvtg/mobile/index.html" style="text-decoration:none">投机和赌博概念辨析——由当前股市争论引发的思考</a>，《金融时报（理论版）》2001-03-03刊。 <div style="height:12px; float:left"> </div> 2001，<a href="https://book.yunzhan365.com/qpwi/abmw/mobile/index.html" style="text-decoration:none">金融工程与金融风险管理</a>，《国际金融研究》第4期。 <div style="height:12px; float:left"> </div> 2000，<a href="https://book.yunzhan365.com/qpwi/ufev/mobile/index.html" style="text-decoration:none">信用风险量化管理模型发展探析</a>，《国际金融研究》第10期。 <div style="height:12px; float:left"> </div> 2000，<a href="https://www.yunzhan365.com/19966498.html" style="text-decoration:none;">现代金融风险管理的新变化</a>，《金融时报》理论周刊2000-08-12刊。 <div style="height:12px; float:left"> </div> 2000，<a href="https://www.yunzhan365.com/85761539.html" style="text-decoration:none;">从β系数看股票市场的风险配置功能</a>，《中国证券报》理论版2000-08-29刊。 <div style="height:12px; float:left"> </div> 2000，<a href="https://book.yunzhan365.com/qpwi/cteg/mobile/index.html" style="text-decoration:none">金融风险的性质与金融风险管理的发展</a>，《经济研究参考》第38期。 ', 'attachachieve' => '', 'viewpoint' => '       陈忠阳教授是我国最早系统性开展现代金融风险管理的学者之一，自90年代就开始在学术期刊和媒体杂志上发表金融风险管理相关文章，在国内学术界和业界产生了广泛的学术影响。其代表性学术观点主要集中在以下几个方面。   <h2>一、关于风险的概念性质及其和金融的基本关系</h2>        金融风险管理学科的发展面临的第一个挑战性的问题就是对风险概念的界定和性质分析，金融行业长期以来在专业化的风险管理体系建设过程中也面临概念和逻辑体系混乱，缺乏风险基础理论指导的困境。        陈忠阳教授早在90年代就开始了系统的风险基础理论研究，论文《金融风险的概念与性质探析》（1999）系统梳理了风险与损失、不确定性、可能性、波动性、危险、风险暴露等一系列相关概念的关系，并深入分析了金融风险的本质和基本特征，提出对风险概念的理解和运用要高度重视其事前特性和概率特性，指出将风险概念与损失、问题或危机等概念混用或相互替代对于现代化专业化风险管理及其有效性的危害，并进一步从学理上提出了波动性风险度量所内含的风险双侧性定义相比于传统的损失可能性单侧定义是风险认知理论的重大飞跃，对现代风险管理发展具有重要意义，尤其是对有效处理风险控制和业务发展关系，对推动基于风险调整的业绩衡量和RAROC等经济资本配置理论和方法发展的基础作用。       在随后的著作《金融风险分析与管理研究――市场和机构的理论、模型与技术》（2001）中，陈忠阳教授在国内较早地系统阐述了风险和金融的基本关系，指出风险是金融的本质内涵，金融的基本职能不仅在于融资和资金配置，更在于风险管理和风险配置，即通过银行和资本市场以及保险等机构将经济体系中不可避免的风险从没有承担能力或有能力却没有承担意愿的参与者转移和配置到既有承担能力又有承担意愿的参与者。一个有效的金融体系只有将融资和风险两方面功能有效结合才能实现可持续有效资源配置的经济使命。同时，结合我国经济制度转型的现实，陈忠阳教授还系统分析了计划经济制度和市场经济制度在风险理念和制度安排上的本质差异及其对我国现实金融运行和风险管理的影响。        在论文《投机和赌博概念辨析——由当前股市争论引发的思考》（2001）中，陈忠阳教授利用当年轰动一时的股市大争论，从现代风险承担和管理的视角系统阐述了困惑很多投资者和学界人士的投机、投资和赌博的理论关系问题，并指出以风险换收益对于投资者和赌博者的根本不同，投资者是以风险承担换取预期收益，博的是智慧和科学分析，赌博者换的是极端收益，博的是运气，从而提出投资者要树立基于现代风险管理的科学投资观。   <h2>二、关于金融机构现代风险管理的基本框架和体系</h2>        现代金融风险管理的发展特点主要在于其专业性、系统性和科学性。陈忠阳教授是我国最早开始对现代风险管理开展系统研究的学者之一，其著作《金融风险分析与管理研究――市场和机构的理论、模型与技术》（2001）是国内早期对金融风险进行的最系统的分析，内容覆盖对金融风险和风险管理的性质、风险分析和定价的理论与模型、市场风险衡量的现代方法、信用风险管理与衡量等。尤其在分析现代风险概念的双侧性和对称性的基础上，首次提出风险的对称性和风险承担不对称性的矛盾，进而分析了对业绩进行风险调整，对盈利设置止盈线以及进行资本充足性管理和风险限额管理的理论基础。        著作《金融机构现代风险管理基本框架》（2006）进一步系统研究和阐述现代风险管理基本框架，对市场、信用和操作三大风险及其管理进行了专门的分析，涉及的相关技术概念体系可视为现代风险管理框架的技术支柱；并结合新巴塞尔资本协议和我国金融机构风险管理的发展研究了现代风险管理发展对我国的影响和启示。针对我国金融机构风险管理迅速发展过程中面临的种种困惑，论文《金融机构风险管理机制研究》认为其核心在于对现代风险管理机制内容和目标及其有效性的认识，提出任何所谓“全面”和“长效”的风险管理机制建设其核心都在于加强风险管理机制的有效性。        论文《内部控制、对冲和经济资本配置——金融机构风险管理现代机制的整体框架》（2006）进一步指出内部控制机制、对冲机制和经济资本配置机制是金融机构风险管理现代机制整体框架的三个主要组成部分。指出我国金融机构股份制改革进程中“全面风险管理（长效）机制”的建设要以这三大机制构成的三位一体为基础，以内部控制机制建设为重点，协调发展对冲机制和经济资本配置机制。   <h2>三、关于新巴塞尔资本协议和我国基于风险的金融监管</h2>        新巴塞尔协议是基于风险的金融监管理论与实践结合的主要形式，也是国际范围内现代风险管理发展的重要推动力量，对我国金融风险管理现代化的发展产生了重要影响。陈忠阳教授也是我国最早开展新巴塞尔协议和风险监管研究的学者，其相关研究成果在我国金融行业具有广泛持久的影响。        论文《风险的国际协议与国际协议的风险》（2004）是国内最早对巴塞尔新资本协议进行系统研究的学术论文，分析了新协议的基本目标、实现机制和主要特点，尤其是对风险敏感的资本激励是风险监管的本质，并通过国际协议在全球范围推动了现代风险管理的发展，同时也指出新协议在给我国带来加强金融风险管理的借鉴的同时，由发达国家主导制定的风险国际协议也给我国带来了新的风险和挑战。我国不应该局限和拘泥于资本监管的形式，而是要追求资本监管的本质，即推动金融机构加强风险管理。并且基于这样的观点，对2004年新巴塞尔资本协议（巴塞尔协议II）发布前后西方媒体将我国发布和实施适合我国国情的首个资本管理监管办法解读为“中国拒绝接受新巴塞尔协议”的错误理解从风险管理理论和发展历史双重视角进行了系统的批驳，这一观点经相关媒体报道和会议交流之后在国内外引起广泛关注。另一方面，针对新巴塞尔协议源自和面向发达国家资本问题和风险管理问题，陈忠阳教授明确提出中国实施新巴塞尔资本协议关键在于追求现代风险管理理念和管理水平的提高，要从风险管理的本质角度实施新协议，而且要本着学习的态度和精神来实施新巴塞尔协议。这一观点被监管部门和业界广泛接受，对我国银行业实施新巴塞尔协议产生了积极的影响和作用。        论文《我国实施巴塞尔协议Ⅲ的目标定位》（2010）从我国银行业资本问题独特性出发，梳理了巴塞尔协议的目标及其实现机制演变、我国与西方银行业资本问题的差异、我国实施Basel Ⅲ的三层次目标及重点，为我国银行业把握巴塞尔协议Ⅲ技术精髓、实施巴塞尔协议Ⅲ的策略提供了重要参考依据。BaselⅢ提出了基于变量“信贷/GDP”的逆周期资本缓冲计提机制。        论文《Basel Ⅲ 逆周期资本缓冲机制表现好吗?——基于国际与中国的实证分析》（2014）指出中国实施逆周期资本缓冲应该结合经济基本面来进行整体设计，而不应仅仅依据BaselⅢ的指导方法，应多维度地选择监测指标，将其与经济基本面结合，不能忽略经济基本面这个最基础的因素，从更宏观、更全面的视角实施逆周期调控，走出一条符合中国自身实际的宏观审慎监管实施路径。        论文《后危机时代宏观审慎监管研究的最新发展》（2012）对金融危机以来国际上对宏观审慎监管的研究进行了梳理，是后来我国监管当局实施宏观审慎监管政策的重要催化剂和参考依据。        著作《我国金融风险管理和监管问题研究》（2016）重点研究了当前我国金融风险和监管的热点问题，包括P2P网贷平台的风险、评级与监管，银行业小微信贷与风险管理，股票市场波动，中小银行流动性风险管理，系统性风险与宏观审慎监管，巴塞尔协议Ⅲ修订与巴塞尔协议Ⅳ展望：中国的挑战与应对。该项成果兼具理论性和实践性，内容覆盖了信用风险、市场风险、流动性风险、系统性风险和金融监管等诸多方面，是开展本课题研究的重要经验积累。尤其是在该研究成果支持下与融360公司合作开展的P2P评级项目在2015年初成功预警了易租宝网贷风险，在互联网金融领域产生了积极影响。   <h2>四、关于信用风险管理</h2>        陈忠阳教授也是国内最早开展现代信用风险管理研究的学者之一。论文《信用风险量化管理模型发展探析》（2000）和《违约损失率（LGD）研究》（2004）对各信用风险量化模型在全球的发展进行了全面的分析，认为量化模型是现代风险管理的重要特点和发展方向，并为我国信用风险计量和管理的发展分析了现实基础和发展方向。        专著《金融风险分析与管理研究――市场和机构的理论、模型与技术》（2001）是国内最早系统性研究现代信用风险管理的学术成果之一，不仅对信用量化模型和应用进行了系统研究，而且对国际市场上兴起不久的信用衍生产品（主要是信用违约互换CDS）开展了研究，并指出其在帮助金融机构对冲和管理信用风险的同时，也要防止成为“没有驯服的野兽”，是国内最早预警信用衍生产品风险的研究成果。        著作《金融机构现代风险管理基本框架》（2006）更加系统深入地分析了现代信用风险计量和对冲方法的发展及其在信用组合管理新兴领域的应用，尤其是对以CDO为代表信用衍生产品定价和交易机制以及可能带来的风险进行了深入研究。该研究和更早的2001年对CDS的研究是很少见的在美国以CDO为重灾区的2008年金融危机发生前中国对CDO等信用衍生产品及其风险进行系统研究的学术成果。        此外，论文《我国银行小企业信贷模式与风险管理研究》（2009）分析了现行公司信贷模式导致了银行在小企业贷款发展和风险管理上陷入困境，银行应借鉴国际经验，提高风险管理科技含量，同时结合我国大银行和小银行的不同特点探索建立新的小企业信贷模式。建议“Revisions to the Standardised Approach for credit risk”（2014）针对巴塞尔委员会（Basel Ⅲ）关于信用风险的修订，认为此次修订没有考虑发达国家市场和新兴市场（如中国）在资本问题方面的差异，并提出了三点建议。该建议是我国唯一对巴塞尔协议（Basel Ⅲ）修订的非官方建议，被巴塞尔银行监管委员会（BCBS）收录并在其官方网站发布。   <h2>五、关于市场风险</h2>        VaR模型是市场风险管理的核心方法，也是现代风险管理发展的里程碑。陈忠阳教授是我国最早倡导将VaR模型方法应用于市场风险管理的学者之一。《VaR和金融市场风险管理》（2001）和论文《金融市场风险管理发展探析》（2002）系统研究了VaR模型的技术内涵及其独特的风险管理应用功能，同时也指出了VaR模型方法的局限性，建议用压力测试来弥补不足。陈忠阳教授是国内最早关注到模型风险，在倡导风险量化模型的提出兼顾模型风险管理的学者，也是国内最早提出压力测试的学者，比金融危机之后业界和学术界的广泛关注早了很多年。论文《持续期与商业银行利率风险免疫管理》（2000）认为传统的资金缺口管理缺乏对于资产和负债的利率敏感性的准确衡量，不能准确反映利率水平的变化对资产和负债可能产生的影响，而持续期的引入能够有效提高缺口管理防范利率风险的效果。   <h2>六、关于流动性风险</h2>        课题“苏州法人银行流动性风险管理的现状及应对策略”以苏州辖内6家主要法人银行（苏州银行和5家农村商业银行）为研究对象，全面评估其在流动性风险管理及全面风险管理方面的现状、存在的问题和薄弱环节，并探讨其如何结合自身客户结构、业务模式等方面积极应对所产生的问题，从而有效防范流动性风险，继而提升整体风险管理水平。   <h2>七、关于操作风险管理</h2>        论文《现代金融机构操作风险管理研究》（2009）对操作风险的衡量技术和操作风险的管理策略和手段等进行了系统的研究，认为操作风险管理不是传统的内部控制的翻版说法，而是基于现代风险管理理念，伴随着整个金融风险管理专业化和现代化的发展而出现的应对人员、系统、流程以及外部事件带来的风险的一系列风险识别、衡量、管理和监测的专业风险管理体系，其管理策略和信用风险和市场风险一样，也包含内部控制、对冲（通过保险）和经济资本配置等不同的机制和方法。并且，随着操作风险概念的出现，传统信贷管理系统被分解为信用风险管理和操作风险管理系统，信用风险也不再等同于违约风险，操作风险和信用风险都是违约风险的来源。风险管理专业化发展由此更加深入，有限性也进一步提高。   <h2>八、关于系统性风险</h2>        金融危机之后，系统性风险获得广泛关注。陈忠阳教授及其博士研究生团队也对此开展了系统的研究。论文《中国系统性风险监测与分析研究》（2012）以资本市场中的跳跃风险为出发点，运用Merton的跳跃模型找到引起中国系统性风险的系统性事件，进而选择反映中国系统性风险的相关指标，首次绘制中国系统性风险地图，有效反映了中国系统性风险的变动趋势。        论文《国有大型商业银行系统性风险贡献度真的高吗——来自中国上市商业银行股票收益率的证据》（2016）采用相关性分析和CoVaR方法研究中国上市商业银行的系统性风险贡献度，结论表明股份制商业银行、城市商业银行和其他银行的平均相关性高于国有大型商业银行，且股份制商业银行和城市商业银行陷入困境从而引发银行系统陷入困境的概率也高于国有大型商业银行。        论文《我国金融压力指数的构建与应用研究》（2016）为我国构建了周度金融压力指数（FSI），并利用TVAR模型基于FSI与宏观经济的关系进行了门限和区制分析。该文所构建的FSI指数的走势与样本区间内系统性事件发生情况基本吻合，且其当前数值与门限值比较可以用于判断未来第7个月的经济所处区制，通过指数的变化不仅可以更好地监测我国系统性风险状况，也能对宏观经济走势进行更有效的预警。        论文《对我国系统重要性银行的市场约束真的有效么——基于9起监管事件的实证研究》（2017）对系统重要性金融机构（SIFIs）存在“大而不倒”效应以及如何对其进行有效监管进而降低其可能带来的系统性风险展开研究，选取巴塞尔协议第三支柱市场约束这一角度，针对我国的全球系统重要性银行（G-SIBs）股票收益对于2011-2015年期间巴塞尔银行监管委员会、金融稳定理事会以及中国银监会发布的G-SIBs名单和出台SIBs监管政策等共9次监管事件产生的反应进行分析，发现仅有巴塞尔委员会发布更新后监管要求这一事件对相关G-SIBs股票收益产生了显著的负面影响。表明在大部分情况下，市场约束在对我国SIBs的监管中并未起到显著作用，未达到降低该类银行道德风险的效果。 ', 'elegant' => array(array('src' => '/files/expert/expert_1563162294.jpg'), array('src' => '/files/expert/expert_1563162627.jpg'), array('src' => '/files/expert/expert_1563162637.jpg'), array('src' => '/files/expert/expert_1563162644.jpg'), array('src' => '/files/expert/expert_1563162652.jpg'), array('src' => '/files/expert/expert_1563162659.jpg')), 'userId' => '365', 'status' => 'published', 'createdTime' => '1556173370', 'updatedTime' => '1636515641', 'body' => '       陈忠阳教授现任中国人民大学财政金融学院教授、博士生导师，TGES-CFRMF发起人，重阳金融研究院高级研究员，美国富布莱特学者；陈教授在金融和风险管理领域从事教学和科研工作近三十年，曾任中国人民大学国际学院副院长、学术委员会主席、金融风险管理学科建设负责人，创办了国内首个金融机构风险管理方向的金融专业硕士和博士研究生项目。        陈教授在金融风险管理方面有丰富的国际交流经历。陈教授2016-2017年在美国加州伯克利大学哈斯商学院做访问学者，2005-2008年担任美国芝加哥伊利诺大学（University of Illinois at Chicago）商学院客座教授，2002-2003年度入选美国国务院富布莱特（FULBRIGHT）驻校学者（Scholar-in-Residence），应邀赴波士顿萨福克大学（Suffolk University）商学院任客座教授，主讲MBA课程“金融机构风险管理”，1998-1999年被国家留学基金挑选留学英国，在雷丁大学国际证券市场协会科研中心（ISMA Centre, Reading University）做访问学者，研究课题为“金融风险管理”。陈教授曾担任国际风险管理师协会（PRIMIA）北京分会创始会长、国际期刊Journal of Risk Management in Financial Institutions编委。        陈教授长期致力于推动现代风险管理在我国的传播和发展，不仅受邀为中央党校、北京大学、清华大学、中国科学院、南京大学、浙江大学、复旦大学等高端院校和学术科技机构讲授现代金融风险管理课程，而且与国内金融机构有着广泛深入的交流与合作，近十年来受邀为各类金融机构和论坛发表演讲和进行培训逾百场，其中包括中央汇金公司、中国工商银行、中国建设银行、中国农业银行、国家开发银行、中国农业发展银行、中国进出口银行、招商银行、东方资产管理公司总部、华融资产管理公司总部、中国建银投资公司、中国银行业协会、中国财务公司协会、新华人寿、太平洋财产保险公司和银河证券公司等总部机构。陈教授自2005年发起组织天弈全球专家研讨（TGES）暨中国金融风险经理论坛（CFRMF），已经有2,000多位国内外资深专家发表演讲，20,000多名业界人士参会，成为我国历史长、规模大和专业水平高的金融风险管理精英交流平台。2010年创办的面向金融业界的《风险管理》杂志。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '88', 'name' => '曾宪岩', 'thumb' => 'public://expert/2020/11-04/172929966f0c782195.jpg', 'originalThumb' => 'public://article/2020/11-04/1729299be8c5397475.jpg', 'description' => '中国农业银行云南省分行副行长', 'about' => '中国农业银行云南省分行副行长，曾任农总行公司业务部副总经理、普惠金融事业部副总经理。在信贷管理、小微金融等领域履历比较丰富。公开发表各类专业文章50余篇。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">图书</div> <div style="height: 12px; float: left;"> </div> 2018，《中国商业银行竞争力报告》，中国金融出版社 <div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">论文</div> <div style="height: 12px; float: left;"> </div> 2020，运用区块链技术提高商业银行数字化金融服务水平的思考，《农银学刊》第2期 2018，西北地区大型商业银行小微金融可持续发展模式探索，《中国银行业》第12期 2018，新形势下商业银行小微企业金融业务转型发展研究，《农村金融研究》第9期 2018，<a href="https://www.yunzhan365.com/88789553.html">新金融下的人才培训</a>，《金融时报》6月25日 2017，百年银行危机的背后——《钱商》透出的启示，《中国银行业》第11期 2017，<a href="https://www.yunzhan365.com/86606201.html">践行普惠金融需要人文精神</a>，《中国城乡金融报》第7期 2017，基于金融排斥视角的大型商业银行小微企业金融服务策略研究，《村金融研究》第2期 2016，千家小微企业调查:融资难题成因复杂需银政企合力破解，《中国银行业》第12期 2016，小微融资与金融结构改革，《中国金融》第12期 2014，多重目标平衡下的小微金融，《农村金融研究》第9期 2014，<a href="https://www.yunzhan365.com/86144988.html">多重目标、资产组合和小微金融</a>，《中国城乡金融报》第8期 2014，<a href="https://www.yunzhan365.com/82591036.html">合理引导市场预期增强可持续发展力</a>，《中国城乡金融报》 2014，我国小微企业金融服务的考核评价——美国CRA实施考核评价的一些启示，《西部金融》第1期 2013，<a href="https://www.yunzhan365.com/13554951.html">美国CRA实施考核评价的启示</a>，《金融时报》第11期 2012，<a href="https://www.yunzhan365.com/13394874.html">对建立商业银行退出制度的探讨</a>，《中国城乡金融报》第12期 2012，<a href="https://www.yunzhan365.com/62471218.html">资产支持票据开闸:商业银行的机遇与风险</a>，《中国城乡金融报》第8期 2012，<a href="https://www.yunzhan365.com/50347751.html">服务有效性考量商业银行</a>，《中国城乡金融报》第3期 2011，<a href="https://www.yunzhan365.com/64749485.html">从持有到期走向市场交易</a>，《中国城乡金融报》第9期 2011，<a href="https://www.yunzhan365.com/28793053.html">关于实现贷款市场交易的探讨</a>，《农村金融研究》第9期 2002，<a href="https://www.yunzhan365.com/12904254.html">银行持股——解决集团性企业信息不对称的根本途径</a>，《湖北农村金融研究》 2001，<a href="https://www.yunzhan365.com/60516565.html">对当前不良贷款监管工作中所涉及几个问题的思考</a>，《湖北农村金融研究》 2001，<a href="https://www.yunzhan365.com/82946153.html">人而无信不知其可——漫谈我国个人信用制度的建设</a>，《湖北农村金融研究》 ', 'attachachieve' => '', 'viewpoint' => '<h2 align="justify">一、对线上零售贷款风险防控的挑战的分析</h2>       曾宪岩先生在文章《商业银行线上零售贷款风险防控策略》中对线上零售贷款风险防控所面临的挑战做出了精辟的分析。他指出首先是发展与风控之间的矛盾。强调发展最终的目的是在两者之间寻求平衡。但是两者永远是对矛盾体，要发展必须放宽经营条件，而放宽经营条件风险就会上升。放宽政治、经济、文化，无论是从借款对象、金额还是期限来讲，都会提高风险的可能。二是息差收窄。充分竞争的结果体现在价格上，从成本端和收益端两边挤压，最后导致息差收窄，收益降低。三是竞争激烈，在线上零售贷款的领域，除了个别许可之外，很多场景的设计里都可以切入这样的功能。尤其是现在要降低宏观杠杆率，导致正规的传统企业贷款需求日益下降，但很多金融机构要发展业务，就纷纷进军零售领域。所以零售领域线上贷款的竞争其实是越来越激烈。四是监管趋严。《商业银行互联网贷款暂行办法》颁布后，相对原来野蛮生长的时代更加严格和规范。       来源：2020（第十六届）中国金融风险经理年度总论坛NO.1：信用分析和评级技术发展与应用——《商业银行线上零售贷款风险防控策略》   <h2 align="justify">二、对个人线上信贷业务快速发展原因的分析</h2>       在文章《商业银行个人线上信贷业务探讨》中，他认为个人线上贷款业务之所以发展得如此迅猛，从外部看，有其深厚的时代背景，它是我国金融发展到一定阶段顺理成章的产物。从客户需求的角度，众所周知商业银行是嫌贫爱富的，但是自从国家大力发展普惠金融后，大家普遍认为金融需求是一种权利，前两年诺贝尔经济学奖得主将普惠金融上升到民主权力，获得金融服务是一项平等权利。所以，国家在补短板的过程中把不协调的薄弱环节补上来，发展个人线上信贷业务。从外部环境来看，数字经济、信息化社会也是个人线上信贷业务发展的催化剂。目前数字化水平飞速发展，无科技不金融，不管是创新一个产品、业务还是流程，如果不考虑数字化转型的需求，那它一定是不适应当前社会需要的。从技术支持的角度，互联网和物联网的兴起将来会使个人线上信贷业务大大扩容。试想，为什么现在不能做大型法人线上贷款业务？是因为信息不对称。但是如果我们身处万物互联的时代，工业物联网和互联网发展起来，那么企业每一项业务都可以翻译成数据，通过云计算立即翻译成银行需要的信息。如果有了信息支持，那么贸易融资、固定资产贷款等都是可以做的。在同业竞争方面，未来物联网时代给个人线上信贷业务提供了更广阔的空间。商业银行个人线上信贷业务近几年发展迅猛，某种程度上是数字化转型倒逼的结果。金融科技公司如支付宝已经占据了小额支付90%的市场，曾几何时，蚂蚁金服、微众银行做的个人信贷业务客户量超过了五大国有商业银行之和。       来源：2020TGES系列论坛-07：投资银行业务、私募投资与风险管理（0822-0823）——《商业银行个人线上信贷业务探讨》   <h2 align="justify">三、对融资难题的原因的分析</h2>       在论文《小微融资与金融结构改革》（2016）中，他认为信贷供给的结构不合理，是小微企业融资难的重要成因。2016年前三季度人民币贷款增加10.16万亿元，其中住户部门贷款增加就达4.72万亿元，占46.46%，比上年同期（30.3%）上升16.16个百分点，新增贷款过多进入到房地产相关行业，对小微企业贷款形成挤出效应。即便是投向小微企业的银行贷款，也有很多是单户贷款金额很大，实际规模不小，由于人数较少而划为小微企业的非典型小微企业，因此小微贷款数据的反映比社会对小微企业融资难题的感知更为乐观。此外，商事制度改革激发了大众创新创业的热情，小微企业呈现井喷式增长，进一步加剧了“融资难”矛盾。2015年末全国小型与微型企业（不含个体工商户）达1500万户，比2014年末增长12%，而2015年全年小型与微型贷款累计发放户数（全金融机构合计）约为140万户，比2014年减少8.6万户，减少5.71%；小微企业户均贷款1579万元，比年初增加299万元，增长近四分之一。换言之，小微企业总量在快速增加，而获得贷款的小微企业数量在减少；同时，新增信贷更多地向规模较大的小微企业（往往是存量客户）集中，对于真正新创的小微企业支持较少。直接融资方面，小微企业微乎其微。小微企业最适合于股权融资，因为股权融资最大的优势是成本低、周期长。但是，中国股权融资市场的痼疾，使得大量的小微企业被排斥在外。2015年非金融企业境内债券和股票合计融资3.7万亿元，比2014年多8324亿元，但小微企业债券融资还只是处于零星试点阶段，金额很小，小微企业在上市公司中更是寥寥无几；即便是以中小企业为主的“新三板”，到2015年末挂牌企业达5129家（目前已突破9000家，是沪深两地上市公司数量的3倍多），但2015年全年融资金额只有1216亿元，只占非金融企业境内股票融资金额的16%。       来源：《中国金融》2016年第24期，《小微融资与金融结构改革》   <h2 align="justify">四、对发展小微金融模式的分析</h2>       在论文《西北地区大型商业银行小微金融可持续发展模式探索》（2018）中，他将小微金融分成了四种发展模式：       一是政府增信模式。目前各地政府部门都高度重视解决民营企业、小微企业融资问题，拿出财政资金及其他相关资源，积极支持商业银行开展民营、小微企业信贷业务。目前常见的政府财政引导资金有贷款风险补偿资金、财政贴息资金、产业引导基金、政策性担保、政策性保险、续贷周转基金。       二是产业集群模式。随着经济的发展，西北地区逐步形成一大批小微企业集群，主要包括以下几类：一是省会城市和省内主要城市的优质小微企业集群；二是以各类高新区、开发区、科技园、产业园等园区为载体的科技型、创新型、创业型优质小微企业集群；三是优质商圈和龙头专业市场的小微企业集群；四是部分县域的特色产业小微企业集群。       三是互联网小额贷款模式。金融科技是打破传统小微信贷业务信息不对称、风险高、成本高桎梏的最有效手段。近年来，大型商业银行按照零售化经营思路，综合运用大数据、信息技术、人工智能等金融科技，推出了基于房贷、纳税等不同金融模型的互联网小额贷款产品。       四是供应链金融模式。目前，大型商业银行利用大中型客户多、网点网络覆盖广的优势，将供应链融资作为发展小微金融业务的重点。供应链融资是依托于供应链核心企业信用，根据供应链中企业的交易关系和行业特点、基于货权及现金流为供应链中的上下游企业提供融资的一种模式，可以极大解决小微企业缺抵押、缺担保的问题，有效降低小微企业、民营企业贷款的信用风险。       来源：《中国银行业》2018年第12期，《西北地区大型商业银行小微金融可持续发展模式探索》   <h2 align="justify">五、对我国小微企业金融服务水平考核评价的分析</h2>       在文章《我国小微企业金融服务的考核评价——美国CRA实施考核评价的一些启示》（2014）中，他针砭时弊地对我国小微企业金融服务的发展提出了建议：       一是完善小微企业金融服务监管数据的系统支持和共享机制。目前，我国有关支持小微企业发展的政策措施分布于工业和信息化部、财政部、科技部、人民银行、银监会、证监会等各部委，数据“孤岛”现象较为明显：一是部分支持政策措施没有专门的考核评价制度，监管部门没有对相关数据进行规范，数据的可靠性和稳定性无法保证；二是针对小微企业金融服务的监管涉及多个部门或机构，机构之间缺乏系统协调机制，无法对监管数据进行统一规定。       二是建立分区域的小微企业金融服务考核评价机制。我国各地区经济发展水平差异明显，金融机构自身情况不一，需要分析当地经济发展情况以及小微企业合理的资金需求，建立分区域的考核评价机制。一是根据各地人口、自然、经济发展的特点，评估各地小微企业金融服务的需求，严格小微企业区域服务职责，定期考核金融机构满足辖区小微企业合理资金需求的状况。二是在监管指标的选择上既要选择具有共性的综合指标，也要考虑各区域在经济结构、自然条件方面的差异，制定能反映各地小微企业金融服务的特性指标。三是考核评价内容要避免僵硬的数量约束，减少固定量化的指标，要在尊重市场的原则下，针对不同区域的金融机构采用不同程度的约束机制，区别对待，灵活现实地提高小微企业金融服务水平。       三是根据被监管机构规模，分类制定考核评价内容。目前我国参与小微企业金融服务的机构既有四大商业银行，又有股份制银行，也有规模较小、业务范围较窄的农村合作金融机构、村镇银行、小额贷款公司、典当公司等，应分类制定小微企业金融服务考核评价内容。       来源：《西部金融》2014年第1期，《我国小微企业金融服务的考核评价——美国CRA实施考核评价的一些启示》 ', 'elegant' => array(array('src' => '/files/expert/expert_1609737433.png'), array('src' => '/files/expert/expert_1609737488.jpg')), 'userId' => '187', 'status' => 'published', 'createdTime' => '1604482234', 'updatedTime' => '1636515191', 'body' => '      曾宪岩，中国农业银行云南省分行副行长，曾任农总行公司业务部副总经理、普惠金融事业部副总经理。在信贷管理、小微金融等领域履历比较丰富。公开发表各类专业文章50余篇。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '264', 'name' => '张万奇', 'thumb' => 'public://expert/2021/02-24/183056000504751738.jpg', 'originalThumb' => 'public://article/2021/02-24/18305602abbc707535.jpg', 'description' => '北京银行总行风险管理部总经理 ', 'about' => '北京银行总行风险管理部总经理。曾先后担任北京银行支行副行长、北京银行总行部门副总经理等职务。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">论文</div> <div style="height: 12px; float: left;"> </div> 2012，<a href="https://www.yunzhan365.com/74206500.html">风险管理应与发展战略相匹配</a>，《中国金融》第02期 ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、信用风险的压力及趋势 </h2> <h4 style="text-align: justify;">（一）当前面临的资产质量压力</h4>       第一，商业银行不良贷款“双控”压力较大。从另一个角度讲，整个行业有能力把风险处置好，让不良贷款率保持在一个相对比较稳定的水平。第二，上市银行不良贷款生成率上升。2018年面临的资产质量压力和形势不容乐观，从不良贷款绝对额增长、不良贷款生成率、不良贷款处置率以及总和情况考虑，2018年新增不良贷款规模与2017年相比是增长的，这反映了当前整个行业面临的资产质量压力与总体外部形势基本是一致的。 <h4 style="text-align: justify;">（二）债券再融资风险短期内难以化解</h4>       民营企业、上市公司是债券违约的重灾区。由于债券违约增加，AA级债券特别是民营企业债券销售困难，导致民营企业债券到期后无法再融资引发资金链断裂。对于民营企业来讲，不能发债意味着存量债可能发生违约。主要原因在于前期发债过度，企业可以从不同渠道发行债券，包括企业债、短期融资券、中期票据、公司债以及股交中心和金融资产交易所的私募债等。股交中心发行的私募债由理财产品投资，理财新规将股交中心私募债归为非标资产后不能再融资发行。如果发行渠道同时不能发行债券，可能存量债券就得违约，而且不仅存量债券会违约，银行贷款会受到很大的冲击。债券违约导致债券再融资受到冲击，从而加大客户违约，形成恶性循环。 <h4 style="text-align: justify;">（三）股票质押爆仓风险短期内难以化解</h4>       债券违约的规模在整个金融体系内不算大，但是风险传染的影响很大。企业如果股票质押违约，特别是民营企业或者小企业，其他渠道的融资肯定受到冲击，银行贷款和债券发生违约的可能性非常大，这是风险传染。另外，商业银行前期做了一些股票质押的资管产品，如果发生违约，影响也非常大，但是监管部门要求不对其平仓。 <h4 style="text-align: justify;"> （四）外部环境压力较大</h4>       2018年，经济增速放缓，股市、债市、汇市出现波动，固定资产投资、社会商品零售总额增速较低；房地产价格存在不确定性和区域性问题，中美贸易摩擦导致出口和对外贸易面临不确定性，对于整个经济的预期影响非常大；此外，资管新规出台之后，非标资产等表外风险回表等，使得2018年整个经济环境都面临非常大的压力。   <h2 style="text-align: justify;">二、信用风险管理的策略思考 </h2>       虽然说信用风险面临较大的压力，但也有比较有利的因素。最主要的是上市银行的利润总额和利差情况有所改善，特别是大型银行、股份制商业银行的利润情况有所改善。利润、利差改善为下一步化解风险有很好的帮助。从风险的角度分析，有利润意味着有能力核销不良贷款，更主要的应该是要通过提升管理控制新增不良。如何重新评估风险管理策略，可从以下几个方面进行思考。       第一，梳理和评估风险偏好。换言之，董事会是制定激进的发展策略，还是稳健的发展策略。在当前环境下，利润和规模的目标不能太大，要取得股东、董事会、监事会的支持，在发展与风险、规模与效益等问题上达成新的共识，如果董事会层面没有共识，风险管理是无能为力的。另外，要对风险偏好陈述书重新进行调整，对总体风险、信用风险、集中度等风险偏好进行梳理和评估，确定是否需要进行调整。       第二，重新评估资产组合风险。首先是压力测试。压力测试最直观，但在技术上也有很多受限的因素，要执行更加审慎的情景，分析压力测试下的风险薄弱环节。其次是风险评估。从地区、行业、产品、条线、机构等角度对组合风险进行评估，识别出薄弱环节是在长三角地区还是在环渤海地区，是在房地产行业、融资平台还是制造业等。第三是风险排查。实行大数据等金融科技自上而下、实地走访自下而上相结合的风险排查方式，既要依靠引入的技术——金融工具、金融科技等，还要更多地了解经营单位的实际情况，通过对企业的走访，了解该企业未来的发展前景。第四是模型验证。目前已有许多量化风险的工具，需要对模型进行重新校验，并且在新的情况下，不一定要局限于一年或半年的校验时间间隔，要采用最新数据验证模型准确性，根据实际情况对模型进行调整。       第三，及时调整管理措施。客户经理做房地产、融资平台业务都做得很舒服，也形成了路径依赖，对风险变化趋势相对来说是比较漠视的。首先，加强人员培养。要改变当前客户经理对融资平台和房地产的路径依赖，对人员加强管理、加强培训。其次，强化审批。在审批方面，现在中央和监管部门在整治一刀切的压贷、抽贷、断贷，企业与银行建立了信贷关系，如果企业出了问题，银行不能一刀切的方式进行处置，所以商业银行准入客户时一定要看好客户未来新增的业务，看不好尽量不要去做。第三，提前预警。如果客户自我感觉不好时，银行才采取措施收贷，客户肯定不同意，所以需要提前预警，商业银行要放弃最佳退出时机的幻想。最后，加强金融科技、信息系统等基础设施的建设。       总结而言，无法确定2019年是否会更加困难或者面临怎样的困难，但是可以肯定的是，2018年已经比2017年更加困难，未来面临的形势将更加复杂，希望未来发展会更好，需要我们提前做好风险管理的安排，提前对风险偏好、管理流程等进行梳理，未雨绸缪。       来源：2018（第十四届）中国金融风险经理年度总论坛（11月） ', 'elegant' => array(), 'userId' => '438', 'status' => 'published', 'createdTime' => '1614162666', 'updatedTime' => '1627538918', 'body' => '      张万奇，北京银行总行风险管理部总经理。曾先后担任北京银行支行副行长、北京银行总行部门副总经理等职务。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '41', 'name' => '杨一民', 'thumb' => 'public://expert/2019/07-16/134119fd5f2d258527.jpg', 'originalThumb' => 'public://article/2019/07-16/13412000612a817987.jpg', 'description' => '美国Loyal Trust Bank（鼎信银行）创始合伙人，代理CEO，首席风险官和信用官', 'about' => '美国Loyal Trust Bank（鼎信银行）创始合伙人，代理CEO，首席风险官和信用官。曾任Protiviti高级总监合伙人，为美国PNC银行，SunTrust银行创建并领导风险分析部门多年。毕业于北京大学，获芝加哥大学数学博士，卡内基梅隆大学网络硕士和中科院数学所硕士。任明尼苏达大学任终身教授，现兼任香港科技大学实践教授。', 'sticky' => 'index', 'weight' => '99', 'achievement' => '<div style="border-left:5px solid #ff7200;padding-left:20px;">图书</div> <div style="height:12px; float:left"> </div> 2017，Weidong Tian (Editor), Yimin Yang, et al, Commercial Banking Risk Management - Regulation in the Wake of the Financial Crisis; the Chapter of Modern Risk Management Tools and Applications, Palgrave Macmillan US <div style="border-left:5px solid #ff7200;padding-left:20px;">论文</div> <div style="height:12px; float:left"> </div> Yimin Yang:<a href="https://book.yunzhan365.com/qpwi/mmec/mobile/index.html" style="text-decoration:none"> An Overview of Anti-Money Laundering and Counter-Terrorist Financing Programs and Quantitative Methodologies; </a>Private Equity Review, Nov. 2015 <div style="height:12px; float:left"> </div> Yimin Yang:<a href="https://book.yunzhan365.com/qpwi/ccez/mobile/index.html" style="text-decoration:none"> A Setting Financial Transaction Threshold for Anti-Money Laundering Monitoring; </a>Private Equity Review, Nov. 2015 <div style="height:12px; float:left"> </div> Yimin Yang:<a href="https://book.yunzhan365.com/qpwi/lkre/mobile/index.html" style="text-decoration:none"> Uniqueness of concentration index; </a>Journal of Financial Engineering; June 2014 <div style="height:12px; float:left"> </div> Yimin Yang:<a href="https://book.yunzhan365.com/qpwi/apkm/mobile/index.html" style="text-decoration:none"> A methodology for allocating allowance for loan and lease losses (ALLL) under new regulatory environment; </a>Journal of Financial Engineering; April 12, 2014 <div style="height:12px; float:left"> </div> Yimin Yang:<a href="javascript:;" style="text-decoration:none"> Practical methods for aggregating bank's economic capital; </a>ERM Symposium April 24, 2013 <div style="height:12px; float:left"> </div> Yimin Yang:<a href="https://book.yunzhan365.com/qpwi/lkdz/mobile/index.html" style="text-decoration:none"> A Practical Method for Aggregating Economic Capital using a Gumbel Copula; </a>GARP Quant Perspectives December 31, 2012 <div style="height:12px; float:left"> </div> Yimin Yang:<a href="javascript:;" style="text-decoration:none"> Diagonal Copulas of Archimedean Class; </a>Communications in Statistics – Theory and Methods; 25 (7); 1659-1676 (1996); <div style="border-left:5px solid #ff7200;padding-left:20px;">其他成果</div> Quantifying Credit Risk Rating Systems Keynote Speaker to 2018 IRFRC-APRIA Joint Conference at Nanyang Technological University of Singapore，新加坡南洋理工, 2018 Bank Loan Pricing under Market Interest Rate Belk College of Business, University of North Carolina, Charlotte, 2017 Model Risk Management, Society of Actuaries, Annual Meeting & Exhibit, Boston, 2017 Bitcoin and Blockchain Payment System Federal Reserve Bank, Atlanta, 2017 Anti-Money Laundering & Anti-Fraud Quantitative Modeling Economics in the Era of Natural Computationalism and Big Data Duke Forest Conference 2016 at Duke University, 2016 Identifying Techniques to Assembly a Consistent Model Validation Process by Setting Standards and Establishing Governance Model Risk Management for Insurers Conference, New York, 2016 HAM: Hierarchical Allocation Method for Economic Capital International Symposium on Financial Engineering and Risk Management, 广州中山大学管理学院, 2016 Are Banks’Credit Losses Pro- or Counter-cyclical? - a new way of thinking ICFE中国金融工程与金融创新会议, 深圳清华大学研究院, 2016 Bank Loan Pricing under Market Interest Rate 第四届国际智能金融会议，中科院重庆分院绿色智能技术研究所, 2015 Normed Space for Model Errors 13届中国金融系统工程和风险管理年会, 2015 Alternative Modeling Quant Europe, London, 2015 Quantification of Risk Rating Systems: Keynote Speaker 国际金融工程和金融创新会议, 成都, 2015 Anti-Money Laundering (AML) Transaction Monitoring National University of Singapore – 3rd NUS Workshop on Risk & Regulation, 新加坡国立大学, 2015 Model Risk Management Society of Actuaries SOA 2014 Annual Meeting & Exhibit, Orlando, 2014 Energy Lending from Bank's Perspective Symposium on Building Energy Uncertainty and Risk Analysis at Georgia Institute of Techology, 2014 Loan Allowance: New regulations, New Methodologies, and New Challenges 国际金融工程和金融创新会议，同济大学, 2014 US Financial Regulation Overhaul 2013国际金融工程会议，苏州大学, 2013 Compliance-driven Risk Quantification and Management National University of Singapore - Stanford University Workshop, Singapore, 2012 ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、关于信用评级的理论和方法</h2>       今天的金融业界（包括银行和专业评级机构）和学术界关于信用评级有几个很大的误区和痛点。一是把违约率等同于评级；二是没有意识到每个人口中的“信用”其实各有不同的定义；三是对评级的迁移重视不足，没有想到这才是导致大家对信用定义不一的主要原因之一；四是对评级在不同时间的一致性（比如评级机构在金融危机前后的评级是否一致）没有深刻的理论论述和和有效的检测方法；五是各个银行，评级机构的评级都是离散的，而不是连续的，使得它们之间的转换和比较变得困难且不准确；六是评级只关注信贷损失计算，没有意识到信用评级代表的是一种短期利益（信贷损失）和长期利益（资本适足率）的交换；七是如何把有关各方包括政府监管机构的观点反映到信用评级的理论和实践中。当然，最根本的问题是各家的评级（包括金融行业的实际评级和学术界的Merton结构型模型评级）是不是能够统一到一个完整的信用理论中。       杨一民博士提出的通用信用评级理论，对上述各个问题提供了完整的理论答案和具体的算法。特别是为银行，评级机构和学术研究提供了一个统一的信用等级评定理论和方法，得到的等级不但与各家的等级所一致，而且具有非常好的时间一致性，特别是具有“万有”的特性：评级是一个连续的数值，同样的数值表示同样的信用风险，所以再也不需要在各家之间相互转换（不像现在的评级，一家银行的第8级可能等同于另外一家银行的第7.5级）。这个理论的实用性非常强，其独特的算法，可以和现在金融业的信用评级无缝衔接，并且能把现有的评级完美转换成万有信用评级，可以预见，这必将很快成为金融业评级的新标准。       这个理论还有其他重要的应用。比如，我们可以用它来精准计算，一个公司的股价里，有多少是与信用有关的，有多少是与信用无关的。有多少是与长期信用有关的，有多少是与短期趋势有关的，还有多少是与市场风险价格有关的等等。   <h2 style="text-align: justify;">二、市场风险测度Expected Shortfall（ES）的问题</h2>       巴塞尔协议修改引入ES来代替Value-at-Risk（VaR）作为市场风险极端值的测度，也就是资本率的计算，其目的是为了强调所谓的Diversification Benefit（多样化利益）。但是这恐怕是出于某种形式的一厢情愿（要求所谓的成为Coherent Risk Measure）。杨一民博士从来不认为在任何情况下都可以假定有Diversification Benefit。看看AOL和Warner Bro.的合并结果，就知道现实世界里有时不但没有Diversification Benefit，还有可能是负值（即反的）。而且ES的计算必须对整个的分布尾部做统计假设（这比VaR的假设要强的多），且计算结果远不如Expected Median等统计量稳定。更糟糕的是，现在最强调的模型风险认证要求做back-test，而ES是不能back-test的。其实这个问题的核心是如何计算两个组合合并之后的资本。真正的解决方法是通过资本率与置信区间的关系入手。   <h2 style="text-align: justify;">三、银行巴塞尔协议信用风险经济资本匹配的方法</h2>       银行在落实巴塞尔协议经济资本计算中最常见的问题是资本的匹配（Allocation）问题，它是所谓的Top-down（自上而下，或者是从整体到个体）的办法。但通常的几个方法（如 Euler方法/Marginal Contribution等）都会产生零或负的资本率。这对银行使用经济资本来衡量效益（Performance Measurement），特别是在单个产品层面上，是个巨大的障碍。解决这个问题的关键，其实与解决Coherent Risk Measure 的问题是一样的，只不过方向相反（Coherent Risk Measure是Bottom-up，自下而上）。杨一民博士的Hierarchical Allocation Method of Capital（HAM）利用实际中信用风险与评级的关系，很好地解决了任何形式（零/负/正）的Diversification Benefit的问题，而且这个方法对ES、VaR，或其他资本计算方法（无论是不是Coherent Risk Measure）都适用。   <h2 style="text-align: justify;">四、信贷储备金IFR9/CECL的计算中，两个周期性问题</h2>       新的会计准则IFR9（在美国是CECL），要求银行对信贷损失用前瞻性的方法，计算未来的预期损失，及时调整储备金的水准。事实上，这个计算涉及到两个周期的问题。一个是经济环境的周期，另外一个是信贷本身的周期（一笔贷款，它的起始违约率是很低的，然后逐渐升高，高点过后，再缓慢下降至零）。这两个周期，对数据和建模方法产生了很大的影响。压力测试的建模方法，只解决了经济周期的问题。杨一民博士的信用风险评级理论，正好提供了一个完整的的理论框架来处理这两个周期问题。比如这个理论，不但可以产生跨周期的评级，更可以产生两个违约率：跨周期的违约率（具有时间一致性）和即时违约率（具有前瞻性），而且这些违约率都随信贷周期的变化而改变。   <h2 style="text-align: justify;">五、大数据的四个问题</h2>       很多人认为数据越多，结果越好。学术上而言，数据多反而是头痛的事情。比如，信息多不等于有用的信息多。象棋的棋谱再多也提取不出围棋的信息。所以第一个问题是如何得知这些数据中含有有效的信息，就好比挖金矿前先要确定这里面有足够的含金量。第二个问题是如何把有用的信息提取出来，也就是常说的降维。这是个非常难的学术问题，近年来杨一民博士所了解到的比较有意义的工作之一是用拓扑不变量来降维（这正好是杨一民博士的专业方向）。不过拓扑降维不但方法复杂，而且不见得每次能有效。第三个问题是如何避免过度拟合（Overfitting）的问题。过度拟合是预测类模型的最大敌人。杨一民博士的银行生涯做过的和见过的模型，应该有数百。但是基本上很少有预测类模型用超过10个以上的变量的。多了模型就不稳定，就容易发生过度拟合。现在的神经网络等动不动就用上百个变量，它们的预测效果不见得能长久。最后，因为数据量大的缘故，常常只能先局部了解，所以第四个的问题是如何把各个局部结果拼接成整体结果。这常常是个难题（比如地球上每个局部都是平面，但整体是圆的），而且局部结果之间有可能是不一致的。       这几个问题的解决，有一个根本的方法，就是专业知识。特别是当机器学习等变得很普及时，区别就是专业知识的深浅。   <h2 style="text-align: justify;">六、区块链（Blockchain）、加密币（Cryptocurrency）与信用问题</h2>       区块链的主要技术特点之一是分布式（Distributed），以便实现点对点（Peer-to-Peer）的操作。区块链的本质是一个分布式数据库，其数据的一致性通过一个共识算法来完成。这个算法可以是简单的（比如投票机制，票多的最受信赖，就是共识），也可以是复杂的（比如解方程机制，最先解出方程的，也就是运算力最强的，就可以最受信赖）。区块链的技术源头不是新的，杨一民博士在Carnegie Mellon University 学习分布式操作系统（Distributed Operating System）课程时，就学过其共识算法。       比特币（bitcoin）是一个区块链（所以是一个数据库），它的共识是用一个叫拜占庭容错算法（通过解某类Hash函数方程的解）来达成。运行这个算法的过程俗称“挖矿”，因为这个要有强大的运算力（消耗大量的电力），但有可能得到回报（现在是12个半的比特币）。比特币又叫加密币，因为很多人把它与传统货币相比较。现在还有非常多的其他加密币（比如以太币Ethereum），它们又常常叫做通证（Token）。由于加密币的价格波动太大，2017年以来，出现了所谓的稳定币(Stablecoin)。这些稳定币后面一般都有一定数目的资产抵押（极个别是用所谓的算法支持），这样价格可以相对稳定。       那么，稳定币到底是不是货币呢？杨一民博士的观点是：如果抵押的资产价值与稳定币价格比例正好是1比1，那么这是支付系统；如果比例大于1，那么这是投资抵押。如果比例小于1，这个加密币的价格必须还要有其他东西来抵押，这个东西可以是其他资产（包括知识产权等），也可以是信用，比如国家或机构的信用。用信用抵押就具有货币的性质。从这个角度来讲，JPMorgan 的JPCoin 是一个支付系统，Facebook的Libra是个有支付功能的投资系统（因为它的比例是正变化的，但应该保持大于1）。Libra能否成功，不取决于技术因素，而是它的加盟成员能否在世界各地满足各国资本监管比如反洗钱等要求。       信用的引入对区块链去中心化是个破坏，但可以大幅降低共识成本，提高效率。杨一民博士建议考虑引入有限信用，也就是当额度低于一定数目时，可以完全信任（或有银行等的支持）。信用的引入，不但可以极大地提高效率，也可以达成支付的功能。这样的区块链可以有多中心，所以不是完全去中心化，比较合适用来替代未来银行的信贷和支付功能。 ', 'elegant' => array(), 'userId' => '23', 'status' => 'published', 'createdTime' => '1558707512', 'updatedTime' => '1639097417', 'body' => '杨一民博士，男，出生于江苏省常州市。 教育经历： 1992年芝加哥大学  数学博士 1989年卡内基梅隆大学  计算机网络硕士 1986年中国科学院数学研究所  数学硕士 1983年北京大学数学系  数学学士 工作经历：           创始合伙人，资深执董，首席风险官，首席信用官  美国鼎信银行(Loyal Trust Bank)         鼎信银行是美国佐治亚州第一家以华人为主导的银行，也是美国过去十几年中批准成立的少数几家银行之一。多元文化，多元服务，立足科技，立足亚裔社区，面向全球。 高级总监  美国第六大风险管理咨询公司        杨博士担任公司第一个合伙人级别的高级总监，负责信用风险、市场风险和资本管理，以及金融科技中的大数据和机器学习，主要客户是前50大银行和保险公司。过去曾为美国十大银行中的PNC和SunTrust银行建立并领导了风险分析部门，在对冲基金公司 EBF & Associates 做过投资分析。毕业于北京大学，获芝加哥大学数学博士，卡内基梅隆大学计算机网络硕士和中国科学院数学研究所硕士。进入银行之前，在明尼苏达大学Morris校园任终身教授tenure-track assistant professor。他所服务的咨询公司在全球20多个国家设立超过80家分支机构，为超过60%的财富1000 强及35%的全球 500 强企业提供咨询服务。 Group VP 以及First VP美国SunTrust 银行信用风险分析部门和资本市场投资风险分析部门        美国SunTrust银行为全美十大银行之一，在任期间杨博士组建并主持了信用风险管理部门和市场风险管理部门，负责信用风险分析与市场风险管理相关的工作。主要为银行建立了全面的信用评级系统，经济资本计算及应用系统，CCAR压力测试系统，银行资产债务风险和市场利率风险管理，投资组合风险管理，股市，债券，衍生产品和房贷证券化定价，交易对手风险管理等 VP兼高级经理  美国PNC 银行        美国PNC为全美第六大银行，它旗下的贝莱德（Blackrock）是世界最大的资产管理公司。在任期间，杨博士组建并主持了该银行的信用风险分析部门，落实巴塞尔协议，建立风险预警系统，资本经济和储备金的压力测试，银行资产债务表的管理，和风险参数模型。另外，他还负责建立银行资本市场的CDS交易部门，管理信贷资产的风险对冲，并且直接对公司CFO和CRO负责。 Analyst, EBF & Associates 对冲基金         杨一民博士是负责股票交易的数据和策略的定量分析师。 美国鼎信银行(Loyal Trust Bank) 创始合伙人，资深执董         鼎信银行是美国佐治亚州第一家以华人为主导的银行，也是美国过去十几年中批准成立的少数几家银行之一。多元文化，多元服务，立足科技，立足亚裔社区，面向全球。 专业领域：        作为美国第六大风险管理咨询公司的首个高级总监，杨博士负责为大型金融机构客户提供专业风险咨询，服务对象包含商业和零售银行、保险公司、资产管理公司、投资银行和证交所等。杨博士有丰富的信用风险、市场风险、反洗钱和运营风险管理经验，特别是商业信贷风险和投资风险的联结，他既有多年的实践，又有深入的理论研究。同时，他也参与共同领导公司的大数据和机器学习领域的发展。他在以下一些方面发挥了主导作用：        1、大型风控合规的实施：帮助银行实现CCAR/DFA压力测试、巴塞尔协议II/III、ORSA，Solvency II、反洗钱、模型风险管理和认证。        2、风险模型构建：包括风险评级、损失预测、风险参数估计、经济资本、资产负债流动性管理、投资和证券化分析、衍生品交易定价及交易对手信用风险模型等。        3、信用风险评价系统的建立：包括消费，商业信用风险的双重评级系统。        4、CDS信用互换资产的交易：包括CDS和证券化定价，信贷的对冲和信用风险的预警。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '219', 'name' => '周俊', 'thumb' => 'public://expert/2020/11-12/152549d91a21336043.png', 'originalThumb' => 'public://article/2020/11-12/152550e098cc067114.png', 'description' => '中国人寿再保险公司风险管理部/法律合规部总经理', 'about' => '中国人寿再保险公司风险管理部/法律合规部总经理、纪委办公室主任，中国再保险（香港）股份有限公司风险管理与法律合规总监，北京大学理学博士。', 'sticky' => null, 'weight' => '0', 'achievement' => '   ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、关于金融科技下的数据法</h2> <h4 style="text-align: justify;">（一）数据法基本理念</h4>       周俊在题为《金融科技下的数据保护思考——从数据法谈起》演讲中指出，数据法的特点包括五点。第一，数据法并不属于传统的基本法律部门，是一个典型的领域法，即该法律并不是特别成熟，不具有很强的理论背景。第二，数据法的研究对象广泛，包括兼具人格权益与财产权益的个人信息（数据）、财产权的“非个人信息的数据”、人格权的“隐私”。第三，数据法的研究内容主要是数据在其全生命周期中不可回避并且日益突出的隐私及安全等问题。第四，数据法的研究特色主要是数据分级分类保护制度。       此外，数据法中的关键概念——个人信息与数据是有区别的。个人信息即个人数据，个人信息与个人数据两个概念的出现是各地法律传统和使用习惯所致，并无本质区别，只是表述方式的差异，可以相互替换使用。个人信息与数据存在区别，个人信息是从属于人格权的，而数据是匿名化的不具可识别特征的信息，数据形成了无形财产权。 <h4 style="text-align: justify;">（二）金融数据立法及监管</h4>       在国内，在立法层面，金融数据的法律规定主要体现在金融监管部门的政策性文件和部门规章层面，已经形成了初步的规范体系，但层级不高并分布于各部门法中，较为分散。在监管层面，并没有专门的金融立法。 <h4 style="text-align: justify;">（三）金融数据保护的问题与应对</h4>       中国金融数据保护主要问题有六点。第一，数据共享与金融控股公司问题。第二，金融数据的出境监管，包括个人金融数据出境问题、重要数据出境问题、金融数据出境的评估和审批，在国际业务中提出了较大的挑战。第三，金融机构与第三方机构的数据共享和交易，包括金融机构向外部机构共享数据、金融机构服务外包、大型互联网平台对金融机构的数据开放。第四，金融机构使用外部数据的合规问题。如何规范网络爬虫和大数据风控、数据来源合法性审查、三重授权原则。第五，金融数据保护与金融科技。持牌金融机构开展金融数据类业务、金融科技企业开展需要持牌的金融业务。第六，金融数据保护与征信。如何规范数据收集、数据共享、数据使用，目前立法供给不足导致个人征信数据归集无法实现。       金融企业应对举措可以有以下几点。第一，开展企业数据治理顶层设计。第二，梳理所在行业数据保护相关的法律法规、监管规定、国家标准，即外部约束的边界，着重研究本行业数据保护的特点及特殊监管要求。第三，对数据进行全生命周期的合规管控，包括收集、使用、传输、存储等，制定制度机制、出台数据保护指引、制作数据安全标准条款及合同范本。第四，将数据保护工作前置，强化法律人员在数据合作前端的支持作用。第五，培育业务员工数据保护合规文化，数据来源依法合规、数据处理符合授权。第六，加强法律合规人员对数字经济业务的认知，熟悉基本业态、了解行业趋势。       来源：2020（第十六届）中国金融风险经理年度总论坛系列12：科技在金融业务中应用——周俊《金融科技下的数据保护思考——从数据法谈起》演讲实录整理 <h2 style="text-align: justify;">二、关于保险公司全球化过程中的风险管理</h2>        周俊在《保险公司全球化过程中的风险管理的思考》指出关于全球化环境下风险管理工作的重点思考有两点：第一，明确“业务”与“机构”的区别；第二，明确风险管理面临的挑战。 <h4>（一）全球化中的“业务”与“机构”的区别</h4>        在最早的理解中，全球化、国际化是指把业务做到全球范围。中国人寿再保险公司很早就将做到了全世界，虽然没在境外各地设机构，但也可以说很早就实现全球化了。但是现如今我们大多数理解的全球化，包括我们再保险自身的理解，都认为全球化、国际化是需要把机构设出去的，也就是把经营实体设在境外的叫才称为全球化，这其中则有很大的挑战。如果只做业务，当地的监管部门是不会对公司有太多的要求；而如果在当地设机构之后则完全不一样。这其中需要仔细权衡风险管理的因素。 <h4>（二）全球化中风险管理面临的挑战</h4>        主要应从几个利益相关方来考虑风险管理面临的挑战。        第一，当地监管机构的要求与内地的区别。例如，内地做风险管理随着偿二代的推出，银保监会经常会有所动作，这样我们也有具体的工作可以对标去开展；而香港对风险管理的要求可能会更高一些，新设机构每天都要向保监会上报，保监会会一直进行监控。此外，随着业务开展，也可能每周、每月、每季度上报，现在是每季度报一次。同时监管的关注度很高，包括业务规划，业务规划的变化，业务规模的进展，利润情况，都是通过风险条线来对接的。香港的监管部门以及新加坡的监管部门，审查非常认真仔细，这给我们的风险管理，包括我们日常经营管理的精细化都提出了更高的要求。这是境内走出去会面临的一个挑战。        第二，来自母公司或股东方的挑战。以中再为例，现在集团公司对中再寿险都有风险合规条线的考核，把三级子公司的风控合规考核都对接在中再寿险。因此怎么去设定它的偏好，怎么对它进行管理，都有很多的重新思考。出海之后，首先要面临的就是法律法规方面的风险，这是一个很大的风险。        第三，在跟客户端展业过程中面临的挑战。一些境外监管要求非常明确，比如反洗钱，尽职调查等。虽然业务早在过去就做到了当地，但当真正在当地设机构时感受和要求又不同了。        第四，与其他合作方在业务合作中面临的挑战。        来源：2020（第十六届）中国金融风险经理年度总论坛系列15：保险公司风险管理——周俊《保险公司全球化过程中的风险管理思考》演讲实录整理 ', 'elegant' => array(), 'userId' => '320', 'status' => 'published', 'createdTime' => '1605166091', 'updatedTime' => '1636597954', 'body' => '<div>       周俊，中国人寿再保险公司风险管理部 / 法律合规部总经理、纪委办公室主任，中国再保险（香港）股份有限公司风险管理与法律合规总监，理学博士，先后毕业于华东师范大学（理学学士）、中国人民大学（经济学硕士）和北京大学（理学博士）。2003年加入中国再保险公司，先后从事再保险定价、再保险业务管理、转分保安排、风险管理、内控合规管理等工作；2019年起，还兼任中再香港公司风险总监和合规负责人。</div> ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '168', 'name' => '孙中东', 'thumb' => 'public://expert/2020/11-10/14575646af68511110.jpg', 'originalThumb' => 'public://article/2020/11-10/145756495a95028135.jpg', 'description' => '国际奖励办入库专家，人行科技发展奖评审专家，波士顿咨询全球资深顾问', 'about' => '国际奖励办入库专家，人行科技发展奖评审专家，波士顿咨询全球资深顾问，是国内开放银行的首倡者，多年致力于从事金融行业数字化转型。原中国银行总行副总工程师，两家民营银行副行长、行长。', 'sticky' => null, 'weight' => '0', 'achievement' => '   ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、大数据时代与大数据时代的银行</h2>       孙中东先生在《大数据时代与大数据时代的银行》（2014）中指出大数据是改变政府、改变社会、改变银行的重要契机。对于风险管理而言，既是机遇也是挑战。 <h4 style="text-align: justify;">（一）大数据时代基本情况介绍</h4>       孙中东先生归纳了在大数据时代发生的基本情况。       ①　数据爆炸式增长。越来越多的人开始在虚拟世界中建立自己的家园，他们在网络上网购、从事电子商务、发表观点等，从移动互联网到物联网都会产生很多数据。       ②　数据资产价值增长。越来越多的人关注到了数据的价值。       ③　数据思维的转变。从探究难以捉摸的因果关系转而关注事物的关联关系，从数据关系里求明确清晰转变到乐于接受数据的纷繁复杂，从少量的样本数据到全量数据，从要求数据准确无误转变到大数据分析思维下数据的精确不是那么的重要了。       ④　大数据的时代特征。大数据来源广泛，有很多渠道。囊括范围大，主要分为结构化数据、半结构化数据和非结构化数据三类。大数据包括四个维度：容量，速度，多样性和确定性。 <h4 style="text-align: justify;">（二）大数据与银行的关系</h4>       首先，大数据对银行的价值。其一是银行有构建大数据平台的迫切要求。银行一直试图构建数据，但是由于原有数据质量并不好，存在很多问题。银行非常重视数据，因为利用它能发现数据背后所存在的问题。因此，银行需要多方改善。其二是大数据将在全方位提升银行能力。大体可以起到的作用有：营销支持、风险管理和客户体验，或者进一步分析数据后能够提升银行的支持能力。       其次，对银行为什么需要大数据进行分析。孙中东先生认为其一是小规模电商解决不了全国大行所肩负的责任的问题，这时银行被迫要了解客户。其二是银行需要为客户提供更好的服务。客户在互联网上生活，银行就也需要出现在微博、微信上，真正做到在客户身边，支持所有新的渠道、技术，融合在互联网虚拟的生态圈里面。       再次是大数据的应用场景。可以构建客户全景视图，可以通过大数据构建客户与市场洞察类应用，可以通过大数据构建更全面的信用评价体系。 <h4 style="text-align: justify;">（三）大数据的实践建议</h4>       对于大数据的实施，孙中东先生有如下四个阶段的建议：第一阶段，应用场景驱动的大数据开发。第二个阶段：各业务系统、各渠道系统等配合大数据改造优化。第三个阶段：管理信息体系下的大数据平台建设。第四个阶段（目标）：以大数据驱动的，实时的、整体联动的银行IT解决方案。       来源：2014，孙中东。大数据时代与大数据时代的银行，《风险管理》（2014年第一期）   <h2 style="text-align: justify;">二、开放银行：从开放到赋能</h2>       孙中东先生等人在《开放银行重构整体价值链》（2019）中指出，开放银行是中国商业银行数字化转型的必经之路，是打造未来一流银行的战略制高点。它不是单纯的产品或技术改造，而是自上而下的数据化经营的转型，包含前中后台的全面变革，是对银行整体价值链的重构和商业模式的重塑。       简要地介绍一下开放银行。开放银行代表了一种平台化的商业模式。在此模式下，银行通过与商业生态系统中掌握用户资源的合作伙伴共享数据、算法、交易、流程或其他业务功能，触达个人、企业、政府、金融机构等各类终端用户，为其提供无所不在、体验一流的金融服务。开放银行具备以下核心特点：以客户需求为导向、以生态场景为触点、以 API/SDK 为手段，以服务碎片化、数据商业化为特征，以体系化转型为方法。       与此同时，孙中东先生在《开放银行：从开放到赋能》（2019）中指出了开放银行对银行金融发展的意义并提出了赋能银行的要求。过去的几十年，中国经济飞速增长，但金融供给侧的发展仍旧滞后于经济发展。其中，比较日益突出的矛盾之一是传统银行提供的金融服务无法有效满足小微企业以及居民日益增长的金融需求，需求与供给之间存在鸿沟，旺盛的需求与短缺的金融服务之间存在矛盾。与此同时，各种非正规的网络金融平台泛滥，对维护金融秩序、促进经济的健康发展不利，存在诱发系统性金融风险的隐患。       为让真正优质的金融服务触达客户，在互联网上摸索展业的银行顺应开放大潮，以“开放银行”作为桥梁跨越鸿沟，连接客户。在开放银行的实践中，解决需求与供给的矛盾一直是首要的任务，对促进金融业务发展具有重要意义。桥梁连接着银行与客户是解决需求与供给矛盾的基础，银行自身提供的金融服务能力就如同在桥梁上运输的货物，这些货物要能真正匹配上客户的需求，才能从根本上解决矛盾。       孙中东先生系统地概括了开放银行对银行金融业务发展的意义。第一，帮助银行继续触达客户所在的场景。第二，多维度突破传统零售金融服务的限制。传统的零售服务方式对银行来说有诸多限制，在时间、空间、资源上出于成本回报率的考量，银行无法触及普惠金融，但客户期望普惠服务，进而导致供给短缺与需求旺盛的矛盾。而开放银行使得客户随时随地都在享受银行以低成本提供的优质普惠金融服务。第三，与第三方合作实现金融产品创新。开放银行使第三方与传统银行一起，做出创新、符合客户需求的产品和服务，催生出各种创新的业务模式，对金融业务的发展具有重要意义。       孙中东先生也指出，开放银行是桥梁，而解决供需矛盾的货物是银行自身的金融服务能力，要能真正匹配上客户的需求，需要运用金融科技实现银行自我赋能、与场景结合的合作赋能、金融产品创新满足产业金融下的生态赋能，以多重赋能催生的金融服务能力，也就是货物，通过开放银行这座桥梁去触达解决供需矛盾，促进经济发展。多重赋能下的“赋能银行”体系将是开放银行深化发展的结果，也是金融连通新经济演进的必然要求。包括自我赋能，合作赋能，生态赋能。   来源：         2019，孙中东。 开放银行：从开放到赋能，《银行家》（2019年07期）       2019，何大勇，孙中东，陈本强，刘冰冰，谭彦。 开放银行重构整体价值链，《中国保险报》（2019年05期）   ', 'elegant' => array(), 'userId' => '269', 'status' => 'unpublish', 'createdTime' => '1604991519', 'updatedTime' => '1623120749', 'body' => '      孙中东，国际奖励办入库专家，人行科技发展奖评审专家，波士顿咨询全球资深顾问，是国内开放银行的首倡者，多年致力于从事金融行业数字化转型。原中国银行总行副总工程师，两家民营银行副行长、行长。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '32', 'name' => '胡本立', 'thumb' => 'public://expert/2019/07-16/1037106427d5983833.jpg', 'originalThumb' => 'public://article/2019/07-16/10371068f41e282364.jpg', 'description' => '前世界银行首席技术官', 'about' => '曾任世界银行首席技术官，继后任香港证券及期货事务监察委员会首席信息官、顾问，中国证监会战略及规划委员会委员，中国社保基金理事会高级顾问，惠普中国总咨询顾问等职。胡先生近年来主要关注人、数据和计算机之间在认知和管理上的互动。', 'sticky' => 'index', 'weight' => '0', 'achievement' => '<div style="border-left:5px solid #ff7200;padding-left:20px;">论文</div> <div style="height:12px; float:left"> </div> <div style="height:12px; float:left"> </div> 2020，《DAMA数据管理知识体系指南(原书第2版)》新书征订预告，《项目管理技术》第08期。 <div style="height:12px; float:left"> </div> 2019，下一代的数据管理——以人为本，《张江科技评论》第04期。 <div style="height:12px; float:left"> </div> 2015，数据驱动与以人为本的统一——关于质量管理上的几点思考，《上海质量》第01期。 ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、对人工智能的看法</h2>       人工智能的发展解决了许多实际问题，如深度学习、机器学习等算法已广泛应用在计算机视觉、语音识别，生物医学影像分析等领域。但这些应用主要还是集中关注于模式识别的问题，还未能涉及概念和语义层的问题。金融风险理论、实践以及金融语言体系中的各种概念，主要还是人的智能的结果，包括金融风险模型的设计，金融风险的管理和治理等。       人工智能一方面希望用算法和机器来模拟人的智能，另一方面仍需要人对所用来训练它的数据、算法等进行处理。人工智能近年来正朝着与认知科学融合的方向发展。认知科学是一门研究信息如何在大脑中形成以及表达的跨领域学科，也是研究人与数据不断互动的全过程。       金融风险本身与人和人群的行为密切相关，而认知科学就是研究人的行为。对金融风险的管理需要对认知科学有一定基本的理解。目前，从业者很少会从人认知的角度去分析和阐述金融风险形成的机制和过程，以及所需要的管理方法。   <h2 style="text-align: justify;">二、数字化问题的看法</h2>       数字化主要是将模拟信号转换成数字信号，通过编码、纠错、加密等方法处理，以解决信号或数据可远距离、无失真传输的问题。数字化技术在解决了远距离通信问题的同时，也解决了计算机高速和精确计算的问题，使人类社会进入了一个全新的数字化时代。       如今的“数字化改造”“数字化转型”“数字化重组”指的是技术数字化后给业务和管理带来的各种改造、转型以及重组的机会和可能。这些努力的成功不直接或不只与技术的数字化有关，它们的成功更主要与人的因素，和人对大量数据要素的理解、管理和运用有关。   <h2 style="text-align: justify;">三、关于金融数据收集与管理的框架问题</h2>       随着金融业的发展与深化，各领域、各行业、各部门所产生的数据量越来越大，数据的复杂性和交叉程度越来越高。不管对监管方，被监管方还是市场，都需要，但尚未形成，一个统一的有效和高效的数据收集与管理框架。对此英国央行最近为金融数据收集改革提出的综合性讨论框架会是个很好借鉴。       目前，存在几个现象和挑战。       一是现在许多概念和它们相关的数据是跨界的，与已有的有些概念交叉甚至矛盾，以致对它们难以界定。概念与数据的碎片化是一个无法避免的现实，因此，需要有个统一的框架它能对这些概念和数据进行清晰而准确的分类、转换和汇总。若各方只依各方自己的某个场景对数据进行分类，很有可能在另外一个场景下就无法应用。一个系统、整体的框架，如欧盟的统一监管框架，可以使得有关各方能更有序、更透明、更有效地讨论，对各方都需要的标准化的部分达成共识，同时也提供了各方、各场景需要的灵活性。       二是如何平衡创新机会与风险。各方都需要平衡好创新与风险的关系和时间，若监管过早过严介入，创新可能无法发展；若介入太晚，创新孕育的风险可能造成巨大损失。高质量、高水平的平衡决策过程又需要高质量和及时数据的收集和支撑。       三是重复讨论的问题。目前，很多问题反复提出、反复讨论，新名词不断出现，但是许多问题都没有取得突破性或实质性的进展，如信息孤岛、“打不通”等问题。此外，存在一个误区，即认为共享就是共识，但这是两个含义并不相同。即使数据共享了，不同人或机构或行业对同一数据的认知完全可能并不一致。虽然数据共享本身就是一个难题，但共享之后需要的是对相关数据的理解达成共识。   <h2 style="text-align: justify;">四、关于《英国金融业数据收集改革》的解读</h2>       金融企业对良好信息的依赖性很强。更全面、更快、更准确、更有洞察力的信息可以使企业的竞争力大有不同。监管机构如果没有对经济、金融体系和其所监管企业的准确信息，就无法实现货币和金融稳定的目标。与那些受监管的企业一样，监管部门也应利用新技术改进数据的收集和分析，包括从监管报表中获取的数据。《英国金融业数据收集改革》是对于前述问题系统而全面的讨论报告，有很大的学习与参考价值。它旨在阐述当前金融企业数据收集系统所面临的问题，然后确定并探讨一系列可能的解决方案，以便提供一个结构化的框架，供业界反馈和进一步讨论。其中包括数据收集、报告成本、共同的数据输入、报告指令的现代化、架构和治理的变化等内容的探讨。       可以改变数据收集的结构和管理，从而提高数据收集的效率和效果。       从“推送”到“拉取”数据。卢旺达采用的一种模式涉及从公司使用“推送”机制提交数据到主管部门使用“拉动”机制要求公司提供数据。例如，公司可以通过应用程序接口（API）提供数据，银行（央行）和其他相关机构可以连接到API并要求提供数据。API可限制存取数据，将银行（央行）或其他机构可调取的数据限制在其有权存取的数据集内。它还可以对请求设置限制，如数据量和最低聚合水平等。这可能类似于用一个允许银行（央行）直接查询部分共同输入层数据的流程来取代报告编制步骤。以拉动数据取代推送报告，可减少公司签注程序的重复。公司可以只签注一套数据，而不是多份报告。从公司的角度来看，从推送到拉动的方式应该可以将文件的边际成本降低到接近于零，但要确保 API 持续工作，并提供正确的数据，需要一定程度的投资和持续的资源。转向拉动模式还可能需要改变公司的治理方式。       报告中的中央服务。如果有一个标准化的共同数据输入层，从公司自身数据到报告数据点的映射工作就可以集中进行。在商定了转换规则之后，公司可以自己实施这些转换。另一种选择是由中央服务提供者来执行这些报告程序。中央服务提供者可以发挥各种可能的作用。例如，他们可以将公司的数据转化为报告所需的数据，或者他们可以将数据实际转化为所需的报告。服务提供商的服务对象是整个行业而不是单个公司。服务提供商可以只集中处理部分流程。例如，他们可能只集中解释报告指令。或者，个别公司可以将其源数据映射到中央服务提供商的共同输入层中，然后由服务商转换数据并向银行（央行）提供报告。这种方法也可以与API相结合，使银行（央行）和其他机构能够根据需要从实用工具中提取数据。       来源：2020TGES系列论坛NO.4：金融人工智能、数字化金融与风险管理—胡本立《综合讨论金融数据收集与管理的一个优秀框架——解读英国央行〈英国金融业数据收集改革〉》演讲文稿整理 ', 'elegant' => array(array('src' => '/files/expert/expert_1609747026.png'), array('src' => '/files/expert/expert_1609747038.png')), 'userId' => '14', 'status' => 'published', 'createdTime' => '1557924113', 'updatedTime' => '1649723984', 'body' => '      胡本立，中国人民大学苏州国际学院兼职教授、金融风险管理全球顾问委员会委员，清华大学大数据产业联合会专家理事。曾任世界银行首席技术官，全面负责世行信息系统与技术方案的设计、架构、开发和运行，支持世界银行的战略和业务。继任香港证券及期货事务监察委员会首席信息官、顾问，中国证监会战略及规划委员会委员，中国社保基金理事会高级顾问，HP中国总咨询顾问等职，和担任过中国和印度几个上市公司的独立董事。       加入国际数据管理协会以后，曾担任协会的董事会顾问委员会委员，并于2012年选为该协会的副主席，负责数据标准方面的工作。胡本立先生拥有物理学学士以及计算机科学硕士学位，并在哈佛商学院完成企业高级主管关于战略、变革管理、金融和财务的培训，近年来主要关注人、数据和计算机之间在认知和管理上的互动。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '54', 'name' => '叶远刚', 'thumb' => 'public://expert/2021/04-13/151110e56cd9761435.jpg', 'originalThumb' => 'public://article/2021/04-13/151110eb1b43393125.jpg', 'description' => '美国期权清算公司（OCC）首席风险官，前道富银行全球市场（SSGM）首席风险官', 'about' => '美国期权清算公司（OCC）首席风险官，美国三叶科技创始人兼CEO；获美国杜克大学博士学位，CFA资格；曾任美国卫士（Guardian）人寿保险公司首席风险官、美国道富银行全球市场（SSGM）首席风险官等职务；参与了2008年美国金融危机后野村证券收购雷曼兄弟，以及包含黑石（BLACKROCK）基金在内的国际上一系列著名资产项目。', 'sticky' => null, 'weight' => '0', 'achievement' => '        ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、风险管理——大债务、大政府和大数据</h2> <h4 style="text-align: justify;">    （一）一百年来美国利率的发展回顾</h4>       美国短期利率主要是央行的隔夜利率。从100年前到现在，美国利率事实上没有变化多少。但是当中1980年的时候就有一个很大的变化，美国利息涨到将近20%。1929年与1930年，因为金融危机，当时利率就很低。现在因为疫情，美国利率基本上也是0了。这个100年很有意思，利率基本上是没有变动，但是当中变化很多。央行控制经济，利率是一个非常重要手段。利率比较低的时候，说明经济在下降；利率高的时候，经济是在进入萧条之前。比如说在1928年左右，利率很高，大概是4%；到了1930年左右，因为大萧条，利率就是降到0。利率低会刺激经济，但控制经济周期是一个很难做的事情。有时候利率涨得太快，可以造成一个危机；有时候利率放的太低，时间一长就会有通货膨胀。       回顾美国历史上重要的金融事件或者经济危机，最开始是great depression，就是大萧条。大萧条对美国来说是一个非常大的冲击。跟2008年一样，当时股票市场杠杆率太大，银行给很多公司和市民贷款买股票。所以当时主要是由于股票市场引起的危机。1928年的时候，因为美国中央银行需要控制杠杆率，就把利率抬升了很高；因为抬升得过高过快，就导致了经济崩溃。       再以后，从1935年到1945年，美国真正脱离经济危机，是因为参加了二战。战争刺激美国经济，从1935年开始，美国经济就复苏往上走；战后美国经济也是非常强劲，继续往上走。       但是到了1970年，发生了一个重大的事情，美国总统尼克森想要刺激经济，他觉得金本位非常不方便，当然也有很多其他的原因，所以他废除了金本位制度，让纸币和黄金分开了。分开之后产生了很大的通货膨胀，正好1970年左右美国有一个石油危机，因为中东对美国石油禁运，所以美国油价往上涨。要控制通货膨胀的话，利率要增高，所以70年代对美国来说是通货膨胀的开始。到了80年代，通货膨胀达到了最高，利率上涨了20%。从那时之后，通胀就慢慢开始往下走。       很有意思的是，中国是2001年加入WTO的，美国人认为对他们形成了冲击。现在特朗普对中国发动贸易战，他认为中国抢了美国人的饭碗。实际上他不知道中国加入WTO，给美国带来很多好处。       其中最大的好处就是使得美国物价往下降。从1990年到现在，美国整个利率是往下走的。虽然美国发行了很多货币，刺激了经济，但是通胀一直往下走。中国是一个原因，当然还有其他科技或者自动化等很多原因。 <h4 style="text-align: justify;">    （二）美国债务的持续增长</h4>       虽然美国的利率从开始到现在，100年大概没有变，但是美国的债务变化很大。每一次危机之后，政府都要干预，干预就是发行货币，刺激经济、股票市场、证券市场。美国money supply所印的钱用 M2衡量的话，最近30年增长率是很快的。美国政府的债务跟它的GDP比的话，现在已经超过了100%。但是虽然发了那么多钱，政府背了这么多债务，美国通货膨胀利率还是非常低。       美国发行了那么多债务，是谁在买美国的债务？美国的债务不仅是中国在买，日本也有。30%的美国国债都是外国人在买。为什么30%的债务是外国人在买？日本、欧洲虽然债务也很高，但是真正的债务持有人都是本国的。美国是外国人拥有债务，风险比较高一点。因为如果外国人不买美国债务的话，美国利率往上走，经济可能吃不消。但是美国政府不怕，因为美元是处于主导地位的货币。       美国贫富差距越来越大，为什么跟债务有关呢？因为金融市场总是对富人有利。美国债务很高，政府的债务负担占政府开销的百分比，从以前的5%到现在大概有30%。债务与应付利息越来越多，政府能够帮助的穷人是越来越少。这是一个很大的政治风险。 <h4 style="text-align: justify;">    （三）金融危机带来了更强有力的风险监管</h4>       过去100年的每次危机，对我们风险管理这一行业是有很大帮助的。比如说1929年大萧条之后，格拉斯-斯蒂格尔法案颁布，把商业银行、投资银行分开了，联邦储备银行也有了监管的作用。但是那个时候，风险管理还没有正式化。        当时大家觉得，商业银行与投行分开之后，不应该会有太大的问题。但是到了1980，出现了一个Saving & Loan Crisis，这也是在美国历史上一个很大的危机。这个危机主要是跟利率的风险或者资产负债管理有关。 <h4 style="text-align: justify;">    （四）通货膨胀并不总是随着利率的下降而上升</h4>       有一种理论说，美国通胀率下降是跟中国有关。中国经济的增长事实上是出口导向，所以中国经济的增长和美国的利率是成反比的。美国的很多东西都由中国制造，中国制造的成本相对更低。而且中国的供应链很齐全，现在虽然人工成本有所升高，但供应链使得所有的成本仍然很低， 中国现在跟美国在脱钩，如果脱钩到一定程度的话，美国的通胀可能会向上走。       另外一个理论认为，美国通货膨胀率低跟科技发展有关。美国的纳斯达克，就是美国的科技股，从1970年到现在增长率很高。科技公司从刚开始造计算机，到现在造手机，所创造的东西使生产效率提高了很多。以后如果说用人工智能的话，不仅仅是蓝领的工作，白领的工作也可能被机器所代替。       虽然说从商品的价格来看，美国的价位是低的；但是从另外一个角度来看，看黄金的价格，美国的通胀已经开始了。从1970年开始，从美国把金本位放弃开始，当时一盎司的黄金只要三四十美金，现在是将近2000美金。美国的通货膨胀率在物价上反映不出来，因为中国或者其他发展中国家在帮美国干活，还有科技自动化的原因。但是从黄金角度来说，美国的通胀已经开始了。 <h4 style="text-align: justify;">    （五）持续高企的债务会拖累经济增长</h4>       债务越高的话，对未来经济的负面影响越大。问题是债务到底多高才是一个极限呢？大概债务与GDP的比值到了100%，债务对于国家经济的发展会有副作用。       日本就是一个非常好的例子。过去二三十年，日本的经济发展不容乐观。尽管也有老龄化等原因，但是总的来说，高债务对经济有很多不良影响。       来源：2020TGES系列论坛-04：金融人工智能、数字化金融与风险管理《风险管理——大债务、大政府和大数据》演讲文稿整理   <h2 style="text-align: justify;">二、关于金融科技的思考—基于美国寿险公司视角</h2> <h4 style="text-align: justify;">    （一）金融科技的发展趋势</h4>       银行业是投资金融科技的第一个行业，但最近保险业或保险科技（InsureTech）一直处于金融科技活动的前沿，保险业对金融科技的需求更大。       全球的金融投资大致可分为支付（Payments）、投资（Investing）、借贷（Lending）和保险（Insurance）四个领域。其中，在支付领域，中国要领先于美国，其规模超出美国10倍，所以未来在支付领域，美国的成长机会更大。在投资领域，美国的资产管理行业有5%以上的资产由AI、量化技术等管理，未来将有越来越多的钱被机器控制。在借贷领域，以消费者借贷为主，金融科技虽然已有发展，但面临很多挑战，其成长开始放慢。在保险领域，保险业金融科技近两年发展较快，美国保险业历史悠久，改变较困难，前期动作缓慢，保险公司的负债期限较长，保险公司需要做出的变动也不大。 <h4 style="text-align: justify;">    （二）金融科技对寿险流程的影响</h4>       寿险产品的业务流程可分为产品推广、营销和顾客体验、承保、理赔、IT和运营五个环节。不同的金融科技对每个环节的影响是不同的。考虑如下四个金融科技技术在保险环节的应用情况：机器自动化（Robotic Automation）、先进的分析技术（Advanced Analytics）、人工智能或机器学习（AI/Machine Learning）、区块链和分布式账本（Blockchains and DLT）。 <h4 style="text-align: justify;">    （三）金融科技面临的潜在挑战</h4>       监管不确定性（Regulatory Uncertainties）。监管在美国尤其具有挑战性，因为监管机构对其规则不明确或对市场变化反应迟缓。       雷声大雨点小（Many thunders, not enough rains）。关于大数据、替代数据和机器学习的影响力有很多炒作，然而，目前没有任何一家能够独立盈利的保险科技公司。       机器学习和人工智能的局限性（Limitations of Machine Learning and AI）。与工业或制造业数据不同，金融市场数据（如股票价格）是众所周知的难以建模的数据，因为这些数据是非常动态化的。       替代数据没有魔力（No Magic in Alternative Data）。所谓可提供进一步视角的替代数据不断激增，然而，有些替代数据的价值尚不明确。       来源：《风险管理》 2019年第3辑：《关于金融科技的思考—基于美国寿险公司视角》演讲文稿整理   ', 'elegant' => array(array('src' => '/files/expert/expert_1611655398.jpg')), 'userId' => '37', 'status' => 'published', 'createdTime' => '1559718886', 'updatedTime' => '1636596338', 'body' => '        叶远刚，博士，特许金融分析师（CFA）。 职业生涯：         当前职位：美国期权清算公司（OCC）首席风险官，美国三叶科技有限责任公司（TriLeaf Technologies, LLC）创始人和首席执行官，杜克大学驻校主管         2018年 - 2020年2月：美国卫士人寿保险公司（Guardian Life Insurance Co.）首席风险官         2010年 - 2017年：道富银行（State Street Co.）全球市场首席风险官         2015年 - 2010年：野村控股（Nomura Holding Inc）美洲首席风险官         1996年 - 2004年：PNC金融服务公司（PNC Financial Services Inc）首席市场风险官、财政部和风险部门的高级职位 学术背景：         2017年至今：杜克大学研究生院理事会         1991年 - 1996年：曾任纽约州立大学石溪分校、普渡大学、德克萨斯农工大学和德克萨斯大学助理教授         1986年 - 1990年：James B. Duke Fellow，杜克大学         1991年获得杜克大学数学博士学位         1985年获得复旦大学数学学士学位           叶远刚是美国三叶科技有限责任公司的创始人兼首席执行官，该公司基于深入的数学理论，并结合了传统和替代数据集的见解，创建了创新的交易和投资策略，以及风险管理系统。该公司促进了学术研究和工业应用之间更紧密的合作。         叶远刚目前也是杜克大学驻校管理人员。在这个职位上，他利用自己丰富的行业经验，在课程、教学和研究方面为大学提供建议，特别是在涉及定量金融领域方面。他还教授一门算法交易课程。         从2018年到2020年2月，叶远刚一直担任总部位于纽约的美国卫士人寿保险公司的首席风险官，这是美国十大人寿保险公司之一，为个人和企业提供6400亿美元的人寿保险政策保护。作为首席风险官，他负责整个企业的风险管理策略及其执行。在此期间，他领导制定了全面危机管理计划，使公司能够顺利度过当前的新冠肺炎疫情危机。         2010年至2017年，他在位于波士顿的道富银行（State Street Corporation）工作。道富银行是全球第二大托管银行，托管资产达30万亿美元。他是公司两个主要业务部门的首席风险官：道富全球市场和全球交易所。合并后的部门通过为机构资产所有者和管理者提供销售和交易、证券借贷、机构经纪、电子交易和清算、信贷和借贷以及数据和分析解决方案，产生了超过20亿美元的年收入。他负责整个风险管理策略以及在美洲、欧洲、中东和亚太地区的全球分部的执行。他一直致力于在全球范围内建立道富银行的风险管理框架和基础设施，以满足监管要求并支持重大业务扩张。他还领导道富银行成功地管理重大的市场和监管挑战。         从2005年到2010年，叶远刚担任野村控股（一家总部位于东京的大型全球投资银行）美洲区首席风险官，负责风险管理监督的所有方面，包括市场、信贷和操作风险。叶远刚和他的团队在帮助野村成功渡过2008年全球金融危机中发挥了重要作用。这场危机使野村得以收购雷曼兄弟的大部分股份，并大幅扩大了其在美洲的业务。他也曾担任野村证券投资组合风险的全球主管，负责全球范围内跨区域和资产类别的风险敞口汇总和分析，以识别和减少集中风险。         1996年到2004年，叶远刚在PNC资产管理公司（美国第六大商业银行，资产超过4000亿美元）度过了八年。他担任的管理职务责任越来越大，最后一个是公司的首席市场风险官。在这个职位上，他负责PNC公司范围内的利率风险、流动性风险和交易风险，包括银行账簿、交易账簿、资产管理和自营投资。在任职期间，他还与PNC旗下的黑石资产管理公司（BlackRock Asset Management）密切合作，开发其风险分析系统。         从1991年到1996年，叶远刚在几所大学从事数学博士后研究和教学工作，包括德克萨斯农工大学、普渡大学和纽约州立大学石溪分校。他获得了美国国家科学基金会和美国国家安全局在代数几何领域的多年研究资助。         自2017年起，叶远刚一直任职于杜克大学研究生院理事会（GBOV）。作为GBOV的成员，他致力于与杜克大学研究生院建立更紧密的行业联系，特别关注数学研究和教学。         1991年获得杜克大学数学博士学位，1986年至1990年担任James B. Duke Fellow。1985年毕业于中国复旦大学，获学士学位。自2003年以来，他一直是特许金融分析师（CFA）的持有人。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '244', 'name' => '李凡', 'thumb' => 'public://expert/2021/01-04/162747331af1744859.png', 'originalThumb' => 'public://article/2021/01-04/162747361b9f851203.png', 'description' => '阿博茨科技产品VP，中科大硕士', 'about' => '阿博茨科技产品VP，中科大硕士，曾任职微软和海豚浏览器，曾带领团队在20+国家和地区推出个性化新闻客户端，产品各项数据稳居市场第一。作为合伙人参与创立阿博茨科技，负责金融行业产品线，致力于AI技术在金融研究、投资、风控等领域的应用落地。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">其他成果</div> <div style="height: 12px; float: left;"> </div> 2016，<a href="https://www.yunzhan365.com/86183702.html">区块链+保险的“四个机会”</a>，《中国保险报》2016年11月8日第006版 ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">基于AI的企业风控系统增强的应用</h2> <h2 style="text-align: justify;">一、银行进化路线及银行业务场景的智能化增强方案</h2>       银行的进化路线可以分为四个阶段。1.0阶段为1472年-1980年，进入金融服务时代，以金融产品为中心，离不开物理网点，关注点仍囿于物理网点中的银行服务。2.0阶段为1980年-2007年，进入自助服务时代，以服务为中心，电子技术延伸了物理网点的触角，电子技术替代人力工作，自助服务标志着银行进入新时代。3.0阶段为2007年-2017年，进入移动互联时代，以客户为中心，随时随地获得银行服务，物理网点不再是用户要去的地方，金融产品的选择权将产生对调，用户将成为与银行关系中的主导者。客户越来越多地进入银行的服务中，诞生出更多个性化需求和个性化数据，也产生了一些问题，即如何更好地利用这些资源为客户提供更好的服务，以及如何利用好在服务客户的过程中产生的大量数据。4.0阶段为2017年以后，进入人工智能时代，以智能服务客户为中心，嵌入生活的智能银行服务，即时、实时的金融服务将成为流行，智能投资顾问和场景介入将为用户提供更好的金融解决方案。Bank1.0至Bank3.0，是基于物理网点的服务渠道扩宽，而Bank4.0则是回归到对银行本质的重新审视，为我们提供了通往未来银行最有可能的路线和创新方法。应用场景包括人工智能（AI）、现实增强（AR）、语音识别设备、穿戴智能设备、无人驾驶、5G通信、区块链等。       银行业务场景的智能化增强方案有三层。最底层是基于OCRPC、视觉技术赋能，将更多数据融合到体系中，例如照片、视频、文档、扫描件等。中间层基于NPL技术赋能，理解数据本身的含义，将数据变成业务流程中能够直接跟现有模型对接的信息。最上层则是银行核心应用和用户。通过这样的体系，将更多的数据纳入到银行的业务中，提升业务处理的效率和能力，从而让整个业务场景得到更好的增强。 <h2 style="text-align: justify;">二、银行信贷业务系统增强的应用</h2>       信贷是商业银行的主要业务，也是其主要盈利的途径，随着互联网技术的不断发展，传统的银行贷款也受到互联网技术的影响，因此必须改进和完善信贷业务的风险管理机制、信贷前后录入审批效率、贷款对象定位，使银行信贷得到良好的发展。公司客户对银行“数字化”的期望在不断提升，超过70%的企业客户表示数字能力是评估银行对公服务水平的关键要素之一，特别是中小企业更看重在线信贷的产品和服务；其次，银行信贷申请的过程是越来越自动化的，减少人工对申贷资料的处理时间，加快信贷审批流程，是提高银行信贷效率的最有效帮助，自动化信贷服务是互联网金融环境下的必经之路；自动化完成后，推动信贷更加规范化，为了有效地规避风险，银行方面要对申请贷款的对象进行严格把关，利用全方位的财务分析对申贷资料评估，降低不良贷款率；最后，规范化又会推动银行进行数字化升级。银行信贷业务发展形成了规范化、数字化、自动化的正向循环。       银行信贷业务也存在许多挑战。在业务中，贷前审核和贷后管理，需要客户经理收集企业财务报告，录入并导入信贷风控系统中，这些财务报告包含照片、纸质、PDF等多种格式，客户经理依旧需要线下收集，通过一定方式手动录入到信贷系统中。在这过程中，存在财报录入慢、成本高和风控弱的问题。每年处理上万份报告，每个报告有5百多个科目，人工录入非常费力，每年累计耗时超过5万个小时；报告不清晰，披露不规范，录入人员业务不清晰，粗心大意，都会导致录入数据出错，无法满足财务分析的要求；传统风控模型局限来自于财报、证照等企业提供数据的因子与互联网中的公开风险因子没有有效结合，无法覆盖和预警更全面的风险。       针对以上提出的问题，我们以信贷业务为核心，提供三大智能化功能提高财报处理能力。一是内容数字化，基于计算机的视觉能力，用机器辅助原来需要人工抄录的过程，提升整个效率，例如自动转成结构化表格、统一会计科目名称、勾稽关系自动校验查漏补缺、会计指标自动对齐等。二是服务在线化，让用户在任何场景下都能使用该服务，方便客户经理在外开展业务。三是风险可量化，将录入好的数据使用内置财务分析模型进行舆情分析、实时全网监控、企业画像分析、风控模型迭代等，尽早地将风险暴露出来。       具体来说，表格自动解析，基于深度学习算法的“卷积”计算，有效提升解析准确率，也就是数字化。在录入数据后，要进行科目自动匹配，通常会引入一些专家系统，将常见的15个模板先录入系统，通过标准科目及同义词模型完成持续识别。对于模型未匹配科目，需要进行人工干预，一方面保证录入顺利完成，另一方面让计算机记录下此次匹配，变成一个新的学习素材，再去训练模型，达到越用越准的效果。在所有的指标识别完并录入后，进行勾稽关系自动校验，发现数据错误和科目不平，快速修正。此外，信贷系统还内置三维财报分析引擎实时分析财报数据，结合企业内外部数据实时完成财务数据有效性、趋势性、同业对比分析，提早发现潜在的财务粉饰和欺诈风险，为信贷风控业务提质增效。 <h2 style="text-align: justify;">三、具体案例</h2>       某银行股份有限公司，在全球有150家代理机构，企业客户1万家，每年需要录入5-6万份财务报告，财报数量庞大，人工录入慢，且录入准确率不高，返工几率大，风控因子少。       在风险管理部和企业管理部使用了系统后，财报录入准确率高达99%，原本完整录入一份财报需要2小时，现在缩短至10分钟，录入效率提升90%；增加了10多类企业风控因子，能够更好地实现财务分析预警和监控，结合公开的企业画像数据，实时监控工商、舆情、法律诉讼、行政处罚等风险，为风控模型提供有效补充。       来源：2020（第十六届）中国金融风险经理年度总论坛系列12：科技在金融业务中应用——李凡《基于 AI 的企业风控系统增强的应用》   ', 'elegant' => array(), 'userId' => '377', 'status' => 'published', 'createdTime' => '1609748908', 'updatedTime' => '1627539868', 'body' => '      李凡，阿博茨科技产品VP，中科大硕士，曾任职微软和海豚浏览器，曾带领团队在20+国家和地区推出个性化新闻客户端，产品各项数据稳居市场第一。作为合伙人参与创立阿博茨科技，负责金融行业产品线，致力于AI技术在金融研究、投资、风控等领域的应用落地。 ', 'type' => 'senior', 'opened' => '0', 'followed' => '0'), array('id' => '158', 'name' => '吕宇良', 'thumb' => 'public://expert/2020/11-10/1341255b0bc2249995.png', 'originalThumb' => 'public://article/2020/11-10/1341255deb18350344.png', 'description' => '江西裕民银行风险专家', 'about' => '江西裕民银行首席风险专家。超过20年的风险管理从业经验，涵盖了风险管理咨询、金融科技、互联网金融、消费金融、零售信贷、公司信贷。精通智能风控相关的评分模型、大数据算法、风险政策、反欺诈、智能催收，以及新资本协议相关的零售内评、压力测试、经济资本计量等技术，且具有多年管理大规模风控团队的经验。', 'sticky' => null, 'weight' => '0', 'achievement' => '        ', 'attachachieve' => '', 'viewpoint' => '<h2>一、智能风控助力银行数字化转型</h2>       目前各个行业的数字化转型都是如火如荼，根据IDC的预测，到明年全球在数字化转型上的投资会达到5.5万亿美元。就我国而言，从中央到各级地方政府在他们的工作报告中数字经济这个词已经被多次提起，也引发高度关注。所以，我国也正在加速进入数字经济时代。银行业作为数字化转型的排头兵，与两三年前的试水有所不同，目前不同规模和级别的银行，都已经把数字化转型作为重点发展项目推进，都要加快数字化转型的步伐，都希望通过转变整个经营模式来抢占先机。通过加强数据分析来对客群进行更好的画像。在前不久刚刚举办的2020年的中国银行业的发展论坛上，六大国有行的行长们纷纷对数字化转型以及如何以科技来赋能金融，表达了高度重视，全行业都在加速推进。       银行数字化转型中，智能风控能够在以下几个方面助力转型：       第一，普惠金融，拓展客户群体。第二，改进风控，优化资产质量。第三，提高效率，升级客户体验。第四，降低成本，促进轻型发展。 <h4> </h4> <h2>二、智能风控 vs 传统风控</h2>       风控模式方面。传统风控更多基于专家经验的人工审批。非常依赖于我们的信审官对于材料的理解把握。信审官会基于他自己的经验来进行相应的判断。而智能风控更多的是以量化的模型以及基于数据分析的策略为主。数据来源方面。传统风控一般基于人行征信以及企业的财务信息进行相应的评估。而智能风控可能除了这些传统的信源之外，还增加了社交网络的信息，行为信息，客户行为信息以及刚才提到的水电、煤、气，税这种政务的大数据，包括刚才提到的物联网大数据等等。数据维度方面。因为传统风控一般是基于刚才说的那些信息源，相对来说这些信息对于风险的识别和评估关系都较强，我们称之为强变量。相应的维度也会比较少一些。而智能风控，社交数据，买点信息等等信息，他们跟风险的关系并不是那么明显。模型类型方面。传统风格可能更多基于专家评分卡，或者基于相应的财务模型。而智能风控可能更多的会基于机器学习或者大数据学习的算法，用这些来进行模型的构建。而在智能风控这边，因为两个方面的原因。第一变量很多，模型里面成百上千的变量，很难去评估每一个变量在里面的真正的作用。另外一个，因为里面其实有非常多的弱相关变量，而弱相关变量跟风险的关系，其实不是那么明显。所以，在智能风控里面，我们对于因果关系的重视程度没那么高，我们相信不管白猫黑猫抓老鼠就是好猫。 <h4> </h4> <h2>三、智能风控成效分享</h2>       第一点，大数据让服务小微和普惠金融成可能。第二点，随着人工智能的应用，在相同数据基础的情况下，模型的性能提升20%-30%。第三点，通过智能催收能够把催收成本降低1/3。 <h4> </h4> <h2>四、裕民银行智能风控拓扑图</h2>       总体来说，我们的智能风控系统分为7个层次，由下到上体现了数据、模型以及系统的三元理论或者也叫三大支柱。       最下面是原始数据层，我们通过原始数据层整合客户在行内以及行外的各种的信息，包括了客户的基础信息，行为信息，以及在外部的征信信息，以及我们外部合作的场景信息，以及客户的社交信息，以及政务大数据等等各方面的信息。       中间层，我们会对原始信息进行相应的清洗及进行以应用为单位为基础进行划分，把它分门别类的地归到我们的中间层上面去。       中线上面是我们的集市层。我们知道原始数据一般对于风险的排序不是那么显著，我们通常需要对数据进行加工转换和延伸，产生能够对于风险具有更好的评估和排序的特征变量。基于这些特征变量，以及相应的客户画像标签。对原材料进行相应的精炼，这个工作在整个的风险管理中都是非常重要的。       在这个基础之上是模型层，模型层的话其实是基于刚才说的数据集市的各种变量。这里面有贷前贷中贷后的各种各样的模型，比如说我们就说反欺诈模型，其实这不是一个模型，这其实是有不同的三个模型集群，由不同的客群细分的各种的子模型来组合在一起的。不同的子模型以及各种类型的模型组合在一起组成了我们整个的模型集群。       所以我们需要风控策略，风控策略建立在模型之上。它不仅仅是模型，它会结合其他因素，这样的话我们就会构建贯穿整个企业信用生命周期的风控策略，来决定对每一笔申请到底应该做什么样的处理。所有的模型策略都是通过我们的风控系统进行相应的部署，这样的话就能够实现对每一个申请都能够进行自动化的调用，以及进行我们刚刚说的秒批秒贷。       最上面的是我们渠道管理系统，就是说我们的客户是通过我们的APP小程序，公众号、外部网页，甚至是开放银行来获取的。我们其实是站在我们很多的合作机构的背后，这样的话我们合作机构从API给我们进行数据的交互，我们的客户通过这些渠道，向我们提交数据，相应的会被传送到我们的政策服务器里面，会进行自动的像现在审批以及贷中加上贷后的一些处理。 <h4> </h4> <h2>五、裕民银行智能风控体系</h2>       我们的智能服务系统大致分为5大模块：       第一是征信管理平台。刚才跟大家分享的原始数据层是通过征信管理平台来进行相应的配置，这一平台的话能够通过配置实现不同信源调用和接入。各种信源，比如说征信相关信源，我们既涵盖了传统风控体系中的信息，通过人行征信实现。另外，客户也可能在很多机构里面也有一些相应的金融信息，我们是通过中国互联网金融协会体现的。此外，各种各样的黑名单也在我们的平台。刚才提到各种的政务、大数据，像税、水、社保、公积金等等，这些我们都是通过平台来进行相应的配置的。风险管理中，多头的负债及其还款能力极为重要，所以我们也通过资金管理平台接入非常多的多头的信源，以及能够评估客户的还款能力的各方信源。最后，像客户社交网络等方面，我们都是能通过这种我们的平台进行相应的配置。       第二个模块是我们的模型管理平台。模拟管理平台能够实现各种基于机器学习算法的模型的自动地部署和知识的监控，对我们是非常高效的一个工具。       第三个是反欺诈系统。反欺诈其实是我们整个风险管理的第一道关口，反欺诈系统涵盖了设备指纹，帮助我们来识别黑厂，包括冒用等情形。另外还包括活体检测，声纹识别，复杂网络对于我们反欺都是非常重要的工具，包括行为轨迹这些方面。       第四个是策略引擎。策略通过策略引擎部署在我们的风控系统里面的，每一个申请过来之后，不再需要人工进行干预。一般情况下，风险会自动执行。       第五个是智能催收系统。智能催收系统的话大致的功能是包括几个方面，第一是智能分案其实主要是基于在险余额以及可回收金额进行分案。另外基于各种前端催收模型以及晚期的清收模型，以及机器人等等这些技术来进行实现，即智能化的催收。通过智能催收和人工催收实现更好的投产比。  <h4> </h4> <h2>六、智能风控的误区</h2>       第一，大数据、算法将完全替代人工？我个人是这么理解的，我们以催收来说，对于早期催收而言，智能催收是能够非常好的来替代人工的。但是对于晚期催收那种需要非常复杂的跟客户有非常多的谈判，目前所谓的人工智能的水平还达不到完全取代人工的程度。第一这些工作其实不能够完全取代，只是说对于稍微简单一些的工作进行取代。另外模型设计、数据清洗、特征工程都有赖于长期以来对业务的认知和经验的积累，不是靠大数据、算法就能自动得到的。就像深度学习里面有一些算法，号称不需要人工就能够自动得到，但我自己的经验可能在金融领域实现的话有些言过其实。可能在某一些专有的特别的领域，比如说围棋领域，可能可以，但是如果要做到通用化的人工智能目前还不具备这样的条件。所以这些事情目前还是需要人工的。       第二，智能风控能化腐朽为神奇，从一堆垃圾中炼出黄金？很多人可能认为有了智能风控，是不是不管质量什么样，总能挑选出好的。这一观点在两类人群里面特别普遍，第一类可能经验不是那么充足，他就会觉得我有了这个东西，我就包打天下了；另一类可能前台业务人员也会过度期望。我个人的理解，只靠这种模型策略是无法从根本上解决风险防控的问题，风险管理的工作必须是要前置的，风险管理必须要介入从最开始的客群选择、产品设计、流程优化、渠道管理，从这些角度出手，再结合我们的模型策略方向等等那些传统的风控东西才能真正地防范风险。所以，风险管理不是一个被动的过程，而是应该是主动有所为的。就像在特性选择上面，如果客群是很烂的，挑出来的投资产品非常差，得不偿失，所以要从根本上解决这个问题。       来源：2020（第十六届）中国金融风险经理年度总论坛系列11：智能风控——吕宇良《银行数字化转型中的智能风控》 ', 'elegant' => array(array('src' => '/files/expert/expert_1615276135.png')), 'userId' => '259', 'status' => 'published', 'createdTime' => '1604986920', 'updatedTime' => '1636534849', 'body' => '       吕宇良，江西裕民银行首席风险专家。超过20年的风险管理从业经验，涵盖了风险管理咨询、金融科技、互联网金融、消费金融、零售信贷、公司信贷，在业界积累了良好的声誉。不仅精通智能风控相关的评分模型、大数据算法、风险政策、反欺诈、智能催收，以及新资本协议相关的零售内评、压力测试、经济资本计量等技术，而且具有多年管理大规模风控团队的经验。        曾在纽交所上市公司信而富担任副总裁，全面负责风险管理方面的工作。通过产品设计和优化、模型算法的优化、外部数据和最新科技的应用、治理架构的设计，在防范信用风险、操作风险的同时，优化客户体验、提升运营效率、增强市场竞争力。        在信而富任职前曾供职于最大的征信局Experian、浦发银行、上海银行。带领咨询团队为中国和亚太区众多金融机构成功交付各种类型的评分模型、零售内评咨询项目。   ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '221', 'name' => '周向勇', 'thumb' => 'public://expert/2020/11-12/15321609f468952416.png', 'originalThumb' => 'public://article/2020/11-12/15321710d8de132417.png', 'description' => '国泰基金管理有限公司总经理', 'about' => '现任国泰基金管理有限公司总经理，剑桥大学MBA，先后在中国建设银行、中国建银投资公司工作。2011年2月加入国泰基金任总经理助理，2012年11月起任公司副总经理并负责投资研究工作，2016年7月起任公司总经理。', 'sticky' => null, 'weight' => '0', 'achievement' => '  <div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">论文</div> 2020，公募REITs:开辟新时代背景下资产管理行业新蓝海，《清华金融评论》第12期 。 ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、主动权益类基金规模变迁</h2>       主动权益类基金包括wind基金一级分类的股票型和混合型，同时剔除二级分类中的指数型和偏债混合型。主动权益类基金规模变迁主要表现在以下几个方面： <h4 style="text-align: justify;">（一）2019年以来权益类基金规模涨幅与基金经理人数涨幅差距较大</h4>       2019年至今主动权益类公募基金管理规模显著增加，最新总管理规模近4.2万亿，2020Q3规模相对2019Q4提升87%，增幅超过2015年80%的最近10年历史最高值，而同期基金经理人数的涨幅远低于2015年，这表明2019年以来主动权益基金经理平均管理规模大幅提升。2019年以来的基金数量涨幅同样明显低于2015年，与2015年规模增长基本来自于新发基金不同的是，今年以来存续基金的规模增长同样贡献较多。 <h4 style="text-align: justify;">（二）管理大资金的权益类基金经理显著增加</h4>       近几年基金经理数量增幅变化不大，但管理超50/100亿规模的基金经理人数显著增加，说明资金越来越往部分明星基金经理集中。最新管理主动权益类基金规模超100亿的基金经理126人，比2019年底大幅提升107%。 <h4 style="text-align: justify;">（三）今年出现一批管理规模超300亿的基金经理</h4>       目前管理主动权益类公募基金规模超300亿的25位基金经理中，仅4位管理规模连续超100亿的经验达5年。大部分基金经理管理大规模资金的经验有限，基本上是借助今年的基金牛市实现规模大幅度提升。2020年多个“爆款基金”发行，今年新发主动权益类基金规模超100亿的27位基金经理中，有17位基金经理新发产品规模占比超50%。   <h2 style="text-align: justify;">二、大规模权益基金风险分析</h2>       随着基金规模的快速扩张，且该扩张主要集中于头部基金经理，头部基金经理人均的管理规模迅速扩大是否会带来相应的风险呢？ <h4 style="text-align: justify;">（一）基金规模存在最优边界</h4>      我们认为基金规模存在一个最优边界，管理规模不能太小也不能太大。      规模较小时，随着规模增加，收益率提升。规模太小可能基金经理的一些策略无法施展，随着规模增加，策略灵活度提升。随着基金规模的增大，基金的交易成本在下降，同时获取数据、研究服务的成本，以及管理成本和间接费用不是随着规模的增长而同比例增加，这些会给基金带来正的规模经济效应。      规模超过一定边界值后，收益随规模增加而降低。主要由以下三个方面所导致：一是投资标的不足：规模增加后，需寻找更多投资标的，在缺少足够多优质投资标的时，部分基金经理特别是成长型基金经理不得不改变投资风格投资不熟悉的标的。二是调仓不灵活：不能更快的买入和卖出投资标的。三是策略拥挤度：部分策略，如高换手率策略、新股增强策略在基金规模增加后将失效。 <h4 style="text-align: justify;">（二）主动管理规模超过边界可能带来的风险</h4>      主动管理规模超过边界可能带来以下三种风险：      流动性风险：规模增加投资组合流动性将降低。大部分基金会将部分或全部新增资金投资于已有股票组合，会造成单只股票持仓过大，基金将不能更快的买入/卖出股票标的，从而面临更大的流动性约束。      市场风险：规模增加会加深机构抱团行为瓦解的反应；当前市场估值偏高。公募基金各机构投资理念相似，在近年来结构性行情下，机构倾向抱团持有头部公司股票。在全市场基金规模整体增加的趋势下，资金会向头部公司进一步集中。抱团行为在标的上涨时会促进股价攀升，一旦标的价格回调集中减仓会加深股价下跌幅度。今年以来市场整体估值偏高，若均值回落则会带来市场风险。      风格漂移风险：规模增加会迫使投资风格改变。部分产品以往获取相对高收益可能是凭借重仓基金经理较为熟悉的个股、集中持有个别景气度较好的行业以及在管理规模较小时频繁换手，然而规模一旦增加，相应的风格或许难以持续，从而影响产品收益。   <h2 style="text-align: justify;">三、如何降低规模带来的风险</h2>      在存在最佳管理规模的情况下，随着管理规模的扩张，我们可以运用以下三个方法来降低风险：      A股市场容量扩大且相对稳健：自2019年以来沪深两市总市值、股票总数的增速显著提升；沪深300日成交金额仅次于2015年，同时换手率也不高，年化波动率处于历史均值水平，市场整体的环境比以往稳健。      基金管理模式转变：今年以来多家公募基金公司提出要增加组建基金经理团队管理单一规模较大的产品，我们统计了历史每年团队/个人管理的平均单个产品收益率、回撤以及管理规模，发现团队管理的收益率平均较低，但回撤一般控制的相对较好，平均规模也稍高一些。      金融科技赋能：公募基金金融科技的布局可以帮助提升投资管理能力。主要体现在：通过建设一体化的资管系统，统一内外部的数据管理，优化投资决策流程，提高研究员和基金经理的工作效率；在传统数据中增加另类数据维度，通过机器学习提升数据分析能力及量化投资能力；降低被动产品的综合成本，提升定制化指数的能力等。      来源：2020（第十六届）中国金融风险经理年度总论坛NO.21：资产管理业务与风险管理——周向勇《权益类基金发展与投资能力匹配的相关风险管理》 ', 'elegant' => array(array('src' => '/files/expert/expert_1611738113.png'), array('src' => '/files/expert/expert_1611738143.png')), 'userId' => '322', 'status' => 'published', 'createdTime' => '1605166382', 'updatedTime' => '1636598035', 'body' => '      周向勇，现任国泰基金管理有限公司总经理。毕业于中国人民大学财政金融学院，剑桥大学MBA。先后在中国建设银行、中国建银投资公司工作。2011年2月任国泰基金总经理助理，2012年11月任公司副总经理，负责投资研究工作，2016年7月起任公司总经理。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '152', 'name' => '刘新海', 'thumb' => 'public://expert/2020/11-10/113230eead00289000.jpg', 'originalThumb' => 'public://article/2020/11-10/113231f4c8e1447235.jpg', 'description' => '全联并购公会信用管理委员会常务副主任/北京信用学会副会长。', 'about' => '全联并购公会信用管理委员会常务副主任/北京信用学会副会长。曾在布鲁塞尔的互联网公司和金融分析公司从事过咨询和数据分析工作，在中国人民银行征信中心有七年工作经验。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">论文</div> <div style="height: 12px; float: left;"> </div> 2020，数字经济下个人信息保护的挑战和应对——以App违法违规搜集个人信息治理为例，《中国信用》第10期 2020，《欧洲全面征信信息共享对信贷市场发展作用实证研究》报告解读与分析，《征信 》第09期 2020，数字经济下韩国个人征信立法的最新推进，《中国信用》第08期 2020，疫情对全球个人征信体系的冲击，《中国金融》第15期 2020，数字金融下的消费者信用评分现状与展望，《征信》第05期 2020，区块链：一种新的征信视角与技术架构，《征信》第04期 2019，专业征信机构:未来中国征信业的方向，《征信》第07期 2019，构建数字经济时代新金融信用评分模型，《中国银行业》第07期 2019，小微企业征信互联网服务新模式——以美国硅谷金融科技公司Nav为例，《清华金融评论》第06期 2019，全球视角下的婚恋交友“信用+”，《中国信用》第05期 2019，完善征信让生活更美好，《中国信用》第04期 2018，百行征信与中国征信的未来，《清华金融评论》第11期 2018，基于征信大数据分析的担保圈风险管理，《征信》第08期 2018，美国顶尖智库怎么看中国信用体系，《中国信用》第08期 2018，欧盟最严数据保护法规对我国金融科技发展的深远影响,《当代金融家》第06期 2017，征信AI:来自人工智能的信用服务，《当代金融家》第12期 2017，电信大数据在信用风险管理中的应用《大数据》第03期 2016，小微企业征信的美国模式，《征信》第12期 2016，面向普惠金融的个人信用评分新趋势《清华金融评论》第12期 2016，<a href="https://www.yunzhan365.com/65187851.html">互联网经济下的征信</a>，《中国经济时报》中央级 2016，基于征信大数据的替代信用评分，《征信》第03期 2015，美国个人征信互联网服务新趋势研究，《征信》第12期 2015，传统个人征信机构的大数据征信——以环联为例(下)，《清华金融评论》第10期 2015，传统个人征信机构的大数据征信——以环联为例(上)，《清华金融评论》第9期 2015，<a href="https://www.yunzhan365.com/79809022.html">担保圈风险的大数据管控</a>，《上海证券报》 2014，大数据征信应用与启示——以美国互联网金融公司ZestFinance为例，《清华金融评论》第10期 2014，基于企业关联关系的信用风险分析新思路，《征信》第09期 2014，阿里巴巴集团的大数据战略与征信实践，《征信》第10期 2014，大数据挖掘助力未来金融服务业，《金融市场研究》第02期 2013，互联网金融新模式探析，《金融电子化》第04期 ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、基于第二代个人征信系统的信用评分研究</h2> <h4 style="text-align: justify;">（一）央行征信二代对风控的影响</h4>       央行征信系统是整个信贷市场的重要基础设施。第一代征信系统就是传统的央行征信系统，从2006年上线已经发挥了很大的作用。第二代征信系统也已经上线了一段时间了，其主要是在新的信息技术和数字经济的场景下，将系统性能提高，与时俱进。征信二代的变化也没有想象那么大，它的整体变化主要在于两个方面：一个方面是很大程度要解决系统性的处理效率的技术问题，即非功能问题（所谓功能就是征信服务、征信产品的开发）；另一个方面是解决个人和企业征信系统的互联互通。 <h4 style="text-align: justify;">（二）基于央行征信二代的信用评分研究</h4>       央行二代征信报告和数字解读是风控创新的基础，我们在进行风控的时候首先还是要把征信报告用好，把数字解读用好。在使用央行信用报告时，可以将基于账户明细的200余个数据项分成信用敞口、信用历史、信用负债、偿付能力、逾期记录等几大类，然后再一层一层地细分。信用评分的标准化流程也是经过了很多年的锤炼，是一个比较完善的、比较细致的、比较成熟的一个规范。它包含了定义目标变量、选取样本、决定适用人群、子群划分、建立信用属性、信用属性初选、信用属性转化、模型拟合、模型验证、负向因子生成（可选）、模型定性监测和模型重新拟合与重建等12步。 <h4 style="text-align: justify;">（三）新冠疫情对信用评分的影响</h4>       新冠疫情对整个征信系统、信贷市场的影响是非常大的。国外的征信机构或者是信用评分公司的话它都对疫情带来的新的风险推出了一些相应的产品。比如说FICO弹性指数主要就是对消费者在疫情冲击之后能否还款这种脆弱性做了一个分析和训练。它用的指标还是信用报告的指标，再加上一些宏观的因素，就是目标变量做了一些改变，原来是能不能及时还款，现在就是经济对疫情的反应程度。一般而言，征信评分最重要的变量是用户过去一段时间的逾期状态，但如果用户过去的逾期状态由于外部因素的影响而失真了，那征信评分的效果就会变得很差。这个时候不仅使用者要非常小心，评分的开发者也要想办法避免这个问题。目前解决的思路大概有两条：一条是根据用户实际的还款数据计算用户真实的逾期状态；第二条是把开发信用评分的观察点移到疫情中间，这样才能有效地构造出用户在疫情之前和之中很多借款行为的变化情况，才能更好地预测用户将来的风险。 <h4 style="text-align: justify;">（四）央行征信面临的新挑战</h4>       央行征信也在面临着新的挑战。现在我们面临着金融科技信贷和大科技信贷，这些不仅对传统的信贷产生了很大的影响，对征信和信用评分也产生了很大的影响，同时又有高频、小额、短期等更加有挑战的风控场景的出现。此外，个人信息监管也趋严，很多大数据公司目前就不知道该怎么做了，有的也转入地下，这个也不是一个很好的事情。数据是一个资产，我们应该好好地充分利用，不能因为它会产生问题我们就不去使用它。另外，消费者征信服务的需求也会越来越多，消费者需要看自己的信用报告、了解自己的信用情况。此外，互联网安全、网络风险、个人信息泄露等风险越来越严重，也需要得到很好的处理。最后，从2015年开始信用报告的需求量就明显低于信用评分的需求量，在疫情之后，我觉得这种数字化趋势会继续加速，就需要我们有更多的数字化信用风险产品出现。       来源：2020（第十六届）中国金融风险经理年度总论坛NO.1：信用分析和评级技术发展与应用——刘新海《基于第二代个人征信系统的信用评分研究》   <h2 style="text-align: justify;">二、基于关联关系的新维度数据及其应用</h2> <h4 style="text-align: justify;">（一）对数据产业的理解</h4>       数据产业的热度持续上升，特别是最近将数据要素列为五大生产要素之一，各界非常关注，但是对此的深入理解和研究，国外可能会更超前一点，国内目前只是看到这些表层的数据和商业的模式，背后的逻辑和问题需要更多地研讨。无论是个人征信在内的个人数据，还是企业征信在内的企业数据，很多专家和媒体都持同样的观点，就是数据为王，有数据才能做事情，没数据就无能为力。这个现象跟中国的国情有一定关系，从政府到商业机构到媒体，数据共享的意识普遍比较缺乏。一些大数据公司，手中只有少量数据，它们就自认为非常厉害了，不愿意合作，或者是议价权非常高，这种现象并不健康。目前这些公司的商业发展也都遇到各种各样的瓶颈，因为数据是需要应用的和整合的，否则其价值会大打折扣。 <h4 style="text-align: justify;">（二）关联分析示例</h4>       关联分析基于关联关系进行网络建模，从非线性的系统性的观点来看每个企业的风险特点和金融属性，不同的关联关系可以建不同的网络，关联关系是一个非常重要的因素，这些关系既可以是自然产生的，也可以通过计算得出的。以下是两个产品的示例，一是投资集中度，把广东省每个地级市的投资集中度进行了分析，颜色越深，投资越集中，这可以应用到投资分析和市场监管中。第二个产品的话就是企业之间的关联强度。在银行征信中心工作时，一个被关注比较多的问题就是，企业间关系复杂，但企业间的连接强度如何。问题比较复杂，当时没得出结果，后续在北大讨论出了解决方案，用复杂网络分析上比较复杂的最大流方法，计算得出相对统一的标准化结果，根据投资关系、担保关系等，计算出企业间的关联强度。风险的传播会根据关联强度来进行。另外，企业的影响力也会随关联强度的传播而传播，关联强度对营销和风险管理都有帮助。 <h4 style="text-align: justify;">（三）关联分析的应用</h4>       从理论基础来看，关联图谱的理论基础是复杂网络分析，知识图谱的理论基础是自然语言处理文本挖掘。目标方面，关联图谱的分析服务于风险和投资分析，知识图谱主要解决的是知识管理，搜索和展现等问题。代表性应用上，关联图谱典型应用是COVID-19传染病扩散与防范、担保圈风险管理等，知识图谱的典型应用则是Google知识图谱应用或问答系统。当然，关联图谱和知识图谱是有交叉的，两者都用到了网络建模，还有可视化技术等。       来源：2020（第十六届）中国金融风险经理年度总论坛NO.4：大数据及其应用——刘新海《基于关联关系的新维度数据及其应用》 ', 'elegant' => array(), 'userId' => '253', 'status' => 'published', 'createdTime' => '1604979958', 'updatedTime' => '1636424688', 'body' => '      刘新海，中国并购公会信用管理专业委员会、北京大学金融智能研究中心常务副主任。在比利时鲁汶大学（KUL）获得电子工程博士，中国人民银行金融研究所博士后，英国伦敦政治经济学院（LSE）访问学者。曾在布鲁塞尔的互联网公司和金融分析公司从事过咨询和数据分析工作。在中国人民银行征信中心工作多年，并被评为中国人民银行副研究员。2013年作为创始人之一联合成立了北京大学金融智能研究中心。曾主持国家自然科学基金等国家科研项目三项，曾经在数据挖掘国际顶级期刊IEEE TKDE和人工智能国际顶级期刊IEEE PAMI发表学术文章。回国后在征信和金融风险领域不仅发表专业论文多篇，而且还参与或负责多个重大金融应用项目的研发。目前还是财新网专栏作家。主要的研究方向：征信、风险管理、金融科技、人工智能和大数据挖掘。 ', 'type' => 'senior', 'opened' => '0', 'followed' => '0'), array('id' => '291', 'name' => '张天赫', 'thumb' => 'public://expert/2022/01-26/15342841e0d8918935.png', 'originalThumb' => 'public://article/2022/01-26/153428445bae814101.png', 'description' => '誉存科技联席CEO', 'about' => '誉存科技联席CEO，国家工程实验室金融大数据研究中心高级专家，中国信通院智能+学院专家讲师；中国人民大学经济学硕士、中国社科院经济学博士；国内首批CFA和FRM资格持有人；20+年B端金融从业经历，精通风险管理、价值评估、信用科技等领域，历任工行总行授信部副处长、工银租赁MD、私募基金总裁、上市公司董事等。', 'sticky' => null, 'weight' => '0', 'achievement' => '   ', 'attachachieve' => '   ', 'viewpoint' => '   ', 'elegant' => array(), 'userId' => '4788', 'status' => 'unpublish', 'createdTime' => '1643182638', 'updatedTime' => '1643182638', 'body' => '       誉存科技联席CEO，国家工程实验室金融大数据研究中心高级专家，中国信通院智能+学院专家讲师；中国人民大学经济学硕士、中国社科院经济学博士；国内首批CFA和FRM资格持有人；20+年B端金融从业经历，精通风险管理、价值评估、信用科技等领域，历任工行总行授信部副处长、工银租赁MD、私募基金总裁、上市公司董事等。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '93', 'name' => '李松民', 'thumb' => 'public://expert/2020/11-05/104650ad4013773005.jpg', 'originalThumb' => 'public://article/2020/11-05/104651b447b6015414.jpg', 'description' => '广州越秀金融控股集团有限公司风险管理部总经理', 'about' => '广州市融资担保中心有限责任公司董事长、法定代表人，工商管理硕士，曾任广州越秀集团有限公司审计部经理，广州越秀金融控股集团有限公司审计部（审计中心）总经理，广州越秀金融控股集团股份有限公司风险管理部总经理。拥有国际注册风险管理确认师、国际内部注册审计师、国际注册管理会计师和ICBRR资格。', 'sticky' => null, 'weight' => '0', 'achievement' => '  <div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">图书</div> <div style="height: 12px; float: left;"> </div> [1]绩效审计风险与收益的评价机制《财政监督》 [2]浅析金融危机下外向型国有企业集团的财务管理模式《财经界(学术版)》 <div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">论文</div> <div style="height: 12px; float: left;"> </div> <div style="height: 12px; float: left;"> </div> 2019，<a href="https://book.yunzhan365.com/qpwi/ypyo/mobile/index.html" style="text-decoration-line: none;">构建现代金融风险管理机制</a>，《中国金融》第1期。 2010，<a href="https://www.yunzhan365.com/95876542.html">绩效审计风险与收益的评价机制</a>，《财政监督》第14期。 2010，<a href="https://www.yunzhan365.com/43772578.html">浅析金融危机下外向型国有企业集团的财务管理模式</a>，《财经界（学术版）》第10期。 2009，<a href="https://www.yunzhan365.com/29660548.html">中国房地产投资信托基金（REITs）的发展策略研究</a>，《中国商界（下半月）》第07期。 2009，<a href="https://www.yunzhan365.com/24302918.html">房地产投资风险的模糊综合评价的研究</a>，《现代商业》第17期。 ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、区域与行业风险分析（基于客户视角）</h2>       区域与行业风险受宏观与微观等多方面因素的影响，具有脆弱性、传染性、突发性与可控性的特点。对目前的区域行业，它的风险是什么？现在很重要的是因为我们现在进入了变化的时代，经济发展由原来强调生存和发展，到现在强调安全。这时候多方面的变化会使得整个区域和行业的发展出现分化。就区域行业风险的特点而言，根据我们的经验总结，共包括以下四个方面，一是脆弱性，第二是传染性，第三是突发性以及最重要的可控性。区域与行业风险在整个宏观经济形势的影响下，因为各地区产业模式不同，政策不同，受到冲击也不同，特别是技术更新的颠覆，导致区域行业的风险发生了变化。       我们分析的目的最终还是为了使金融机构更好的聚焦主业，选择客户，达到一个趋利避害的效果。       区域风险和行业风险的分析应关注时间和空间维度的变迁。首先行业的区域分布是行业迁移在时间纬度的截面。从区域行业风险分析来看，区域行业风险实际上它是一个有机的统一体，我们这里可以做一个横截面，它在时间和空间上它是动态变迁的。       区域是不同行业在空间维度的集合。区域内最有竞争力的行业都处于下行周期，区域未来叵测，以东北的辽宁省为例，辽宁是新中国最早建立起来的重工业基地，曾被誉为“共和国长子”和“国家的装备部”。 <h4 style="text-align: justify;">（一）区域风险分析</h4>       针对区域风险的分析，我们目前是构建了一个模型，实际上还是用模型去构建。首先，在我们国家，我们认为需要强调紧跟政策，并基于趋势去定基调，这个方面可以引入一些模型，把整个国家按照进行区域分工。运用整个的区域的定位去构建这样一个模型，然后针对这个模型，我们首先做的是先进行定性评价。定性评价要基于多个方面，一个方面是基于区域的分工定位，因为它分工定位不同，它的主要产业是不同的。其他要考虑的因素包括区域的政策法律因素、社会环境因素等。       定量评价方面，模型的基本框架包括字段选择多样化，输出结果区间映射；让模型对历史区域数据、发达国家经验数据及模拟数据学习，从而不断优化模型，提高有效性。定量评价主要考虑的指标包括区域金融信贷情况、产业发展状况、宏观经济发展状况、人口素质及教育资源以及政府运营能力。       调整项角度而言，我们还需基于客户视角调整对其区域风险分析。就区域发展特定风险而言，模型对区域发展方向审慎分析，基于客户视角判断与发展方向契合或背离，对特定风险作模型加减分或者一票否决。 <h4 style="text-align: justify;">（二）行业风险分析</h4>       行业风险分析也是要建立一个评分卡的模型，通过定性的分析和定量的分析，来展开整个的行业评级。其中，定性评价需考虑行业环境特征、行业周期与发展阶段以及基于波特五力分析展开行业竞争力分析。而定量评价需要考察资产负债率、净资产收益率等行业基础指标、技术创新指标、经营风险指标以及业务发展指标等。       其次是行业分析的周期特征项，此为行业分析极为重要的一部分，而一般行业都会有一定的周期性。这里面的核心就是要看这个行业是处于一个什么样的周期阶段，同时对于这个行业里面的企业的创新能力、供求关系进行研究。       然后行业分析的关联特征项，即不同行业之间存在着联系，产业之间横向融合与纵向渗透相互交织。       模型还考虑技术特征项，即行业的未来发展还是取决于其自身的核心竞争力，尤其是一些特定的行业。       同时我们也通过跨行业经营风险调整项来进行模型的调整。跨行业经营兼具正面、负面的影响。就正向的协同缓释风险而言，大型集团间的行业有上下游协同效应及水平协同效应。在评判行业风险时，要考虑协同效应对单一行业风险的缓释。 <h4 style="text-align: justify;">（三）行业区域风险管理</h4>       首先，区域要素及行业要素有强关联效应，仅关注其中一方面是不全面的。这时候我们的行业和区域进行特殊分析。       当把区域行业风险管理作为决策辅助工具之一时，要结合自身偏好进行综合考虑。权益投资的行业选择应考虑可承受范围内的高风险高收益，相比融资规模，选择体量相对较小的刚起步行业；区域选择方面，不特定约束区域选择，区域内政治、社会环境稳定，政府执行力强，大力发展区域经济，有目标，有行动。债权投资的行业选择应基于未来扩张步伐稳健，有确定的稳定现金流流入，相比融资规模，应选择体量相对较大的成熟行业；区域选择方面，区域风险模型识别风险可能性较小的区域，比如发展完善的湾区、城市群等。       总结而言，客户视角的区域行业风险管理，除了基于已有数据的审慎回顾总结，更应结合企业未来偏好和使命综合研判行业和区域选择的战略方向，从量/价/期各方面有效地管理风险、创造利润。       来源：2020（第十六届）中国金融风险经理年度总论坛-6：宏观与行业风险分析《区域与行业风险分析（基于客户视角）》演讲文稿整理   <h2 style="text-align: justify;">二、人才团队培养文化及激励约束机制建设</h2> <h4 style="text-align: justify;">（一）风险文化构建</h4>       1、定位       当组织建立的时候，一个组织，特别是受监管的金融机构，市场赋予了其愿景和使命。使命包括风险战略和风险偏好，愿景包括风险观和风险文化。风险文化实际上是建立在愿景和使命的战略基础上，这个基础凝聚在每一个阶段，从量化的角度形成风险偏好和风险战略，是动态调整的过程。       2、标准与路径       风险文化的构建有六个特点：全面，聚焦，分类，量化，主动，动态。       3、理念聚焦       风险观指导思想，它是所有企业员工共同持有的聚焦理念, 是风险文化发展目标归纳演绎浓缩聚焦, 风险管理精神支柱的量化归宿。       4、治理支撑       需要一套从上至下稳定的治理架构的支撑，好的战略容易形成，而好的战略执行是很难形成的。       5、机制保障       风险文化中内部控制的着眼点在于提高组织管理能力，从遵循性出发，通过自上而下梳理流程环节的分授权、职责制衡、权限划分等的合理性。要围绕内部环境（组织架构、发展战略、社会责任等）、风险评估、控制活动（资金活动、采购业务等）、信息与沟通、内部监督等进行评价。一般采用穿行测试、抽样核查等方法，以定性分析为主，强调流程的合规性与有效性。       6、政策引领       开展业务需要政策强制性引领，制定强制性黑名单，明确划分允许与禁止的业务区域。       7、持续强化       风险观指导思想，通过业务模式的传导、风险条线的培训和风险条线主动管理风险。 <h4 style="text-align: justify;">（二）风险激励约束机制建设</h4>       1、动态均衡       激励约束机制，实际上是优胜劣汰，奖优惩劣。对于尽职履责、成绩突出的给予奖励，对于失职渎职、成绩较差的进行惩罚。       2、风险考核       建立以定量为主的风险考核体系,定量和定性风险绩效打分卡相结合。       3、停权问责       停权机制是一种风险隔离手段，有效行使经营权、职务权可以加强企业管理、提升经营效益。通过切断不当的权力行为，可规避、降低由此带来的风险损失。通过建立停权机制，形成更为主动的风险管理过程制动。       4、刚性长效       风险激励约束机制建设要达到刚性长效，必须是：第一，嵌入职业经理人制度，对于各子公司，如果超授权则一定是一票否决；第二，嵌入年度绩效平衡计分卡制度，每年进行动态考核，通过考核强化管理；第三，嵌入递延支付制度，通过递延支付机制，发生风险之后有内部补偿；第四，嵌入跟投与股权激励制度。 <h4 style="text-align: justify;">（三）风险管理人才团队培养</h4>       1、目标       塑造一个高效的风险管理运营团队最重要的是道德标准，其次是知识技能、专业能力和领导力，最后形成一个人才梯队。       2、工具       摸清风险管理人才队伍现状，并根据需要调整优化。从战略输入开始，通过核心组织能力，到战略性职责，最后到风险管理组织现状审视。先有战略思路，然后依照客户和市场需求、经营需要，最后导出风险管理职能。       来源：《风险管理》杂志2019年第4期。   <h2 style="text-align: justify;">三、供应链金融与信用风险管理</h2> <h4 style="text-align: justify;">（一）供应链金融概述</h4>       在过去的5年时间，大家可以看到对于供应链金融，国家在监管引领上出台了系列的政策。从2016年起，国务院首次提出大力支持应收账款融资开始，经过2017年对供应链创新的应用的指导，到2019年银保监会对推动供应链金融服务实体经济的指导意见，一直到今年9月份明确供应链金融应坚持提供供应链产业链运行效率完整稳定，支持产业链优化升级的战略布局。直到现在十四五规划中关于供应链产业链的定位，实际上，供应链金融整个的政策环境是越来越好。       现在的供应链金融有这样一个特点，就是六大流合一了——资金流、物流、信息流、商流、技术流和人才流，实际上已经做了合一。实际上是从我们中的最前端的原材料的市场，最前端的基础原材料的施展，经过各类的链上企业到最终的我们普通的人的买方市场，最终的客户的买方市场，在过程中可能会经过几个产业链，几个供应链，然后再循环往复进行循环起来。 <h4 style="text-align: justify;">（二）供应链金融的信用风险分析</h4>       供应链金融与传统信贷是有一个差异的，传统信贷我们在信贷过程中关注的是融资人自身的信用风险，关注他未来的还款能力和现在的还款意愿。在供应链金融过程中，它增加了三个特点。第一，供应链金融的过程中，借款人的借款实际上是由下游的订单带来的，是将来的财富。第二，如果我们把供应链金融每一单的嵌套风险能够规避掉的话，形成一个封闭性的，实际上是供应链金融可以稳定的作为我们一类资产来源的一个前提和基础。第三，因为供应链金融是围绕一个核心企业，或者是围绕一类核心产品或者某一类核心服务展开的，所以这种服务这种供应是连续的、健康运转的。实际上它的连续性、持续翻单性也为持续开展金融服务提供了一个连续的市场。 <h4 style="text-align: justify;">（三）供应链金融的风险管理</h4>       供应链金融除了我们本身的信用风险管理之外，我们在履约能力上还需要进行管理。首先，选择正确的产业链；第二，在供应链金融过程中，我们链上的代表企业不一定是核心企业，但是它代表整个链和其他链，或者是和终端市场进行产品交换风险交换的企业，它的表现是很重要的。第三，我们链在整个经济中提供的是不是稀缺的资源、是不是必要的技术，它的技术可替代性实际上往往体现在最终产品上，这块也是需要我们去关注。       所以在选择供应链金融的信用风险管理的时候，我个人的理解是首先要抓取更具有风险敏感性及时性的信息，对整个产业链的市场风险进行评估。最后是选择链上的关键企业。确定链后，这个链上并非所有的企业都可以，因为有些企业具有很好的替代性。       来源：2020（第十六届）中国金融风险经理年度总论坛NO.9：供应链金融和小微企业金融——李松民《供应链金融与信用风险管理》。   <h2 style="text-align: justify;">四、房地产投资风险的模糊综合评价的研究</h2>       根据房地产投资风险指标体系的层次性，评价标准、评价因素存在的模糊性，以及定性指标难以定量化等一系列问题，论文采用模糊评价法对房地产投资风险进行评价，同时吸取混合评价法的思想，融入模糊层次分析法确定风险因素权重，最终建立了模糊综合评价模型。       来源：2009，房地产投资风险的模糊综合评价的研究，《现代商业》第17期。   <h2 style="text-align: justify;">五、浅析金融危机下外向型国有企业集团的财务管理模式</h2>       目前，我国外向型国有企业集团财务管理存在诸多问题，在全球经济萧条的环境下，这些问题日益迫切需要解决。如何构建外向型国有企业集团财务管理的新模式，来顺应企业集团的长远发展，是本文主要讨论的问题。笔者结合当前外向型国有企业集团的实际情况，指出适宜于多数外向型国有企业集团的财务管理模式。       来源：2010，浅析金融危机下外向型国有企业集团的财务管理模式，《财经界（学术版）》第10期。   <h2 style="text-align: justify;">六、中国房地产投资信托基金（REITs）的发展策略研究</h2>       本文就是要通过对我国房地产信托基金的发展研究，探索适合于我国国情的REITs发展模式。从多个方面系统探讨了我国REITs的发展策略，为研究创造发展REITs的良好环境提供参考。       来源：2009，中国房地产投资信托基金（REITs）的发展策略研究，《中国商界（下半月）》第7期。 ', 'elegant' => array(array('src' => '/files/expert/expert_1614923095.png')), 'userId' => '192', 'status' => 'published', 'createdTime' => '1604544433', 'updatedTime' => '1636526484', 'body' => '      李松民，现任广州市融资担保中心有限责任公司董事长、法定代表人。李先生是中共党员，工商管理硕士，会计师职称，拥有国际注册风险管理确认师、国际内部注册审计师、国际注册管理会计师和 ICBRR 资格（银行风险与监管国际证书）。       李先生曾任广州越秀集团有限公司审计部经理，广州越秀金融控股集团有限公司审计部（审计中心）总经理，广州越秀金融控股集团股份有限公司风险管理部总经理。现兼任广州越秀金融控股集团股份有限公司职工监事、广州越秀金融控股集团有限公司职工监事、广州证券股份有限公司监事会主席、广州越秀融资租赁有限公司监事会主席、上海越秀融资租赁有限公司监事会主席、广州资产管理有限公司监事会主席、广州越秀产业投资基金管理股份有限公司监事会主席、广州住房置业担保有限公司监事、广州期货股份有限公司监事会主席、越秀证券控股有限公司董事。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '40', 'name' => '俞勇', 'thumb' => 'public://expert/2019/07-16/170102e275c0413462.jpg', 'originalThumb' => 'public://article/2019/07-16/170103f40ac7350213.jpg', 'description' => '中国农业再保险公司高管，前粤财控股首席风险官', 'about' => '前粤财控股首席风险官。经济学博士。先后在美国摩根大通银行、美国运通公司等从事新资本协议、风险管理、金融衍生品交易与定价模型等工作，曾担任恒丰银行总行首席风险官、平安银行总行风险管理部兼新资本协议办公室总经理、银监会银行监管二部处长等职。拥有丰富全面的国际与国内金融机构经营管理工作经验。', 'sticky' => 'index', 'weight' => '98', 'achievement' => '<div style="border-left:5px solid #ff7200;padding-left:20px;">论文</div> 2021，<a href="https://mp.weixin.qq.com/s/4JirEE2R18t0CXhXBjizdA">把握风险，赢得未来：对债券投资与现金管理业务的思考</a>，《当代金融家》，第6期 2019，<a href="https://book.yunzhan365.com/qpwi/gwew/mobile/index.html" style="text-decoration:none;">中国反洗钱工作的重要进展与新形势</a>，《当代金融家》，第7期 2019，金融科技与风险管理，《上海金融》，第6期 2019，回望危机：信用衍生品的功能、风险与启示，《金融博览》，第5期 2019，<a href="https://book.yunzhan365.com/qpwi/kwle/mobile/index.html" style="text-decoration:none;">金融机构非零售信用风险量化管理之道（四）</a>，《当代金融家》，第5期 2019，<a href="https://book.yunzhan365.com/qpwi/zovw/mobile/index.html" style="text-decoration:none;">金融机构非零售信用风险量化管理之道（三）</a>，《当代金融家》，第4期 2019，<a href="https://book.yunzhan365.com/qpwi/lqhg/mobile/index.html" style="text-decoration:none;">金融控股公司风险管理:监管变革与能力提升</a>，《清华金融评论》，第3期 2019，构建金融控股公司全面风险管理体系，《中国证券报》，3月5日 2019，进一步深化对衍生品的认识，《金融时报》，2月13日 2019，<a href="https://book.yunzhan365.com/qpwi/staj/mobile/index.html" style="text-decoration:none;">金融控股公司监管体系转型</a>，《中国金融》，第1期 2018，<a href="https://book.yunzhan365.com/qpwi/fxue/mobile/index.html" style="text-decoration:none;">缓急相摩，聚散以成：金融控股公司全面风险管理体系建设（上）</a>，《当代金融家》，第11期 2018，<a href="https://book.yunzhan365.com/qpwi/cnnz/mobile/index.html" style="text-decoration:none;">未来，将又何去何从：金融控股公司的发展与转型</a>，《当代金融家》，第8期 2018，<a href="https://book.yunzhan365.com/qpwi/awly/mobile/index.html" style="text-decoration:none;">金融危机再回首：风险管理应汲取的教训，</a>《当代金融家》，第8期 2018，<a href="https://book.yunzhan365.com/qpwi/jcpa/mobile/index.html" style="text-decoration:none;">往者不可谏，来者犹可追：金融机构集中度风险管理（下）</a>，《当代金融家》，第7 期 2018，<a href="https://book.yunzhan365.com/qpwi/lcax/mobile/index.html" style="text-decoration:none;">往者不可谏，来者犹可追：金融机构集中度风险管理（上）</a>，《当代金融家》，第6 期 2018，<a href="https://book.yunzhan365.com/qpwi/rcjy/mobile/index.html" style="text-decoration:none;">加强金融机构合规体系建设，提升防范化解金融风险能力</a>，《当代金融家》，第5期 2018，<a href="https://book.yunzhan365.com/qpwi/viqp/mobile/index.html" style="text-decoration:none;">推进我国金融业综合经营</a>，《中国金融》，第9期 2018，金融科技在业务场景和风险管理中的应用，《当代金融家》，第4期 2018，<a href="https://book.yunzhan365.com/qpwi/zynx/mobile/index.html" style="text-decoration:none;">商业银行支持实体经济风险管控重点</a>，《新理财》，第3期 2018，<a href="https://book.yunzhan365.com/qpwi/gzge/mobile/index.html" style="text-decoration:none;">过去未去未来已来系统反思金融危机十年</a>，《当代金融家》，第1期 2017，<a href="https://book.yunzhan365.com/qpwi/yxur/mobile/index.html" style="text-decoration:none;">金融危机十年：回望与前瞻</a>，《当代金融家》，第12期 2017，<a href="https://book.yunzhan365.com/qpwi/jgep/mobile/index.html" style="text-decoration:none;">粤港澳大湾区：金融机遇和风险之辨</a>，《当代金融家》，第11期 2017，取势、明道、优术：金融机构投融资风险防控能力，《当代金融家》，第10期 2017，洪荒之力-金融创新推动经济发展方式转变《当代金融家》，第9期 2017，无声而生，能长且久：金融控股公司的并表管理（下），《当代金融家》，第8期 2017，无声而生，能长且久：金融控股公司的并表管理（上），《当代金融家》，第7期 2017，<a href="https://book.yunzhan365.com/qpwi/yfqm/mobile/index.html" style="text-decoration:none;">综合金融集团风险管理之基石一一投资产品风险分级</a>，《银行家》，第5期 2017，治本抓源金融机构套期保值的制度安排（上），《当代金融家》，第5期 2017，知易行难：金融机构之产品风险管理逻辑，《当代金融家》，第4期 2017，银行账户利率风险管理之道（下），《当代金融家》，第3期 2017，银行账户利率风险管理之道（中），《当代金融家》，第2期 2017，银行账户利率风险管理之道（上），《当代金融家》，第1期 2016，金融控股集团的阿喀琉斯之踵:关联交易内部控制及监测（下），《当代金融家》，第12期 2016，金融控股集团的阿喀琉斯之踵:关联交易内部控制及监测（上），《当代金融家》，第11期 2016，求木之长必固其根：新常态下的金融机构资产风险管理，《当代金融家》，第9期 2016，大音希声，大象无形：授信后管理为商业银行带来财富（下），《当代金融家》，第8期 2016，大音希声，大象无形：授信后管理为商业银行带来财富（上），《当代金融家》，第7期 2016，建设稳健的综合金融集团风控管理体系，《银行家》，第4期 2016，法兴银行弊案前后一一警惕无处不在的商业银行操作风险，《当代金融家》，第2期 2015，民营银行：风险这样自担一一银行处置机制及其在中国现状分析（三），《当代金融家》，第12期 2015，大数据与银行风险管理革命，《当代金融家》，第12期 2015，摩根大通银行的公司治理，《当代金融家》，第8期 2015，信用风险量化模型建设和管理技术，《中国征信》，第8期 2015，从“干了再算”到“算了再干” 一一谈一谈风险量化模型，《当代金融家》，第7期 2015，全面风险管理与新资本协议实施，《中国征信》，第5期 2015，在上市的风口内控体系先搭好——中小商业银行上市前要考虑的关键环节，《当代金融家》，第4期 2015，上医治未病之病一一商业银行内部规章制度的合规问题，《当代金融家》，第3期 2015，民营银行：风险这样自担一一银行处置机制及其在中国现状分析（二），《当代金融家》，第1期 2014，民营银行：风险这样自担一一银行处置机制及其在中国现状分析（一），《当代金融家》，第12期 2014，警觉与自觉:管好银行的重大风险，《当代金融家》，第11期 2014，<a href="https://book.yunzhan365.com/qpwi/wqwv/mobile/index.html" style="text-decoration:none;">迎接利率市场化挑战构建有效的银行产品定价体系</a>，《西部金融》，第11期 2014，美国是怎么处置问题银行的，《当代金融家》，第10期 2014，银行产品定价是一项复杂而系统的工程一一以客户关系定价为视角，《当代金融家》，第9期 2014，利率市场化与商业银行资产负债管理，《当代金融家》，第8期 2014，有多大本事就干多少事一一商业银行风险偏好实践分析，《当代金融家》，第7期 2014，微妙变化正发生一一互联网金融开始冲击银行利润的最大源头，《当代金融家》，第7期 2014，商业银行流动性风险管理之道，《当代金融家》，第6期 2014，<a href="https://book.yunzhan365.com/qpwi/vtii/mobile/index.html" style="text-decoration:none;">商业银行流动性风险管理体系及其发展状况</a>，《西部金融》，第6期 2014，商业银行资本供给、分配管理体系及其应用，《当代金融家》，第4期 2014，<a href="https://book.yunzhan365.com/qpwi/tfcy/mobile/index.html" style="text-decoration:none;">巴塞尔资本协议Ⅳ:从迷雾中走来</a>，《西部金融》，第4期 2014，通往巴塞尔资本协议Ⅳ的路径，《当代金融家》，第2期 2013，商业银行公司治理：新一轮银行改革的关键之棋，《当代金融家》，第10期 2013，巴塞尔新资本协议时代的金融机构信贷管理，《中国征信》，第5期 2013，加强商业银行债券业务风险管理，《银行家》，第2期 2012，<a href="https://book.yunzhan365.com/qpwi/vunj/mobile/index.html" style="text-decoration:none;">人民币CDS产品的定价及其在商业银行中的应用现状</a>，《风险管理》，第6期 2012，<a href="https://www.yunzhan365.com/86488796.html">银行需练合规“内功”</a>，《中国外汇》，第6期 2011，<a href="https://www.yunzhan365.com/94874424.html">“资产收益权”的法律性质及其信托产品的法律风险探讨</a>，《金融时报》，12月19 日 2011，<a href="https://www.yunzhan365.com/75989992.html">城市商业银行跨地区经营:模式、动因与风险</a>，《银行家》，第11期 ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、关于金融控股公司风险管控</h2> <h4 style="text-align: justify;">（一）金融控股公司风险及其管控的特征</h4>       金融控股公司风险管控能力的提升需要外部监管和内部管控的共同作用、形成体系化合力。但长期以来，这方面存在两个典型的困境。困境之一是金融分业监管框架下的套利空间。困境之二是金融控股公司自身风险管理能力不足。目前国际上的金融控股公司经营模式主要有三种，按风险管控方面的特点及监管难易度有所不同。一是纯金融控股型，即控股公司不经营具体业务，仅作为股东对控股子公司行使管理职能；子公司独立经营、独立核算，接受所属监管部门的监管。二是交叉持股型，即银行控股保险，或保险控股银行，母子公司均有金融牌照，母公司经营具体业务，并对子公司进行管理。三是产融结合型，即产业资本控股金融机构，控股公司经营实业。 <h4 style="text-align: justify;">（二）金融控股公司风险管控体系的构建</h4>       总体来说，金融控股公司需要在资本约束理念下，坚持风险与业务发展相协调、风险与收益相匹配的基本原则，推动从单一风险管理向全面风险管理、从控制风险向主动经营与管理风险、从资产负债管理向资本管理、从简单关注风险指标向全过程风险管理、从经验定性管理向定性与定量管理结合、从静态创利和不良考核向动态风险调整后收益考核等一系列转变。 <h4 style="text-align: justify;">（三）金融科技驱动的金融控股公司风险管控升级</h4>       在大数据时代，金融控股公司的风险管控需要更加重视对数据的积累、管理和开发，提高从数据中识别风险、运用大数据技术管控风险的能力。目前金融科技的四大代表性技术在风险管理场景下的应用深度有所差异，侧重领域也各有不同，且存在一些交叉。云计算技术为海量数据的运算能力和速度提升带来了突破；大数据风控技术主要应用于互联网金融的信用风险管理领域，解决的是信息不对称问题；人工智能风控技术是在大数据技术的基础上，主要解决风控模型优化的问题；区块链技术主要应用于支付清算等操作风险管理中的技术安全领域。       来源：《风险管理》2019年第1辑   <h2 style="text-align: justify;">二、关于商业银行如何进行重大风险识别与评估</h2>       新资本协议提出了以风险量化和资本管理为核心的三大支柱，对以三大风险为主的重要风险类型提出了详细的管理要求，为全面风险管理框架奠定了一个开放式的平台、实现路径和具体的方法。 <h4 style="text-align: justify;">（一）重大风险识别与评估的意义与范围</h4>       重大风险识别与评估工作在满足内部资本充足评估程序（ICAAP）监管要求的同时，能够进一步提升银行内部管理水平。重大风险识别与评估工作涵盖三部分内容：风险的分类、定义与识别，第二支柱风险的评估，以及分析风险评估结果。 <h4 style="text-align: justify;">（二）重大风险识别方法</h4>       重大风险识别的管理流程包括风险分类与定义、风险全面识别、重大风险认定、持续重检更新四个步骤。风险分类与定义分析根据相关监管指引文件与行业实践进行，同时结合银行的风险轮廓进一步明确。风险全面识别由风险管理部门统筹组织并与各业务条线的专家完成，采用自下而上和组合层面两种方式对不同风险进行识别。重大风险认定需要建立重大风险认定标准，从风险事件发生可能性和影响程度两个角度判断哪些风险是重大风险。持续重检更新每年由风险团队和业务专家完成，基于内外部环境的变化对新的风险因素进行识别，并对已识别的风险进行再评价。 <h4 style="text-align: justify;">（三）重大风险评估方法</h4>       重大风险评估框架首先应区分风险是否可以量化，若可量化，应进行风险状况定量计量和管理情况定性评估，从而得出评估结论；若不可量化，应进行风险状况定性计量和管理情况定性评估，得出评估结论。其中管理情况定性评估又包括管理机制健全性和执行有效性评估两方面。重大风险评估工作步骤包括：①设计风险评估模板；②讨论确定模板指标及权重；③收集相关数据、信息及资料；④根据相关信息填写评估模板；⑤讨论确定风险评估结果；⑥撰写重大风险评估报告；⑦审阅重大风险评估报告；⑧确认重大风险评估报告。对风险状况的量化评估：选取关键风险指标，从指标阈值、与往年比较、与同业比较等方面进行分析，赋予相应的权重及分数，得出风险状况评估结果。与评估可量化的重大风险相比，评估不可量化重大风险对风险状况的评估无法根据量化指标进行，改进方案之一是从风险来源分析入手，评估银行风险发生的可能性及影响大小，并赋予相应的权重及分数。       来源：《风险管理》2014年第4辑   <h2 style="text-align: justify;">三、关于疫情下的固定收益业务投资与风险管理</h2> <h4 style="text-align: justify;">（一）信用债环境的变化</h4>       永煤等违约事件对于市场的冲击主要是市场担心风险传染和系统性风险。监管部门强调提高政治站位、督促各类主体履行责任，建立良好的地方金融生态和信用环境，确立‘信用’债市的重要地位。从事后回顾来看，金融委定调后，走势低迷的债市信心得以明显提振。在这个大环境下，我的思考是市场面临的压力可能还是会逐渐增大，不会减少，特别是来自监管层的。 <h4 style="text-align: justify;">（二）信用利差的定价依据及其隐忧</h4>       第一是中美债券发行人的资质比较。第二是我国债券发行人资质的主体属性对比。平均而言，央企的信用利差明显低于地方国企和其他所有制企业。在新形势下，我们应该如何根据这些信息来研判市场是一个问题。我的判断是：第一，从中短期来看，信用利差趋向合理化。中美利差对比来看，美国投机级的BB有接近500bp的利差，我国对于信用利差的定价仍然偏低。第二，高等级信用风险存在隐忧。国企等债券发行人资质恶化，但市场定价缺乏对其中信用风险的定价，更多的是对其背后隐性担保的信念。 <h4 style="text-align: justify;">（三）评级市场的规范化</h4>       从总体来看，我个人觉得如果我们在评级方面应该强化信息披露机制、规范市场秩序。前者包括两个内容，一是规范评级过程，即保持评级结果一致性，加大评级流程的透明度。二是扩大评级机构信息披露范围，包括强化备案和跟踪报告、强化工作底稿规范、对评级模型和最终结果的差异进行披露等。后者则涵盖许多工作，如加强评级机构客观性和独立性，加强对级别买卖、利益冲突等问题的预防和监督等。 <h4 style="text-align: justify;">（四）固定收益业务风险管理</h4>       固定收益业务风险管理必须关注的问题，一是业务边界的语境和语义问题，二是业务管理问题，三是风险认知差异问题，四是投入与发展的匹配问题。       流动性风险关注因素，一是压力测试，二是估值偏离，三是客户结构和交易能力。       信用风险关注因素，一是信用分析团队的建设，二是信用风险不能杜绝，三是纪律。       合规风险关注因素，一是交易价格监控体系的客观合理性，二是系统集成能力，三是告知投资交易团队监控体系的目标指标和关注点。       固定收益业务风险管理面临的难题，第一是投资业绩与风险管理标准问题，第二是风险标准不能够有特权，第三是业务边界重叠和管理效率。 <h4 style="text-align: justify;">（五）固定收益业务风险管理热点分析</h4>       一是杠杆水平是否合理，我个人认为目前债券市场的杠杆水平总体是处在合理范围，但存在结构差异。二是杠杆是否一定存在风险，这是不一定的。三是基金的合理杠杆水平问题。       来源：2020（第十六届）中国金融风险经理年度总论坛——俞勇《疫情下的固定收益业务投资与风险管理》演讲文稿整理   ', 'elegant' => array(array('src' => '/files/expert/expert_1563255423.jpg'), array('src' => '/files/expert/expert_1563255433.jpg'), array('src' => '/files/expert/expert_1563255440.jpg'), array('src' => '/files/expert/expert_1563255448.jpg'), array('src' => '/files/expert/expert_1563268145.jpg')), 'userId' => '22', 'status' => 'published', 'createdTime' => '1558707339', 'updatedTime' => '1636596891', 'body' => '      俞勇，经济学博士，前粤财投资控股首席风险官、粤财大湾区金融研究院执行院长，中国人民大学兼职教授、中国政法大学研究员、北京大学风险管理研究中心学术委员会委员、清华大学经济管理学院研究生校外导师；先后在美国摩根大通银行、美国运通公司等从事新资本协议、战略规划、风险管理、证券投资、金融衍生品交易与定价模型、金融科技和信息安全等工作，曾任恒丰银行总行首席风险官、平安银行总行风险管理部兼新资本协议办公室总经理、中国银行业监督管理委员会监管二部处长，摩根大通银行董事总经理等，参与起草《商业银行资本管理办法》等中国银行业监管法规文件，在国内外发表中英文学术论文近百篇，具有全面的国际金融机构和国内金融机构经营管理工作经验。       在中国人民大学和厦门大学毕业出国后，俞勇教授读了硕士和博士，根据自己的爱好选择了资产定价的方向。毕业后他去了美国第一银行，做财务分析方向的工作，通过财务分析来了解市场和客户，同时帮助高管对投资融资做决策。后去了华尔街，做小微企业和零售方向的工作，根据客户消费数据分析客户的还款能力和违约风险。之后到摩根大通，做到MD的位置，在那里对全面风险管理进行了更深入的研究。       在2007年金融危机爆发后，欧美经济金融受到了影响，俞勇教授毅然决定将国外学到的金融风险方面的知识引进到中国。他加入中国银行业监督管理委员会，参与制定了商业银行相关的系列监管办法。后调任平安银行总行（原深圳发展银行）任风险管理部兼新资本协议实施办公室总经理，提出了金融控股集团的金融风险管理策略。2014担任恒丰银行总行首席风险官，管理整个银行全面风险工作。两年后，恒丰银行在全国股份银行的风险管理能力排名第三。在此之后，2017年，俞教授受聘为粤财投资控股公司首席风险官，负责集团全面风险管理工作。俞勇教授从进入风险管理行业，从开始到国外深造，经过政府监管部门和金融机构磨砺，始终认为全面风险管理对于金融集团布局以及整体战略非常重要，风险管理短期效果不明显，长期来看则是一个金融机构的生命线。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '294', 'name' => '张烽', 'thumb' => 'public://expert/2022/02-21/170919f45827956570.jpg', 'originalThumb' => 'public://article/2022/02-21/170919f7f1b8863128.jpg', 'description' => '万商天勤律师事务所合伙人', 'about' => '万商天勤律师事务所合伙人，万商天勤数字法律专业委员会主任。张律师为上海区块链技术协会智库专家，上海区块链技术协会法律专业委员会副主任兼秘书，辽宁省重要技术创新与研发基地建设工程中心区块链应用与研究特聘专家。上海政法学院环境资源与能源法研究中心客座教授和兼职硕士生导师，《上海公证》特邀编辑。', 'sticky' => null, 'weight' => '0', 'achievement' => '   ', 'attachachieve' => '   ', 'viewpoint' => '   ', 'elegant' => array(), 'userId' => '1228', 'status' => 'unpublish', 'createdTime' => '1645434568', 'updatedTime' => '1645434568', 'body' => '       万商天勤律师事务所合伙人，万商天勤数字法律专业委员会主任。张律师为上海区块链技术协会智库专家，上海区块链技术协会法律专业委员会副主任兼秘书，辽宁省重要技术创新与研发基地建设工程中心区块链应用与研究特聘专家。上海政法学院环境资源与能源法研究中心客座教授和兼职硕士生导师，《上海公证》特邀编辑。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '127', 'name' => '苟志龙', 'thumb' => 'public://expert/2020/11-06/14191314ba48643481.jpg', 'originalThumb' => 'public://article/2020/11-06/141913176af6344464.jpg', 'description' => '中国民生银行数据管理部模型管理中心总监', 'about' => '中国民生银行数据管理部模型管理中心总监，拥有十余年金融领域数据分析、挖掘建模及场景化应用经验。近年聚焦银行业量化风控领域，在行内多个重要项目中承担风控模型的研发管理及落地支持工作，为行内的零售资产质量优化做出了可观贡献。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left:5px solid #ff7200;padding-left:20px;">论文</div> <div style="height:12px; float:left"> </div> <div style="height:12px; float:left"> </div> 2020，科技构建零售信贷风险管理体系新思路，《中国银行业》第6期 <div style="height:12px; float:left"> </div> 2020，机器学习模型管理与在线服务平台，科技成果 <div style="height:12px; float:left"> </div> 2017，基于人工智能的零售贷后量化风控解决方案，科技成果 <div style="height:12px; float:left"> </div> 2012，中国民生银行基于数据挖掘技术的高端客户流失风险预测研究，科技成果 ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、基于人工智能的可进化风控体系解决方案</h2> <h4 style="text-align: justify;">（一）数据驱动银行业风控变革</h4>       （一）银行业面临的经营困局。近年来经济进入新常态、利差空间收窄、新资本协议推行，以及互联网金融介入导致的泛同业竞争加剧，这些外在变化导致了银行业经营压力持续增大，商业银行的传统经营及管理模式已开始显得力不从心。（二）银行业的零售风控现状。银行业的零售风控现状首先表现在风控理念陈旧，风险偏好审慎，不能适应时代的变化。其次，中国银行业存在工具错位应用的状况，普遍将内评模型应用于风控实务中，而内评模型一般多采用上世纪FICO公司的评分卡方案，考察风险的信息维度少，过度依赖征信中的历史信用数据，风险知识（模型）加工欠缺深度，效果可优化空间很大。（三）风控的发展趋势。风控技术的传统方案与新兴方案相比，虽然二者在出现时间上有先后顺序，但现在是处于并行存在的发展状态。传统方案的价值所在是对流程的重塑与标准化。新兴方案则是数据驱动型，通过数据与算法，能够非常快速地总结风险模式并提供有效的风险防护。 <h4 style="text-align: justify;">（二）全力打造零售新风控能力</h4>       （一）贷后预警赋能。针对业界普遍存在的主要依赖专家经验、监测手段滞后、风险管理被动和无差异化策略等零售贷后风险管理问题，2017年民生银行自主研发的“天眼”预警系列模型可以通过前瞻性风险预测和差异化贷后管理，主动退出高风险贷款，闭环持续优化信贷资产质量。（二）贷前准入赋能。在实践普惠金融的过程中，面对下沉客群风险高、信用历史数据少和风险样本有偏等问题，2018年民生银行自主研发出面向下沉消贷客群的准入信用评估方案，该方案采用场景细分模式，通过拒绝推断纠偏，使得模型可服务客群覆盖面更广，风险区分度更好,与行内在线服役的消贷A卡模型相比，本方案中模型的风险区分度有17个点的提升，风险区分度优势显著。 <h4 style="text-align: justify;">（三）量化新风控体系建设规划</h4>       （一）风控本质解读。通过信息加工出相应的风险知识，风险知识需要被不停地迭代，这样的风控，相较于静态的风控，才是有生命力、有效果的。只有通过科学的机制维持风险知识的新陈代谢，才能持续为零售信贷资产业务保驾护航。（二）自进化风控体系规划。Cybernetics引擎层可以对信审流程体系中各模块（其内运行着风险知识）进行“体检”，如果某个模块出现了问题，Cybernetics引擎层会将信号反馈到模型实验室促使相应风险知识的更新，如此可以使每个模块处于动态的更新机制中，同时也保障了这一套风控体系在运转过程中的“风险”是可控的。（三）全面升级的授信决策流程。在这个授信决策流中，最重要的思想是通过挑战者模型及替代机制使线上模型处于持续高效的运行状态中，以确保信贷业务运行于有效的风险防护下。（四）灵活且精准的授信决策。第一是尽量获取目标客群的相关信息，从而提升风控模型的风险区分度；第二是在决策线上科学地选择目标点。可以看到，在授信决策中，“通过率-违约率曲线”扮演着非常重要的角色，也是新贷款产品展业是否可以成功的关键。 <h4 style="text-align: justify;">（四）亟待解决的问题与展望</h4>       目前国内银行业建设新风控能力的阻碍主要有三个方面：其一是缺少体系化的数据驱动方法论和支撑工具，其二是缺少科学的实验设计与知识迭代的理念，其三是缺少可支撑试错迭代的制度环境与配套机制。因此，新风控能力建设需要普及数据驱动风控理念，要有配套支持数据科学实验的技术环境及工具，还要建立复合型人力敏捷组织及相应配套机制。       来源：《风险管理》杂志2019年第6期   <h2 style="text-align: justify;">二、银行业逐步迈入信贷风险管理深耕时代</h2> <h4 style="text-align: justify;">（一）国内零售信贷风险管理现状</h4>       （一）风险管理理念较为陈旧；（二）风险管理工具错位应用；（三）风险管理陷入滞后和被动。 <h4 style="text-align: justify;">（二）零售信贷风险管理问题成因分析</h4>       对于银行业零售信贷风险管理存在的问题，需要从其本质进行思考。零售信贷风险管理是风险管理人员在管理目标的指引下，通过某些理念、方法论及工具，对信贷生命周期全过程进行干预，以期达成预设目标的活动。那么，我们将从风险管理目标、管理理念、方法论、工具与技术实现等角度进行成因分析。（一）风险管理目标定义模糊；（二）风险管理过程重“形”轻“意”；（三）职能藩篱制约技术红利释放。 <h4 style="text-align: justify;">（三）民生银行零售信贷风险管理体系的建设实践</h4>       通过对当前银行业信贷风险管理现状的分析和问题诊断，民生银行重新明确零售信贷风险管理目标，厘清信贷风险管理核心逻辑，科学优化信贷风险管理过程，积极打破部门职能藩篱，全力规划统一的智能可进化信贷风险管理体系。（一）明确信贷风险管理目标；（二）厘清信贷风险管理核心逻辑；（三）优化信贷风险管理过程；（四）打造统一的智能可进化信贷风险管理体系。 <h4 style="text-align: justify;">（四）银行业零售信贷风险管理体系建设的四点建议</h4>       目前地问题其一是缺少体系化的数据驱动方法论和支撑工具；其二是缺少科学的实验设计与知识迭代的理念；其三是缺少可支撑试错迭代的制度环境与配套机制；其四是缺少面向业务目标及全局视角的智能风控解决方案的设计文化。因此，新风控能力的建设需要围绕以下四个方面展开：(1)普及数据驱动风险管理的新理念：数据驱动风控的过程中需要高效地获取相关信息、精准的风险知识加工、应用及反馈后的风险知识更迭。(2)配套支持数据科学实验的技术环境及工具。(3)建立复合型人力敏捷组织及配套相应机制：在保障数据驱动风控的效果上，复合型人力组织为达成业务目标提供了更科学的人力资源配置，相应机制为达成业务目标构建出更适配的考核激励制度。(4)宣培基于全局视角的风控方案设计文化。       来源：《风险管理》杂志2020年第2期   <h2 style="text-align: justify;">三、量化新风控：打造零售银行核心竞争力</h2> <h4 style="text-align: justify;">（一）数据驱动助力银行业变革</h4>       2013年以来，民生银行逐步规划和建设起精准营销、量化风控、精益运管三位一体的数据挖掘模型体系。营销子模型体系能够基于客户营销生命周期，构建面向不同客群、不同产品、不同业务主题的营销模型，以数据驱动实现智能营销；量化风控子模型体系能够构建覆盖各类零售贷款品种及全生命周期的机器学习系列模型，以此实现智能风控；运营管理子模型体系通过各场景模型的研发与应用，实现降本增效。 <h4 style="text-align: justify;">（二）从信贷端打造新零售银行</h4>       风控领域中的传统统计学习方案采用的是类FICO的方法，即将风险问题投射到低维空间里进行分析，通常其模型较稳定但无法解析复杂风险模式、对数据完整性和有效性要求高。随着大数据及机器学习技术的发展与应用，我们可以借由高阶机器学习技术将风险问题投射到足够高维的空间里进行深入地、透彻地分析。相比于传统统计学习方案，高阶机器学习方案在信息维度和知识加工上都要更胜一筹。它能够完成对风险更精准的识别、制定更灵活的授信策略、实现更优的风险管理效果。 <h4 style="text-align: justify;">（三）机器学习驱动的量化新风控方案——以民生银行为例</h4>       （一）贷前案例。在贷前阶段，目前银行业普遍存在长尾客群风险高、信用历史数据少、管理体系不完善、风险样本有偏倚等问题。针对这些不足，民生银行自主研发了针对长尾客群线上消贷场景的贷前准入信用评估方案。该方案通过诊断分析现有传统内评方案，积极采用高阶机器学习及多项自主技术，实现了更好的准入风险识别。最终该方案获得了超过传统内评方案近30%的性能优势，并且能够为民生银行提供覆盖范围更广、风险区分更好的贷前准入风险防护。（二）贷后案例。以往零售信贷的贷后管理，通常易出现过度依赖经验、风险监测手段滞后、倾向风险事后统计等问题。传统管理方式较为粗犷、缺少差异化策略，有较大的可优化空间。针对目前的贷后管理现状及问题，民生银行设计出了一套贷后风控解决方案，其主要由模型预测、分级管理、早期预警、主动退出和持续优化五个环节组成。这里，模型预测是基础也是核心，模型对于每笔贷款给出精准的风险预警，结合业务场景完成差异化风险管理，通过主动退出等策略持续压降高风险贷款。该方案通过贷后向贷前的知识性反哺形成了良性闭环，持续优化零售信贷资产质量。 <h4 style="text-align: justify;">（四）量化风控实践的总结与展望</h4>       一个基础性共识是，银行的核心竞争力是风险管理能力。风险管理本身即是降低不确定性，信息加技术可以很好地用来降低不确定性。在零售信贷业务风控场景中，通过构建新一代的信息基础设施，实现动态摄入信息、动态完成知识加工，可以让风控体系中的知识持续更新、与外界风险及其变化保持同步，这样的风控体系具备了智能化和可进化的属性，可以在与业务共生长的同时，较好的达成业务目标（信贷规模与资产质量均衡下的利润最大化）。       来源：《风险管理》杂志2020年第5期   <h2 style="text-align: justify;">四、大数据时代下零售信贷智能风控体系建设的思考</h2> <h4 style="text-align: justify;">（一）数据驱动下银行业风控升级</h4>       (一)新时代背景下银行业的经营困局。随着中国经济告别两位数的高速增长，以及其他的外部环境的变化，银行业也逐渐地告别过往十几年的高速增长。银行业过往十几年的高速增长所依赖的时代能力已经逐渐消退。银行业目前正处在一个发展的十字路口，掉入了某种坚守传统和变革创新的夹缝当中，而这个矛盾在风险管理领域就显得特别的突出。（二）待浪再起：智能风控变革。我觉得以下4点工作需要去完成：第一，复合型人力敏捷组织及配套机制。第二，明确利润为导向的风险管理理念。第三，数据量化、动态迭代的风控方法。第四，支持数据科学的实验环境及工具。 <h4 style="text-align: justify;">（二）基于负反馈调节的风控体系</h4>       （一）控制论思想的迁移。具体来说，这种风控体系是一种基于负反馈调节理论的智能风控体系。这也源于我们跨领域地把控制论的一些思想，往银行业的一些风险管理实务上的一次迁移学习。随着普惠金融以及互联网技术的发展，银行信贷业务客群在逐渐下沉，我们线上业务范围也在日渐的增多，随之而来的风险的种类更多，变化也更快。如何保障风险始终可控，而且能够达成刚才我们说的风险管理的终极目标，追求我们信贷业务的利润最大化，是一个重大的问题。控制论当中把这类控制叫什么？叫负反馈调节。我们也是借鉴了这套控制论的名字，在这套风控体系做了应用。那么这套闭环反馈的动态迭代里面，试图打破传统的这种风险管理模式，把利润最大化作为风险管理目标，利用好大数据和人工智能以及各类其他新的信息技术，提升对于风险的识别以及排序的能力。(二)大数据时代下对风控本质的思考。风控 = 信息+知识+迭代。1.相关信息获取。信息是用来降低不确定性的东西。可帮助识别风险模式的信息蕴含于数据中，能获取多少信息决定了风控效果的上限。2.风险知识加工。通过算法加工信息，解构出相关数据要素与风险目标之间的复杂非线性关系，沉淀为可落地应用的风险知识（模型/规则）。3.应用迭代优化。在实操中应用风险知识、检验风险知识并通过闭环反馈持续迭代，完成风险知识的新陈代谢，持续为零售资产业务保驾护航。 <h4 style="text-align: justify;">（三）智能风控赋能经营管理决策</h4>       (一)零售信贷全流程解决方案。（二）贷前：客户准入策略动态调整。(三)贷中：客户价值进一步提升。（四）贷后：客户风险提前预警。贷款风险的劣化过程其实跟人生病的过程有点相像，人生病一定是从亚健康到小病到大病，最后到不治，是这么一个发展过程。所以针对贷后预警系列模型，我们开发了系列模型。它要完成的就是在贷后的生命周期中，以不同时间窗口作为观察，去看潜在风险，去对它的风险提前做出一个预判，来实现对于风险能够尽早预测，能够做到防患于未然。       来源：2020（第十六届）中国金融风险经理年度总论坛系列11：智能风控——苟志龙《大数据时代下的智能风控体系实践》 ', 'elegant' => array(array('src' => '/files/expert/expert_1609746719.png'), array('src' => '/files/expert/expert_1609746728.png')), 'userId' => '228', 'status' => 'published', 'createdTime' => '1604643598', 'updatedTime' => '1636522400', 'body' => '      苟志龙，中国民生银行数据管理部模型管理中心总监，拥有十余年金融领域数据分析、挖掘建模及场景化应用经验。近年聚焦银行业量化风控领域，在行内多个重要项目中承担风控模型的研发管理及落地支持工作，为行内的零售资产质量优化做出了可观贡献。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '111', 'name' => '闫振平', 'thumb' => 'public://expert/2020/11-05/1430571c3167126920.jpg', 'originalThumb' => 'public://article/2020/11-05/1430582273cd698114.jpg', 'description' => '微众银行审计部总经理', 'about' => '微众银行审计部总经理，中国计算机用户协会信息科技审计分会副理事长、分会金融大数据应用与治理工作组组长，深圳市内部审计协会专家库专家。在银行信息科技、风险和审计岗位从业20年。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">论文</div> <div style="height: 12px; float: left;"> </div> <div style="height: 12px; float: left;"> </div> 2020，银行关联交易模型审计探索与实践，《中国注册会计师》第11期。 ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、数字化金融的风险控制和审计</h2> <h4 style="text-align: justify;">（一）金融科技的组成</h4>       金融科技的组成分为四项，即IT、DATA、Fin和Risk，IT包括传统的互联网技术以及新兴的区块链分布架构等；DATA就是数据，金融科技离不开数据，没有数据的话也谈不上金融科技；Fin是金融产品，金融产品跟科技数据更好的融合；Risk是风险，金融产品离不开风险。 <h4 style="text-align: justify;">（二）金融科技的转型</h4>       金融科技转型包括七个方面，即业务流程转型、客户契动和体验、产品或服务数字化、IT和交付转型、组织文化、战略和生态系统。 <h4 style="text-align: justify;">（三）金融科技的定义</h4>       中国人民银行对金融科技定义是技术驱动的金融创新，针对金融创新整个战略定位是发展的新引擎、新途径、新机遇、新利器。从实践来看，金融科技是一个利器，但还是要思考三个方面的问题，一是金融产品，二是经营模式，三是业务流程。金融产品是思考怎么去创新，哪些产品是属于金融科技产品。经营模式是思考采取什么样的经营模式，经典的传统的经营模式是否还适合，不过以各个单位在实施过程中的经验来看，金融科技的经营模式跟传统的经营模式不太一样。业务流程是过程性的事项，如果业务流程和岗位职责定位不好，那么对整个金融创新跟运维里面都会带来巨大的影响。 <h4 style="text-align: justify;">（四）金融科技的发展目标</h4>       金融科技的发展有四个目标，一是保证金融科技应用的先进可控，二是保证金融服务能力的稳步增强，三是金融风控水平的明显提高，四是金融科技支撑的不断完善。从金融科技的发展目标来看，也能体现出来金融科技对一个银行或者对金融机构的内部建设和发展规划，也应该体现这四个目标。 <h4 style="text-align: justify;">（五）金融科技的基本原则</h4>       从合规来看有四个基本原则，即守正创新、安全可控、普惠民生和开放共赢。 <h4 style="text-align: justify;">（六）金融科技带来的挑战</h4>       银行互联网贷款管理的暂行办法的解读       银行互联网贷款管理的暂行办法中对金融科技数据的要求很高，如果没有有效的对数字数据的风险管控的话，一个产品也很难去实施，因此首先就是对数据的监管，第一要对风险数据进行监管，然后通过数据进行身份认证、风险识别、风险分析、监测预警跟处置。第二是对隐私数据保护，第三是发展规划，即金融机构对数据本身有什么样的建设规划，金融机构必须保障数据的持续获得性和有效性。第四是数据治理       其次是对风险模型的管控，第一是需要在认证、反欺诈、反洗钱、合规、风险评估等等这些方面调研模型。第二是模型治理的问题，相当于怎么管好模型，模型该怎么去管，如怎么来评价这个模型有效性，怎样能够在模型治理里面使各岗位有效履职。       再次是对科技风险的管控，科技风险更加是大家需要关注的风险，不论是互联网贷款还是金融科技，在科技风险方面相对于原先都发生了很大的变化。       最后是对业务方面的管控，一是要做好消费权益的保护，二是对合作风险的把控，是针对合作伙伴怎样去做一些风险的把握跟评估，三是发展规划的问题，即金融机构怎样去规划产品，怎样能保持发展的定力，这也是从治理层面去看待事项。   <h2 style="text-align: justify;">二、金融科技风险与内控点的建设</h2>       内控点的建设包括法律法规、战略规划、激励约束、规章制度、操作指引、标准规范、工具建设、技术储备、人才储备和评价监督等10个方面。       第一是法律法规的问题，现在监管很严，创新一定要遵守法律法规。因此法律法规首先是在内控建设中特别要去关注的事项。       第二是战略规划，即想做什么？目的是什么？朝哪方面去建设？规划的问题也是一个非常重要的事项。       第三是激励约束，任何一个创新产品都会有成功会有失败，所以激励约束特别重要。       第四是规章制度，在金融科技里面规章制度是很难建设的，特别是因为现在金融科技发展时间还不是很长，要使一个制度能够跟产品相配套、相挂钩是很不容易的，通常情况下规章制度是滞后于产品本身的发展。       第五是操作指引，在规章制度很难制定的情况下，操作指引有时候会更好一点。       第六是标准规范，在金融创新里面怎样做是合适的，怎样做能更好的控制，需要一些规范建设，在外部的标准规范不是很充分情况下，内部需要做一些标准规范建设。特别是针对一些行业来说，标准规范建设是特别重要的。       第七是工具建设，工具包括很多，模型、风险监控、反欺诈这些都是工具，因此工具建设非常重要，依靠工具才能够让日常的管控更加到位。       第八第九是技术储备和人才储备的问题，技术储备是否到位，人才储备是否有效，也是关系着金融服务的能力的事项。第十是评价监督，一定要有个评价监督体系，作为内控点的建设来说评价监督是非常重要的一个方面。   <h2 style="text-align: justify;">三、金融科技模型风险审计的评价</h2>       风险来源有两个方面，一个是模型出错，一个是模型误差。模型出错也分为两个方面，一个是结果出错，一个是使用不当，结果出错可能是本身操作风险带来的一些出错了，使用不当可能是使用模型过程中配置和取值错误导致的。模型误差也分为两个方面，一个是模型本身的误差，一个是模型应用的误差。       规章制度方面，一是要有风险政策跟风险偏好。既然有误差和出错，那么就需要对风险偏好进行设置。二是要严格控制出错的问题，因为出错的问题会带来更大的风险。       操作指引方面，这里头就有一些管理指引，对这个模型本身，从数据的清洗、数据的获取、数据的评估、数据的安全、数据治理，一直到模型的开发，模型的测试，模型的评估、模型的应用，包括模型的下线，这一系列都应该遵循什么样的一些流程，应该有明确的管理指引去保障整个模型本身得到有效管控。       标准规范方面，针对不同的产品，针对不同的生态环境，还有针对产品本身的阶段，对模型本身的误差或者本身的一些参数的标准划分都会有一些不太一样的地方。       战略规划方面，这里有模型治理的问题，因为互联网的特点就是产品为王，这方面的数据也是非常重要的一个战略资源。那么针对这些数据该怎么去应用，不同的产品之间这些产生的数据或者获得的数据该怎么统一管控，这都是要去仔细去规划的问题。       工具管理方面，这个特别重要，一是过程管控，需要保障整个模型本身的过程得到有效的管理。二是对模型监控，针对各个产品它的模型做持续性的监控。       模型技术方面，需要考虑这些模型数据该怎么去获得以及如何去研发。       模型人才方面，针对模型人才里面应该分几类，如模型建设的和模型应用的是不太一样的，建模更加是看一个模型做的好不好，稳定不稳定。       监督评价方面，包括日常的监督和评审和模型本身的监督和评审，一是应用评价，怎样去看模型使用的好不好，是市场的原因，是模型本身的原因，是数据的原因，还是内部本身决策的原因，以及评价该怎么去做。二是责任认定事项，对经典的传统的这些产品做责任认定，大家都有一些很好的成熟的经验。但是针对模型方面，责任认定应该怎么修正也是一个特别有意思的话题。三是模型审计，如何有效履行模型审计工作，也是在风控过程中一个重点的环节。       来源：2020TGES系列论坛-03：内控合规、造作风险管理和全面风险管理《数字化金融的风险控制和审计》演讲文稿整理 ', 'elegant' => array(array('src' => '/files/expert/expert_1611656850.png')), 'userId' => '211', 'status' => 'unpublish', 'createdTime' => '1604557874', 'updatedTime' => '1636595733', 'body' => '      闫振平，微众银行审计部总经理，中国计算机用户协会信息科技审计分会副理事长、分会金融大数据应用与治理工作组组长，ISACA中国专家委员会委员，深圳市内部审计协会专家库专家。在银行信息科技、风险和审计岗位从业20年。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '67', 'name' => '毕万英', 'thumb' => 'public://expert/2021/04-09/133557d2515b230431.jpg', 'originalThumb' => 'public://article/2021/04-09/133557d4a2ec608769.jpg', 'description' => '高腾国际资产管理有限公司总裁、CEO', 'about' => '高腾国际资产管理有限公司总裁、CEO。拥有22年国内外资产管理行业丰富经验。曾任工银瑞信副总经理；曾任嘉实基金首席风险官、投资决策委员会委员和风险管理委员会委员；曾先后任职于美国Vanguard Group、Evergreen Investments、ING Investment等知名资产管理公司。杜克大学MBA、匹兹堡大学工科硕士、CFA全球协会会员，曾任中国基金业协会和中国金融期货交易所专家顾问。', 'sticky' => null, 'weight' => '0', 'achievement' => '                     ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、中外基金公司风险管理探讨</h2>       资产管理行业的范围非常广，以国内为例，包括银行资管、券商资管、保险资管等，同时也包括信托、公募基金以及私募基金。 <h4 style="text-align: justify;">    （一）国内外基金公司风险管理的相同点</h4>       基金公司作为资产管理行业的子行业，所面临的主要风险与该行业中的其他机构相类似。同时，它作为二级市场的主要参与者，不管是股票、债券或者衍生品，所面临的最大风险是投资风险，与投资决策的整个流程相辅相成。       1、基金公司面临的风险类别       投资风险分为几个方面：第一，市场风险，是指由宏观因素如利率、汇率或市场大的波动所带来的风险；第二，信用风险，是对单个股票或单个行业产生影响的风险；第三，流动性风险；除了投资风险外，公募基金也面临所有金融产品都有的风险：法律风险、合规风险，以及操作风险等，需要按照公司的章程制度或者监管法规来进行相应的风险管理。       2、基金公司风险管理体系       基金公司的风险管理体系同其他金融机构（比如银行、保险公司）一样，最常见的是4层的风险管理体系，从上至下或者从下至上。第一层是董事会，是公司的最高治理机构，下设公司治理或风险控制委员会。第二层是公司管理层，负责公司日常的经营管理，对公司的所有决策，不管是经营决策，还是风险管理决策，都负有一定的责任。第三层是法律稽核部和风险管理部，是风险管理的主力部门，对风险管理措施具体的制定和执行，或者是跟业务部门的合作，都负有主要责任。最后一层是一线的业务部门。       3、深植于各个业务条线的风险管理职能       基金公司从产品设计到投资、交易，再到绩效评估，是一个全流程的过程，因此需要风险管理经理全流程参与。第一步是产品设计阶段，此过程需要风险管理是因为公募基金是一个标准化的产品，一旦产品的要素确定下来，它的风险因素也相应确定。第二，第三步是要对市场、对投资标的做充分的基本面研究、量化研究，通过建立模拟组合的方式做好投资前的准备。第四，第五步偏执行层面，比如对于非标准化的交易，例如银行间交易和OTC交易，风险管理部可以参与对市场上流动性的分析、交易风险的分析等。最后一步是绩效评估，是很多基金公司风险管理部的一项重要工作，即对基金经理的业绩归因、基金组合的风险归因做定期的绩效评估。       4、成熟的风险管理模型和系统       公募基金的风险管理是一个与量化分析、数据分析密不可分的专业，会用到很多成熟的风险管理系统与模型。国外常见的有Barra One、Factset、Bloomberg等，国内比较好的则有恒泰、万德。 <h4 style="text-align: justify;">    （二）中外基金公司风险管理的差异</h4>       国内基金公司虽然只有20年的历史，但在起步阶段就很大程度上借鉴与参考了国外基金公司好的经验、规则，以及监管的顶层设计等。因此无论是公司治理还是信息披露，或者是公司的投研框架都与国外发展了四五十年的基金公司有很多相同之处。       从市场管理规模来看，美国和欧洲这些发达国家市场占主体。中国的市场过去几年增长非常快，一方面得益于改革开放，居民的财富效应在不断增长；另一方面得益于过去几年资管新规的出台，使得越来越多的资金从银行这类传统渠道转移出来，参与到二级市场（比如公募基金行业）中去。       从执行层面来看，中国目前还处在市场发展初期，因此在很多时候，无论是基金公司的管理人还是基金经理，都易受到短期的KPL绩效考核的影响，导致他们即使知道风险管理的相关常识以及规则的重要性，但在实际操作中也难免会出现一些脱节。       从基金行业的风险管理环境来看，境内外也存在差异。监管职能方面，国外的资产管理行业主要由证监会管理；而国内由于历史原因，银行资管、信托资管归银保监会管理，而券商资管、基金公司则归证监会管理。本质上看，这些资管行业的业务、风险特征比较类似，但由于是不同的监管体系，在规则与执行层面仍存在差别。       来源：2020TGES系列论坛-08：资产管理与投资风险管理《中外基金公司风险管理探讨》演讲文稿整理   <h2 style="text-align: justify;">二、海外资产管理公司风险管理框架</h2>       投资风险管理按时间前后可分为事前风险、事中合规风险与事后风险分析报告。投资风险管理除了一些必要的基本面分析和定性判断外，日常工作中我们往往通过量化分析的手段对历史数据进行衡量和分析，这包括四个部分：风险因子、风险量化、压力测试和业绩归因。       来源：2019TGES金融市场风险与投资风险管理高级研讨会:《海外资产管理公司风险管理框架》演讲文稿整理   <h2 style="text-align: justify;">三、股指期货类型产品的风险管理</h2>       增强收益型和主动管理的绝对收益产品，比较常见的采用股指期货等金融衍生品来规避下行风险和增强收益。风险管理部门应对参与股指期货交易相关产品的投资策略或套期保值的可行性、有效性，进行充分验证、及时评估，监控督促及时调整风险敞口，定期对投资效果，保证金比例等指标进行客观评估。       股指期货集中了股票现货市场的风险，而且由于其杠杆性和保证金制度，风险得到放大和集中。具体投资实践中，股指期货主要涉及的风险包括：beta暴露风险、波动性风险、跟踪误差风险、市场风险、保证金风险、合约展期风险、流动性风险以及事件风险等。       来源：《风险管理》第15辑（总） 2011年综合第5辑《绝对收益产品和股指期货的风险管理》演讲文稿整理  ', 'elegant' => array(array('src' => '/files/expert/expert_1609680937.jpg'), array('src' => '/files/expert/expert_1617865830.jpg'), array('src' => '/files/expert/expert_1617865842.jpg')), 'userId' => '52', 'status' => 'published', 'createdTime' => '1561953144', 'updatedTime' => '1642035311', 'body' => '       毕万英，高腾国际资产管理有限公司总裁、CEO，CFA，拥有二十一年国内外资产管理行业丰富经验。毕先生曾任工银瑞信副总经理，负责分管公司风险管理、信息科技和基金运作业务；亦曾任嘉实基金首席风险官、投资决策委员会委员和风险管理委员会委员，并曾在美国ING投资管理公司（美洲区）、Vanguard先锋集团等公司任职。        专业资格：杜克大学MBA、匹兹堡大学工科硕士、CFA全球协会会员，曾任中国基金业协会和中国金融期货交易所专家顾问。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '210', 'name' => '俞宁子', 'thumb' => 'public://expert/2020/11-12/1344259f35ea487569.png', 'originalThumb' => 'public://article/2020/11-12/134426a544a6129920.png', 'description' => '德勤（中国）风险咨询部门金融服务行业资深合伙人', 'about' => '德勤中国风险咨询部门金融服务行业资深合伙人，德勤智慧债券等多个产品合伙人，从业二十余年，为众多金融机构提供创新的风险管理解决方案，专精智能化风控、信用风险管理与信用挖掘、人工智能与自然语言处理、Fintech。先后领导推出德勤智慧债券、德勤财报智评、德勤产业链等多元化产品化解决方案。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">论文</div> <div style="height: 12px; float: left;"> </div> <div style="height: 12px; float: left;"> </div> 2020，从宏观经济走势预测消费金融减值风险《第一财经日报》。 2019，适度违约是常态债市如何完善风险管理《第一财经日报》。 2016，债券违约风险预警模型探究《中国市场》 . 2016年39期。 2016，x中国债券违约大增亟须建立预警系统《第一财经日报》。 ', 'attachachieve' => '', 'viewpoint' => '<h2>信用风险智能管理与监控</h2> <h2>一、信用风险管理中的组合方案</h2>       我们在看整个市场的信用风险的时候，虽然近年来有很多新的数据出现，但是整体的思路和框架其实并没有太大的改变。比如一个企业出现问题，就像永煤和华晨，总结起来归因可能会很多，可能是经营不善，可能是管理层的问题，有的是大股东后来支持力度不够。       归根结底其实就两个原因，一个可能是流动性的原因，短期的偿债性现金流付不出来；还有一个是经营的原因，就是长期的经营不善。 <h2>二、评级客观化</h2>       城投公司的财务报表中，有些信息是有价值的，比如说融资成本，若想知道非标融资占比到底是多少，需要把所有的非标融资逐笔加总，然后把非标融资和整个融资的规模进行相除，得到非标融资占比。       融资成本有时不会公布，需要我们对数据进行二次加工。从我的角度来看，一个城投公司去做非标，如果非标的占比在百分之四五十的话，流动性风险会非常高，因为非标融资成本至少在10-12之间，这么高的融资成本对一个城投来说是不太合理的。还有对外担保数据，也在财报附注里，如果担保当中有大量的民营企业，那么民营企业的担保率可能有更多的风险提示作用。  <h2>三、预警与财报粉饰</h2>       评级可以了解一个行业内哪些企业比较好，哪些企业比较差。评级模型最大的特点是客观。不管认知怎样，评级逻辑一旦定下来，好坏是符合逻辑的。但是信评分析师去做的时候，经常被挑战，在某一些细分行业里边，大家的观点会差距很大。        比如说地产行业，如果想问碧桂园或者龙湖和恒大、富力比哪个好？回答可能会比较一致，碧桂园和龙湖肯定是比富力和恒大要好一点，是从信用的角度而不是从经营的角度，那么如果问碧桂园和富力以及龙湖到底谁的信用更好一点？这不太容易回答。龙湖谨慎一点，但要是从客观的数据上去测算，用整体的框架来看，碧桂园可能稍稍比龙湖好一点，为什么会产生这种歧义？我觉得主要是机器和人的区别，机器是完全跟着模型的逻辑框架来走，人却有一些传统的思维，或者说有一些自己对企业的直观感受。       再看另外的一个例子，华晨汽车，我列了一些在评估的时候考虑的因素，比如竞争优势规模多元化，运营杠杆等等，那么整体考虑方方面面的维度和指标以后，其实华晨分数是不低的。如果谁说之前华晨的评级就一定能够达到很低，我觉得他可能是有个人的成见在里边，或者说是一个马后炮。       我们有三个产品，一个是做风险的评级和预警的，一个是做财报的粉饰，叫财报制品，还有一个产业链的产品。为了方便，我选取了外评也就是绿色的虚线这条线，华晨一直到什么时候才出问题？它是到了2020年的将近10月10月的时候，突然出现了交易价格下跌，然后评级才下来了，比整个交易价格的下跌有滞后性。       为什么大家会更看重隐含评级？因为隐含评级中的估值是通过交易价格来达到的，从这个角度说，交易价格有一定的用处，这种状况下，要是看评级公司的评级，外评下调肯定是来不及的，但看交易价格发现异常以后，机会也小了，因为到60多块了，后面就很快到40多块了。       我们做了一个预警曲线，叫预警指数，也就是这根实线，我们首次把华晨放到中高预警，是在2019年的10月，但当时是一个脉冲式的，下到了中高预警，在准入线上面，触碰到准入线，但很短就回去了，这个不能作数。往前延伸，到了2020年初，实际上再一次进入了中高风险，在我们的体系里就是红色这根线。在这一块中高风险进入了准入线以下，然后一直持续就没有上来过。       这个时间点交易价格一直是在90多块，如果大家的内部规则是一个强规则，比如预警到这个等级是需要抛出的，那么这个时间点的确是可以抛出的。到2020年的4月17号以后，进入了高风险，高风险持续一段时间，整个交易价格就断崖式下跌。 <h2>四、基于公开大数据进行动机导向的财报粉饰风险分析</h2>       我们用纯模型来解决问题，但纯模型也有问题，最大的一个挑战是：坏的企业可以罗列出来，比如被交易所和证监会处罚过，加上被银监会，或者地方政府明确处罚过，这样的企业肯定有作弊行为。但是好的企业怎么定位？现在上市公司和发债企业加起来有1万多家，这些公司虽未被处罚，但报表一定是真的吗？这很难分析，在做这种变量分析的时候，0-1变量可能是有瑕疵的。       在这个角度上，我们是从审计本身的规则角度出发，加上我们对于财报数据前几年的分析，做人工智能识别，通过聚类把类似财报情况的企业聚在一起，如果有一个企业已经出现了比如说大股东占款，那其他企业一定也有这样的问题，但是还有一些企业聚在一起不确定是何行为，分析后我们跟财务专家沟通，如果财务专家能够认可这种行为，我们也把这种行为放到我们的行为引擎里。       首先有一个企业画像，如果企业的成长性，以及行业不一样的话，整个企业的财务表现也不一样的，我们把企业的财务表现分成两块，一是财报的异常引擎，比如说高存高贷、大股东关联交易，还有营收和税收的背离，还有一些地区的毛利率，有大量背离。比如尔康公司在柬埔寨的分公司，当年的毛利率是88%，但全国大概只有40%多，这可能有问题。二是外部事件，比如说医药企业，他的药被医保拉出去了，他不公告或者一致性检查没有通过。还有像频繁更换审计师，很多作假企业，在作假之前都存在连续更换审计师的情况，而且审计师的排名在中注协越排越低，如果审计师出具了保留意见，公司立刻把审计师换掉。这些公司作假的嫌疑非常大。 <h2>五、产业链案例</h2>       前面我们从评级、预警、财报角度来看，当时交易价的变化已经发生了，那么再往前看一点会不会有一些其他的问题，我们从产业链的角度去看。比如活牲畜行业，活牲畜是在我们的系统里边属于4级分类，在万德的4级分类里边也有，万德在4级分类中大概能做到150个产品，我们在4级分类中能做到760多个产品。       但我们的行业里没有活猪行业，因为我们所有的数据都是从报表里来的，活猪是不会在报表里有明细的，但是我们可以把它归类到活牲畜下面，对于猪行业，我们认为景气度是高的，是上升的，那么上游所有的行业是不是都上升了？好像是的，下游是不是也都上升？好像不是的。餐饮、特色风味小吃的景气度的确是上升的，原因是To C端，定价权高，有一些景气度是下降的，比如说双汇，雨润，因为熟肉制品是B To B机制。       再往下细分的看，我们分多个维度看，行业景气度是1个维度，我们来看企业数量、增长率、市值、企业盈利能力、行业盈利能力、行业竞争分析、行业的进入壁垒，比如说资产壁垒、专利壁垒以及研发壁垒，每年的研发投入、议价能力、行业周期分析，包括它的行业偿债能力和整体行业的分析，单看一年可能意义不大，我们看一个时间序列。       最后我们给活猪行业打了三个标签：竞争激烈、低壁垒、周期性行业。对于食品行业，白酒毛利率很高，乳制品也不错，黄酒也不错，这些大家看看股市就明白了，哪一些行业的景气度高，股价表现也是不错的。活牲畜毛利或者说盈利能力其实并不是特别高。市场上的企业，牧原大概是100%做猪的，但大部分企业比如像正邦、天邦这些公司除了做猪之外，还做猪饲料，还有收费制造加工，这一块的毛利是非常低的，纯粹是一个人力密集型行业。       很多企业规模越大，毛利越高，比如说生物医药行业。但是猪行业毛利率是下降的，随着企业规模变大，无法随着规模的扩大获得更高的利益，行业内可能存在恶性竞争。我们把猪行业分成三个周期，从10年开始到11年、12年是个小周期；然后从13年开始到14年、15年、16年是个大周期；我们现在从17年开始，到今年是一个高峰，超过了0.34%的当时的一个ROE的行业的高峰值，但是掉下来也很快，因为猪肉价格在掉。       对于活猪这样一个周期性行业，一旦猪肉拐点成立，这些去年在活猪行业快速扩张的养殖业企业，在未来一段时间里会碰到很大的还款压力。举两个例子，一个是牧原集团，它的行业应付利息非常高。牧原本身也是养猪的行业龙头，它的有息债务并不高，甚至比较低的，但应付利息高这说明什么？我觉得它的融资成本会非常高，说明牧原杠杆加得厉害，融资成本还高，一旦毛利率下来，他的还款能力面临很大挑战。正邦也是一样，扩张很快，从行业的5名之后迅速成为了行业三甲，但问题是猪肉价格如果一直在涨当然没有问题，但如果猪肉价格明年下跌，正邦的还款压力会非常大。       来源：2020（第十六届）中国金融风险经理年度总论坛系列11：智能风控——俞宁子《信用风险智能管理与监控》 ', 'elegant' => array(), 'userId' => '311', 'status' => 'published', 'createdTime' => '1605159890', 'updatedTime' => '1636596724', 'body' => '      俞宁子：德勤中国风险咨询部门金融服务行业资深合伙人，德勤智慧债券等多个产品合伙人，从业二十余年，作为信用风险管理领域的顶级专家，为众多金融机构提供创新的风险管理解决方案，其服务对象包括：中国证监会、国泰君安、中信建投、广发证券、招商银行、银河证券、工商银行等，专精智能化风控、信用风险管理与信用挖掘、人工智能/自然语言处理、Fintech。先后领导推出德勤智慧债券、德勤财报智评、德勤产业链等多元化产品化解决方案。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '276', 'name' => '孙宇熙', 'thumb' => 'public://expert/2021/09-16/155536830ed1888059.png', 'originalThumb' => 'public://article/2021/09-16/15553685ae9b011573.png', 'description' => 'Ultipa Graph 创始人&CEO', 'about' => 'Ultipa Graph 创始人&CEO，世界级高性能系统及大数据与云计算专家，20余年硅谷和北京跨国公司与创业公司经验；曾任Allhistory.com的首席执行官、EMC CCOE首席技术官、EMC中国研究院院长、Splashtop OS首席架构师（Chrome OS前身）、哈尔滨工业大学计算机学院兼职教授，持有50+美国及中国专利；清华大学计算机专业理学学士，圣克拉拉大学工学硕士。', 'sticky' => null, 'weight' => '0', 'achievement' => '   ', 'attachachieve' => '   ', 'viewpoint' => '   ', 'elegant' => array(), 'userId' => '1475', 'status' => 'unpublish', 'createdTime' => '1631778964', 'updatedTime' => '1638771971', 'body' => 'Ultipa Graph 创始人&CEO，世界级高性能系统及大数据与云计算专家，20余年硅谷和北京跨国公司与创业公司经验；曾任Allhistory.com的首席执行官、EMC CCOE首席技术官、EMC中国研究院院长、Splashtop OS首席架构师（Chrome OS前身）、哈尔滨工业大学计算机学院兼职教授，持有50+美国及中国专利；清华大学计算机专业理学学士，圣克拉拉大学工学硕士。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '49', 'name' => '袁先智', 'thumb' => 'public://expert/2019/07-16/101956c74b40844068.jpg', 'originalThumb' => 'public://article/2019/07-16/101956c9a60b365918.jpg', 'description' => '数联铭品科技有限公司（BBD）高级副总裁兼首席风险官', 'about' => '数联铭品科技有限公司（BBD）高级副总裁兼首席风险官，中山大学管理学院和苏州大学金融工程研究中心讲座教授，上海市和四川省在金融工程和金融科技方面的特聘专家。曾任美国毕马威风险管理咨询负责人、中国/香港德勤财务咨询负责人、美国德州能源交易公司总监和加拿大蒙特利尔银行集团总部风险管理部经理。', 'sticky' => 'index', 'weight' => '0', 'achievement' => '             <div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">论文</div> <div style="height: 12px; float: left;"> </div> <div style="height: 12px; float: left;"> </div> 2020，在金融科技中基于人工智能算法的风险特征因子筛选框架的建立和在期货价格趋势预测相关的特征因子刻画的应用《安徽工程大学学报》 2020年04期。 2019，基于LM检验的小型工业企业债信评级模型及实证《管理工程学报》2019年01期。 2016，大数据架构下企业内部信用评级的实证研究《系统工程学报》2016年06期。 2016，银行操作风险计量、预警、溯源关键技术开发与应用科技成果。 2014，中国资产管理行业风险管理现状与建议《中国市场》2014年41期。 2012，<a href="https://www.yunzhan365.com/19534066.html">如何开展风险管理咨询</a>《中国期货业协会会议论文集》。 2011，<a href="https://www.yunzhan365.com/99934817.html">大宗商品价格风险管理的问题和挑战</a>《中国期货业协会会议论文集》。 2009，<a href="https://www.yunzhan365.com/13746374.html">金融风险管理的新挑战及次贷危机的启示</a>《管理评论》2009年03期。 ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、关于普惠金融支持小微企业服务线的产品创新与风险管理</h2> <h4 style="text-align: justify;">（一）关于支持小微普惠金融业务创新线上发展的全息画像工具的建立</h4>       文章《普惠金融在支持小微企业服务线的产品创新与风险管理方法与案例分享》提到，互联网的核心竞争力在于征信环节。案例公司在金融科技创新的本质和核心点在于三个方面。首先是异构异源数据的融合。异构异源数据的融合指融合政府“小数据”，促进“大数据”的小而美。其关键步骤为数据采集、数据集市、数据清洗、数据挖掘、数据分析及数据可视化。并且，有以下六大优势：第一，分布式，平台能够方便快捷地得到部署；第二，私有性，BBD自身拥有多达500台的私有服务器；第三，API接口丰富，可接入多种类型数据；第四，挖掘能力，平台能够自动挖掘数据的内在属性；第五，复杂网络，平台能够找到属性之间的时空关系；第六，动态性，平台能够捕捉数据实时变化。其次是全息画像图谱的建立。企业全息画像由全面新鲜适用于企业的数据构建，包含2000多个非结构性相关联性数据源。企业关联方指与目标企业发生投资及管理行为关系的自然人（公司），任何2个公司可能产生的关系有4种，由此形成了网络图谱。由此，我们可以得到基于大数据的动态全面信用风险全息画像。BBD也在此基础上进行了创新，建立信用风险的X光片到核磁共振图谱，这也是变革的关键一步。最后是基于风险基因指标解读。基于异构异源数据的融合、全息画像图谱的建立及基于风险基因指标的解读，BBD建立了全息画像（HIGGS）平台，其功能主要有信用报告、企业画像、云信监控及关系探寻。 <h4 style="text-align: justify;">（二）关于支持小微企业风险基因解读的“U-型现象”新理论的建立</h4>       袁先智专家通过对U型现象模型和创新理论的介绍，总结了两点结论：一是，在小微企业的发展过程中，如果投资者太少或者太多，这对小微企业的成长演变都不好，这种现象称为“U形现象”；二是股权有极大差异化的公司是好的公司，反之是不好的公司（比如具有等量股权的公司不会形成比较好的激励机制）。 <h4 style="text-align: justify;">（三）关于支持小微普惠金融业务创新线上风险管理动态信用评估体系的建设</h4>       袁先智专家提出，第一是大数据风险决策模型的建立，其具有全面和动态的特征，包括准入模型、评分模型、决策模型及贷后预警模型。第二是BBD动态信用评估体系框架的建立，其核心模型主要包含以下三部分：首先，财务指标评分模型结合传统的信用评估方法，基于企业的高纬度财务指标，分行业对基础的因子模型进行指标筛选和评分，从而构建完善的财务评分模型；其次，财务欺诈识别模型通过金融大数据方法对基础财务指标进行风险特征的多维度分析，构建了财务异常指标识别体系，建立了对应财务指标的财务欺诈识别模型；最后，智能企业征信模型基于BBD公司全息画像（HIGGS）系统为工具的风险基金提取方法对企业进行全方位动态指标检测体系，以全量企业数据为基础建立。       来源：《风险管理》杂志2020年第5期   <h2 style="text-align: justify;">二、关于人工智能算法针对刻画企业财务欺诈风险特征的筛选框架</h2>       文章《基于人工智能算法针对刻画企业财务欺诈风险特征的筛选框架的建立和应用》从金融科技的大数据思维出发，结合人工智能（AI）中的吉布斯抽样（Gibbs Sampling）算法分享如何建立针对刻画企业财务欺诈风险特征的筛选框架。 <h4 style="text-align: justify;">（一）基于吉布斯抽样的随机搜索方法——风险特征提取</h4>       袁先智专家指出，非结构化特征的提取首要问题是解决坏样本不够的问题。其次，在介绍工具时，重点介绍了吉布斯算法，并强调使用此方法要注意的两点：第一，在理想上要求有无穷多的坏样本的样本来得出特征结论。若没有足够的坏样本可以用足够有限的部分样本代替，每一个样本中有一个OR值，反推无穷大的样本中，通过aic或者bic的一个标准保证这个样本在标准误差比较两倍的标准误差小于5%。第二，非结构化推断特征推断的时候，传统的统计学的方法用不上，很多国内外的文章用统计学的方法把非结构化的变量当成一个因子放在统计学里面，用统计学的方法会丢掉很多信息。此外，袁先智专家还介绍了支持吉布斯算法的标准，即AIC & BIC，以及CAFÉ体系——刻画欺诈的非结构化特征的高度关联的风险特征提取。 <h4 style="text-align: justify;">（二）关于建立刻画企业财务欺诈风险特征的筛选框架</h4>       文章提到，针对 “（财务）欺诈”进行甄别和预防的预警解决方案，至少从下面三个维度进行分析和处理：一是公司本身的财务指标（公司的商务运营），二是公司的董监高（公司的治理框架），三是支持日程管理的内外审计管理和执行功能。袁先智专家通过对完善的治理框架的解读提出，模型的结果是高度关联且有敏感性的，这是一个区间的概念，不是某一个点，且股权结构是影响公司财务欺诈风险的最重要的原因。此外，袁先智专家还表示，内外审计的治理框架和整个运营效率中的许多数据通常是不可得的。如果做一个很好的审计，可以发现作假，但外部审计和内部审计的数据非常有限。因此欺诈公司的欺诈永远存在，公司的好坏和董事会有没有完善的治理框架没有关系。       来源：2020（第十六届）中国金融风险经理年度总论坛NO.11：智能风控——袁先智《基于人工智能算法针对刻画企业财务欺诈风险特征的筛选框架的建立和应用》 ', 'elegant' => array(array('src' => '/files/expert/expert_1611655309.png'), array('src' => '/files/expert/expert_1611655322.png')), 'userId' => '31', 'status' => 'published', 'createdTime' => '1558918686', 'updatedTime' => '1636597467', 'body' => '      袁先智，数联铭品科技有限公司（BBD）高级副总裁兼首席风险官。同济大学风险管理研究所金融工程教授、博士生导师，中山大学管理学院和苏州大学金融工程研究中心讲座教授，上海和四川“千人计划”项目金融工程和金融科技方面特聘专家。曾任美国毕马威风险管理咨询负责人、中国 / 香港德勤财务咨询负责人、美国德州能源交易公司总监和加拿大蒙特利尔银行集团总部风险管理部经理。多家学术专业杂志编委。任中国系统工程学会金融系统专业委员会副主任委员等职。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '224', 'name' => '祝世虎', 'thumb' => 'public://expert/2020/11-12/153626a5b9a3291914.png', 'originalThumb' => 'public://article/2020/11-12/153626ab2a3b522174.png', 'description' => '光大信托信息技术部副总经理、数据中心总经理', 'about' => '光大信托信息技术部副总经理、数据中心总经理，曾任光大银行智能风控中心副主任；北京大学第一批人工智能专业的博士，毕业后在一直从事风险管理相关工作，目前主要工作领域为：智能风控、互联网金融等。在智能风控领域，祝先生拥有十余项算法专利，相关论著被多家媒体发表，并多次获得人民银行、银保监会的奖项，多次作为主讲嘉宾参与国内外智能风控的论坛。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">论文</div> <div style="height: 12px; float: left;"> </div> <div style="height: 12px; float: left;"> </div> 2013，中国光大银行基于新资本协议的监管资本管理系统  科技成果 2009， Novel similarity measures for face representation based on local binary pattern 《Journal of Harbin Institute of Technology》 2009年02期 2006，自学习智能决策支持系统《系统仿真学报》2006年04期 2006，基于神经网络与专家系统的智能决策支持《系统电光与控制》 2006年01期 ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">银行模型风险管理体系的构建与实践</h2> <h2 style="text-align: justify;">一、警惕模型的“摇身一变”</h2>       （一）模型应用的“一日千里”。近十年，模型在银行业的应用可以说是一日千里，银行的模型已经由 Basel 模型在资本计量的应用、IFRS9 模型在拨备计提的应用，发展到人工智能和机器学习模型及其在数据分析、信贷审批、决策推断、客户管理等多领域的应用。（二）模型风险管理的“一夜成名”。国际上，美联储发布了《模型风险管理监督指南（SR11-7）》，并与《年度全面资本分析和审查（CCAR）》等严格的监管措施相结合，为美国银行建立了模型风险管理的规范，这个规范后续由美国推广到了欧洲，又推广到了亚洲，并逐步发展成为行业标准。（三）警惕模型的“摇身一变”。模型管理没有集中化，模型资产分散，银行缺乏对全行模型状态的掌握；模型开发、验证流程管理不规范，模型应用监控体系不完善；模型的数据及特征管理缺乏统一性，数据缺少有效整合无法发挥效能，特征无法形成有效共享和复用，数据与模型的交互缺少顶层设计；模型部署敏捷性不足，无法有效应对市场及流量的变化。 <h2 style="text-align: justify;">二、模型与模型风险</h2>       （一）模型的定义与范围。按照美联储《模型风险管理监督指南（SR11-7）》的定义，模型是“应用统计、经济、金融或数学理论、技术和假设将输入数据处理为定量估计的量化方法、系统或途径”。       （二）模型风险的定义。按照美联储《模型风险管理监督指南（SR11-7）》的模型风险的标准定义：“模型的使用总是会带来模型风险。模型风险是基于有缺陷或误用的模型输出和报告做出决策的潜在后果。”这一定义后来成为了模型风险的行业标准定义。 <h2 style="text-align: justify;">三、美国模型风险管理体系</h2>       （一）美国模型风险管理的方法论。美国模型监管体系围绕着“有效挑战（Effective Challenge）”建立了一套行之有效并且可以复制的方法论，挑战者必须具备能动力、胜任力、影响力三大要素。（二）美国模型风险管理的具体要求。美国的模型风险监管体系对模型风险管理的具体要求体现在以下五个方面：模型清单（Model Inventory）、模型开发（Model D e v e l o p m e n t ）、模型实施与使用（ M o d e l Implementation and Model Use）、模型验证（Model Validation）、模型监控（Model Monitoring）。（三）国内模型风险管理的发展现状：1.重科技平台而轻组织架构；2.重效率管理而轻风险管理；3.重个体风险而轻整体规划。 <h2 style="text-align: justify;">四、模型管理平台的建设</h2>       （一）模型管理平台的四大目标：1.模型和特征的信息化管理；2.模型开发的流程化管理；3.模型验证和监控的自动化；4.依托模型管理平台实现模型人员的“尽职免责”。（二）模型管理平台的十大功能模块：1.模型资产管理模块；2.模型开发流程管理模块；3.自动化模型测试模块；4.自动化模型验证模块；5.模型报告与报表服务模块；6.模型预警模块；7.可视化模块；8.用户角色及权限模块；9.文档管理模块；10.系统管理模块。（三）模型管理平台的逻辑架构：首先，数据工厂统一汇总银行的大数据资源，规范数据来源、数据口径、数据标准和存储架构，并实现内外部数据有效整合；其次，特征工厂从数据层进行特征萃取并形成稳定的特征层；再次，模型工厂从特征层进行模型的开发工作；最后，由模型服务平台向全行提供“模型服务”。 <h2 style="text-align: justify;">五、构筑模型风险管理体系</h2>       （一）模型风险管理的组织架构：第一道防线——模型的开发和使用部门；第二道防线——模型的验证部门；第三道防线——内部审计部门。（二）模型风险管理的政策体系：1.设计良好的风险传导机制，将模型风险有效整合进银行的风险偏好，纳入银行全面风险管理体系；2.模型技术部门需从以技术为主的职能定位过渡到模型风险管理的管理定位；3.需要建立一套模型风险管理团队与高级管理层合适的沟通方式，以便与高级管理人员交流技术话题。 <h2 style="text-align: justify;">六、银行面临的挑战：人才</h2>       人才的严重短缺是一大挑战，因为该领域的人员不仅需要数据科学和高级分析技术方面的专业知识，还需要风险管理和业务经验。在金融生态系统中，科技公司、金融公司、互联网公司、银行都在争夺这一类技术人才。所以，如何在激烈的竞争中吸引和留住人才，是银行面临的主要挑战。       来源：《风险管理》杂志2020年第6期   <h2 style="text-align: justify;">智能风控助力客户营销</h2> <h2 style="text-align: justify;">一、银行智能风控概述</h2>       （一）智能风控三条军规：第一，智能风控必须是一个全周期的管理，智能风控涉及贷前、贷中、贷后，永远不要认为只用一个准入模型就能管住一个贷款产品和客户；第二，风险就是要找到机会和损失的黄金分割点。不良是一定会发生的，没有收益才是银行最大的风险。风险和收益必须要兼顾；第三，智能风控需要上升到银行的战略层面，无论是智能风控的工具，还是智能风控的手段，无论是客户还是银行的收益，一定是为银行的战略去服务。（二）智能风控模型。风控与三个指标相关，一个是客户，一个是利润，一个是风控。也就是说我们的模型要在满足这三个风控指标的基础上，还要满足监管。风控模型要找到4个指标的黄金分割点，或者说是在满足监管指标的情况下，找到其他三个指标的黄金分割点。 <h2 style="text-align: justify;">二、对客户的触达优先于客户白名单</h2>       客户营销最忌讳的就是项目化。项目推荐一个上百万人的白名单交给银行让其触达毫无用处。首先，白名单存在有效区；其次，做出白名单之后交给银行，银行触达结果没有反馈，导致白名单的模型无法更新。所以，我认为银行最大的问题不在于出白名单，也不在于做白名单。做一个良好的客户营销需要贷前、贷中、贷后三个模型。第一个模型是白名单模型，第二个模型是产品模型。第三个是渠道模型，或者说叫做触达模型。 <h2 style="text-align: justify;">三、智能风控贷前、贷中、贷后模型</h2>       （一）贷前模型，既是银行风险和客户的入口，又是银行利润的入口，要找到这三者之间的一个黄金分割点。第二个关键问题是贷前模型包含什么？贷前模型分成两个维度，一个是风险维度，一个是客户维度。风险维度对应的是标准化模型。（二）贷中模型，在贷中最适合做客户挖掘。第一点，贷中之后，客户在银行就有几个月的表现期，也就有数据，这就使得做客户营销的时候不完全依赖于外部数据，第二点，有收益时，成本就不是成本，若没有收益，成本完全是成本。贷中的收益有两个，第一个降低了不良，如果贷中做客户挖掘出来上百亿的贷款，就有了价值，成本就不再是成本了。 <h2 style="text-align: justify;">四、智能风控助力客户营销具体流程</h2>       触达能力最关键。首先需要导数据，把银行的所有行为数据全导完。做客户画像要用行为数据，只有行为数据才能支撑更好的触达模型。同时构建一个特征库，叫做客户触达或者客户营销或者产品特征库，三个特征库整合在一起。客户、产品和营销特征库整合在一块，形成一个特征体系之后，把这个特征体系带入贷中模型。       实际中，我们在三家分行做了实验性的试点，第一家分行实验白名单是否可行，结果我们的白名单是传统的客户经理选客户数量的30倍。我们在第二家分行实现闭环销售，即在第二家分行按照白名单，打每个电话，发每个短信，都要取得监控结果，结果效果更好。同时我们还知道了哪些客户可以触达，哪些客户不能触达了，这些结果返回去迭代了我们的白名单模型，形成了反馈。在第三家分行，我们扩展了触达方式，借鉴了信用卡的这种权益触达，也通过客户画像，找到一些适合权益触达的客户，直接触达600万以上的私行客户。        来源：2020（第十六届）中国金融风险经理年度总论坛系列11：智能风控——祝世虎《智能风控助力客户营销》 ', 'elegant' => array(), 'userId' => '325', 'status' => 'published', 'createdTime' => '1605166638', 'updatedTime' => '1636598112', 'body' => '      祝世虎，光大信托信息技术部副总经理、数据中心总经理，光大集团数字化协同实验室资深研究员，曾任光大银行智能风控中心副主任、主任科学家；北京大学第一批人工智能专业的博士，毕业后在一直从事风险管理相关工作，目前主要工作领域为：智能风控、互联网金融等。在智能风控领域，祝先生拥有十余项算法专利，相关论著被多家媒体发表，并多次获得人民银行、银保监会的奖项，多次作为主讲嘉宾参与国内外智能风控的论坛。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '155', 'name' => '刘志玲', 'thumb' => 'public://expert/2022/06-05/1321597062de736557.jpg', 'originalThumb' => 'public://article/2022/06-05/132159740e38855243.jpg', 'description' => '建信金科金融科技创新中心副总裁', 'about' => '建信金科金融科技创新中心副总裁，2000年在美国Gallup公司任研究员助理，2002年加入美国征信局Experian任分析科学经理，2010年任FICO公司中国区副总裁和亚太区高级总监，2015年初加入SAS任大中华区RI部总经理。', 'sticky' => null, 'weight' => '0', 'achievement' => '    ', 'attachachieve' => '<div class="jiaoliu-chengguo-area"> <div class="unit-name">其他平台成果</div> <div> <div class="jiaoliu-item"> <div class="item-main"> <div class="date">2016年</div> <div class="main"> <div class="main-title flex-column"> <div class="title-text">消费信贷行业的数据获取与隐私安全</div> </div> </div> </div> <div class="item-foot">来源：第二届普惠金融CRO全球峰会</div> </div> <div class="jiaoliu-item"> <div class="item-main"> <div class="date">2013年</div> <div class="main"> <div class="main-title flex-column"> <div class="title-text">风险管理工具需求将大增</div> </div> </div> </div> <div class="item-foot">来源：<a href="http://finance.people.com.cn/n/2013/0116/c70846-20219037.html">2013年01月16日人民网《费埃哲：风险管理工具需求将大增》</a></div> </div> <div class="jiaoliu-item"> <div class="item-main"> <div class="date">2012年</div> <div class="main"> <div class="main-title flex-column"> <div class="title-text">中国人民银行征信中心与美国费埃哲公司在京举行合作协议签字暨个人评分研发项目启动仪式</div> </div> </div> </div> <div class="item-foot">来源：<a href="http://www.pbccrc.org.cn/zxzx/zxdt/201310/5f77c7f798a74775ba1f8d92ac1e227c.shtml">2012-09-17 中国人民银行征信中心</a></div> </div> <div class="jiaoliu-item"> <div class="item-main"> <div class="date">2012年</div> <div class="main"> <div class="main-title flex-column"> <div class="title-text">企业融资：找到合适的位置</div> </div> </div> </div> <div class="item-foot">来源：<a href="https://www.yicai.com/news/2059338.html">2012-09-07第一财经日报《企业融资：找到合适的位置》</a></div> </div> <div class="jiaoliu-item"> <div class="item-main"> <div class="date">2012年</div> <div class="main"> <div class="main-title flex-column"> <div class="title-text">关注中小企贷款</div> </div> </div> </div> <div class="item-foot">来源：<a href="https://finance.qq.com/a/20120530/000594.html">2012年05月30日国际金融报《费埃哲：关注中小企贷款》</a></div> </div> <div class="jiaoliu-item"> <div class="item-main"> <div class="date">2012年</div> <div class="main"> <div class="main-title flex-column"> <div class="title-text">数据不完善掣肘中国银行业风控</div> </div> </div> </div> <div class="item-foot">来源：<a href="http://www.nbd.com.cn/articles/2012-05-23/655592.html">2012-05-23每经网《费埃哲：数据不完善掣肘中国银行业风控》</a></div> </div> <div class="jiaoliu-item"> <div class="item-main"> <div class="date">2012年</div> <div class="main"> <div class="main-title flex-column"> <div class="title-text">小微企业贷款成为各商业银行关注热点</div> </div> </div> </div> <div class="item-foot">来源：<a href="https://www.financialnews.com.cn/yh/gd_89/201203/t20120326_4644.html">2012年03月26日金融时报《驶向新的“蓝海”小微企业贷款成为各商业银行关注热点》</a></div> </div> </div> </div> ', 'viewpoint' => '<h2 style="text-align: justify;">一、大数据时代的全面风险管理</h2>       随着经济发展转型加速，金融改革持续深化，构建先进的风险管理体系成为银行的核心竞争力之一。与此同时，数据海量快速增长和大数据技术的日益成熟使得基于大数据分析的银行业全面风险管理成为可能。大数据时代，如何有效收集、存储、分析、使用大数据，实现商业银行风险管理的系统化、标准化、流程化，并最终做到批量化的目标？       刘志玲在《大数据时代的全面风险管理》中指出，风险管理的过程是一个金字塔，由四部分组成：数据、模型、应用、落地。在新的经济形势下，商业银行要实现全面风险管理，需要做到实现底层数据多元化、分析建模专业化、决策应用批量化和标准化、落地实现系统化、流程化。 <h4 style="text-align: justify;">（一）数据层面</h4>       在数据层面，金融行业面对大量的内部数据和外部数据，如何为我所用？除了数据采集和存储之外，一定要有数据分类和数据汇总，只有在分类和汇总之后，才能更充分地运用数据的价值，数据所代表的规律才能更好体现，从而为有效的风控手段打好基石。目前如何让既丰富多彩又五花八门的数据给商业带领价值，成为有用的数据？这一定要从数据的特点入手，一是准确；二是全面；三是时效性；四是突破性。传统银行业和保险业除了各类静态数据，交易系统中产生的大量数据，这更是宝藏，做数据挖掘、分析和商业应用时，必不可少，尤其在信用风险防范领域。而企业内部应该全力做到企业内部数据的共享，并要有效整合和应用。但是在互联网+的时代，传统渠道数据也许慢慢已经不能满足商业需求和全面风控管理，互联网和移动互联网带来更多的非结构化数据，也需要传统金融企业纳入数据收集的范畴，尤其在市场拓展和欺诈防范领域会发挥其作用。 <h4 style="text-align: justify;">（二）模型开发</h4>       数据之后是模型开发，评分模型和风险因子的建设是量化风险管理的基础工具。模型的实质就是通过数据分析压缩数据信息提炼数据规律，了解过去和预测未来。商业银行在风险管理模型中要根据自己数据的可获取性和充足性选择适当的统计方法，尤其要结合业务实际。要用统计手段，满足业务需求，不论是模型的细分还是模型所用到的有效变量。银行风险管理内容主要包括三大类：信用风险、操作风险和市场风险，目前尤其是信用风险和操作风险的量化管理体系的建立和完善，是各家银行和保险行业需面对的，及需采取行动的。对于反欺诈模型设计和开发来说，更是对技术和业务专业都需要较高的要求。 <h4 style="text-align: justify;">（三）业务应用</h4>       有了模型还要有业务应用，而业务应用才是模型和风险因子发挥效用的体现方式。要达到标准化和批量化，同样需针对不同的业务产品、不同的业务需求、不同的人群或账户特征、不同的风险容忍度等，设计和开发有业务意义的策略规则，在市场开拓、申请进件、申请欺诈防范、贷后管理、交易欺诈防范和催收管理不同的信用生命周期阶段，逐步建立完善强劲的决策管理策略。       当然，无论风险因子和模型多强大，无论策略规则多契合业务实际，要想使之发挥充分有效的作用，一定要建立决策管理平台，部署落地风险因子、模型和策略，要真正用起来，实现系统化和流程化。而在应用的过程中，又是不断完善数据积累，优化模型和策略的过程。所以决策平台的扩展性和管理能力至关重要。       来源：2015，SAS刘志玲. 大数据时代的全面风险管理，《中国金融电脑》（2015年12期）   <h2 style="text-align: justify;">二、监管非条条框框合规须提高风险管理水平</h2>       刘志玲在“以大数据技术为依托防控金融风险”2018数博会“数控金融”论坛，发表题目为数据透视金融的演讲。会议围绕如何利用大数据、区块链等前沿金融科技，贯彻落实全国金融工作会议精神，破解监管难题坚决防控金融风险进行了深入研讨。　       刘亚玲指出不管是监管也好，金融机构也好，数据公司也好，技术研究公司也好，其实在做数据采集、数据收集、技术研究、金融应用的时候，一定不会说我应该怎么样。当你在想我应该怎么样的时候，其实有一个规矩在约束自己。这个规矩如果上升到监管领域的话，就是监管合规。       来源：2018，刘志玲. 数据透视金融，“数控金融”论坛   <h2 style="text-align: justify;">三、浅谈反欺诈体系建设</h2> <h4 style="text-align: justify;">（一）欺诈风险概述</h4>       1. 申请欺诈风险统一视图。申请欺诈风险包括第一方欺诈和第三方欺诈，第一方欺诈是申请主体盗取了或是编制了一定的虚假信息进行欺诈。第三方欺诈简而言之就是伪冒，看到的信息都是对的，但是背后申请的主体并不知道他的信息被伪冒了，被盗用了，这时造成欺诈叫第三方欺诈。内部欺诈也是发生欺诈的一个场景，无论发生的种类、场景，还是模式，都会有内外勾结的现象，所以内部欺诈是一个永恒的话题。       2. 欺诈发生场景多种多样。欺诈发生的场景一定是多种多样的，不论是申请欺诈，还是交易欺诈，或者是不同的业务形态或是场景，欺诈体现的模式也是不太一样的。 <h4 style="text-align: justify;">（二）反欺诈体系</h4>       1、面对挑战考虑的重点。做反欺诈体系的时候务必要考虑到是企业级的，要有一定速度，要防范内部内外勾结，做到一定的优化统一。       2、申请欺诈主要类别。申请欺诈的覆盖面非常广，它包括不同类型。第一种是地方欺诈，申请者歪曲了或者是造假了部分资料或者全部资料，来骗取信贷机构新的贷款、新的资金。第二种是养额度现象，一般来说骗子前6个月到9个月行为都会正常，或者把自己的信用记录表达得非常好，其目的就要养起额度。最后一种是第三方欺诈，你看到的信息都是对的，但是被人冒充、伪冒了。而第三方欺诈往往又占据了整个申请欺诈的40%，所以抓地方欺诈的任务还是挺艰巨的。 <h4 style="text-align: justify;">（三）反欺诈体系系统实施</h4>       第一，通过整体分析改善检测。第二，运用网络高级分析识别团伙和关键点。第三，交易反欺诈高阶模型-神经网络模型介绍。第四，反欺诈体系系统实施路径图。第五，反洗钱解决方案流程。第六，平衡收益和风险，制定实施规划。       来源：刘志玲. 浅谈反欺诈体系建设 2020年年度论坛：NO.17：内部控制和操作风险管理 ', 'elegant' => array(array('src' => '/files/expert/expert_1621417834.jpg'), array('src' => '/files/expert/expert_1621417844.jpg')), 'userId' => '256', 'status' => 'published', 'createdTime' => '1604986185', 'updatedTime' => '1735915880', 'body' => '      刘志玲，建信金科金融科技创新中心副总裁，2000年在美国Gallup公司任研究员助理，2002年加入美国征信局Experian任分析科学经理，2010年任FICO公司中国区副总裁和亚太区高级总监，2015年初加入SAS任大中华区RI部总经理。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '139', 'name' => '金祖胜', 'thumb' => 'public://expert/2020/11-09/11273683d426388923.jpg', 'originalThumb' => 'public://article/2020/11-09/1127368a2378995896.jpg', 'description' => '美国Bunker Hill保险公司分析部负责人', 'about' => '现任Bunker Hill保险公司分析部负责人，毕业于中国科大数学系和美国普渡大学统计系。曾任美库尔(Merkle)咨询有限公司分析主管，Targetbase咨询有限公司资深分析主管，麦肯锡分析专家和美国国际集团(AIG)高级分析总监。有20多年在金融服务、通讯、药厂和零售方面的商务决策、预测建模和实施的经验。', 'sticky' => null, 'weight' => '0', 'achievement' => '  <div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">论文</div> <div style="height: 12px; float: left;"> </div> <div style="height: 12px; float: left;"> </div> 1992，线性模型回归系数的自适应估计，硕士论文。 ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">数据科学在保险产品的实施和应用</h2> <h4 style="text-align: justify;">（一）数据驱动赋能保险产品</h4>       一般而言，在美国传统的保险公司，申请保险时需要填很多表格，以前的产品里需要问150多个问题，例如是否养狗、房屋里是否有游泳池等等，由此评估申请人风险，最后进行保费的收取。这种情况下耗时就比较长，一般需要进行15到30分钟的填表，然后再开始定价。而目前的产品是完全数据驱动的，故目前到网站上只要进来填写地址等信息，只需要几秒钟的时间就可以完成定价，即在客户来到公司查询自己的保费是多少钱，后台已经将保费计算完毕。同时，在推广到全国的目标下，这个产品已经从六千万的保费到现有的2.5亿保费，在3年间翻了两倍。 <h4 style="text-align: justify;">（二）数据科学在产品客户生命周期中有重要应用</h4>       1、潜在客户       如果要针对房屋出售保险，就要对每一个房屋建立模型，计算其潜在风险，而这种风险不向监督机构报备，因为这是非约束下的风险，即根据机器学习、深度学习等各种模型得到的风险不需要报备。此外还有一个定价模型，而定价模型则需要向银保监会报备。这种定价模型与之前的模型也不太一样，因为这些模型有时使用的变量较少，或者模型是线性的，这是由于报备时必须解释每一个变量，要解释每一个变量的区间。这样就需要有很多的模型。此外，还要考量谁会对产品产生兴趣，这就需要响应模型。而在响应模型上，有一般的商业模型，也有直邮的响应模型，还有数字的响应模型，在各种渠道都有模型来支持。同时，对于房屋还要研究竞争者的可能定价，这也有很多的模型支持。       2、客户投保与产品定价       在投保的时候，也需要针对客户优化的模型。       3、客户管理       客户管理主要包括两个部分，首先是投资，因为收取的保费，除了银保监会规定的预留金，都需要进行投资。受限于公司规模，投资上是委托其他人进行。但是在理赔、欺诈索赔、代偿这些方面，都有相应的模型支持。       4、客户续签       最后，从生命周期的角度，当客户最后达到一年时，肯定要考虑续约。此时就需要客户流失的模型来进行估计，谁有可能不续约，有多大可能不续约？以及在续约时，由于对客户了解更多，此时会再建一个风险模型。根据新的模型，就可以分辨出适合续约的客户。在这种情况下，公司的损失率大体在10%，而对于能收回部分基本上是没有取得成本（acquisition cost）的。而且续约相比新的保单，一般而言更加有盈利能力。 <h4 style="text-align: justify;">（三）目标群体的寻求方向</h4>       目标群体的选择主要有三个方向：一是盈利性。如何确定盈利性？公司收入主要来源于保费，而定价模型是通过银保监会报备的。报备的模型需要的变量相对较少，且需要可解释性。而要考虑风险和费用时，风险需要单独建立模型，即所谓真正的风险（True risk）。       二是竞争力。只有盈利性也不行，例如对客户都收取1万保费就可以保证盈利性，但相对的没人会选择投保。所以还要考虑和竞争对手比较时，价格上是否有竞争力，而价格的比较就涉及定价模型的比较。       三是预算的承受能力。尽管客户具有可盈利性，也可能有竞争力，但客户也可能第二年就不再续约。而获客成本很高，平均一个保单，可能需要五六百美元，而一年的保费也就一千多美元，如果只带一年则肯定亏本。 <h4 style="text-align: justify;">（四）数据源与模型预测性改进</h4>       模型起着十分重要的作用。如果盈利性预测做的不对，就对客户选择产生了直接误导，而在竞争力等方面也是类似的。因此，类似生存曲线的一系列模型都要考虑预测的准确性，并且一定要不停地改进。改进中非常重要的就是数据源。数据科学，数据是基础。 <h4 style="text-align: justify;">（五）新的方法、平台与工具</h4>       语言的种类不重要，必需的是效率。员工写的代码一定要可复用，即可以下次再用，所以需要建各种不同的包。在语言上非常重要的是三个方面：变量的选择与处理、建模的选择与评估，以及可再用性。 <h4 style="text-align: justify;">（六）多样的数据分析方法</h4>       1、学习目标       在这方面，实验设计较为常用。       2、描述性分析       在描述性分析上，即对数据进行描述时，常用的方法有因子分析、聚类分析等等。       3、预测性分析       模型使用最多的还是预测性分析，例如线性回归、逻辑回归，保险用的比较多的有严重性、频率等模型要件，这都是线性回归；而后是是否出现风险，客户对我是否有兴趣等等，这都是逻辑回归方面的问题。此外，也有生存分析，即客户持续多久，即前面提到的预测生存曲线，计算现金流，使用NPV的方法进行决策等。另外一个相对使用较多的就是决策树，例如Gradient Boost Model、extreme GBM、随机森林等，这些也是较为成熟的方法。 <h4 style="text-align: justify;">（七）产品业务团队的配合</h4>       数据科学的市场上目前的问题是市场较为热门，所以人员流动比较多。这时我们就需要将我们的项目标准化，即获得的成果是公司的而不是个人的，不能因为人员流动就无法运营。正如中国的一句老话，“铁打的营盘流水的兵”。公司需要变成一个铁打的营盘，进来的“兵”马上就可以工作，完成后员工可以离开，但成果都还在，所以基本上所有的流程都是很标准的。       因此，项目设计是最关键的。例如，样板应该如何设计？需要每个人工作的流程一致，但项目可能不一样。具体而言，样本如何设计？目标变量是什么？预测指标是哪些？这都是需要设计的。设计完成后就需要建模，建模以后就可以产生新变量。对此也有不同的代码，将不同的数据源进行结合，这都是流程化的工作。       来源：TGES2020前沿讲座系列-12 ：保险公司与风险管理《数据科学在保险产品的实施和应用》演讲文稿整理 ', 'elegant' => array(array('src' => '/files/expert/expert_1609748613.png')), 'userId' => '240', 'status' => 'published', 'createdTime' => '1604892944', 'updatedTime' => '1636524720', 'body' => '      金祖胜，现任Bunker Hill保险公司分析部负责人，毕业于中国科大数学系和美国普渡大学统计系。曾任美库尔(Merkle)咨询有限公司分析主管，Targetbase咨询有限公司资深分析主管，麦肯锡分析专家和美国国际集团(AIG)高级分析总监。有20多年在金融服务、通讯、药厂和零售方面的商务决策、预测建模和实施的经验。在大数据应用于风险分析、客户生命周期管理和产品营销等方面有比较深刻的理解。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '115', 'name' => '陈公越', 'thumb' => 'public://expert/2020/12-31/103109d52ff2092451.png', 'originalThumb' => 'public://article/2020/12-31/103109dd8677391473.png', 'description' => '凯美瑞德高级顾问，杭州巨慧达科技总裁', 'about' => '凯美瑞德高级顾问，杭州巨慧达科技总裁；专注于决策分析和风险管理领域，涵盖市场风险、信用风险、操作风险、组合管理等方面。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">图书</div> <div style="height: 12px; float: left;"> </div> 2011《金融风险测量和全面风险管理——理论应用和监管》上海科学技术出版社 ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、新资本协议合规工作探析</h2>       很多人认为达到了巴塞尔协议规定的最低资本要求，完成了第一支柱下的合规工作就完成了巴塞尔协议的整体合规工作，但是事实并非如此。因为巴塞尔协议的中心思想是以风险的衡量来管理资本，不是单单地达到资本要求就可以了，而是应该和公司的内部管理、资本计划、资本管理结合在一起。 （一）新资本协议合规工作概况       新资本协议开始起草的时候，原意只是对第一支柱和其中的信用风险部分做一些补充；这时的规则比较简单，并没有加入操作风险的相关内容。但是20世纪90年代操作风险在北美和欧洲已经进行了比较广泛地讨论，而1988年的巴塞尔协议中并没有这部分内容，所以业界专家普遍认为应该将操作风险纳入新资本协议的框架当中。最初的时候是将市场风险、信用风险以外的风险都归纳为操作风险，但最后通过讨论得到的结果是将操作风险放到第二支柱。尽管在新巴塞尔协议中第二支柱的篇幅只占了10%，但是银行的合规工作大部分都是在第二支柱的框架下进行的。 （二）第一支柱下内部评级法的合规要求       针对第一支柱的合规要求，新巴塞尔协议有一个明确的要求，即要求金融机构有一个稳健的体系来验证合规，而且合规评估的内容要有准确性和连贯性：准确性比较容易理解，而连贯性往往很难把握。连贯性的意思就是说我们的工作不能止于合规的完成，而是要保证它的持续进行。面对此次金融危机，包括巴塞尔委员会在内的各大监管机构针对合规验证都提出了一些具体的原则性指导，概括起来大致体现在以下几个方面。第一，要预测，评估银行风险管理的量化能力。第二，合规验证应该更多地由银行自身来完成。第三，合规和验证是一个重复的过程，应该时时进行。第四，合规验证方法不应该是单一的、通用的、机械的。第五，合规验证的过程和结果要有独立的审核。 （三）第二支柱合规工作概括       第二支柱有三个目标。目标一：确保金融企业具有充分的资本金来应付经营过程中面临的所有实质性风险。目标二：确保金融企业开发出较佳的——有时也称最佳的风险管理技术来检测和管理风险。目标三：确保金融企业将内部资本充足性评估过程的结果整合进经营和决策过程。其次，第二支柱的四条原则在不同程度上也存在一些问题。其中第一条原则是银行要做到的，比方说银行必须针对其风险状况评估整体资本充足性的程序，以及维持资本水平的策略，这就是我们常说的ICAAP （Internal Capital Adequacy Assessment Programs, ICAAP，内部资本充足率评估程序）。另外三条则主要是针对监管机构的。       来源：《风险管理》杂志2010年综合第3期   <h2 style="text-align: justify;">二、银行智能移动科技与中小微企业信贷业务发展和管控</h2> （一）移动科技与智能获客的重点：普惠金融       在目前的情况下，如何将算法、模型，甚至风控系统，前端的业务部门甚至后端的服务部门连接起来？这需要跟他们进行有效的沟通，解决系统的问题。其中最大的应用是在中小微或者普惠金融方面。但在零售方面，特别是单体零售客户也有需求。 （二）银行普惠金融业务：智能移动银行       首先是普惠金融，普惠金融虽然可以归纳为零售，但只要是公司类型的法人，监管还是会按照公司的合规要求进行，造成服务出现了很多困难，其中关键就是高成本，首先反映在前期的尽调成本非常高。另外，中小微企业的门店、材料、管理都是非常不正规或不标准的，所以很多数据字典化的工作是一个挑战，对客户经理有很多要求。除了算法、系统的制约，当前的银行设备非常笨重，这些设备如果要拿到客户现场去做服务，一是笨重，二是没有集成化。为了达成整体的服务流程，需要好几套不同的设备满足服务要求，怎么样达成像公文包一样整合进来的设备？这就是智能制造的挑战。形成了智能制造的设备，就可以通过移动智能终端和智能外设来进行贷前智能尽调、合同签订、日常工作、贷后绩效考核等等，帮助客户经理、帮助银行提高管理水平，提高客户经理的生产力。 （三）智能移动银行业务的系统建设       经过调研，其实绝大部分技术已经相对成熟，但是在整体系统工程角度，这方面仍然是空白，没有哪家服务厂商能够做得非常好。不能因为系统的更新影响到人员的使用。同时也要有顶尖的工业设计，智能设备的外观等也要和工作相符合。一套顶尖移动设备的制造能力像系统化工作，有各种技术的集成。在主要的问题中，一是通讯技术，移动互联网的封闭安全对接，是监管跟银行非常看重的方向。第二个是OCR的人工智能技术，例如单据的识别，通用性的平台或者通用性的技术还是比较多的，但是真正有效的服务就不行。此外，在专业有效的移动内网解决方案上，虽然目前4G有四种解决方案，例如PPTP、OPENVPN、WireGuard、L2TP等等，在5G环境下如何实现内容对接？这对于我们挑战更大。总的来说，最后真正要达成的是综合解决方案，一是便携式信息采集与传输，二是便携式图像采集，匹配定制化的系统、操作终端。 （四）智能贷后风控的实时监控       在实践中还有像贷后实时监控、风控的管理服务。例如远程的实时监控，可以监控仓储货物的变化，再用算法算出风险。还有制造业上，例如电表，零售场景人流量的控制，农业上也有耕种的服务等等。       来源：2020（第十六届）中国金融风险经理年度总论坛NO.3：零售金融与小微企业金融——陈公越《银行智能移动科技与中小微企业信贷业务发展和管控》   <h2 style="text-align: justify;">三、FRTB系统实现的关键技术和难点</h2> （一）FRTB介绍       FRTB是金融业监管机构 (BCBS)对银行关于“市场风险的资本要求”的规则框架最新（2019）的全面改革。FRTB引入了一套极其复杂的标准化监管资本的计算方法，称为SBA(Sensitivity Based Approach)。FRTB于2019年1月开始实施，2022年1月为标准方法达标最终时间，2023年1月为内部模型方法最终达标时间。巴塞尔委员会选择了一个内部相互依赖的机制来对交易账户的市场风险进行管理。它对内部模型法的要求做了更新，另外对于管理的流程的要求更为苛刻。 （二）FRTB标准法与内部模型法       对于FRTB标准法，在新的FRTB标准法框架下，需要对各类衍生产品、金融工具的风险进行划分。首先，将金融工具归类到风险类别与风险因子，例如Delta风险、Vega风险与曲度风险等；接下来，在风险因子层面，计算对应风险因子中所有金融工具的加权净敏感值，在大类层面，汇总每个大类的加权敏感值；最后在风险类别层面，加总计提风险资本。另外，还要考虑违约风险计提和剩余附加计提。对于内部模型法，内部模型法最大变化之一在于更加严格的批准流程。FRTB内部模型法最大变化之二在于整个银行实质性风险因子更一致的识别。 （三）FRTB的核心技术       FRTB核心技术支撑要素有：基于风险因子的分析、逐笔交易为中心/统一的组合分析、动态模拟/预测，支持实时组合分析及复杂的金融模型灵活应用。在标准法下，也有估值模拟的要求，例如曲线风险或非线性的风险。       来源：2020（第十六届）中国金融风险经理年度总论坛NO.14：金融市场业务、衍生产品与市场风险管理——陈公越《FRTB系统实现的关键技术和难点》 ', 'elegant' => array(array('src' => '/files/expert/expert_1609679768.png'), array('src' => '/files/expert/expert_1609679786.png')), 'userId' => '216', 'status' => 'published', 'createdTime' => '1604566174', 'updatedTime' => '1638280811', 'body' => '      陈公越，金融智能投研及风险管理解决方案专家，杭州巨慧达科技总裁，上海巴刻汀科技合伙人。曾任职于Algorithmics（IBM）产品研发部，曾任摩根士丹利资本国际咨询部副总裁，惠誉集团惠誉咨询服务/奥格公司咨询部首席顾问，加拿大BPS公司咨询部董事、大中华区负责人，惠誉集团奥格公司咨询部亚太区领导顾问。专注于决策分析和风险管理领域，涵盖市场风险、信用风险、操作风险、组合管理等方面。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '51', 'name' => '刘贤荣', 'thumb' => 'public://expert/2020/12-16/095927febb81462489.jpg', 'originalThumb' => 'public://article/2020/12-16/09592802338b627611.jpg', 'description' => '中国建设银行数据管理部副总经理', 'about' => '中国建设银行数据管理部副总经理，中国金融风险管理专家委员会委员。20年银行数据管理工作经历，参与过企业级数据仓库、新一代核心系统等系统建设，熟悉金融统计、监管统计、银行资本计量，在金融数据治理和数据应用方面有丰富经验。', 'sticky' => null, 'weight' => '0', 'achievement' => '  <div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">论文</div> <div style="height: 12px; float: left;"> </div> <div style="height: 12px; float: left;"> </div> 2015，挖掘数据资源助力精细化管理，《金融电子化》第10期。 2014，构建数据质量治理体系的思考，《金融电子化》第04期。 2010，<a href="https://www.yunzhan365.com/12576902.html">完善商业银行信息披露体系</a>，《中国金融》第17期。 <div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">科研成果</div> <div style="height: 12px; float: left;"> </div> <div style="height: 12px; float: left;"> </div> 2009-09～2010-08，中国建设银行风险加权资产(RWA)计算及新资本协议监管报表系统 ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、数据风险新面临的挑战</h2>       可以从将数据作为一个生产要素的角度去尝试描述数据风险。基于数据整个生命周期来看，从数据的产生，到数据的整合、应用、存档、销毁，每一个环节都会遇到不同的风险问题。       比如，当我们获取数据时面临的几个问题：一个是当银行从外部单位拿到数据支持银行内部的管理、产品的创新或流程的改造时，银行无法知道外部单位对数据的治理能力能否达到银行的要求；第二个问题是当银行获取数据时还需要考虑到数据的合规性，尤其是获取个人客户数据时必须得到两方面的认可，即客户的许可和公司合规获取客户信息的许可；第三个问题是，银行拿到合规数据的情况下无法保证数据的连续性。       在获取数据之后，对数据进行传输和整合时，银行会面临的最大的问题是数据质量问题，可以说，数据和数据的交叉验证和数据本身的反欺诈会成为未来风险管理里的两大挑战。当有大量的数据存入数据库后，由于这是有价值的数据，此时会面临数据安全的问题，例如银行的征信信息非法泄露在过去几年时间成为一个巨大的社会问题。数据风险本身就会带来巨大的挑战，数据风险会成为未来风险管理中需要被关注的问题。   <h2 style="text-align: justify;">二、银行数据应用深度不断提升</h2>       过去的几年，金融科技在很多方面改变了银行的业务模式，其中最具颠覆性的，是以大数据为代表的各种金融科技的应用改变了很多传统上线下的、事后的甚至滞后很长时间的信息收集模式，使银行风险管理可以使用的数据更加实时、细致和全面。银行在解决系统性风险方面相比过去也有了很多改变，譬如现在很多银行都推出了线上的小微快贷类产品，这些代表性的产品相较于过去线下审批模式，能更好地解决小微企业这个庞大客户群体的信息不对称问题。在个人贷款方面，传统的产品，例如信用卡和消费贷款，需要客户在填表和审批等流程上消耗较长时间，相较之下，现在的个人快贷类产品只要在APP里进行操作，客户就可以很快地获得授信。可以说，金融科技日渐改变着整个金融业和银行业的发展方式。从银行的实际情况来看，大数据已经在银行业里得到了非常深刻的应用，包括客户画像，定制化客户关系、流程与产品，信贷风险分析与管理，交易与资产管理决策，反欺诈和合规管理等。银行应用数据的深度和宽度上与过去相比发生了很大变化，可以认为银行进入了数据应用的4.0时代，即银行的产品和服务越来越基于实时数据支持进行可行化定制。   <h2 style="text-align: justify;">三、数据风险管理框架与治理架构</h2>       为了更系统地应对数据风险，银行应当搭建数据风险管理框架，从治理架构与制度流程出发，对四大子风险，即数据质量风险、数据合规风险、数据使用风险和数据安全风险，进行针对性的管理，同时确保数据基础设施能够为数据风险提供坚实的基石。       怎样建立数据风险管理框架？其实银行在数据风险管理的过程中仍然需要遵守传统风险管理的逻辑。银行的前台和后台是数据的采集者和使用者，数据管理部门则是数据真正的管理者，后端的审计部门是最后的防火墙。但是数据风险管理相对于其他传统风险管理也有自身的独特性，例如，由于数据本身是技术的重要的组成部分，那么银行就需要对相关的基础设施领域保持密切的关注。这些基础设施可以包括数据库，数据技术，以及数据治理框架等。       数据风险治理架构，即涉及谁对数据风险负责的问题。去年银保监会发文《银行业金融机构数据治理指引》，明确表明在数据治理整个大的架构中需要公司不同管理层的参与来解决问题。在未来几年银行金融科技应用更为深入的情况下，如上文所提及的新型的风险可能会对银行业提出巨大的挑战，也可能成为风险管理领域中的热门的话题。   <h2 style="text-align: justify;">四、数据风险管理的四个角度</h2>       （一）数据质量风险。在金融科技应用的时代，数据作为银行越来越重要的生产要素，需要保证生产要素的质量，如果数据质量出现问题，那基于此的很多模型或产品就会出现问题。所以未来银行数据质量治理可能需要巨大的成本，例如需要建立数据治理委员会的管理机制，这一机制将聚焦于重要数据的质量问题。重要数据如反洗钱的数据、个人信用风险的数据、线上信贷中获取的外部数据等，数据质量治理可以从数据的准确性、完整性、及时性、连续性和真实性等质量指标上进行考量。可以推测，数据质量本身可能会成为今后数据风险管理上的一个热点讨论话题。       （二）数据合规风险。第二个面临的挑战是数据合规的问题，尤其像工农中建这样的跨地区或跨国家经营的银行，会在数据合规问题上面临巨大的挑战。从国内来看，存在以《个人信息保护法》为代表的对个人数据隐私保护的法律法规。从国际上来看，存在以《通用数据保护条例》（GDPR）为代表的对数据合规要求的规范。例如银行一旦违反GDPR的规定，则会面临巨额罚款，这样的罚款会对整个集团的资产负债表产生影响，其影响程度可见一斑。       （三）数据使用风险。第三个挑战是在数据使用问题上。一方面数据本身的使用给银行带来了价值，但另一方面如果数据使用不慎，则会给银行带来很大的风险。例如当客户经理发现了模型的漏洞时，客户经理会将这种漏洞有意或无意地传递给客户，由于造假骗数据系统的成本比造假骗审计的成本要低很多，就可能促使客户选择数据造假。对不同来源的数据的交叉验证，数据的完整性，数据的反欺诈的问题越来越成为银行在使用数据中需要面对的非常重要的问题。       （四）数据安全风险。银行在过去会有数据丢失损坏或者数据泄露，但这都未曾被视作一个重要的问题。但是如果仔细评估GDPR的本质要求，银行就需要考虑一个重要的判断，即“数据到底是谁的”这样一个问题。如果数据是客户的资产，则在银行沉积的数据资产应该是由银行替客户保存的，这是不能丢的。数据安全风险还涉及数据泄露的问题，如果有数据泄露，银行不仅会受到来自客户的疑问，还会受到监管的罚款和合规管理能力质疑。       来源：《风险管理》2020年综合第2期 ', 'elegant' => array(array('src' => '/files/expert/expert_1609751029.png'), array('src' => '/files/expert/expert_1609751040.png')), 'userId' => '33', 'status' => 'published', 'createdTime' => '1559195087', 'updatedTime' => '1651810091', 'body' => '      刘贤荣，中国建设银行数据管理部副总经理，中国金融风险管理专家委员会委员。20年银行数据管理工作经历，参与过企业级数据仓库、新一代核心系统等系统建设，熟悉金融统计、监管统计、银行资本计量，在金融数据治理和数据应用方面有丰富经验。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '134', 'name' => '季春江', 'thumb' => 'public://expert/2020/11-06/15412883ee66020432.png', 'originalThumb' => 'public://article/2020/11-06/154128866812096975.png', 'description' => '天星数科（原小米金融）首席风险官，前宜人金科宜人金科首席风险官', 'about' => '天星数科（原小米金融）首席风险官，前宜人金科宜人金科首席风险官；毕业于人民大学贸易系及美国犹他州立大学，拥有经济学硕士与计算机科学硕士学位。曾担任美国花旗银行决策科学部总监、花旗银行及摩根大通银行风险管理部SVP，执行总监。', 'sticky' => null, 'weight' => '0', 'achievement' => '    ', 'attachachieve' => '', 'viewpoint' => '<h2>一、风险管理是信贷业务的核心</h2>       对于信贷行业来说，有几个传统的信贷风险。首先是客户的还款意愿，主要是欺诈风险，有第一方欺诈、第三方欺诈等细节。其次传统的信用风险，牵扯到还款能力、经济状况。这是传统信贷风险中最核心的两方面。除此之外，近年来逐步显现并被风险管理人员重视的还有合规风险、信誉风险以及操作风险。       其次中国市场在信贷风险方面具有特殊性。一是高速发展的市场环境的变化，每天的竞争环境、产品环境和客群环境都发生着非常大的变化，从而给信贷行业的从业者带来更多挑战。二是客户对信贷金融产品的理解有待提升，这与市场的发展息息相关。因为我国金融服务产品的概念发展时间相对较短，对于从业人员是一个不断探索和更新的过程，对于客户也是一个不断认知和理解的过程。当客户对产品的理解存在不足或者有偏差和误解时，可能引发一些特殊的风险。三是监管规范的演进。这些年监管为市场的成熟和发展做出了很多贡献，但是在前进的道路上存在一些波动，也对市场造成了一些影响，这属于发展过程中的烦恼。四是数据质量的挑战。数据是信贷风险管理的一个重要基础，从数据和可以看到的信息出发去进行风险的管理和规范，这是一个基础的方法，但是市场上数据的质量是一个挑战。   <h2>二、风控体系助力抵御信贷风险的不确定性</h2>       如何抵御信贷风险的不确定，主要应从以下四个方面着手。第一点，风控从产品定位开始，这是全流程把控的概念。产品设计决定了目标客群的选定，而目标客群的选定决定了风险的边界。整个风控其实是从产品设计就开始了，不能只局限于自己日常工作之内的范畴，要对市场和产品有很清晰的理解并结合在一起，这实际上定义了风控的边界。       第二点，数据模型是风控最重要的工具。特别是现在这样一个大数据风控的时代，出现了海量的数据源、新的信息，并且技术的发展也为数据的采集、存储、衍生及运用提供了技术支持。大数据、AI、机器学习等技术的兴起确实提供了非常强大的抓手和支持，数据的深度、广度和丰富度都比过去有了革命性的演变，技术手段上能够实现为风控业务服务。但这里也存在一个新的问题，即过度依赖于新型机器学习、模型及算法，因此要时刻警惕数据模型的局限性。因为数据模型的基础假设是利用数据模型寻找过去发生事件中的共性，并假设这一共性在将来会重复。这在大部分情况下是事实，也是从业人员利用大数据模型进行风控的理论基础，但这并不是百分之百成立的。当存在不同的市场环境时，旧有的环境并不会重复。       第三点，策略与模型的配合搭建数据决策的稳定框架。传统银行业务中，有强大的策略驱动/政策驱动的风控模型，政策是定性的概念，而策略是定性和定量结合的概念，既要有方向性也要量化，这是搭建稳定框架的一个提升。当面临重大的市场变化、政策变化、客群偏移、理解偏差甚至底层数据不可预测的巨大变化时，数据模型是对系统性偏移的纠正和限制措施，保证风控的稳定性，不至于出现灾难性的后果。因此，提倡策略与数据模型的配合来搭建数据决策的稳定框架。       第四点，风控系统风险的管控及操作的管控，也就是端到端的流程把控来降低操作风险。假设机构设计了一个非常完美的策略或框架，在实施的过程中几乎不可能百分百正确，总会出现各种各样的偏差。如何将这种错误或偏差造成的不确定性最小化，就是所谓的流程把控来降低操作风险，这也是在操作风险概念定义下非常重要的方面。   <h2>三、风控体系的搭建</h2>       从风险管理全周期来看，主要包括5道防线：获客、信息收集、中央审批、贷中监控以及贷后管理。其中，获客方面主要是销售环节置入风险评估，确保客户定位准确，进件信息真实完整；信息收集主要是高效收集客户信息并核查客户、资料、信息及意愿真实性；中央审批主要是中央集中审批，依次经过系统信息整合、反欺诈、评分、人工审核等环节；贷中监控主要是通过数据监测、电话回访等，对客户准确判断，进行风险预警或增值服务；贷后管理主要是对逾期客户进行及时管理，有针对性进行催收。同时，整个操作流程层面的支持包括风控系统层、业务操作层、合规风险层。   <h2>四、数据质量的挑战</h2>       数据质量的好坏判断主要可以从五个维度定义。一是合规性，即确保数据本身没有问题。二是覆盖率，即对目标客群具有良好的覆盖率。就算再好的数据源，如果对目标客户的覆盖率只有10%-20%，那么对实际的风险管理并没有什么帮助，因此达到一定量级的覆盖率是很重要的。三是准确性，目前市场上数据的准确性确实有待提高。四是区隔力，即对风险的区隔力。有些数据虽然看起来很好，但区隔力不强，或者集中度太高，70%的人都落在一个区间，那么数据的可用价值其实有限。五是稳定性，无论从数据使用的范围、底层的结构以及各方面维度的稳定性，目前的市场都存在问题，很多数据源在稳定性上都没有保障。       就目前来看，部分模型所存在的局限性并不是模型本身的问题，而是数据质量存在问题。在市场里存在各种经验和教训，不要过于强调数据模型，虽然它是重要的工具，但是要时刻警惕和清醒地认识到它的局限性以及可能造成的偏差和后果，这在日常实践中是要时刻注意的。       来源：2020（第十六届）中国金融风险经理年度总论坛（11月） ', 'elegant' => array(), 'userId' => '235', 'status' => 'published', 'createdTime' => '1604648542', 'updatedTime' => '1636524360', 'body' => '      季春江，天星数科（原小米金融）首席风险官，前宜人金科宜人金科首席风险官；毕业于人民大学贸易系及美国犹他州立大学，拥有经济学硕士与计算机科学硕士学位。曾担任美国花旗银行决策科学部总监、花旗银行及摩根大通银行风险管理部SVP，执行总监。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '64', 'name' => '石智勇', 'thumb' => 'public://expert/2020/12-17/175156c951c6123134.jpg', 'originalThumb' => 'public://article/2020/12-17/175156cc0a8d408465.jpg', 'description' => '农业银行总行风险管理部副总经理', 'about' => '中国农业银行总行风险管理部副总经理，天津大学金融工程博士，在信用卡、个人与中小微企业信贷、供应链融资、大数据风控、公司与机构金融、资产管理等领域拥有近20年的风险计量与管理经验。牵头农业银行巴塞尔新资本协议实施工作，建立了农业银行内部评级体系、RWA计量体系等。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left:5px solid #ff7200;padding-left:20px;">图书</div> <div style="height:12px; float:left"> </div> <div style="height:12px; float:left"> </div> 2007，《国有商业银行制度创新和风险管理》，中国物资出版社。 <div style="border-left:5px solid #ff7200;padding-left:20px;">论文</div> <div style="height:12px; float:left"> </div> <div style="height:12px; float:left"> </div> 2013，PD模型开发中的关键技术方法，《中国金融》第17期。 <div style="height:12px; float:left"> </div> 2011，<a href="https://www.yunzhan365.com/14540352.html">我国商业银行实施新资本协议的有关思考</a>，《农村金融研究》第03期。 <div style="height:12px; float:left"> </div> 2010，<a href="https://www.yunzhan365.com/59711864.html">建立和完善商业银行内部评级验证体系</a>，《中国金融》第15期。 <div style="height:12px; float:left"> </div> 2006，<a href="https://www.yunzhan365.com/35859228.html">关系型信贷、信息不对称与信贷退出博弈</a>，《西安电子科技大学学报（社会科学版）》第02期。 <div style="height:12px; float:left"> </div> 2005，<a href="https://www.yunzhan365.com/23629053.html">重构国有商业银行内部控制组织结构的思考</a>，《金融理论探索》第05期。 <div style="height:12px; float:left"> </div> 1995，<a href="https://www.yunzhan365.com/98147756.html">国家专业银行与国有商业银行的不同点</a>，《农金纵横》第02期。 ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、LPR改革的影响与应对</h2>       此次LPR定价机制改革对于疏通利率传导机制，降低实体企业融资成本，能够起到多大作用？       从市场利率影响因素看，三个因素支持利率下行。一是社会平均利润率。考虑到当前社会平均利润水平并不高，不支持过高的贷款利率。二是经济周期。当前中国经济总体处于底部区域，迫切需要降低实体经济的融资成本，不支持利率持续上行。三是商业银行竞争。多数银行会以此为契机抢夺信贷资源，进而促使利率进一步下行。两个因素限制利率下行空间。一是风险成本。当前，商业银行利差水平（NIM）总体处于较高水平。但考虑到经营成本中，风险成本占了较大比重，来自利润的压力，有可能使部分商业银行提高风险偏好、提高贷款利率定价。二是通胀预期。考虑通胀预期，当前贷款利率总体存在较强的上升需求。       本次改革将银行业和经济运行、银行业市场竞争方向和竞争格局将产生什么影响？       短期看，一方面，会引导市场贷款利率下行，降低实体经济融资成本，减少财务支出，提高盈利水平。另一方面，会降低社会公众理财收益预期，促进民间投资，扩大消费。长期看，利率市场化进程的不断发展，使我国金融业从外部环境到内部结构都面临着一系列重大变革。一方面，提高了利率定价的市场化程度，有利于促进资金资源的优化配置、提高金融机构的经营活力；但另一方面，商业银行的定价管理、风险管理、资产选择、资本充足率压力将会进一步凸现。       来源：《风险管理》2019年第4期   <h2 style="text-align: justify;">二、金融开放与风险管理</h2>       金融开放对金融机构（风险管理）的影响与应对       对商业银行风险管理而言，短期内影响有限。一方面，目前开放内容未超出市场预期，主要是取消外资金融机构业务范围限制，为其提供更为宽松、自主的制度环境。另一方面，近年来通过持续深化改革，我国商业银行经营管理不断改善，国际化程度不断提高，抵御风险和外部冲击的能力明显增强。就风险管理而言，风险识别、计量和管理能力显著提升。体制机制上，通过对接国际规则，深入实施巴塞尔协议，已初步建立全面风险管理体系。关键风险指标上，相比国外银行，国内银行整体资本质量较好、资本充足率较高；贷款不良率较低，拨备覆盖率较高。       长期来看，机遇大于挑战。机遇主要体现在三方面：一是有利于国际社会更好了解、客观评价我国商业银行经营管理和风险状况，也有利于我国商业银行更好融入、更多参与国际竞争，提高在国际金融市场中的影响力。二是有利于我国商业银行学习、借鉴国外优质银行在经营理念、产品创新、金融服务、科技发展等方面经验，进一步提升金融服务实体经济特别是民营小微企业的能力。三是有利于促进我国商业银行加快完善风险治理和防控机制，进一步优化风险管理工具和相关制度，提升风险计量核心能力，加强资本、流动性、利率、汇率等重点领域风险管理。       来源：《风险管理》2019年第3期   <h2 style="text-align: justify;">三、《中国金融稳定报告（2019）》解读</h2>       进一步推进防范化解重大金融风险攻坚战，逐步完成从风险治标向治本的过渡       未来一段时期，为实现2020年攻坚战的顺利收官，小康社会的全面建成，防范化解重大金融风险攻坚战将进一步向纵深推进，逐步完成从风险治标向治本的过渡，并在系统性风险防控的制度机制上做出安排，包括：一是完善现有政策法规，改进监管框架，将互联网科技企业控股形成的互联网金融控股集团以及金融市场基础设施、金融机构第三方技术服务商纳入监管范围。二是有序处置重点金融控股集团风险，着力化解地方中小金融机构风险，完善系统重要性金融机构监管，积极探索以存款保险为平台，建立市场化法制化的金融机构退出机制。三是全面清理整顿金融秩序，打击非法金融机构和非法金额活动，整治地方交易所违规开展业务，推动交易所有序整合撤并。四是防范金融市场异常波动风险，阻断跨市场、跨区域、跨境风险传染，防范金融市场异常波动和共振，主动做好预期管理，建立金融委办公室新闻发言人制度。       来源：《风险管理》2019年第6期   <h2 style="text-align: justify;">四、新冠病毒疫情对金融机构经营管理的影响和应对</h2> <h4 style="text-align: justify;">    （一）我国新冠大疫对金融机构业务和风险管理的影响</h4>       新冠疫情对银行的资产质量带来了一定的负面冲击，特别是对中小金融机构和互联网金融机构。但是总体来看，对整个银行系统的风险影响是短期的、有限的。短期看，中小微企业贷款质量可能将有所恶化，个人经营性贷款违约率短期或阶段性上升；区域性金融机构、互联网金融机构和消费金融机构受之影响较大。长期看，“国际关注的突发公共卫生事件”对国际贸易和供应链布局调整的压力不容忽视，对资产质量的影响是长期和深远的。 <h4 style="text-align: justify;">    （二）我国新冠大疫与应对给金融机构风险管理的启示</h4>       第一、风险信息是风险管理的基础，风险信息越真实、准确、及时和完整，风险决策越科学、越高效。第二、风险价值观比风险管理本身更重要。面对风险的态度决定风险管理的深度，面对“灰犀牛”，心存侥幸是灾难性的。风险共识取得越晚，化解风险的成本越高。       来源：《风险管理》2020年第1期   <h2 style="text-align: justify;">五、大额信用管理：额度管控、风险信息共享与策略协同</h2> <h4 style="text-align: justify;">    （一）前言</h4>       随着集团化、多元化趋势的演进，企业行为更加复杂化，使信息不对称的情况愈发突出。在新资本协议框架下，风险的未知领域可以视为非预期损失。通过实施新资本协议，商业银行建立了完善的风险管理体制机制，风险计量技术也得到了极大的提升。 <h4 style="text-align: justify;">    （二）大额风险的管理难题</h4>       大额风险对金融集团而言，复杂度较高，其加总与管理十分复杂。甚至有大型集团借款人发生违约时，金融机构对整个集团的授（用）信不甚清楚，需要向客户询问的情况。对大额风险进行较好的管理，需要金融集团下各单位对风险统一定义、对风险偏好统一管理、对经营策略合理干预。 <h4 style="text-align: justify;">    （三）大额信用管理：客户识别与额度管控</h4>       识别关联交易对手方时，实际控制权、资金流来源上的依赖和偿债义务的关联都至关重要。在大额风险的管理上，限制额度是较为有效的举措。一种做法是，根据交易对手信用等级，可设定最高风险承担额，作为集团、或分行（子公司）对该组交易对手的风险承担的最高上限。当分行（子公司）对单一客户授信超过额度限制时，可以有两种选择：一是进行本层级的风险分散，发起组建本层级行的内部联合贷款，或者匹配相应数量的低风险业务进行对冲；二是将风险向上一层级分散，对超出本级风险限额的部分，申请由上级行承担限额外贷款的拨备和管理责任。上述机制可以使大额客户的风险在内部得到分散，避免过度集中。 <h4 style="text-align: justify;">    （四）大额信用管理：风险信息共享与策略协同</h4>       1、风险信息共享机制设计       一是明确风险信息共享的客户范围。二是明确主办机制。三是规定共享信息内容，可包括风险信息与决策信息。四是规定信息公开的频率和时间要求。       2、风险信息共享流程       一是对共有大额客户进行标识。二是风险信息的公开和更新。三是风险信息的查询，对查询范围、内容、权限等进行限制。       3、策略协同机制       一是设定协同目标。二是明确协同步骤。三是建立回看机制。       4、效果评价       在上述机制设计、政策流程和策略制定的基础上，各机构应各司其职，切实履职。分行、子公司均应持续对本机构及下设机构客户的风险信息共享和策略协同的执行情况进行评估，并向集团总部汇报。       来源：《风险管理》2020年第6期 ', 'elegant' => array(array('src' => '/files/expert/expert_1611655730.jpg')), 'userId' => '47', 'status' => 'published', 'createdTime' => '1561527305', 'updatedTime' => '1636535582', 'body' => '       中国农业银行总行风险管理部副总经理，天津大学金融工程博士，在信用卡、个人与中小微企业信贷、供应链融资、大数据风控、公司与机构金融、资产管理等领域拥有近20年的风险计量与管理经验。牵头农业银行巴塞尔新资本协议实施工作，建立了农业银行内部评级体系、RWA计量体系等。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '35', 'name' => '王勇', 'thumb' => 'public://expert/2021/04-09/1336237e326e804906.jpg', 'originalThumb' => 'public://article/2021/04-09/1336248162d0444111.jpg', 'description' => '天风国际证券董事长', 'about' => '天风国际证券董事长，曾任天风证券首席风险官兼首席信息官，光大证券首席风险官，加拿大皇家银行风险管理部董事总经理。王勇博士著有《金融风险管理》，翻译了《期权、期货及其他衍生产品》《区块链：技术驱动金融》《商业机器学习》《区块链巴别塔》等多部著作。王勇博士毕业于西安交通大学，持有加拿大达尔豪斯大学数学博士学位，持有CFA和FRM证书。', 'sticky' => 'index', 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">图书</div> <div style="height: 12px; float: left;"> </div> 2014，《金融风险管理》，机械工业出版社。 <div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">论文</div> <div style="height: 12px; float: left;"> </div> 2017，从MBIA看信用衍生品，中国市场如何应对，《当代金融家》第02期 2015，创新形势下券商风险管理的挑战与应对，《创新与发展:中国证券业2015年论文集》  ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、证券行业风险管理实践</h2>       自营投资业务在熊市市场削减规模是很容易做到的，但在牛市市场，削减规模会有一定的阻力。做自营投资业务要看到两方面，即正面和反面，只有把正面反面都要看的很清楚才能做好自营投资业务。风控真正的精髓不在于如何预测市场，如何预测风险，而是在于一个公司出现风险的时候，这个公司有承担并化解风险的能力。 <h4 style="text-align: justify;">（一）证券行业主要业务及收入结构</h4>       证券行业主要经营业务包括传统中介业务、资本中介业务和资本型业务。       在证券行业的收入构成中，经纪业务占的收入比例仍然非常高，超过三分之一，传统投行中资产管理业务是新兴的业务形式，但是整个比例非常高，自营证券投资、融资融券的收入比例虽然不是最高，但是增长趋势非常大。 <h4 style="text-align: justify;">（二）证券行业业务风险矩阵</h4>       证券公司面临的四大风险包括市场风险、信用风险、流动性风险和操作风险。 <h4 style="text-align: justify;">（三）证券行业业务与资本监管环境</h4>       我国资本监管尚未改革，模式落后、束缚业务发展       我国证券市场对净资本进行监管的很多指标并没有考虑到风险的内涵，只是反映风险一些具体走向。       另外中国证券行业对于规模方面进行监管，证券公司为了进行风险对冲，把风险管好会在监管上受到一定的惩罚，这非常不适合证券公司的长远发展，所以监管的进化是证券公司亟待解决的问题。 <h4 style="text-align: justify;">（四）证券行业风险管理实践</h4>       风险金字塔为全公司所用，它为识别和评估我们的业务、产品、新项目的风险提供了一个平台。在金字塔的顶部，风险的控制操作性最小；在金字塔的底部，风险的控制操作性很强       《证券公司全面风险管理规范》和《流动性风险管理指引》管理规范的出台是国内证券行业风险管理监管转型的重大进步, 有逐渐靠拢巴塞尔协议的趋势，证券行业正在努力达到规范要求，但要完全达标，仍有一定差距       证券行业甚至是银行业实施全面风险管理所面临的挑战包括风险管理文化、风险人才管理机制和信息化水平的提高。       来源：《风险管理》2014年 第4辑， 证券行业风险管理实践   <h2 style="text-align: justify;">二、证券行业金融科技实践</h2> <h4 style="text-align: justify;">（一）证券行业金融科技应用现状</h4>       对于证券行业，在科技方面的投入实际上是严重依赖于厂商的, 导致证券行业本身同质化严重，在科技研发方面也趋于同质化，这是从根本上阻碍证券行业加大科技研发投入的原因。       证券行业在金融科技发展发面也做了许多工作，可以分成以下几个层次：企业云应用。其次，在数据变现能力。最后，在智能自动化方面，在证券行业，无论是清算还是运维都需要将其用起来。 <h4 style="text-align: justify;">（二）金融科技与传统信息技术区别</h4>       金融科技是指机构运用移动互联网、云计算、大数据、人工智能等各项能够应用于金融领域的技术，帮助提升金融行业运转效率，重塑传统金融产品、服务与机构组织。在管理效率和业务效率的提升上，现在金融科技可以做到将业务、运营和技术进行一个全面的整合。金融科技的发展目标可以从六个板块说明：第一，零售板块；第二，大资管板块；第三，投资银行板块；第四，风控板块；第五，合规板块。 <h4 style="text-align: justify;">（三）金融科技业务发展目标</h4>       要通过金融科技，优化运营流程，提升流程无纸化、智能化、自动化程度，降低人力成本和运营成本，提高运营效率。 <h4 style="text-align: justify;">（四）从数据治理到数字化治理</h4>       数字化治理人员需要在系统产品不断增加的同时，持续对数字平台进行监控，并将新增系统功能整合到数字平台中去。审核主要有以下要点：       1、 变更控制       2、 安全审核       3、 责任制       4、 业务连续性       5、 进度       来源：《风险管理》2019年 第4辑：证券行业金融科技实践   <h2 style="text-align: justify;">三、证券从业人员风险管理基础知识体系建设（沙龙研讨）</h2> <h4 style="text-align: justify;">（一）关于风险管理基本理念和框架</h4>       结合自身的工作经验，在风险管理理念有两个方面值得重视：一方面是内部控制、合规以及风险管理的关系，它们的边界在哪？在行业内，出现了风险事件，风险管理从业者背锅是一个很普遍的现象，其背后实际上是三者概念与理念认识上的混乱，而这种现象有悖于在全公司范围内构建共同的风险管理目标和价值观。二是证券行业缺乏一个对净资本进行整体的计量的规范和共识，整个行业依据风险偏好对风险资源分配参差不齐，每个公司的做法不一样，如果在这方面能有一个理念上的引导和提升，相信对于风险管理与业务发展战略的有机融合具有重要的指导意义。 <h4 style="text-align: justify;">（二）信用风险管理</h4>       证券从业人员应该了解风险管理基础知识体系中信用风险的基本内容，如内部评级、交易对手信用风险。证券从业人员要把很多基本概念弄清楚。 <h4 style="text-align: justify;">（三）流动性风险管理</h4>       同意陆亚总关于流动性风险计量的观点——证监会是走在前面了。一般从业人员把包括宏观指标在内的基本的流动性风险计量指标了解清楚就可以。此外，信用风险和流动性风险的转化也可以适当了解。 <h4 style="text-align: justify;">（四）操作风险和声誉风险管理及其他</h4>       关于操作风险和声誉风险管理，虽然我国证券行业还没有出台相关指引，但证券业协会已经就指引的建立做了准备工作，其中声誉风险管理已经向各证券公司发布了征求意见稿。而对于数据治理和科技风险，目前已成为证券公司风险管理需要重点关注的内容，巴塞尔委员会已经就此发布过相关规则，目前证券业协会也在不断推进数据治理指引的相关工作。战略风险和政策风险对于证券公司也非常重要。       来源：《风险管理》2020年 第4辑：证券从业人员风险管理基础知识体系建设（沙龙研讨）   <h2 style="text-align: justify;">四、大中台——证券公司数字化转型的决战地</h2> <h4 style="text-align: justify;">（一）证券行业金融科技发展概述</h4>       金融服务行业的发展可以根据信息技术在其中扮演角色的不同，大致分为三个阶段：业务流程信息化、互联网金融和金融科技。 <h4 style="text-align: justify;">（二）机构数字化转型面临的壁垒</h4>       数字化治理涉及金融服务主推产品、产品整合、产品变更、安全性、业务连续性等多个内容，在这个过程中最主要的依据是数据，我们需要有数据治理的理念。数据治理涉及数据质量、数据安全、数据维护等。 <h4 style="text-align: justify;">（三）数据治理、CDO+CAO</h4>       公司妥善的管理数据是如此的重要，如果数据管理得非常糟糕，那么经营的效率、盈利就可能大受影响。首席数据官（CDO）和首席数据分析官（CAO），是数字化企业资源的管理师和调度师。首席数据官负责数字化战略规划，领导公司数据化治理委员会工作，对数字化项目进行监控、决策，提出建议。首席分析官领导数据治理工作，发现数据价值并制定可行方案，对公司数字管理进行全局管理，从数据需求与数据价值角度审核新项目，更重要的是数据价值的挖掘。 <h4 style="text-align: justify;">（四）关于大数据应用的思考</h4>       大数据具有大量化、多样性、快速化、价值高的特点,可为企业提供创新的业务洞察力。大数据是金融科技应用的磐石，对于风控、资讯、投研、用户洞察都起到了核心支撑的作用。 <h4 style="text-align: justify;">（五）大中台——数字化转型的决战地</h4>       证券公司的信息化发展包括三个阶段，系统化，集成网络化，智能化。券商想要提升自己服务能力最关键的一点是成为价值创造者。让技术成为价值创造者，与价值链上下游相关者进行信息化绑定，创造新的业务协同价值，成为企业战略决策的先导者而非跟随者。       来源：2020TGES系列论坛-04：金融人工智能、数字化金融与风险管理（0801-0802），大中台——证券公司数字化转型的决战地，（全文稿）   <h2 style="text-align: justify;">五、金融机构风险偏好、风险战略与全面风险管理</h2> <h4 style="text-align: justify;">（一）金融风险管理的发展演变</h4>       1、风险管理的发展历史就是一部金融危机、金融机构风险事件的历史。总体而言，风险管理主要历经三个阶段：传统风险管理阶段；现代风险管理阶段；全面风险管理阶段。       2、过去三十年，大规模金融危机、局部金融风险爆发使得金融风险的管理理论和实践革新得受到重视，并取得了进步。这期间的行业系统性风险屡见不鲜，这些事件都对推动了风险管理理念与实践的发展。       3、巴塞尔协议一直在不断的发展完善过程中，从Basel 1.0主要关注信用风险到Basel 2.0将市场风险和操作风险考虑在内。Basel 3.0新增杠杆率与融资流动性监管指标，首次制定了交易对手信用估值调整（Credit Valuation Adjustment，CVA）风险监管资本规则，并提出了高级法和标准法两种资本计量方法。Basel 4.0在风险管理的一些思路上进行了革新。 <h4 style="text-align: justify;">（二）金融行业主要面临的风险</h4>       1、主要业务的转变       总体而言，当前金融机构主要业务体现出四个“变”与一个“不变”。       2、金融机构风险地图       首先，金融机构所面临的风险最底层是一些基础性的风险如不良贷款触发的信用风险，资金波动造成的流动性风险，“黑天鹅”事件引发的市场风险等，还包括一些其他风险如金融集团交叉风险。       其次，在这些基础性风险之上，可能会触发操作风险，这与技术性风险往往是相关的。       再次，为了业务发展，金融机构可能会有策略风险、名誉风险、竞争风险和监管机制方面的法律风险等。       最后则是金融机构会面临的系统性风险。 <h4 style="text-align: justify;">（三）金融集团风险管理关注要点</h4>       1. 集团管控的三种常见模式 （按集权程度从低到高分为）       - 财务管控：财务信息、财务风险       - 战略管控：在财务管理的基础上增加战略协同管理中心       - 运营管控：在战略管理的基础上增加集中运作管理中心，以管理日常运营并通过职能部门实现纵向管理       2. 子公司风险管控重点       -  风险信息报送机制建设       -  风险限额和授权体系的建设       -  系统与流程的整合 <h4 style="text-align: justify;">（四）金融机构风险管理原则</h4>       1、从风险报告的角度，也可用金字塔来阐述公司所面临的整体风险，这对公司建立一个整体的风险管理文化是非常重要的。全员参与是确保风险管理成功的基础。       2、金融机构风险偏好体系需要从监管约束、自发约束、风险限额、风险组合度量等四个层面进行构建。       3、风险偏好并不一定是一成不变的。董事会可以允许超额情形的发生，但无论如何，监管硬性规则不能违背。       4、风险偏好阐述举例       5、统一的风险管理框架 <h4 style="text-align: justify;">（五）证券行业风险矩阵及风险管理实践</h4>       1、利用证券行业风险矩阵       2、关注监管应对针对行业风险的变化，监管部门在努力改善其监管模式。       3、明确限额管理职责限额管理与前述风险偏好体系具有一定相关度，其分为公司整体、业务部门、交易小组三个层面。       4、落实三道防线机制       5、运用风险指标与风险报告       来源：2020TGES系列论坛-03：内控合规、造作风险管理和全面风险管理（0725-0726），金融机构风险偏好、风险战略与全面风险管理，（全文稿） ', 'elegant' => array(array('src' => '/files/expert/expert_1608601443.jpg')), 'userId' => '17', 'status' => 'published', 'createdTime' => '1557924464', 'updatedTime' => '1636536930', 'body' => '      王勇博士，天风国际证券董事长，曾任天风证券首席风险官兼首席信息官，光大证券首席风险官，加拿大皇家银行风险管理部董事总经理。王勇博士著有《金融风险管理》，翻译了《期权、期货及其他衍生产品》《区块链：技术驱动金融》《商业机器学习》《区块链巴别塔》等多部著作。王勇博士毕业于西安交通大学，持有加拿大达尔豪斯大学数学博士学位，持有CFA和FRM证书。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '165', 'name' => '申志华', 'thumb' => 'public://expert/2020/11-10/1452579c9476828607.jpg', 'originalThumb' => 'public://article/2020/11-10/145258a0109e400636.jpg', 'description' => '普洛斯金融集团副总裁', 'about' => '普洛斯金融集团副总裁，前上海聚均科技有限公司首席大数据官/CDO，CFA，美国加州大学伯克利分校统计学硕士和经济学博士。曾任平安银行零售风险技术总监兼大数据决策管理部总经理、中国民生银行总行风险管理部高级专家、美国富国银行中小企业部风险管理副总裁、美国运通公司计量分析高级研究员、复星金融服务集团副总裁、掌星宝联席总裁。', 'sticky' => null, 'weight' => '0', 'achievement' => '           ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、中国中小企业和供应链金融服务模式探讨</h2> <h4 style="text-align: justify;">（一）最近几年互联网金融发展出现的问题分析</h4>        1、关于P2P方面的问题，P2P的问题在于借用了美国的LendingClub模式，但没有进行风险隔离。        2、金控集团存在的一些问题。金控集团很多由互联网企业产生，但这些企业自身没有存款来源，需要靠借入银行资金做信贷，实质形成了资金批发业务，所以同样会推高企业融资成本。而且因为金控集团受企业规模和评级影响，业务规模必然会受到限制，对金融集团的发展也是一个挑战。        3、企业做金融的问题。我们经常看到中国有一定实力和规模的企业都成立了相应的金融团队。但问题在于做金融的企业在专业团队、牌照上都没有太大优势，企业自身提供的资产有限，而且政府并不支持企业做金融，监管政策也还是希望企业做好实体经济，金融做好对企业的服务。还有一个不可忽视的重要因素是，企业不能为竞争对手提供资产和服务。这都导致了企业做金融很难做大做强。        4、金融机构的问题。金融机构往往因为体制、管理和技术等原因，无法深入产业链交易流。贸易背景的真实性一直是困扰金融机构的很大问题，并经常在这个方面暴雷。 <h4 style="text-align: justify;">（二）中国中小企业融资遇到的问题</h4>        1、中国中小企业的融资中面临非常大的挑战，融资难、融资贵的问题还是没有得到很好的解决。有以下三个主要方面。一是中小企业主体信用不足，实力不强，属于弱势群体，无法满足面对银行贷款时的抵押和担保要求；二是信息不对称问题。中小企业和金融机构之间存在严重的信息不对称，假账、假报表盛行，资金挪用程度高，银企互信度低；三是信息化程度低科技能力弱。        2、金融机构在中小企业金融服务中也存在挑战和痛点，也可以概括为三个方面：看不清，摸不透，不信任。看不清指产业链错综复杂；摸不透指底层资产不透明，缺乏技术手段获取实时一手数据和有效的风险预警的能力，缺乏监控底层资产的能力；不信任指主体信用不足。        3、中小企业和供应链金融服务中也碰到很多挑战。一是单一数据问题，一些数据供应商也解决了一部分信息不对称问题；二是专业团队问题，中小企业和供应链金融服务是一个专业要求高的业务，需要整合很多资源，团队往往需要跨领域的知识精英。但传统企业延伸做金融服务普遍不具备专业化的金融服务团队；三是资金来源问题，要降低企业融资成本，为中小企业提供普惠金融服务，金融机构必须要有稳定和低廉的存款来源。 <h4 style="text-align: justify;">（三）宏观经济环境和监管形式的新变化</h4>        一是监管政策越来越清晰；二是金融基础设施建设得到重视和加强；三是互联网平台生态发展；四是技术进步；五是产业数字化成为新的发展趋势。 <h4 style="text-align: justify;">（四）产业金融将迎来第三阶段</h4>        总结问题挑战与变化之后，我们可以认为产业金融即将迎来第三阶段。        1、产业金融1.0阶段只服务单一机构，采取点对点服务模式，传统金融机构服务于产业链龙头企业，通过线下方式进行尽调、评级、财报、授信。        2、产业金融2.0阶段是在此基础上的衍生，主要依靠核心企业的主体信用担保。        3、产业金融3.0阶段，要求服务产业链所有企业，全产业链封闭场景中交易数字化、透明化、可控化，除了传统的审查考核之外重点关注交易过程，不再需要主体信用增信。 <h4 style="text-align: justify;">（五）中小企业金融服务模式探讨</h4>        从国内来讲，受目前阶段政策影响，社会承担很大的贷款利率下沉压力，资金成本高的金融机构在下一轮的竞争中会受到不利影响，很多高息放款机构会遭到淘汰。 <h4 style="text-align: justify;">（六）国外企业做金融的案例</h4>        企业做金融很少能够真正将金融业务做大做强，有三个较为典型的国外企业做金融的案例。一是沃尔玛的“零售+信用卡”模式；二是福特汽车金融。福特的案例体现了产业支撑力不足的汽车金融困境；三是GE Capital。GE的产业资本与金融资本融合产生了协同效应。 <h4 style="text-align: justify;">（七）金融科技在供应链金融模式发展中可以发挥更大的作用</h4>        传统征信报告、财务财报技术都已经比较成熟，但是不能真正解决交易底层穿透和贸易背景真实性问题。要解决这些问题，需要应用新的技术对供应链金融赋能。当前重要的金融科技包括五项：ABCD+I，即AI（人工智能）、Block-Chain（区块链）、Cloud-Computing（云计算）、Big-Data（大数据）、IoT（物联网）。        大数据技术可以应用在很多方面。一是数据挖掘匹配多种数据源；二是多维度分析和验证信息，降低信息不对称；三是分级预警、量化授信，精准把控风险；四是敏感性分析研究。 <h4 style="text-align: justify;">（八）对中小企业和供应链金融服务模式升级的思考</h4>        一是需要打通产业链，更深入到产业链的交易和经营环节，把产业链上下游的信息化进行链接，帮助金融机构获得更有价值的实体经济的资产。        二是连接多方数据信息，打破信息孤岛，解决金融机构和企业之间的信息化不对称问题。推动现在的企业为主体的征信模式升级为以交易为核心的大数据模式。        三是突破目前单纯依靠抵押和担保的传统授信模型，改为更多结合企业底层资产的交易信用模式，在授信模式和产品上进行创新，解决中小企业没有担保和抵押的问题。        四是利用物联网、大数据和人工智能的新的智慧科技来解决底层资产的跟踪、真实性和资产透明化的问题。        五是通过商票、标准化票据和ABS等金融产品来拓展更加广泛的资金渠道，让票据交易所等金融市场发挥更大的作用，发挥直接融资的作用，让更多的金融机构参与进来。        六是团队需要进行金融、技术和产业的知识经营结合，需要跨界的人才。        来源：2020TGES系列论坛-07：中小微企业和零售普惠金融与风险管理——申志华《中国中小企业和供应链金融服务模式探讨》 <h2 style="text-align: justify;"> </h2> <h2 style="text-align: justify;">二、关于提高商业银行小微业务风险管理的若干思考</h2>        银行业的发展离不开实体经济的发展。小微企业近年来取得了快速发展，成为推动经济和社会和谐发展不可或缺的重要力量。通过大力发展小微金融业务，银行可以实现客户多元化、促进中间业务发展、提升盈利能力。越来越多的商业银行将业务增长点定位于小微客户，近两三年来小微金融服务日渐成为中国银行间群雄逐鹿的重点。然而，风险管理问题一直是制约小微金融服务的瓶颈，银行只有真正了解把握小微企业的风险，切实提高小微业务风险管理水平，才能使小微金融服务进入可持续和健康发展的轨道。        对此申志华博士提出了以下建议：        （一）建立与小微业务相适应的发展战略和理念        （二）建设和小微业务发展相适应的组织管理模式        （三）加强风险量化管理体系建设        （四）推行批量化作业的销售和管理模式        （五）积极开展产品创新和特色服务        （六）强化小微客户动态风险管理        （七）推进小微客户的特色化研究，建立专业化服务团队        来源：《风险管理》杂志2012年第5辑   <h2 style="text-align: justify;">三、借鉴银行风控模式，助力P2P市场稳健发展</h2>        申志华博士认为，P2P网贷平台与传统银行在运营和商业模式存在着较大区别。P2P网贷平台将自己定位成“中介”机构，重视如何促成借贷双方交易，可能缺乏足够的动力深入了解借款方的偿还意愿和偿还能力。而银行则不同，银行体系因为对存款和贷款客户实施了有效的分离，对每笔贷款出现逾期不良，银行直接承担了经济损失和财务压力。因此银行有很强的内在动力把每一笔贷款做好审核把关，对贷款进行严密监控，对逾期贷款就加大力度进行催收，最大程度地降低损失。作为“发挥中介”作用的P2P很容易形成风险管理力量不足，而投资者明显无法直接监督客户用款，这是导致P2P目前贷款风险高、利率高、P2P公司倒闭率高的一个原因。        基于此，结合P2P网贷平台的实际发展情况，可以从以下几个方面可以参考银行的风险管控措施：        首先，对贷款用户的准入门槛进行严格筛选。        其次，对贷款的资金用途严格把控。        第三，建立物理网点，接触和了解客户。        第四，注重流动性管理。        第五，建立有效的催收体系。         来源：《风险管理》杂志2014年第3辑   <h2 style="text-align: justify;">四、我国新冠大疫与应对给金融机构风险管理的启示</h2>        1、好的风险管理体系一定要经历经济波动的考验和危机事件的冲击。经得住考验的金融机构才是真正风险管理能力过关的机构。        2、这次疫情也暴露了我们公共医疗卫生体系、疫情反馈传导和宣传决策机制的一些不足和短板。        3、这次疫情对我国的企业也是一场大考，很多企业因为储备不足、现金流不充沛导致面临倒闭，很多僵尸企业会加快清场，但对一些行业也带来了业务机会。         来源：《风险管理》杂志 2020年第1期   <h2 style="text-align: justify;">五、新时代下的供应链金融业务新发展和智能技术应用前景</h2>        供应链金融产品主要有应收、应付、存货、信用类等，目前信用类产品较多，例如信用贷和流动贷款。总体上，供应链金融的潜在风险可以分为企业信用风险、上下游企业信用风险、贸易真实性风险、业务操作风险、物流监控风险和抵质押资产风险。在供应链金融业务上，风险管理的一个显著特点是环节多，体现风险多元化的特征。        供应链金融的发展，技术、金融和产业三者的融合是关键。技术是支持，产业是重心，金融是手段，三者在供应链金融中的深度融合将是供应链金融未来发展的趋势。        供应链金融技术应用前景        （1）金融科技各自发挥优势，形成聚合能力        （2）研究和应用前沿的人工智能技术和算法        （3）技术应用—电商平台的自动化审批         来源：《风险管理》杂志2020年第4期 ', 'elegant' => array(array('src' => '/files/expert/expert_1611657502.JPG')), 'userId' => '266', 'status' => 'published', 'createdTime' => '1604991187', 'updatedTime' => '1642033741', 'body' => '      申志华，普洛斯金融集团副总裁，前上海聚均科技有限公司首席大数据官/CDO，CFA，美国加州大学伯克利分校统计学硕士和经济学博士。曾任平安银行零售风险技术总监兼大数据决策管理部总经理、中国民生银行总行风险管理部高级专家、美国富国银行中小企业部风险管理副总裁、美国运通公司计量分析高级研究员、复星金融服务集团副总裁、掌星宝联席总裁。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '126', 'name' => '高磊', 'thumb' => 'public://expert/2020/12-29/161723337954507649.jpg', 'originalThumb' => 'public://article/2020/12-29/1617233e389d016573.jpg', 'description' => '京东数字科技风险管理中心小微风险部', 'about' => '京东数字科技风险管理中心小微风险部，负责小微金融风险管理，有效利用互联网个人及商户高频、准确、实时、可追溯的交易及行为信息，创建对小微企业偿债能力、偿债意愿的新评价体系。高磊女士拥有近20年中、美金融机构风险管理经验，曾任职于NASDaq、美国银行、民生银行等公司。', 'sticky' => null, 'weight' => '0', 'achievement' => '          ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、大数据在风险管理中的应用</h2>       数字化转型是当下的热门，金融机构和其他传统机构都纷纷进行数字化转型。数字化转型的优势和好处可以用4C来概括。一是通过差异化的全渠道的覆盖，强化客户关系，以客户为中心，做统一的客户信息管理。不管是从什么渠道获取的客户，都要把信息放在一起，做统一管理。二是构建先进的跨产品及场景的平台，加强综合经营服务。做到产品的交叉营销。对适当的客户，在适当的时间为其推荐适当的产品，实现千人千面。三是端到端数字化的流程改造，提升客户体验。传统的金融产品或交易线下占比较多，通过数字化转型，提升客户体验，把部分流程或者全流程提到线上，对机构和客户来说都是效率的提升。四是大家比较关注的建立用户驱动的大数据平台，提升产能和风控。       大数据数字化转型可以具体关注几个方面，刚才提到的风险智能是一部分，还包括运营智能、客户智能。还有财务智能，关注的主要是成本控制。从发达国家的经验来看，第一步主要是风险的智能化，之后再做到运营的智能化，最终关注的是成本精细化，每个客户的成本要可以精细化的计算出来。但目前来说，基础的建设或者说数据的支持都还做不到这一点，这应该是金融业下一步提升效率，降低成本的重要的发展方向。       来源：2020（第十六届）中国金融风险经理年度总论坛NO.4：大数据及其应用——高磊《大数据在风险管理中的应用》   <h2 style="text-align: justify;">二、如何解决小微企业融资难、融资贵</h2> <h4 style="text-align: justify;">（一）小微企业为什么融资难？</h4>       首先我国的小微企业其实是以这种劳动密集型的产业为主，比如说是批发零售、制造和服务业，门槛比较低，而且竞争非常激烈，所以总体来说是稳定性比较差的。然后，我们的小微企业的平均寿命也只有三年，所以相应的本身的风险就比较高。 <h4 style="text-align: justify;">（二）我国小微金融存在的问题及建议</h4>       第一个，有效信贷需求不足，其实这指的是什么？就是说刚才提到的我们的平均寿命短，我们的银行其实做这种信贷业务其实都是希望是可持续的，所以一般传统银行来做小微企业这种授信的时候，一般都要求的是至少要成立三年以上，但实际上真正小微企业能存活到三年以上的，就是不足30%，所以自然而然就有70%的小微企业其实是不能获得银行的授信的。第二是，其实目前我们国家也有一些知识密集型的创新型的小微企业，然后它们也是存在着很多的融资的缺口，但是现在我们直接融资的方式其实还是不是很充分，有一定的短板的。然后第三个，有一个问题就是说，如果小微企业过度授信的话，可能导致它的增加其资产性的投入，而不是生产性的支出。所以说在授信的过程中，大家往往会比较谨慎，就在额度的管控上会比较严格，但是有的时候其实不太能够满足真正某些小微企业的经营的需要的。第四个的话就是说，如果过度地依赖金融补贴的话，可能会扭曲小微企业的良性运行。真正的我们要支持可持续的话，其实还是应该是对它的风险有一定的把控，才是一个可持续的经营的业务。最后一个是，过于宽泛的划分标准，导致资源被强势群体吸收。 <h4 style="text-align: justify;">（三）如何运用数字技术解决小微企业融资难</h4>       主要包括三个方面：第一个就是我们的风险画像，因为前面提到了由于信息的不对称，所以金融机构对企业的这种经营情况及风险很难做出一个明确的判断。我们怎么把小微企业画像画得更完全，使得我们授信的或者金融从业者可以对它更加深入的掌握，这是一个非常重要的。第二个就是刚才提到的资金用途的确认，其实我们如果能够确认它相应的资金用途，我们对风险也是可以有很大的把控的。第三个其实之前也提过，就是说我们要降低获客及运营的成本。我们如何来做小微企业的画像呢？其实我们是有几个原则，即全息式、模块化、可扩展和交叉验证。全息式是指的就是说我们要全，是数据获取的范围要全，因为传统的方式比如说征信，传统方式是最先开始是财务报表，但是因为小微企业的财报不是很完善，后面会衍生到比如三品三表的收取方式。小微企业的画像不能光看一个一个截面，我们一定要考虑到它当前是属于哪一个生命周期点，然后它相应的资金需求的用途其实也是不太一样的。还有就是行业的分析，因为在宏观经济的影响下，其实小微企业的承压能力是远远小于大中企业的。还有一大块模块就是关联的网络，关联网络大家都比较关注，但是一般情况下，对于企业来说，我们会看投资融资、上下游、子公司、母公司这样的关联网络。但小微企业的人和企业其实是很难分得开的，所以我们这里面会加上企业的关系、企业和人的关系以及人和人的关系，那会建立一个更加广泛和复杂的关联网络，然后综合去评判整个小微企业它本身的一个经营状况，或者说它的未来发展的情况。       来源：2020（第十六届）中国金融风险经理年度总论坛NO.9：供应链金融和小微企业金融——高磊《如何解决小微企业融资难、融资贵》   <h2 style="text-align: justify;">三、金融科技与银行合作模式探讨</h2> <h4 style="text-align: justify;">（一）金融科技的定义</h4>       金融科技的英文名称为FinTech（Financial Technology），其重点在于“科技”。从广义的金融科技的定义来看，只要是为金融服务的技术都可以叫做金融科技。但是金融科技在中国是一个新兴的热门词汇，强调的是其创新和动态的概念。它特指以科技驱动金融创新，用技术迭代金融体系，进而提升金融服务效率、降低运行成本的一类技术。简而言之，金融科技就是通过新兴的技术来提升金融业务的效能。 <h4 style="text-align: justify;">（二）金融的发展即科技的发展</h4>       虽然金融科技是一个新的词汇，但科技与金融的交汇却不是第一次。实际上，金融的发展就是科技的发展。历史上二者始终不离不弃，擦出不少火花，科技改变了金融的格局，而金融的发展又加深了对科技的需求，二者相辅相成，相得益彰。 <h4 style="text-align: justify;">（三）如何做好金融科技</h4>       做好金融科技，首先要具备行业的专业知识。金融科技是为金融行业服务的，因此一定要明白金融是怎样运作的，要知道金融业务中的痛点是什么。其次，金融科技作为一种科技手段，要配备非常完善的基础设施建设。因为目前金融科技主要关注数据，AI就是实现数据化、智能化的过程，所以这种数据分布式的服务器就是非常重要的一类基础设施。其底层基础设施可以实现对所有数据的收集，且按照一定规则实现了通用底层能力的打造与模块化、标准化的管理、迭代，中间层则是利用算法等技术包装出产品来为金融服务。 <h4 style="text-align: justify;">（四）金融科技与金融行业的合作</h4>       金融科技需要聚焦在某一方面，即单点突破。例如设计一个反欺诈的产品，产品的底层构建需要与反欺诈相关的一些设备类的工具，比如设备指纹、生物探针、滑块验证、人脸识别、证件识别等；同时还需要一些诸如声纹识别、上下行短信等线上的智能核验技术，这类工具和技术共同构成系统的实施决策引擎。此外产品还基于大量的数据积累，并在此基础上形成一些机器学习的模型，最后还需要加以实时的监测，在经历多年的实验、研究之后，才能最终形成一套比较完善的产品。除了使用一些现成的工具，采用平台效应也是一种可行的合作方式。这种平台效应，可以对各方都产生积极的作用。对于资金端的金融业而言，形成了多元化的资金投资的渠道，风险资产实现表外化，资产对接效率也可以得到提升。对于资产生成方即平台自身而言，不仅服务成本下降了，资金的来源更加广泛，而且由于大量的数据积累，对核心企业的风控能力也有所提升。而对于核心企业而言，可以更好地加强与上下游企业的管理上的联系性，改善企业自身的现金流，提高供应商的生存能力。而对于上下游小微企业来说，通过金融科技的服务实际上可以为更多小微企业进行金融服务，其融资成本会大大下降，融资过程会更加便捷和快速，大大提高了小微企业的融资能力。 <h4 style="text-align: justify;">（五）金融科技的发展现状</h4>       第一，这主要是由于我国金融还没有完全实现市场化。这实际上不利于金融科技的发展，因为只有在完全市场化环境竞争相对激烈的情况下，才能真正体现金融科技给传统金融的赋能，才能体现出由于新科技的应用而降低的成本在定价差异方面的竞争力。第二，是基于整个国内的信用环境。截至目前，我国的大型银行仍然很难接受利用外部的云端技术来实现信贷功能的方式。因此，这也为如何有效提升金融科技实力，从而服务于传统金融行业提供了值得探索的方向。       来源：《风险管理》杂志2020年第5期 ', 'elegant' => array(array('src' => '/files/expert/expert_1614249593.jpg'), array('src' => '/files/expert/expert_1614249598.png')), 'userId' => '226', 'status' => 'published', 'createdTime' => '1604643262', 'updatedTime' => '1636516820', 'body' => '      高磊，京东数字科技风险管理中心小微风险部。近20年中、美金融机构风险管理经验，曾任职于NASDaq、美国银行、民生银行等公司。在美国银行负责信用卡、个人消费、小微信贷等业务的风险计量的建设和管理策略的制定及实施，对超过美国50%以上人群的信用卡业务进行营销、授信、价值提升等管理，并获得“应用宏观经济指标校准零售信用风险预测模型”的专利。在民生银行任职期间，主持对公、零售、小微信贷资产巴塞尔信用风险评估体系、RFIS9、RARCO体系的设计、实施及应用。2019年加入京东数科后，负责小微金融风险管理，有效利用互联网个人及商户高频、准确、实时、可追溯的交易及行为信息，创建对小微企业偿债能力、偿债意愿的新评价体系。 ', 'type' => 'senior', 'opened' => '0', 'followed' => '0'), array('id' => '39', 'name' => '彭一凡', 'thumb' => 'public://expert/2019/07-16/113749d0e61d002016.jpg', 'originalThumb' => 'public://article/2019/07-16/113749d3424d395037.jpg', 'description' => '波士顿咨询公司（纽约）风险管理部董事总经理', 'about' => '波士顿咨询公司（纽约）风险管理部董事总经理。曾任美银美林交易对手风险量化模型及管理高级顾问、香港美林（亚太）证券结构化产品部总监，在美国金融界从业20余年，先后在美国惠誉评级公司、瑞士信贷第一波士顿银行等担任部门副总裁、总监等职。近十年专注交易对手风险与模型风险测度的理论探讨与实践。', 'sticky' => 'index', 'weight' => '96', 'achievement' => '<div style="border-left:5px solid #ff7200;padding-left:20px;">论文</div> <div style="height:12px; float:left"> </div> <div style="height:12px; float:left"> </div> 2019,Forecasting Chinese corporate bond defaults: A comparative study of market vs accounting- based models, Frontiers of Economics in China. ', 'attachachieve' => '', 'viewpoint' => '<h2>一、AI在风险管理中的应用：新的范式和挑战——以中国债券违约预期为例</h2> <h4>（一）AI的本质及其与机器学习的区别</h4>       1、AI的本质       AI系统和其他简单的分析系统有两点本质的区别，分别是迭代性（Iterativeness）和适应性（Adaptiveness）。其中，迭代性是指根据系统状态的改变及误差修正，多次调整系统的参数，从而逼近最优结果的过程。适应性是指该过程是一种交互式的，即系统根据输出自动调整输入。调整不需要人工干预，而是通过结果自动进行反馈。这种根据输入与输出自动反馈的系统是人工智能的一个重要标志，这是一种学习的过程。       2、机器学习与传统统计方法       传统统计方法（Traditional Statistical）一般是简单的输入输出，是在对问题和数据的基本特征已有相当的认知的或对数据特征先做出某种的假设来进行的。通常来说，对模型形式也会根据某种理论或常识给予假定，建模之前会采用抽样、减少输入、降维等方法减少数据量。       机器学习（Machine Learning）不需要对问题和数据做出预先假设，在学习之前不需要减少数据量。旨在解决数据量和高维度问题，模型形式也无需提前提出。但另一方面机器学习要求数据量比较大，对数据的质量也要求比较高，采用有偏的数据进行学习，得出的结果不一定比传统统计方法好。       3、机器学习的基本分类       机器学习包括三大类，分别是监督学习（supervised learning）、无监督学习（unsupervised learning）以及半监督学习（reinforcement learning）。       在监督学习中，算法得到一组包含标签的“训练”数据，比如交易数据集，可能某些数据点包含欺诈性/非欺诈性的标签。该算法将“学习”一种通用的分类规则，用于预测余下的不在训练集中的数据分类为欺诈性/非欺诈性。       无监督学习是指提供给算法的数据不包含标签，要求算法通过识别簇（clusters）的方式寻找规律。       半监督学习又称为强化学习（Reinforcement learning），属于有监督和无监督学习之间的一种模式。在这种情况下，提供给算法一个没有标签的数据集，为每个数据点选择一个动作，接收有助于算法学习的反馈信息（可能来自人类）。       4、AI与机器学习的区别       主要区别在于AI是通过机器学习的结果来做出决策，不用人工干预，可以自己做决策。机器学习是模仿人类学习的办法，从数据中发现目标实体（人或市场变量）行为模式及趋势，挖掘和发现关联性，找到复杂数据之间的范式与关系，不对这种关系做预设，但不参与最终决策。如何使用及解释机器学习的结果一般仍由人来决定；而人工智能一般指机器可依据自己的学习自主做出行为决策。 <h4 style="text-align: justify;">（二）AI在风险管理领域的主要应用</h4>       AI在风险管理领域的主要应用包括四个方面：一是以客户为中心（或“前台”）的应用，包括自动信用评分及精算决策系统；二是以运营为重点（或“后台”）的应用，包括资本优化、模型风险管理和市场影响分析；三是金融市场的交易和资产组合管理；四是人工智能和机器学习在监管科技方面的应用，包括金融机构合规（regulatory compliance, RegTech）或监督（supervision, SupTech）。 <h4 style="text-align: justify;">（三）AI和机器学习在风险管理中的挑战</h4>       第一， 适用数据的可用性。数据通常存放在跨部门的孤岛中，可能在不同的系统上，并且可能存在限制数据共享的内部政治和监管问题。       第二， 是否有熟练的工作人员来实施这些新技术。在技术方面，数据是一个主要问题，机器学习是从数据中学习技术，而数据的来源还要依赖于人。       第三， 完全自动化的危险。       第四， 透明度问题。因为模型在输入数据和输出决策之间的隐藏层的基础上进行工作。这种类型的黑匣子系统不利于有效的风险监督，并且可能导致监管合规性问题，尤其是在证明模型有效性方面。       第五， 道德问题。 <h4 style="text-align: justify;">（四）什么是机器学习不能做的</h4>       一般而言，机器学习识别的模式仅仅是相关性，但机器学习不能推得因果关系（causality）。       来源：《风险管理》2019年第5期   <h2 style="text-align: justify;">二、风险信息在股市和债市之间的传递——兼论资本结构套利及莫顿模型在中国的适用性</h2> <h4 style="text-align: justify;">（一）风险管理的第一要务是信息优化</h4>       风险管理的第一要务是进行信息优化，不消除信息不确定性无法进行风险管理。信息的来源有很多，其他领域信息的交互和传播也会造成市场的波动。正是由于风险因素错综复杂的相互作用，使得危机在不同领域爆发，最终导致系统性的风险事件，演变出全面的信贷危机，造成不可预测的后果。 <h4 style="text-align: justify;">（二）莫顿模型建立了债券市场和股票市场的联系</h4>       股票收益率和信用风险溢差相关，有充分证据表明，股票收益率与CDS溢差的变化呈负相关，而波动率和杠杆率的变化与CDS溢差变化成正相关。莫顿模型作为一个理论模型可以将债务与股权很好地联系起来。莫顿模型在理论上将债务和股票联系起来，都归结为企业总资产的期权，极大地扩展并丰富了期权理论。可以通过期权理论计算出资产价格达到行权价的概率，即企业总资产足以清偿负债的概率，而这一概率实际上就是违约概率。 <h4 style="text-align: justify;">（三）KMV模型计算违约概率的问题</h4>       1997年美国旧金山市KMV公司以Black-Scholes公式和莫顿期权模型为理论基础建立了KMV模型，通过企业股权价值及其波动率求解出企业资产的市场价值及其波动率，用于计算企业预期违约概率。       但实际上KMV模型在现实应用中存在很多问题。首先，人们普遍认为KMV模型高估了债券价格，低估了信贷收益率，结构模型所隐含的信用利差远低于数据显示的水平，信用价差和预期违约损失之间的这种巨大差异就是所谓的“信用价差之谜”。其次，静态结构模型预测的杠杆率远高于现实生活中观察到的杠杆率，企业动态改变资本结构的能力可能是一个重要的影响因素。 <h4 style="text-align: justify;">（四）针对中国市场，KMV模型需做出适当改进</h4>       由于中国市场结构的特殊性，我们在应用KMV模型研究中国企业的违约概率时需要对模型做出适当的改进，并对结果进行校正。结合莫顿模型违约距离和传统的会计变量对中国市场上的债券违约进行实证研究发现，当莫顿模型结合其他市场变量，包括一些宏观变量和部门变量之后，得到的结果更加有效。       归根结底，KMV模型为分析债市与股市表现之间的关系提供了一个很好的工具，如何有效利用债券市场和股票市场的信息并采取行动还是风险管理中的重要议题，值得我们进一步的研究与思考。       来源：2020TGES系列论坛-01：金融市场交易与市场风险管理-彭一凡《风险信息在股市和债市之间传递》 ', 'elegant' => array(array('src' => '/files/expert/expert_1564048959.jpg'), array('src' => '/files/expert/expert_1564048965.jpg'), array('src' => '/files/expert/expert_1564048973.jpg'), array('src' => '/files/expert/expert_1564048979.jpg'), array('src' => '/files/expert/expert_1564048985.jpg')), 'userId' => '21', 'status' => 'published', 'createdTime' => '1558707141', 'updatedTime' => '1636535362', 'body' => '       彭一凡先生现任波士顿咨询公司（美国）风险建模部董事总经理。获国防科技大学数学与系统工程学士、中国科技大学信息与自动控制硕士、美国天普大学计量经济硕士与金融经济博士。        彭一凡先生具有丰富的金融风险管理工作与研究经历，曾任美银美林交易对手风险量化模型及管理高级顾问，香港美林（亚太）证券结构化产品部总监，在美国金融界从业20 年，先后曾在美国惠誉评级公司，瑞士信贷第一波士顿银行和荷兰银行等多家国际著名银行担任部门副总裁、总监等职。长期兼任纽约金融研究所，宾夕法尼亚州立大学、新泽西罗格斯大学客座教授。彭先生多次回国讲学，给国内大型机构如中投证劵中国银行等提供培训，曾帮助国内信用评级公司君维诚建立定量评级系统并兼任顾问，协助创建国内风险管理论坛等。        主要研究领域为信用组合建模（利用非模拟方法计算经济资本）、期权的定价和波动性预测及其交易、信贷交易策略、证券化建模、以权益挂钩的结构化产品的盯市惯例、利率建模和固定收益组合管理、金融数据和统计套利的经济计量分析等。 教育背景： <table align="center" border="1" cellspacing="0" style="width:557px;"> <tbody> <tr> <td style="width:189px;"> 美国天普大学 </td> <td style="width:227px;"> 金融经济博士 </td> <td style="width:141px;"> 1992.09 - 1995.05 </td> </tr> <tr> <td style="width:189px;"> 美国天普大学 </td> <td style="width:227px;"> 计量经济硕士 </td> <td style="width:141px;"> 1990.09 - 1992.05 </td> </tr> <tr> <td style="width:189px;"> 中国科技大学 </td> <td style="width:227px;"> 信息与自动控制硕士 </td> <td style="width:141px;"> 1985.09 - 1987.07 </td> </tr> <tr> <td style="width:189px;"> 国防科技大学 </td> <td style="width:227px;"> 数学与系统工程学士 </td> <td style="width:141px;"> 1981.09 - 1985.07 </td> </tr> </tbody> </table> <div style="clear:both;"> </div>     工作经历： <table align="center" border="0" cellspacing="0" style="width:557px;"> <tbody> <tr> <td style="width:200px;"> 波士顿咨询集团/风险模型部 </td> <td style="width:236px;"> 高级经理/总监 </td> <td style="width:121px;"> 2014.09 - 今 </td> </tr> <tr> <td colspan="3" style="width:557px;">          1. 负责信用风险模型评估；          2. 操作风险咨询项目管理；          3. 企业范围风险管理框架策略设计。 </td> </tr> <tr> <td colspan="3" style="width:557px;"> <ul style="list-style-type:circle;"> <li>近期（三年）咨询服务客户：瑞士联合银行UBS，花旗银行Citibank，友邦保险公AIG，巴克莱银行Barclay Bank，摩根斯坦利Morgan Stanley</li> </ul> </td> </tr> <tr> <td style="width:200px;"> 美国银行美林证券，纽约 </td> <td style="width:236px;"> 市场风险战略专家总监 </td> <td style="width:121px;"> 2011.08 - 2014.08 </td> </tr> <tr> <td colspan="3" style="width:557px;">       1. 评估和重新设计金融风险系统知识库；       2. 为主要的经纪人风险模型管理用户验收测试（UAT）；       3. 开发基于有效的经济资本运算原型的模型；       4. 管理大型数据咨询以及P&L的归属报告。 </td> </tr> <tr> <td style="width:200px;"> 毕马威，美国 </td> <td style="width:236px;"> 定价咨询组 高级市场风险咨询顾问 </td> <td style="width:121px;"> 2010.04 - 2011.08 </td> </tr> <tr> <td colspan="3" style="width:557px;">       1. 对客户提供风险分析和评估的服务，以协助客户完成财务报表报告和风险管理实践，方法包括利率衍生（掉期及互换期权），货币及商品期权，公司债券，市政债券，主权债券及其他固定收益证券；        2. 计算信用价值调整以应对不良交易对手在金融交易（利率掉期，CDS）中存在的风险；        3. 为有价证券（如可换股票据，私募债券，通货膨胀交换等）提供坚实合理的价值评估；        4. 为结构性产品（RMBS，CMBS），CDS，CDO提供模型输入的合理评估。 </td> </tr> <tr> <td style="width:200px;"> 美林证券（香港公司），美国 </td> <td style="width:236px;"> 投资风险及定价核算部总监 D </td> <td style="width:121px;"> 2007.03 - 2010.03 </td> </tr> <tr> <td colspan="3" style="width:557px;"> 主要负责结构性产品及其衍生品的风险定价与投资战略分析，这些产品大多是依据客户对收益-风险权衡需求而设计的个性化产品，大多建构于亚太区股票及债券为初级资产之上，也有部分北美及欧洲利率产品。       1. 对各类投资产品的市场损益及其主导风险驱动因素进行定量跟踪、计算；       2. 为客户个性化产品提供风险分析及情景分析说明；       3. 对行内交易员的定价参数实施独立核定；       4. 对（产品售后）之风险对冲效果及损益进行定量评估；       5. 对衍生品交易账目上流动性不强之资产实施定期“公允价值”计算；       6. 负责流动性风险及建模误差风险之准备金之估算；       7. 负责协调香港、纽约、伦敦交易数据，以保障定价方法的一致性；       8. 协助提供相关分析以满足监管部门之要求；       9. 风险管理与交易相结合，以确保交易正确运行（即合适的定价模式符合投资条款清单）；     10. 使用SAS，MS SQL进行大量的数据咨询（交易属性信息）；     11. 实施GARCH期权定价模型（Heston 2001）为定价外来自动波动过程标记的股权衍生品产生波动平面；     12. 以更灵活的方法处理金融风险损益归属；     13. 改进Black Sholes和本地波动模型；     14. 负责数据完整性的维护，每日/每月价格测试和股票/固定收入/信贷结构性产品的市场评论：CDO，CPDO，CPPI，PDP等。 </td> </tr> <tr> <td style="width:200px;"> 独立顾问，美国 </td> <td style="width:236px;"> 信用风险模型与投资 </td> <td style="width:121px;"> 2003.07 - 2007.05 </td> </tr> <tr> <td colspan="3" style="width:557px;">       1. 搭建中小企业租赁信用管理模型；       2. 巴塞尔协议内部实施；       3. 计算银行的经济资本、信用评级分配在各子部门；       4. 用非仿真方法加总计算投资组合的损失分布(即风险加总），从而提高计算速度与效率。 </td> </tr> <tr> <td style="width:200px;"> 美国惠誉评级公司，美国 </td> <td style="width:236px;"> 结构性产品部总监 D </td> <td style="width:121px;"> 2002.04 - 2003.05 </td> </tr> <tr> <td colspan="3" style="width:557px;">       1. 负责结构性产品的信用等级评估及其定量分析；       2. 负责制定风险加总的方法及流程管理；       3. 主持若干关于违约相关性测量的研究；       4. 主持与巴塞尔协议有关的内部研究，如外部评级可靠性对经济资本的影响。 </td> </tr> <tr> <td style="width:200px;"> 瑞士信贷第一波士顿银行，美国 </td> <td style="width:236px;"> 高级分析师 VP </td> <td style="width:121px;"> 2000.04 - 2002.03 </td> </tr> <tr> <td colspan="3" style="width:557px;">       1. 信用产品售前分析与测算；       2. 管理并使用利率收益曲线模型对利率衍生品市值进行敏感度分析；       3. 负责评价与测试行内所使用之损益系统及由第三方提供之交易软件；       4. 负责培训初级分析师。 </td> </tr> <tr> <td style="width:200px;"> 荷兰银行，美国 </td> <td style="width:236px;"> 利率产品风险部副总裁 VP </td> <td style="width:121px;"> 1997.02 - 2000.04 </td> </tr> <tr> <td colspan="3" style="width:557px;">       1. 负责提供与利率风险对冲有关的决策支持分析；       2. 房贷证券化产品的交易战略及盈亏分析；       3. 房贷提前偿付比率之计量经济学预测；       4. 政府债券衍生产品与投资组合的研究与策略分析。 </td> </tr> <tr> <td style="width:200px;"> 英国石油公司，美国 </td> <td style="width:236px;"> 退休基金管理高级分析师 </td> <td style="width:121px;"> 1996.01 - 1997.01 </td> </tr> <tr> <td colspan="3" style="width:557px;">        1. 负责建立评价及筛选第三方基金管理人员的程序及业绩衡量方法；        2. 负责将资产最优分配模型的建立和修改；        3. 对不确定性的退休基金的支付及长期风险投资收益之间的匹配关系与定量化分析；        4. 对于总投资组合中股票与债券投资比例进行经常性的定量分析。 </td> </tr> </tbody> </table> <div style="clear:both;"> </div> ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '160', 'name' => '聂昕晖', 'thumb' => 'public://expert/2020/11-10/1345393acf85089064.jpg', 'originalThumb' => 'public://article/2020/11-10/1345393e4cb6146766.jpg', 'description' => '长城国瑞证券风险管理部副总经理（主持工作）', 'about' => '长城国瑞证券风险管理部副总经理（主持工作），曾任湘财证券风险管理总部总经理助理；CFA、FRM；曾先后供职于宏源证券风险管理部、申万宏源证券资产管理事业部、中融信托信托创新部，在风险管理、资产管理、资产证券化等业务领域具有较为丰富的理论和实践经验。', 'sticky' => null, 'weight' => '0', 'achievement' => '   ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、中小型非银金融机构内评模型建设难点</h2>       在《基于层次分析法的内部信评模型建设》（2019）一文中，聂昕晖先生认为，近年来，非银金融机构随着债券投资、非标融资业务的不断发展以及风险管理能力的不断提升，非银金融机构尤其是证券公司和基金公司普遍开展内部信评（以下简称“内评”）模型的建设和探索，已完成内评模型建设并投入实际应用的金融机构，在业务实践中也起到了较好的辅助业务决策、降低信用风险的作用。       他指出，中小型非银金融机构在运用统计量化模型开发内评模型时，往往会不同程度面临下述难点： <h4 style="text-align: justify;">（一）违约数据不足</h4>       他指出，证券公司、基金公司、信托公司等非银金融机构信用风险主要集中于债券投资和非标融资业务，但这两部分业务在运用统计模型开发内评模型时首先面临的困境就是违约数据稀少，数据量难以支撑统计建模。 <h4 style="text-align: justify;">（二）缺乏量化人才</h4>       他同时强调，非银金融机构特别是中小型非银金融机构风险管理团队量化人才较少甚至缺失，如若没有长效的人才培养和激励机制，难免面临风险量化人才流失的风险。在这样的背景下，若仅依赖偶尔招聘到的量化人员冒然开发统计量化模型，当模型开发人员离职时，难免面临模型无人持续维护的局面。而内评模型作为内评体系的基础，牵一发而动全身，模型方法论一旦确定不易频繁大幅调整，尤其是以基于违约概率（PD）估算的统计量化模型向专家打分模型转化，极端情况下可能会导致大部分内评体系推翻重建。 <h4 style="text-align: justify;">（三）前中台信息不对称</h4>       他总结，前中台信息不对称主要体现在两方面：一方面，风险管理人员普遍缺乏业务经验，哪些指标对评估企业信用风险更有效、各项指标背后代表的业务逻辑是什么，风险管理人员没有前台业务人员的理解深刻；另一方面，前台业务人员对风险量化模型接触较少，模型是如何开发的、模型是否有效，前台业务人员往往不清楚，在内评模型推广应用时难免会遇到不同程度的阻力。 <h2 style="text-align: justify;">二、中小型非银金融机构内评模型业务应用</h2>       鉴于前述内评模型建设难点，聂昕晖先生提出非银金融机构尤其是中小型非银金融机构可考虑选择层次分析法（Analytic Hierarchy Process，AHP）构建内评模型。       内他提出，评模型开发完毕后，要将其纳入业务决策之中，构建内部评级体系，内部评级体系建设是一项长期化、系统性工作，包括组织架构、信息系统、辅助工具、制度体系、人才培养、文化建设等多方面内容，主要措施包括如下三点： <h4 style="text-align: justify;">（一）内部信用评级委员会建设</h4>       聂先生认为，内评模型推广实施后，往往会出现内评模型结果与业务部门存在争议的的情况，内评模型也需要定期维护与不断修订完善，可设立内部信用评级委员会（以下简称“内评委”），集体决策内评结果争议及内评模型修订等内评事项。 <h4 style="text-align: justify;">（二）信息系统建设</h4>       他指出，虽然基于层次分析法构建的内评模型可通过Excel方式实现，但Excel制作的内评工具存在操作便捷度不高、内评工作耗时较长、内评结果难以统一管理等缺陷，仅依赖以Excel为基础的内评工具，会不同程度面临业务决策效率低、统一管理难度高、业务推广阻力大的问题。 <h4 style="text-align: justify;">（三）辅助工具建设</h4>       同时，他还强调，除了内评模型以外，应注意财务舞弊识别、舆情监控等辅助工具的建设，并将财务质量、舆情信息等辅助工具结果纳入内评模型框架体系，作为确定最终内评结果的依据之一。近年随着金融科技的发展，舆情监控已成为金融机构普遍使用的风险监测工具，舆情信息具有高频、实时的特点，能够一定程度起到提前预警风险的作用。但在舆情信息使用过程中，要注意舆情风险的分级。同时，除财务舞弊识别、舆情监控等已在非银金融机构普遍或正在推广应用的工具外，应关注知识图谱等各类新金融科技工具的发展和应用，不断提升风险识别和评估能力。 <h2 style="text-align: justify;">三、证券公司风险管理</h2>       在《证券从业人员风险管理基础知识体系建设》（2020）中，聂先生强调，尽职调查和舆情监控对信用风险管理具有重要的作用。尽职调查方面，证券公司传统业务集中于股票、债券等上市品种，除了投行业务之外，对尽职调查的探讨并不多。但随着近年证券公司融资融券、股票质押、高收益债投资、非标投资等业务的发展，仅依赖公开资料开展授信或投资决策是远远不够的，需要更多的通过现场尽调、访谈等工作，开展风险识别和评估工作。舆情监控方面，随着信息技术的发展，舆情监控在及时甚至提前发现潜在风险方面的作用愈发凸显，例如被执行人信息、大额诉讼、股权变更、媒体重大负面报道等都是一些关键信号。       他指出，操作风险管理中，一方面应掌握操作风险评估的三大工具，即风险控制自我评估、关键风险指标、损失数据收集；另一方面应强调内部控制在操作风险管理中的重要作用，金融机构很多风险事件的发生，回过头来看，往往是因为内部控制没有做好。       同时，他还强调，战略风险近几年虽然行业谈的比较少，但对于证券公司却很重要。证券公司在开展业务前，应充分考虑资源禀赋问题，在人员、系统、制度等各方面都做好评估和安排。       在文章《创新环境下证券公司风险管理发展方向》（2012）中，聂先生指出，目前，国内大部分证券公司风险管理工作已步人第二个阶段，但主要以定性分析为主，定量分析能力的提升将成为证券公司风险管理应对创新环境新要求、新挑战所需完成的非常重要的一步。具体而言，主要包括单一风险因子的建模、总量风险的计量、风险承受能力的度量、压力测试的运用、风险偏好和风险容忍度的量化、RAROC（Risk Adjust Return of Capital，经风险调整的资本收益率）的计算等系列风险量化工作。       他指出，为适应证券公司业务和产品创新要求，证券公司需要从自身业务经营角度出发，构建符合自身业务经营特点的数量模型，开展总量风险计量，以便更准确、真实地估算公司业务经营所承担的风险大小并加以管理。除此之外，还需在组织架构、风险监控模式等方面进行必要设计和转变，以适应总量风险管理模式。       同时，他还认为，证券公司风险管理工作虽然已步入以风险分析为主的第二阶段，但由于风险分析开展时间尚短，近几年，我们多数证券公司风险管理工作仍呈被动式的指标监控为主的特征，且风险限额指标主要围绕合规监管指标来考虑设计，内部风险限额指标有限且大多基于经验主观设定，风险管理仍很大程度上是以满足监管为导向，而非从证券公司自身业务经营角度来管理风险。这一方面与过去证券行业管制较高有关，另一方面也同证券公司风险管理工作发展历史短、风险管理以风险监控为主、定量分析能力不足等因素有关。随着证券行业综合治理的完成和管制的逐步放松，证券公司风险承担职能将得到更多体现，如何通过风险选择，合理承担风险获取最大化收益将成为证券公司业务经营和风险管理工作的核心问题。主动风险管理包括四项核心技术：风险选择、风险配置、风险绩效评估、风险转移对冲。   参考文献：       [1]2020，证券从业人员风险管理基础知识体系建设，《风险管理》（2020年04期）       [2]2019，基于层次分析法的内部信评模型建设，《风险管理》（2019年04期）       [3]2012，创新环境下证券公司风险管理发展方向，《中国证券》（2012年04期）   <h2 style="text-align: justify;">四、企业资产证券化业务风险管理</h2> <h4 style="text-align: justify;">（一）业务简介</h4>       1. 我国资产证券化业务格局       资产证券化业务可以分为信贷资产证券化与企业资产证券化。       2. 我国资产证券化业务发展历程       ABS业务在我国的起始时间非常早。2013年企业ABS的业务量仍非常少，直至2014年由审核制改为备案制，业务数量才出现了飞速增长，企业ABS在所有ABS中的占比一直维持在50%左右。截至今年二季度，该业务存量规模已经达到两万多亿，其规模比信贷ABS大得多。       3. 企业资产证券化业务存量情况       我们可以看到目前企业资产证券化业务的存量分布情况，所有基础资产的规模大概达到21万亿，其中80%为应收账款类，大约有10%集中在不动产类，少量为基础设施类。 <h4 style="text-align: justify;">（二）主要风险点</h4>       1. 两个疑问       对于资产证券化业务存在两个疑问，一是ABS业务到底是投行业务还是资产管理业务，二是它的基础资产是标品还是非标品。       2. 他山之石可以攻玉：信托机构       我将信托公司在非标投资领域比券商做得好的地方进行了总结。在投前，中台会与前台共同参与重点项目尽调。在投中，信托公司会在产品成立前，OA流程中审核评审会、合规风控意见落实情况；产品成立后，中台跟进业务部门项目增信措施的落实情况。在投后，会有部门监督业务部门的履职，根据投后管理方案，履行投后管理职责，投后履职材料及时提交中台部门，避免业务部门没有做投后管理。中台不定期参与现场回访。       3. 主要风险点 <ul style="list-style-type:square;"> <li style="text-align: justify;">应收账款类</li> </ul>       ABS业务底层资产的属性是非标的，券商对其认识与管理的专业能力与信托公司存在较大差距，未来随着规模的不断扩大，券商进行ABS业务是否会像进行非标业务时发生大量暴雷现象是很难说的，因此现在需要我们夯实能力。 <ul style="list-style-type:square;"> <li style="text-align: justify;">基础设施类</li> </ul>       基础设施类是一个弱资产。券商在得到基础设施类的资产证券化项目后，首先需要和律师讨论这个资产到底是什么。 <ul style="list-style-type:square;"> <li style="text-align: justify;">CMBS类</li> </ul>       类CMBS与信贷CMBS存在一些差异，企业领域的类CMBS是先找一家信托公司发行信托贷款，与金融性物业贷相似，也是有n年的期限，还款来源来自其现金流，不过抵押率可能会比金融性物业贷更高，类CMBS监管上一般不超过70%，现在大部分集中在60%左右。 <ul style="list-style-type:square;"> <li style="text-align: justify;">类REITs</li> </ul>       类REITs是私募基金获得一个项目公司100%的股权，并发放一笔借款，这笔借款的作用在于避税，同时资管计划会持有私募基金100%的份额。 <h4 style="text-align: justify;">（三）难点与建议</h4>       监管政策上，近几年来，券商做ABS最大的一个问题是其保障融资人还款意愿的抓手很弱，ABS本身是一个私募产品，更多地类似于PPN，它不还款不会造成公开市场的波动，所以在抓手上是很弱的。业务环境上，目前业务竞争非常激烈，投前要做很详细的尽调，投后需要很强劲的管理，收入是很难覆盖成本的。机构履职上，中介机构中除了券商以外，还有信托、银行等机构，但大家都不是想办法去履行自己的责任，而是相互推诿。       对此我提出以下建议：人行征信、不动产抵押向证监体系开放；建立资产转让、附属权益统一登记制度；提高资产证券化产品信息披露公开度；加强行业自律，讲“武德”，不以低价格、低标准作为竞争力；金融机构自身，放弃“信仰”式投资与管理，加强项目实质风险管控。       来源：2020（第十六届）中国金融风险经理年度总论坛-NO.8：证券和投资类机构风险管理——聂昕晖《企业资产证券化业务风险管理》。   <h2 style="text-align: justify;">五、基于层次分析法的内部信评模型建设</h2> <h4 style="text-align: justify;">（一）中小型非银金融机构内评模型建设难点</h4>       1. 违约数据不足       证券公司、基金公司、信托公司等非银金融机构信用风险主要集中于债券投资和非标融资业务，但这两部分业务在运用统计模型开发内评模型时首先面临的困境就是违约数据稀少，数据量难以支撑统计建模。       2. 缺乏量化人才       非银金融机构特别是中小型非银金融机构风险管理团队量化人才较少甚至缺失，如若没有长效的人才培养和激励机制，难免面临风险量化人才流失的风险。       3. 前中台信息不对称       前中台信息不对称主要体现在两方面：一方面，风险管理人员普遍缺乏业务经验，没有前台业务人员的理解深刻；另一方面，前台业务人员对风险量化模型接触较少，在内评模型推广应用时难免会遇到不同程度的阻力。 <h4 style="text-align: justify;">（二）层次分析法内评模型建设探索</h4>       鉴于前述内评模型建设难点，非银金融机构尤其是中小型非银金融机构可考虑选择层次分析法（Analytic Hierarchy Process，AHP）构建内评模型。层次分析法开发内评模型的一般步骤包括指标构建及筛选、专家指标打分、权重计算、一致性检验和修订专家打分（如需）五个步骤，具体方法在各类运筹学教科书上都有记载，不再赘述。在此着重介绍笔者运用层次分析法开发内评模型过程中遇到的一些难点及解决方案的一些尝试。       1. 信息不对称难点的解决尝试       为解决前中台信息不对称的难点，可邀请相关业务部门专家共同开发模型，业务专家建议邀请工作3年以上、有条件的情况下可以邀请工作5年以上的业务部门核心骨干共同参与，前述人员通过长时间从事一线业务，形成了自己独到的信用风险识别和评估方法，是金融机构最宝贵的资源之一。       2. 指标打分工作量巨大的解决尝试       按传统方法进行打分工作量巨大，会占用业务专家较多的时间，难以避免会降低业务专家参与内评模型建设的积极性；同时，按传统方法打分，同一上层指标控制的子指标较多时，往往很难形成一致性矩阵，且较难修订打分结果以形成一致性矩阵。       为解决这一难点，笔者尝试对指标直接进行评分，首先将指标对企业信用风险的影响程度分为一般重要、较为重要、非常重要三个等级，每个等级再按轻、中、重分为三个子等级，如此确定指标分值为1～9。 <h4 style="text-align: justify;">（三）层次分析法内评模型实证结果</h4>       非银金融机构构建内评模型，一个重要应用是指导债券投资，区分不同主体发行的、同一外部信用评级的债券风险大小，进行风险排序。本文以债券作为内评模型实证检验的对象。       1. 外部评级分布特征       通过实证分析，外部信用评级与企业规模的相关性较大，选取净资产行业占比和营业收入行业占比两项指标进行加权用以衡量企业规模。       2. 层次分析法内评模型实证       本文从两个维度检验内评模型的效果，一是企业规模排序不符合外部评级结果的企业，内评模型的评分结果；二是2019年出现评级下调或纳入观察名单的企业，内评模型的评分结果。 <ul style="list-style-type:square;"> <li style="text-align: justify;">企业规模排序差异检验结果</li> </ul>       企业规模评分较高但外部评级（表格中灰色区域）低于同等或较低企业规模评分的企业，内部评级评分普遍较差；而企业规模评分较低但外部评级高于同等或较高企业规模评分的企业，内部评级评分普遍较优。 <ul style="list-style-type:square;"> <li style="text-align: justify;">2019年负面信用事件检验结果</li> </ul>       2019年出现评级下调或纳入观察名单信用评级可能下调的企业，近两年内部评级评分普遍较差。 <h4 style="text-align: justify;">（四）内评模型业务应用</h4>       1. 内部信用评级委员会建设       内评模型推广实施后，往往会出现内评模型结果与业务部门存在争议的情况，内评模型也需要定期维护与不断修订完善，可设立内部信用评级委员会（以下简称“内评委”），集体决策内评结果争议及内评模型修订等内评事项。       2. 信息系统建设       在内评模型开发完毕并试运行一段时间后，有条件的机构可开发内评信息系统，将内评模型、审批流程嵌入信息系统中。同时，在信息系统开发过程中，应关注数据质量的建设，提升内评模型使用数据的准确性。       3. 辅助工具建设       除了内评模型以外，应注意财务舞弊识别、舆情监控等辅助工具的建设，并将财务质量、舆情信息等辅助工具结果纳入内评模型框架体系，作为确定最终内评结果的依据之一。       来源：《风险管理》杂志2019年第4期。 ', 'elegant' => array(), 'userId' => '261', 'status' => 'unpublish', 'createdTime' => '1604987393', 'updatedTime' => '1636535006', 'body' => '聂昕晖，长城国瑞证券风险管理部副总经理（主持工作），曾任湘财证券风险管理总部总经理助理；CFA、FRM；曾先后供职于宏源证券风险管理部、申万宏源证券资产管理事业部、中融信托信托创新部，在风险管理、资产管理、资产证券化等业务领域具有较为丰富的理论和实践经验。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '240', 'name' => '汪强', 'thumb' => 'public://expert/2020/12-27/21445795e3ae593686.jpg', 'originalThumb' => 'public://article/2020/12-27/21445798d441736117.jpg', 'description' => '万达信息股份有限公司资本运营部副总经理', 'about' => '万达信息股份有限公司资本运营部副总经理，原横琴人寿保险有限公司风险管理部负责人，曾任职中国人寿、中再集团等，具有十几年保险行业风险管理工作经验。近期亦作为协办单位的成员参与保监会偿二代二期工程相关研究。', 'sticky' => null, 'weight' => '0', 'achievement' => '      ', 'attachachieve' => '', 'viewpoint' => '      ', 'elegant' => array(), 'userId' => '337', 'status' => 'unpublish', 'createdTime' => '1609076833', 'updatedTime' => '1612872004', 'body' => '汪强，万达信息股份有限公司资本运营部副总经理，原横琴人寿保险有限公司风险管理部负责人，曾任职中国人寿、中再集团等，具有十几年保险行业风险管理工作经验。近期亦作为协办单位的成员参与保监会偿二代二期工程相关研究。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '153', 'name' => '刘学锋', 'thumb' => 'public://expert/2020/11-10/11483755e81d672149.png', 'originalThumb' => 'public://article/2020/11-10/1148375b7f5f230125.png', 'description' => '中国银行司库高级业务经理', 'about' => '中国银行司库高级业务经理。1993年进入银行业，拥有商业银行业务、MIS、管理工作经验。职业背景涉及司库运营、市场风险管控、资产负债管理、MIS系统建设等领域，对商业银行经营和IT系统建设有深入的体会和理解。曾任高级财务经理、高级风险经理、高级分析师，境外一级分行市场风险主管、司库VP，境内二级分行副行长。', 'sticky' => null, 'weight' => '0', 'achievement' => '   ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">商业银行资产负债管理与流动性管理的业务逻辑</h2> <h4 style="text-align: justify;">一、资产负债管理与流动性管理的脉络</h4>       资产负债管理和流动性管理的脉络图正如图1所示。实际上，流动性管理主要是集中在资产负债表上面，即ALM。资产负债管理它的管理目标是安全性、流动性、效益性这三性统一。这三性统一要落实到流动性和资产负债表上，中间需要有一个媒介和桥梁，也就是具体通过什么手段去实现，而这个手段实际上最后还要落实到资金手段上面，即资金交易。资产负债管理三性统一是目标，而我们在实务中所遇到的管理手段主要是一些关键的绩效指标、关键的风险指标，也即KPI和KRI。譬如在总分支机构这种银行构架下，每个年初会下达许多指标，然后一直到年度中间和年末都需要随时监控这些指标。       最初，资产负债表管理在国内提得并不多，但是资产负债表管理在国际化银行里是一个比较普遍的做法。在国际化银行里面，有一个叫司库的部门，这个部门主要的工作是在资产负债表上面做一些资金交易，也即负责看护资产负债表，而它看护资产负债表的手段则是通过各种各样的资金交易，譬如拆入、拆出、投资、融资，包括表外的衍生品、利率掉期、货币掉期、外汇掉期等常用的手段。期间，其中每一笔交易它会仔细考量或衡量它的量、价、险这三个要素。所以资产负债管理最后落实到资产负债表上，它是通过交易去落实的，最终资金交易里还要通过量、价、险的平衡权衡去实现的。       具体而言，资产负债表上的流动性实际上是在于两个方面，一方面是日间的缺口，日间的流动性缺口是保支付的，也即头寸管理。日间头寸就是一收一付，银行所有的资金运动，最后都会落实到收和付两个动作，收款多少付款多少，两者轧差之后，银行的钱多还是钱少，就是你的头寸有余还是头寸不足，盯住日间头寸也叫日间头寸管理。另一个方面是未来的到期期限的管理，期限缺口就是未来各期限的到期的资金流可能出现的现金流缺口问题。       实际上ALM和BSM两者的业务逻辑是完全一致的，两者都是需要权衡收益和风险，然后再确定规模与结构，无论是交易层面还是ALM的KPI、KRI层面都需要考量这些因素，然后通过具体的数量和价格的选项的调整，实现量价险的综合最优解。       当落实到资产负债表管理上，还需要考虑到在资产负债表上不但有流动性风险，还有市场风险。流动性风险主要盯住两个缺口，也就是上文所提到的日间流动性日间头寸缺口和未来的到期的现金流缺口。市场风险则要关注两个方面，一个是利率风险，另一个是外汇风险或外汇敞口。 <h4 style="text-align: justify;">二、期限错配风险</h4>       期限错配的管理中有很多的风险，只要在这张表里有了期限错配，就会存在利率风险、汇率风险、流动性风险，所以说所有的风险是由于有了期限才可以看到风险。通常而言，在多数的财务报表上，我们很难看见其中存在的期限错配，它只关心比如说货币资金或各种资产负债表内外的项目，而并不关心期限。而实际上，正常的资产负债管理和资产负债表管理是一定要关注期限的，所以这也是从管理会计角度去看资产负债表。如果是从资金角度去看，就要关注流动性，实际上就是若资金充足那么流动性就很好，而资金管理在银行里通常是有部门去管的，管理资金需要考虑到日间的头寸缺口和未来的现金流的缺口，即各个期限到期之后都要有足够的资金去满足业务需求。 <h4 style="text-align: justify;">三、集中度风险</h4>       另一个需要关注的就是集中度。因为很多时候我们在资产负债管理的时候，由于过度重视KPI、KRI指标，但是如果缺少从资金交易角度去考虑的话，就会忽略其中很多风险。特别是在资金方面，如果过度依赖某个资金来源，或者资金运用方面，即过度集中于某一项的资产运用。比如说把所有的钱全砸到了地方债或者某些债券上面，或者说资金来源完全依靠市场的各种MLF、SLF去押券融资，这说明流动性就存在很大的问题了。对于集中度的问题，如图2所示，也可以用一辆车来做个比喻，如果把银行比喻成一辆车的话，或者将业务比喻成一辆车，那么集中度则可以比喻为一块温度表，资金不能过度集中在某几个产品上面。以上就是一个总体从资产负债表上看，资产负债管理与流动性管理的业务逻辑，其中还会衍生出来市场风险，市场风险就包括利率和汇率两种风险。 <h4 style="text-align: justify;">四、外汇风险</h4>       外汇敞口主要来源于三方面，一是远期未交割的头寸，二是估值的盈亏，三是当期的损益，即落账的当期损益。如果一笔交易没有具体落账，比如做了一笔掉期，虽然近端已经是落账了，但远端还没到期，未来的A、B货币还要再换回来，所以远端的敞口是一直敞着的，这属于外币的敞口头寸。提到外币敞口这块，要提一个关键概念叫本位币，本位币它不是本国货币，它只是指本位币。本位我们知道就是金本位，银本位，全球最早是从金本位制度过渡来的。目前，全球的计价货币实际上是美元。对外汇交易来讲，美元事实上是一种无风险货币。但是如果对于我们中国而言，人民币也会被认同是没有风险敞口的。所以当我们把人民币定位成本位币时，即使拿着美元，这时候美元也成了风险敞口。所以在外汇敞口计量的时候，要注意本位币到底是以美元作为本位币，还是以人民币作为本位币。 <h4 style="text-align: justify;">五、日间头寸管理</h4>       日间头寸有主账户和辅账户，收付款都需要通过这些账户。正常情况下，主账户不能缺钱，如果主账户缺钱则需要及时到市场融资拆解进来，把它补足。辅账户则是代理行代为收付款的，如果辅账户缺钱，则需要从主账户及时把钱拨付过去，这就是资金调拨的概念。 <h4 style="text-align: justify;">六、头寸监控和资金安排</h4>       头寸监控，即抚平日间头寸缺口；期限缺口，即抚平期限资金缺口，是一个全行监控的概念。       综上所述，资产负债管理目标是保证一个比较良好的资产负债表的状态，资本约束正是重资本和轻资本之间的业务逻辑。         来源：2020（第十六届）中国金融风险经理年度总论坛-23：资产负债管理和流动性风险管理《资产负债管理与流动性管理的业务逻辑》演讲文稿整理 ', 'elegant' => array(), 'userId' => '254', 'status' => 'published', 'createdTime' => '1604980329', 'updatedTime' => '1636534621', 'body' => '      刘学锋，中国银行司库高级业务经理。1993年进入银行业，拥有商业银行业务、MIS、管理工作经验。职业背景涉及司库运营、市场风险管控、资产负债管理、MIS系统建设等领域，对商业银行经营和IT系统建设有深入的体会和理解。曾任高级财务经理、高级风险经理、高级分析师，境外一级分行市场风险主管、司库VP，境内二级分行副行长。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '95', 'name' => '刘冰', 'thumb' => 'public://expert/2020/11-05/1053073c1664241998.jpg', 'originalThumb' => 'public://article/2020/11-05/10530844742a783857.jpg', 'description' => '诚通基金管理有限公司董事总经理投资管理部总经理', 'about' => '诚通基金管理有限公司董事总经理投资管理部总经理，筹建设立中国国有企业结构调整基金（中国最大的私募股权基金，总规模3500亿元），目前投资管理金额1000多亿元。刘冰是中国人民大学研究生，中国注册会计师、总会计师资格、高级会计师、上市公司董事会秘书资质持证人，科技部、中关村科技园等评审库专家。', 'sticky' => null, 'weight' => '0', 'achievement' => '            ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、投资风险管理（PE市场） </h2>       我们把整体风控从前到后的步骤都履行得非常严格。其实我个人认为风控是贯穿整个投资环节过程中的，但是为了进行职能划分和过程的管控，我们把它分成前、中、后三个环节。我们认为所有的环节均来自投前的风控，也就是说前面的底子没有打好，上层的结构没有弄好，那后边所做的事情很难有效果。 <h4 style="text-align: justify;">（一）投前阶段风险管理</h4>       投前的风控管理主要分三个阶段，第一是投资策略，第二是投委会，第三是激励机制。简单从投资策略角度来说，主要有四个层面。第一是行业的选择。第二个层面是阶段的选择。第三是投资方式方法的选择。第四是项目的限制。在投前阶段的第二个风控点是投委会制度。我们最看重的就是投委会制度，我们认为专业和独立的投委会是一个投资机构的灵魂。       核心点有三个：一是人员的构成。二是权限的设置。三是组织运作。如果说投委会制度是一个投资机构的核心制度，那么激励机制就是确保核心制度能够高效、有活力执行的途径。首先，我们所有的人员是通过市场化的方式进行聘任，包括我本人。其次，我们所有的业绩考核都是真刀真枪，无论是投资团队每年的投资规模、投资业绩，还是中后台的整个风控指标和募资指标的完成程度，都是有实际量化的考核要求。再次，我们有全面的跟投要求，且跟投的要求是约束大于激励的。 <h4 style="text-align: justify;">（二）投资阶段风险管理</h4>       在投中阶段，核心以及最后的成果是体现在合同签约，而其重点是尽调决策。在尽调决策中，核心点就在于整个流程的设计和把控。在尽调决策阶段，我们机构主要有三个标准动作，第一是立项，这个是常规的；第二是综合论证，这个是比较特殊的；第三是投委审批。在合同阶段主要是确定投委会和论证会两个层面对于核心条款的落实，以及严谨的签约用印仪式。通常，核心条款分两个层面，一个是直投层面，一个是资金层面。最后就是资金交割，资金交割主要是为了最终落实财务部门的实质性审核机制。原来财务部门的交割主要是履行一个程序审核，后来我们觉得在这存在着一定的风险点，因而实行了实质审核。 <h4 style="text-align: justify;">（三）投后阶段风险管理</h4>       投后阶段实际上存在一个大问题，即投资团队负责投资，投管团队负责投后，而这样的分工容易存在着利益和职责划分不明晰的问题。我们的实践是，投资团队对最终的投资结果负责，投管团队对投后治理事项的业务处理进行负责。这也就要求我们在签合约的时候，必须要尽最大的可能去争取信息披露以及外派人员的权利。只有掌握了知情权，才能在后面的控制权、收益权以及退出决策时做出有效的控制。       来源：《风险管理》2020年第2期   <h2 style="text-align: justify;">二、瑞幸咖啡财务造假事件的启示</h2>       投资者尽调的问题与教训近期全球资本市场上，瑞幸造假事件又一次上演皇帝新衣的闹剧，如同一面镜子，照出人性百态。纷繁喧嚣中，有几个关键词值得思考。一是常识。每个人都有常识，常识不难发现，却最容易被忽视。我们没有动心瑞幸，就是因为我平时喝咖啡，也买咖啡喝，顺便对比了一下国内几种典型的咖啡业态，靠着常识发现这家公司宣传材料里种种不实之处，也就早早回避这场灾难。二是财报。复盘瑞幸，我们从2019年二三季度财务报表，可以非常简单分析出来，瑞幸属于财务可疑的公司，从而避免后面错误的投资决策。而后浑水报告指出的疑点，都可以在财报找到例证。三是方法论。我很认可浑水的这份报告，不是因为报告结论是否正确，而是认可报告采用的研究方法，非常接地气！实践、实际、实在，没有高深理论，没有复杂模型，也没有深喉爆料，有的只是大量一手调研数据和信息，真实可信，触手可及，简单明了。       来源：《风险管理》2020年第3期   <h2 style="text-align: justify;">三、PE市场投资风险管理</h2> <h4 style="text-align: justify;">（一）基金投资的实践</h4>       诚通基金管理公司作为中国国有企业结构调整基金的管理人，这5年来做了许多事情。       在最初的两年多，我们在子基金层面投了将近20个项目，主要是为了解决资金投放的压力，同时确保资金投放的安全性以及有足够的收益这三个需求。我们通过定增、战略配售这几个层面，投资了300亿左右的一级半市场项目。投资这些项目的原因主要有两点：第一，这些项目本身都是一些标准化的产品，对团队的整个尽调业务判断以及风险把控要求不高；第二，在这些项目中，我们选取央企或者市场化的龙头企业作为标的来进行投资，相对稳健，收益较为良好。到了2018年下半年，随着中美贸易战的开打，国家也提出了重点发展科技，尤其是硬科技的需求，作为私募股权投资的国家队，我们也同时肩负着这样的使命。我们在整个投资领域和投资标的的方法上做了一次较大的调整，调整主要分为两个层面。第一，在投资领域，我们在继续进行混改以及进行央企的结构调整的基础上，在战略新兴领域做了较大的投资布局。第二，除了子基金和一级半市场的项目，我们重点开始对一级市场进行投资，目前一级股权市场上，我们所投资金达200亿左右，最后形成了“四四二”的投资资产组合的布局。       回过头来看，我们得出了几个结论，第一个结论就是以沪深300指数为标准，目前我们国家基金在二级市场所投的项目以及一些一级市场的项目，绝大部分都跑赢了大盘，取得了比较好的成绩，尤其是在推动结构调整、战略性新兴产业布局这方面发挥了很大的作用。第二个结论就是，当初基金成立时，其使命为推动供给侧结构调整，解决央企和重要国企的转型升级问题，现在回顾过去，我们用5年的时间实现了这样的目标，80%以上的资金都投放到了央企和地方国资，还有一部分投到了一些在国际国内处于龙头地位的市场化的企业。展望未来，我们基金所面临的问题就是在新经济时代认知的转型。我认为在这一方面没有捷径可走，我们所要做的就是不停地学习，通过学习来成长，同时要和国内国际顶级的同业朋友进行多方面交流，通过交流碰撞来提升自己的认知。 <h4 style="text-align: justify;">（二）投资风险管理</h4>       投前阶段的投资策略是一个投资机构的灵魂。投资策略的特点就是严谨和谨慎，这也应该是有着国资背景的投资机构本身就应当具备的东西。投资阶段的风险管理核心体现在对于流程的设计和把控，投资阶段大致可以分为尽调决策、合约签订以及资金交割三个主要流程。我个人认为，所有的核心风险在投资实现（即把钱投出去）的那一瞬间就已经算是最终落地，投资实现后所做的所有事情都相当于打补丁，这很难能够改变一个项目的实质，所以真正的风险是在投前。作为一个投资机构，它真正的投前风险是在于资产组合，投资策略里所包含的投资领域和投资阶段最终会决定整个投资风险的程度。       来源：2020TGES系列论坛-06：投资银行业务、私募投资与风险管理——刘冰《PE市场投资风险管理》 ', 'elegant' => array(array('src' => '/files/expert/expert_1621566778.jpg'), array('src' => '/files/expert/expert_1621566787.jpg'), array('src' => '/files/expert/expert_1621566957.jpg')), 'userId' => '194', 'status' => 'published', 'createdTime' => '1604544864', 'updatedTime' => '1636527199', 'body' => '      刘冰，诚通基金管理有限公司董事总经理投资管理部总经理，筹建设立中国国有企业结构调整基金，该基金是中国最大的私募股权基金总规模3500亿元，目前投资管理规模1310亿元。刘冰是中国人民大学研究生，中国注册会计师、总会计师资格、高级会计师，是科技部、中关村科技园等评审库专家，哈工大硕士论文导师。刘冰拥有二十多年资本市场经验和十多年高管履历，先后就职北京国资和国家级投资机构，熟悉国内资本圈，拥有千亿级市场化母基金募、投、管、退全程经验，曾经主导、参与数百亿元投资且行业覆盖金融、高端制造、房地产、环保、医疗等行业，在投资公司、实业企业、私募股权投资有丰富的工作经验。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '118', 'name' => '陈文学', 'thumb' => 'public://expert/2020/11-05/165938a6d96b833775.jpg', 'originalThumb' => 'public://article/2020/11-05/165938acfece295836.jpg', 'description' => '杭州联合银行正行级调研员', 'about' => '杭州联合银行正行级调研员，前义乌农商银行党委书记、董事长，高级经济师，金华银保监行业协会副会长，义乌市金融学会副会长。从事农村金融工作33年，曾任杭州联合银行风险合规部总经理、董事副行长，浙江省农信联社业务处副处长等职务。主持开发杭州联合银行贷款利率定价系统、个人风险评价系统和小企业风险评价系统等。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left:5px solid #ff7200;padding-left:20px;">图书</div> <div style="height:12px; float:left"> </div> <div style="height:12px; float:left"> </div> 主持设计浙江省农信系统信贷合同文本和相关文本 <div style="height:12px; float:left"> </div> 参与团中央和中国银行业监督管理委员会组织的编写《青年创业贷款手册》 <div style="border-left:5px solid #ff7200;padding-left:20px;">论文</div> <div style="height:12px; float:left"> </div> <div style="height:12px; float:left"> </div> 2019，<a href="https://www.yunzhan365.com/33469402.html">打造主题特色支行建设特色品牌</a>，《中华合作时报》第11期 <div style="height:12px; float:left"> </div> 2011，<a href="https://www.yunzhan365.com/20611550.html">浅析农村信用社向商业银行转型过程的风险控制</a>，《金融经济》第3期 ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、关于家族式民营企业信用风险透视和防范</h2> <h4 style="text-align: justify;">（一）家族式民营企业发展的优劣势与其他企业相比</h4>       家族式民营企业具有独特优势，比如所有者与管理团队之间的高度信任，因为所有者和管理者团队都是自己家里人，此外家族式民营企业也拥有突出的成本控制力和投资的长期导向，这些优势在企业初创阶段提供了极强的生存能力，并在成长过程中给企业以稳定而持续的助力，因为一户人家会集中所有的资金与资源放在企业当中。但是，随着企业规模的不断扩大，市场竞争的日益加剧，以及技术进步速度加快，家族式民营企业的局限性也日益突出，这主要表现为公司治理存在较大缺陷，因为家族企业主要的管理人员都是家里人，其他人员很难进入到核心管理岗位，导致公司对家族以外的人员缺乏凝聚力，难以得到最优秀的人才，此外还有以人情代替制度、难以严格实行科学管理等问题。 <h4 style="text-align: justify;">（二）潜在的信用风险隐患</h4>       首先是公司治理的不健全。家族式民营企业公司治理结构往往都是不健全的，内部控制制度不落实，决策权、行政权、财务权高度集中于实际控制人及其家族人员手中。第二是盲目扩张的风险。第三是资本运作的风险。第四是关联企业风险。第五是银企之间信息不对称。第六是新兴产业风险。第七是资金抽逃或挪用贷款风险。第八是股东纠纷引发的风险。 <h4 style="text-align: justify;">（三）家族式企业信用风险的防范对策</h4>       针对家族式民营企业授信业务，商业银行要坚持以下原则：审慎选择，择优支持；控制份额，减少集中度；全面考量，拿不准、看不清的项目坚决不做。针对家族式企业我想提出三个策略：第一是家族式企业的客户甄选策略，客户的甄选策略，是银行信贷风控的第一道“门槛”。第二是行业授信策略。从“行业”维度讲，商业银行应当优先叙做行业信贷投向指引中积极增长类、选择性增长类行业，业务叙做须严格按照相关行业政策制度的具体规定执行。第三是企业的信贷产品策略。信贷产品的合理使用，可以在一定程度上有效降低民营企业的信贷风险，起到防控信贷风险的目的。       来源：《风险管理》2019年第6期   <h2 style="text-align: justify;">二、关于普惠金融下的普遍性风险防范对策</h2> <h4 style="text-align: justify;">（一）我国普惠金融的现状</h4>       当前是我国发展普惠金融的关键时期，根据银保监会同人民银行、国家发改委、财政部、证监会等推进惠普金融发展工作机制成员单位发布的《中国普惠金融发展情况报告》，五年来，我国普惠金融发展主要取得了如下四方面的成果：1.基础金融服务覆盖面不断扩大；2.薄弱领域金融可得性持续提升；3.金融服务的效率和质量明显提高；4.金融扶贫攻坚成效卓著。我国普惠金融事业虽取得了显著的成绩，但也面临着不少挑战，亟待进一步理清发展思路、统筹发展全局。目前我国推行普惠金融面临的突出问题如下：1.金融服务覆盖不均衡，结构性排斥有待全面化解；2.民间借贷与信用借贷并存，劣币驱逐良币效应有待根除；3.输血型借贷主导而造血型借贷不足，金融供给侧导向有待改善；4.普惠金融服务的可得性受到制约，逆向资金流动有待扭转；5.普惠金融目标群体意识不强，金融消费者保护机制有待健全。 <h4 style="text-align: justify;">（二）普惠金融下的普遍性风险</h4>       1、银行原因：（1）对普惠金融认识不足；（2）对普惠金融缺乏科学的考核机制；（3）推行普惠金融方法不多；（4）银行间的无序竞争；（5）银行员工参与违法放贷。       2、借款人自身原因：（1）借款人过度负债；（2）追求高收益盲目投资；（3）法制观念淡薄，参与借冒名贷款；（4）金融知识缺乏，参与高利贷；（5）参与赌博挥霍。 <h4 style="text-align: justify;">（三）防范普遍性风险的对策</h4>       1、充分认识普惠金融的重要性。       2、建立科学的考核机制。       3、加大对农民的金融知识宣传。       4、充分利用大数据实现精准普惠。       5、规范银行间有序竞争       6、坚决打击逃废债行为。       来源：《风险管理》2019年第1期   <h2 style="text-align: justify;">三、关于杭州联合银行风险经理管理机制的探索实践及启示</h2> <h4 style="text-align: justify;">（一）运行模式与初步成效</h4>       1、风险经理委派制       第一，明确了杭州联合银行试点推行风险经理制的执行初衷，是“为了加强杭州联合银行辖属各支行的信贷风险管理，完善内控监督机制，提高信贷资产质量，促进本行的稳健经营和规范发展”。第二，明确了风险经理由总行派驻到辖内各支行（总行营业部），对支行各项信贷业务进行专业化的风险识别、分析、评估、控制和管理。第三，确定了风险经理的职能定位。第四，明确了风险经理的岗位考评的基本方法。第五，明确建立了教育培训机制。       2、风险经理分片集中制       根据杭州联合银行设计并推行的风险经理分片集中的基本框架，将各支行按地理位置分成 5 个片，各片区（或委派支行）均确定一位管理能力、业务水平及责任较强的风险经理作为分片负责人，承担对相应的分片风险经理进行日常考勤及工作纪律的监督等管理工作。       3、风险经理分类集中制       将全行风险经理（不包含委派异地支行的风险经理）分设为主审人员（审查岗）和风险经理（检查岗），主审人员履行信贷审查职责，由总行授信评审部负责管理；风险经理履行信贷检查职责，由总行风险管理部负责管理。人员到位后，由目前的分片委派模式调整为集中办公模式，节约了信贷管理成本、降低了岗位职能交叉重合程度、有利于提高风险经理专业化程度和人力资源管理效能。       4、初步成效       一是全行风险管理理念不断深化。二是风险管理“桥梁作用”得到了发挥。三是风险防控能力有效加强。 <h4 style="text-align: justify;">（二）实践中的难题</h4>       第一，风险经理的设置不能完全到位。第二，风险经理所涉及的风险管理领域过于狭窄。第三，风险经理缺乏约束权力。第四，风险经理与客户经理之间的关系没有理顺。第五，风险经理的素质参差不齐，进入退出及专业培训机制仍待持续完善。第六，对风险经理管理模式的认识不一致。 <h4 style="text-align: justify;">（三）应对策略</h4>       1、必须牢牢把握风险经理管理模式的核心要义。       一是风险经理管理模式的选择必须符合行情。二是应培育良好的风险管理文化，为风险经理制的运作创造良好的外部环境。三是应协调好客户经理与风险经理之间的关系，实现商业银行业务发展与风险管理并重的目标。四是必须重视对风险经理的培养，尽快建立一套科学有效的风险经理认证体系。五是通过建立风险经理问责制，提高风险经理的责任心。       2、对风险经理的要求。       一是要独立审查，提出自己的意见。二是必须把工作重心放在事前决策和事中控制方面，并重视现场调查和检查的重要性。三是有必要加强对于客户经理日常行为的监控，有效遏制操作风险。四是要加强学习，提高自身素质。五是要加强与支行沟通。六是要实现信息共享，及时反馈。七是要勇于承担责任。八是要有奉献精神。       3、对支行的要求       首先，要充分配合风险经理的工作。其次，要充分沟通。最后，要加强信息反馈。       4、对职能部门的要求       第一，要加强对风险经理的培训和指导。第二，要做好协调工作。第三，要定期召开座谈会。第四，要及时总结出可复制的风险经理管理模式。       来源：《风险管理》2013年第1期   <h2 style="text-align: justify;">四、关于双循环下小微企业的风险防范</h2> <h4 style="text-align: justify;">（一）“双循环”格局下小微企业面临的风险</h4>       1、订单减少的风险；2、企业转型风险；3、技术提升风险；4、产品研发风险；5、人员结构调整风险；6、市场开发风险；7、产品定价风险。 <h4 style="text-align: justify;">（二）“双循环”格局下小微企业何去何从</h4>       如果我们放弃了小微企业，那么这些企业可能就会造成资金短缺，也会影响我们银行的信贷资产质量。如果小微企业继续转型经营的话，那么这样就存在着一个很大的风险，也就是要增加投入。在转移过程当中我们前面讲的几大风险必须要考虑好，如果这些风险没有考虑，就去转型的话，可能就会产生更大的风险。在这个过程当中，小微企业困难机遇是存在的，只有抓住其适应双循环的新格局，才能扭转困局、涅槃发展。 <h4 style="text-align: justify;">（三）如何帮助小微企业在“双循环”格局下成功破局</h4>       我们义乌农商银行作为地方性的金融机构，我们农商银行有着层级少、灵活性强、决策链条短、响应速度快的优势，与小微企业有天然的相容性，是支持小微企业的主力军。所以我们义乌农商也始终坚持“支农支小”的战略定位，始终保持“做业务最实、与民企最亲、离百姓最近”的经营理念。在“双循环”格局下，从5个方面出发，全力助推小微企业成功破局。1.发展普惠金融，培育小微经济消费市场。2、打通内循环供应链，激发小微企业活力。3、落实惠企政策，畅通小微企业融资“血脉”。4、加大金融支持，助力小微企业转型升级。5、加强员工培训，提高小微企业员工素质。       来源：2020（第十六届）中国金融风险经理年度总论坛NO.9：供应链金融和小微企业金融——陈文学《双循环下小微企业的风险防范》   ', 'elegant' => array(array('src' => '/files/expert/expert_1611736015.png'), array('src' => '/files/expert/expert_1612952927.jpg'), array('src' => '/files/expert/expert_1612952939.jpg'), array('src' => '/files/expert/expert_1612952952.jpg'), array('src' => '/files/expert/expert_1612952973.jpg'), array('src' => '/files/expert/expert_1612952981.jpg')), 'userId' => '219', 'status' => 'published', 'createdTime' => '1604566784', 'updatedTime' => '1636515441', 'body' => '      陈文学，杭州联合银行正行级调研员，前义乌农商银行党委书记、董事长，高级经济师，金华银保监行业协会副会长，义乌市金融学会副会长。从事农村金融工作33年，曾任杭州联合银行风险合规部总经理、董事副行长，浙江省农信联社业务处副处长等职务。主持开发杭州联合银行贷款利率定价系统、个人风险评价系统和小企业风险评价系统、浙江省农信联社小额贷款卡和新信贷管理系统，主持设计浙江省农信系统信贷合同文本和相关文本；参与团中央和中国银行业监督管理委员会组织编写的《青年创业贷款手册》，并被团中央和中国银行业监督管理委员会聘任为青年创业服务团成员；被浙商总会金融服务委员会聘任为浙商总会金融服务委员会金融顾问。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '116', 'name' => '陈宏峻', 'thumb' => 'public://expert/2021/01-03/213837d2879d876682.png', 'originalThumb' => 'public://article/2021/01-03/213837d57051469329.png', 'description' => '长亮科技海外事业部总裁', 'about' => '现任长亮科技海外事业部总裁，有将近30年的从业经验，曾就职于澳大利亚Department of Treasury & Finance，负责债券发行相关的利率风险管理工作；之后负责美国科技公司SunGard大中华区的业务，曾经在澳大利亚，日本，韩国，新加坡，马来西亚，中国(包括香港，台湾，澳门)等多个国家及地区实施过银行的资金和风险管理项目。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">论文</div> <div style="height: 12px; float: left;"> </div> 2018，流动性风险管理中国商业银行如何“交作业”，《资本市场》第8期。 ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、利率市场化下商业银行的大司库管理</h2>       如果将银行的运营比作驾驶一辆汽车，那么资产负债管理相当于汽车的导航系统，外部定价、FTP和经济资本管理则相当于方向盘，成本分摊相当于后视镜。在高速行驶时，驾驶员可能无暇注意后视镜，但要注意导航系统，同时握好方向盘，并根据导航信息进行适时调整。       在中国，利率管制的时代即将结束。2014年3月两会期间，周小川行长透露存款利率的开放已在计划之中。这表明利率市场化即将到来。本文着重分析了利率市场化对国内商业银行可能产生的冲击，并简要分析了如何建立大司库体系以应对利率市场化，同时简析了大司库体系的功能和作用。 <h4 style="text-align: justify;">（一）利率市场化的冲击</h4>       2014年3月两会期间，周小川行长透露存款利率的开放已在计划之中，很可能近一两年就能实现。利率市场化呼之欲出。这将对我国长期以来依靠国家规定的存贷利差获取稳定盈利的广大银行类金融机构带来巨大的冲击和挑战。从国外利率市场化的实践中，我们可以清楚地感受到利率市场化对金融机构的冲击。       （一）国际经验。 根据国际经验，在推行利率市场化后的3-5年，利差将收窄50-100个基点。（二）中国实际发展情况。业内人士认为，当前我国存款利率全面放开的节奏正在变缓。其原因有三：一是相当数量的银行不具备在利率市场化条件下的定价能力；二是由于相关金融产品的缺乏与不足，我国金融市场上的利率标杆没有完全形成；三是国家有关于利率市场化的相关配套政策不完善。（三）利率市场化对中国银行业的挑战。利率市场化对商业银行带来的冲击将主要表现在两个方面：一是对银行盈利能力的挑战，实质上就是对净利差的管理能力的挑战；二是对银行风险管理能力的挑战，即对利率风险、流动性风险、信用风险和操作风险的管理方面的挑战。 <h4 style="text-align: justify;">（二）利率市场化下的大司库建设</h4>       司库的职能大致可分为5类，一是内部定价（或资金转移定价，FTP），二是外部定价（或客户关系定价，RPM），三是流动性风险管理，四是资产负债管理（ALM），五是经济资本管理（EC）。资金转移定价（FTP）是上述五项职能的基石，其将利差切为存款利差、贷款利差和由期限错配导致的核心利差，其中核心利差导致的利率风险和流动性风险集中于总行司库部门管理。       （一）资金转移定价（FTP）可以与银行各部门绩效考核挂钩。（二）流动性风险管理。一个完整的流动性风险管理应该包括流动性、流动性风险以及结构化管理这三个层次。（三）资产负债管理。商业银行资产负债管理是指银行以有限的资金，在兼顾安全性、流动性、获利性及分散性的情况下，进行最适当的资产与负债的分配。资产负债管理可以从公允价值波动和收益波动两个角度进行分析。（四）外部定价管理。外部定价或称客户关系定价，就是商业银行确定其对外公布的存贷款利率。（五）经济资本（EC）管理。 <h4 style="text-align: justify;">（三）大司库管理路线图</h4>       银行司库体系应首先做好资金转移定价（FTP），之后是外部定价、资产负债管理、经济资本管理，最后是成本分摊。最终，做到以RAROC分析替代ROE分析，以对未来损失的最佳预测替代历史追溯性的拨备，采用对风险敏感的经济资本替代传统资本。       来源：《风险管理》杂志2014年第4期   <h2 style="text-align: justify;">二、后疫情时代金融科技在东南亚银行落地及实践</h2>       长亮科技是国内最大的银行核心系统的提供商，我们用了大概三年半的时间在东南亚帮助了15家银行做数字化转型，所以我分享的主题就是后疫情时代金融科技在东南亚银行的一些实践和落地的经验。 <h4 style="text-align: justify;">（一）数字经济的影响</h4>       从中国十多年数字化转型历程来看，17年以前中国的一场非典可能在一定意义上加速了中国的数字化转型历程，经历了从电商到第三方支付，再到第一批私人银行的历程。因此，对比当前海外较为严重的疫情，人们也在想在后疫情时代，这场新冠病毒是否会加速全球的数字化转型。       最近马云在外滩论坛的演讲备受关注。对于Fintech，我个人的观点是两者最终应该是一个合作的关系，而不是银行变成技术公司或技术公司变成银行来相互竞争。术业有专攻，银行自身有几百年来自己的一些独有技能和经验，银行最核心的竞争优势在于管理风险，在于GRC——Governance，Risk Management和Compliance，马云炮轰的这些东西正好是银行的一些强项，但是这些互联网公司也有很多银行没有的东西，例如技术、数据、潜在客户信息等。金融机构和互联网公司最终应达成一种合作，互相利用对方所长之处来共同服务于实体经济，服务于得不到传统银行服务的弱势群体，实现普惠金融。 <h4 style="text-align: justify;">（二）Bank4.0</h4>       中小企业融资难融资贵的问题在东南亚尤为明显。例如马来西亚有三大民族：马来人、印度人和华人，语言、宗教、文化各不相同，就会形成许多信息孤岛，使得银行的服务更加难以触及弱势群体。根据马来西亚的统计，整个家庭月平均收入在2000马币以下的低收入人群达到了整个马来西亚的40%，因此贫困问题在东南亚国家是十分严重的。       Brett King的《Bank4.0》提出了一个观点叫做“Banking Everywhere, Never at a Bank”，即“没有银行，但却无处不在”。银行经历了从1.0到4.0的发展历程：Bank1.0时代是离不开的物理网点，这时地点和时间都受网点的限制；Bank2.0时代则产生了ATM，时间上没有了限制，但地点依然有限制；Bank3.0时代则是网银，随时随地可获得银行服务；到了Bank4.0时代，则是嵌入生活的智能银行服务，但这并不是简单地从网银变成手机银行，而是银行通过合作获取合作伙伴的渠道，把银行的服务嵌入到劳苦大众的日常生活当中。 <h4 style="text-align: justify;">（三）在东南亚银行的实践</h4>       马来西亚第一大银行叫MAYBANK，第二大银行是CIMB银行，在整个东南亚的影响力非常大，是整个东南亚较早做数字化银行的一家传统银行，也是我三年以前带着长亮出海做的第一个客户。       菲律宾是农村包围城市的数字化转型第二站，当时在菲律宾根本没有网点，也没有数字化银行的概念，只是在2017年时获得了银行牌照。菲律宾央行规定一年之内必须开业，所以我们大概花了八、九个月时间把它从从无到有建立起来。它类似于微众银行没有网点，一个总行下面有两台ATM机器。整个东南亚有很多“现金文化”，因此我们解决的第一个问题就是如何处理现金。我们将它连接了大概25,000多个其他银行的ATM机器，只要这些ATM上面有Visa的logo就可以免费取现，然后利用eKYC就可以开户，解决了客户问题。针对存现，我们打通了大概有8000多个711店，人们就可以通过这些711来存现。针对获客问题，菲律宾电信运营商Globe下有一个十分受欢迎的手机钱包GCash，大概有几百万活跃客户，我们就把智能存款的产品直接嵌到了GCash中，这些活跃用户只要点两三下就可以变成CIMB的客户，很快就在短短半年之内获得了50万的用户，一年半的时间大概已经到了250万用户。       很多银行虽然对国内这十几年的数字化转型很感兴趣，但是又不敢更换传统的核心系统。套一层所谓的数字化渠道，主要以手机银行为主这种方式往往不可行，但是完全替换核心又有很高的风险，因此我们就提出了一个建立双核的概念。双核概念就是传统核心不变，在传统核心旁边再建一个数字化核心，把数字化渠道这些外层嵌入到大众的日常生活中，但是这一套独立的系统要和原来的旧核心进行对话，包括总账、客户信息、监管报送等。这样做的目的是先用很快的速度建立一套新的东西，从而用数字化核心去吸引劳苦大众等从前接触不到的客户。第二阶段就是想办法吸引旧核心中的零售客户等现有客户，特别是小微客户，让他们慢慢在新核心中开账户，进行转移。       来源：2020（第十六届）中国金融风险经理年度总论坛系列5：金融科技创新和展望——陈宏峻《后疫情时代金融科技在东南亚银行落地及实践》 <audio controls="controls" style="display: none;"> </audio> ', 'elegant' => array(array('src' => '/files/expert/expert_1609681402.png')), 'userId' => '217', 'status' => 'published', 'createdTime' => '1604566309', 'updatedTime' => '1623119639', 'body' => '      陈宏峻，现任长亮科技海外事业部总裁。陈宏峻有将近30年的从业经验，曾就职于澳大利亚Department of Treasury & Finance，负责债券发行相关的利率风险管理工作；之后负责美国科技公司SunGard大中华区的业务，曾经在澳大利亚，日本，韩国，新加坡，马来西亚，中国(包括香港，台湾，澳门)等多个国家及地区实施过银行的资金和风险管理项目。陈宏峻也曾在澳大利亚大学任教金融课程，现在兼任美国国际职业风险经理人(PRMIA)董事。 <audio controls="controls" style="display: none;"> </audio> ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '281', 'name' => '胡殿明', 'thumb' => 'public://expert/2021/11-09/114217977eb8010228.jpg', 'originalThumb' => 'public://article/2021/11-09/1142179ac8cd439165.jpg', 'description' => '感易智能创始人、CEO', 'about' => '感易智能创始人、CEO。中科大硕士。曾任异构智能技术总监、百度智能数据中心首任架构师，在数据智能方向拥有超过10年的研发及落地实践经验。', 'sticky' => null, 'weight' => '0', 'achievement' => '   ', 'attachachieve' => '   ', 'viewpoint' => '   ', 'elegant' => array(), 'userId' => '1192', 'status' => 'unpublish', 'createdTime' => '1636429365', 'updatedTime' => '1636598713', 'body' => '       感易智能创始人、CEO。中科大硕士。曾任异构智能技术总监、百度智能数据中心首任架构师，在数据智能方向拥有超过10年的研发及落地实践经验。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '136', 'name' => '蒋剑平', 'thumb' => 'public://expert/2020/11-06/15444198efe0609361.jpg', 'originalThumb' => 'public://article/2020/11-06/1544419b7dc5215792.jpg', 'description' => '中国农业银行总行普惠金融事业部处长', 'about' => '中国农业银行总行普惠金融事业部处长。高级经济师，风险管理师，中国人民大学经济学硕士。曾任职于中国农业银行总行研究室、产品研发部、温哥华代表处。在相关刊物发表战略规划、普惠金融、风险管理、国际业务等领域论文二十余篇。', 'sticky' => null, 'weight' => '0', 'achievement' => '   ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、对区块链的分析</h2>       蒋剑平先生在文章《区块链在小微企业金融服务中的创新及应用》（2020）中指出，随着区块链出现公有链、联盟链和私有链的区分，我国对区块链的态度从对公有链的观望、怀疑和否定，转向对联盟链的肯定、规范、倡导和参与，区块链技术在我国进入了以联盟链为主的大规模应用和产业化发展时代。开展区块链创新需要重视的四个问题：       （一）探索建设BaaS平台。随着一个机构内部区块链应用项目越来越多，往往会出现缺乏资源共享、难以内部协同、研发效率低以及运维成本高等问题。针对这些问题，目前领先金融机构都在积极推进区块链服务平台（BaaS）建设。作为底层技术平台，BaaS平台能够提供权限控制、联盟管理、灵活部署、可视化监控运维、应用研发组件支持、全流程场景搭建等一站式在线服务，实现业务快速上链，同时也是金融机构区块链技术输出的基础。为此，随着区块链应用项目从零探索向大规模布局发展，商业银行应该成立专门团队，联合外部区块链专业技术提供商，研究建设BaaS平台，为本行各领域广泛推进区块链应用项目提供技术平台基础。       （二）积极寻找联盟伙伴。与外部多方合作共建联盟链，是商业银行小微企业信贷区块链创新的主要方式。与公有链的去中心化不同，联盟链是相对中心化架构，要实现联盟链落地，首要的是找到合作伙伴，并与联盟各方达成合作共识，确定中心节点，签订合作协议，实现共同设计、共同建设、共同应用。为此，要抓住大的应用场景，积极与相关方进行沟通，推动业务、技术、数据等合作，构建以场景应用为中心的商业联盟。       （三）综合运用各项金融科技。区块链与5G、物联网、云计算、大数据、人工智能技术在金融科技应用上紧密相关，存在显著的因果关系。5G解决大容量数据实时传输问题，是物联网、区块链、大数据等技术应用的基础；物联网实现源头数据的大量生成和采集，解决数据来源可信问题；区块链实现物联网产生的大数据的分布式存储，解决了数据存储可信问题；云计算和大数据实现存储数据的加工和处理；人工智能显著提高了数据分析挖掘能力。因此，要发挥区块链技术的巨大作用，必须对各项金融科技进行总体布局、全面探索、综合运用。       （四）高度重视安全合规问题。作为一项新兴科技，既要鼓励创新，不断突破，也要在发展过程中注重制度、标准、法规层面的建设，加强安全性、合规性管理，确保长期健康发展。 <h2 style="text-align: justify;">二、对大型商业银行普惠金融数字化转型的分析</h2>       在文章《大型商业银行普惠金融数字化转型中的问题与思考》（2019）中，他认为数字化转型是实现商业可持续的必由之路。传统小微企业信贷业务模式存在银企信息不对称、经营成本高、缺乏有效抵押担保、操作效率低等问题，不具有可持续性。数字化转型可以有效解决上述问题，其带来的变化主要有以下三个方面：       （一）金融科技带来了全新业务发展模式。一是有利于扩展客户范围，银行传统上按照“二八定律”，主要服务于20%的高价值头部客户，但是金融科技使商业银行可以覆盖“长尾客户”，更好地开展普惠金融业务。二是有利于推进精准服务，运用大数据、云计算、人工智能技术，商业银行能够对客户进行精准画像，实现第三方引流，提供一站式服务，开展客户全资产管理。三是有利于加强风险控制，商业银行近年来借助金融科技，创新大数据风控模式，建立自动化预警系统，显著提升了小微业务风险管理水平。       （二）大数据改变了银企信息不对称状况。当前，数据信息几何级数增长，工商、税务、房产、水、电、气、司法、海关、供应链等各方面数据越来越多，越来越全。各个公共信息平台对接互联显著加速，与小微企业信用评价相关的各类信息交互、共享和整合明显加强。同时，各数据产生机构和大量第三方金融科技公司对各类数据进行清洗、加工和整理，数据质量不断提高，数据可用性不断增强。上述背景下，商业银行能够摆脱对财务报表的过度依赖，更多依靠“三品三表一流水”等多维度信息对企业进行全面把握、综合判断。       （三）国家信用体系建设显著改变了企业行为。中国已将国家信用体系建设上升为国家战略，在互联网、大数据技术支撑下，推进速度很快，成效非常显著。国家发改委牵头建设的信用中国已经有超过350亿条企业和个人信用信息，对失信行为的多部委联合惩戒机制已初步建立，今后失信企业将寸步难行。社会信用体系的建设显著地规范了企业行为，降低了企业的违约意愿，为商业银行小微金融业务健康发展提供了良好的外部条件。 <h2 style="text-align: justify;">三、对小微金融服务的分析</h2>       在文章《商业银行深化新时代小微金融服务的思考》（2018）中，他认为加强小微金融服务是经济新形势下商业银行的主动选择。一方面，金融脱媒持续推进，利率市场化进程加快，对商业银行依赖于大企业的经营模式带来严峻挑战。另一方面，在互联网和高科技发展推动下，市场资源配置方式在很多领域正在发生颠覆性改变，大众创业、万众创新，新兴市场领域和市场主体不断出现，小微企业客户群体不断壮大，有技术、有产品、有市场、管理好的小微企业日益增多。技术进步改变了商业银行小微金融服务的约束条件。随着信息技术的进步和互联网经济的发展，传统小微金融服务成本高、风险大、银企信息不对称等问题得到极大缓解。一是社会信用体系建设取得实质性进展。人民银行征信系统、全国信用信息共享平台、金融信用信息基础数据库的开发和建设，工商、税务、海关等方面数据的完善和共享，小微企业信用管理的联合激励和惩戒机制的建立和推广，都极大改善了小微金融生态环境。二是企业本身信息越来越丰富。商业银行不再单纯依赖财务报表，而是运用大数据技术综合分析财务数据、工商税务数据、上下游往来数据、水电使用数据、平台交易数据、银行结算数据、企业主个人相关数据，对小微企业进行精准“画像”，从源头控制风险。三是现代金融科技带来了银行自身业务模式和管理方式的变化。商业银行全行集中、全国联网的 IT系统极大地促进了数据的内部高效流动和外部互联互通，扩大了银行管理半径，提高了运作效率，降低了运营成本。互联网、大数据、云计算等信息技术也使商业银行创新成本节约、风险可控、效益良好的小微信贷业务模式成为可能。   来源：       [1]2020，区块链在小微企业金融服务中的创新及应用，《中国银行业》（2020年05期）       [2]2019，大型商业银行普惠金融数字化转型中的问题与思考，《中国银行业》（2019年10期）       [3]2018，商业银行深化新时代小微金融服务的思考，《农业金融研究》（2018年07期）   ', 'elegant' => array(array('src' => '/files/expert/expert_1609748492.png'), array('src' => '/files/expert/expert_1609748504.png')), 'userId' => '237', 'status' => 'unpublish', 'createdTime' => '1604648719', 'updatedTime' => '1623120221', 'body' => '      蒋剑平，中国农业银行总行普惠金融事业部处长。高级经济师，风险管理师，中国人民大学经济学硕士。曾任职于中国农业银行总行研究室、产品研发部、温哥华代表处。在相关刊物发表战略规划、普惠金融、风险管理、国际业务等领域论文二十余篇。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '300', 'name' => '江峰', 'thumb' => 'public://expert/2022/03-09/182306a4d77c469874.jpg', 'originalThumb' => 'public://article/2022/03-09/182306a76ca7446881.jpg', 'description' => '中电金信助理副总裁', 'about' => '中电金信助理副总裁，曾任职头部金融科技公司、四大咨询机构、商业银行和上市金融IT公司。对金融科技作为金融机构数字化转型中的技术支撑有深刻理解，曾主导过多家银行信贷风险全流程管理的解决方案输出及实施，在信贷风险IT建设领域拥有超过17年的研发及落地实践经验。', 'sticky' => null, 'weight' => '0', 'achievement' => '   ', 'attachachieve' => '   ', 'viewpoint' => '   ', 'elegant' => array(), 'userId' => '5689', 'status' => 'unpublish', 'createdTime' => '1646821389', 'updatedTime' => '1646821389', 'body' => '       中电金信助理副总裁，曾任职头部金融科技公司、四大咨询机构、商业银行和上市金融IT公司。对金融科技作为金融机构数字化转型中的技术支撑有深刻理解，曾主导过多家银行信贷风险全流程管理的解决方案输出及实施，在信贷风险IT建设领域拥有超过17年的研发及落地实践经验。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '196', 'name' => '徐天石', 'thumb' => 'public://expert/2020/11-11/153557de9466922301.jpg', 'originalThumb' => 'public://article/2020/11-11/153558e595c2942046.jpg', 'description' => '德勤咨询银行领域的合伙人', 'about' => '德勤咨询银行领域合伙人，前波士顿咨询公司全球合伙人兼董事，金融机构战略转型负责人。徐先生在风险管理方面有二十多年的经验，曾任麦肯锡咨询公司全球副董事合伙人、毕马威咨询公司合伙人、埃森哲咨询董事总经理及高级行政官、标准普尔风险咨询大中国区总裁。', 'sticky' => null, 'weight' => '0', 'achievement' => '      ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、风险治理视角下的金控集团全面风险管理</h2>        英美典型的大型的金控集团，或者是银行控股的金融公司，在全球有区域管理中心，区域中心下面有分支机构，这是一种典型的矩阵制管理结构。通过对国内外控股集团风险管理模式的分析，可以得出控股公司的风险管控职能定位主要在风险的并表管理、对成员单位的风险监控与支持服务、以及集团自身的风险管理。 <h4 style="text-align: justify;">（一）国际视角下的金控集团风险管理</h4>        现在全球主流的管控模式基本上是母公司管理附属子公司的管控模式：不是100%把握每一笔交易，每一个指令，每一笔风险，而是基于战略监控性来进行把控。战略监控性控制的难点跟重点，就是如何去考核战略性子公司。其中一个就是风险偏好是否符合集团整体风险偏好，是否符合集团整体的一个战略取向。 <h4 style="text-align: justify;">（二）治理框架体系</h4>        治理框架结构的顶层是风险战略的设计。制定战略的时候，风险尽量要考虑进来。风险跟战略是不可分离的。战略制定中风险是可以带来价值的——既有做好战略风险的一个防范，又能把风险体现在战略里面。实质上风险偏好是指导业务怎么去做。第二层则涉及到相关治理体系——包括三道防线的设置，包括董事的一些制度性安排。第三层叫做工具系统。实际上工具系统中包含一个很重要的东西——也就是跨行的统一的风险视图，本质上是金融企业的一个仪表盘，展现全面风险的这些风险的一些敞口，包括风险管理的薄弱环节。 <h4 style="text-align: justify;">（三）风险文化培养的方式</h4>        那么如何迅速改善一家银行或者一家金控集团的风险文化，使其以风险为主来加强风险管理与控制，董事会可以采取12项全面风险管理举措，将全面风险管理提升至最高标准。第一个途径是高管自身要带头问责，做好问风险问责。第二个是梳理风险热图，现在大家很担心的一点就是董事会在风险管理上不专业。第三个是确定大赌注在哪里。第四个是综合情境的分析，综合情绪分析，不单单是依靠一条线或者两条线的业务线单纯的跟母公司汇报。第五个是建立风险评估流程。第六个是实时指标的检测体系。第七个是引领战略的一个宣贯。第八个是将风险融入业务。第九个是明确治理架构。第十个是母公司需要保持与高管层的合作。第十一个是营造并检视风险文化，监督管理层对组织的风险文化进行诊断，并制定改进的方法。第十二个是优化高管的薪酬结构。 <h4 style="text-align: justify;">（四）当下集团风险管控的内容</h4>        通过对国内外控股集团风险管理模式的分析，可以得出控股公司的风险管控职能定位主要在风险的并表管理、对成员单位的风险监控与支持服务、以及集团自身的风险管理。风险并表管理，包括风险战略与偏好管理、风险识别与评估管理、专项风险整合分析、资本计量与分配、限额管理、风险报告、风险应急预案。        来源：《风险杂志》2019年第4期   <h2 style="text-align: justify;">二、风险、合规与内控</h2> <h4 style="text-align: justify;">（一）前瞻性的合规内控监管文件</h4>        在2004年，银监会就发布了《商业银行内部控制评价试行办法》，要求规范和加强对商业银行内部控制的评价，督促银行进一步建立内部控制体系。2006年，银监会又出台了《商业银行合规风险管理指引》，提出商业银行应当建设强有力的合规文化、有效的合规风险管理体系以及有利于合规风险管理的三项基本制度。虽然银监会、中国人民银行、国资委等部委多次出台文件规范商业银行合规和内控体系建设，但是近年来银行的合规问题依旧层出不穷。 <h4 style="text-align: justify;">（二）金融机构的合规管理</h4>        金融机构应当以符合其规模、复杂性、结构和运营的方式制定“合规义务”文件，而其中的合规义务信息应当包括合规要求、可以包括合规承诺。合规风险是因为金融机构违反法律、监管要求、行业协会要求及行为准则等造成的风险，其是基于信用风险、市场风险、操作风险三大风险之上的更基本的风险。同时，合规风险也常与声誉风险相关联。商业银行进行合规管理的主要目标是促进银行实现发展战略、保证经营管理合法合规、保证银行资产安全可靠。很多银行在其风险偏好中明确表示，对合规风险零容忍。为了实现有效的合规管理，商业银行等机构应当建立起完备的合规体系和合规人才队伍。合规本身是一门科学，其管理可分为识别、管控、监测、补救、报告等环节。 <h4 style="text-align: justify;">（三）金融机构的内控管理</h4>        商业银行内控管理主要包含五个要素：一是环境要素。二是信息沟通机制因素。三是控制活动要素。四是风险要素。五是监督要素。 <h4 style="text-align: justify;">（四）合规与内控的关系</h4>        合规和内控都是银行风险管理的主要措施，都具有动态性、全面性的特征。合规与内控涵义相通、目标相近、过程关联、方法趋同，共同促进银行的可持续发展。内部控制与合规管理虽然涵义相通，但也存在一定的不同点。内控工作以满足企业内在经营需要而开展，由企业内部发起并制定，更关注企业的日常经营以及各部门与经营相关的内部内容。合规工作则是以企业经营行为不违法违规为目的，更为关注企业与外部发生联系的行为。 <h4 style="text-align: justify;">（五）操作风险与合规、内控的关系</h4>        操作风险与内部控制有着内在联系，控制操作风险有利于内部控制实现经营管理目标、财务报告目标与遵循目标。而内部控制能够更好地对应对操作风险内生性、人为性的特征，且内部控制是银行管理操作风险的基础。但是二者又在重点、对象、目标上有不同的关注点。操作风险强调“区别”管理，重点在于针对内外部事件区分出可承担的风险、可转移的风险，进而采取不同的管理手段，其目标相对单一。内部控制则强调控制机制建设，要求针对内部组织架构中的各个部分建立内部控制政策和程序。 <h4 style="text-align: justify;">（六）风险管理体系的建设</h4>        金融机构应当建立完善的公司治理、风险管理及合规审查体系，以此来提升公司风险控制职能的效率和有效性。在体系中，董事会及执行管理委员会负责设定整体政策与风险基调。而根据企业风险政策和态度，管理层来设定各种风险控制功能的职责、管理组织风险性的共同目标、风险结构等。进而，各职能部门基于共用的流程、技术和知识，履行各种风险和控制功能的职责，努力管理好目标组织的风险。        来源：2020TGES系列论坛-03：内控合规、造作风险管理和全面风险管理——徐天石《风险、合规与内控》 ', 'elegant' => array(), 'userId' => '297', 'status' => 'published', 'createdTime' => '1605080230', 'updatedTime' => '1636595524', 'body' => '      德勤咨询银行领域合伙人，前波士顿咨询公司全球合伙人兼董事，金融机构战略转型负责人。徐先生在风险管理方面有二十多年的经验，曾任麦肯锡咨询公司全球副董事合伙人、毕马威咨询公司合伙人、埃森哲咨询董事总经理及高级行政官、标准普尔风险咨询大中国区总裁，点融网的首席风险官。拥有美国伊利诺伊大学香槟分校金融学硕士学位，是北京师范大学统计学院兼职硕士生导师。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '137', 'name' => '蒋亚萍', 'thumb' => 'public://expert/2020/11-06/154550eaa5ef488796.png', 'originalThumb' => 'public://article/2020/11-06/154550ed2f48485602.png', 'description' => '毕马威独立顾问，iModX首席风险官首席风险官', 'about' => '现任毕马威独立顾问，iModX首席风险官。蒋女士先后在加拿大几大银行工作二十多年，在风险管理，量化模型，巴塞尔协议的合规评估及内部审计等领域有丰富的知识和经验。蒋女士是特许金融风险管理师，拥有数学博士学位，是中国科学院数学所博士后。', 'sticky' => null, 'weight' => '0', 'achievement' => '   ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、压力测试的背景和定义</h2>       压力测试是一项关键的风险管理工具，涉及重大风险的识别度量、风险缓释对冲策略的确定，以及压力状况下银行资本充足性、生存能力、韧性的评估。       关于压力测试的方法，除自上而下与自下而上以外，还有一种逆向工程法（反向压力测试），该方法预先设定严重到足以挑战银行生存能力的压力结果，然后反推确定可能导致此结果的压力时间和场景。       从压力测试的发展情况来看，可以将其分为四大类。第一层是针对某一特定部门和投资组合的小范围敏感性分析。第二层涵盖多部门/多组合的大范围敏感性分析。第三、四层从场景分析出发，第三层主要针对某一特定组合或单一风险因子，而第四层则是涵盖多部门、多投资组合甚至整个银行的场景分析，是真正的全面压力测试。 <h2 style="text-align: justify;"> </h2> <h2 style="text-align: justify;">二、压力测试的关键监管法规和方法</h2>       最早的监管法规是巴塞尔委员会2009年出台的压力测试原则，它于2018年进行了更新。然后是为众人所熟悉的美联储要求的CCAR，除此以外，美联储还有另一项名为DFST的压力测试方法，不同于CCAR的对象是资产在500亿美元以上的大银行，该方法主要针对资产在100亿到500亿美元之间的中小型银行。       加拿大也有类似的监管法规，全称叫OSFI E-18 Guideline，其中规定了全面压力测试的相关要求。除此以外，欧盟、国际货币基金组织也都有对应的压力测试法规。   <h2 style="text-align: justify;">三、压力测试的含义</h2>       压力测试与一般的风险管理有所区别，它旨在深入分析在可能发生的极端情况下隐含的风险因子，以及它们与产品和资产组合损失（如贷款损失和客户行为）的关系。       压力测试并不预测普遍或期望条件下的损失，它更关注尾部损失，关心极端情况出现以后，会有什么样的灾难出现、最大的损失会有多大。   <h2 style="text-align: justify;">四、压力测试的风险量化模型</h2>       通常在做风险分析，包括市场风险、信用风险以及操作风险的分析时，可以参考以下图1的实线区域，通过使用一些数据，绘制出损失分布图，分布图中要计算预期损失（相对年均值预期损失）和目标置信度下的损失值。该目标置信度的选择取决于银行自己的违约度，一般为99.9%，也可以是99.95%、99.97%等。当放入压力测试的场景后，由于损失增大、尾部拉长，整个损失分布图会向右移动（红色虚线部分）。此外，压力测试的风险量化模型还涉及压力测试下的预期损失、非预期损失（目标置信度下的损失和预期损失的差）等。值得注意的是，市场风险一般不考虑均值，由于其被普遍默认为是0；而信用风险和操作风险要考虑均值，所以它的非预期损失需要扣除预期损失均值。 <img alt="" height="306" src="/files/default/2021/02-20/1133106803dd035337.png" width="524" /> 图1 压力测试前后的损失分布图 <h2 style="text-align: justify;"> </h2> <h2 style="text-align: justify;">五、ERM和EWST的演变过程</h2>       全面压力测试（Enterprise-Wide Stress Testing，EWST，又称整体压力测试或企业全面压力测试），应看作是全面风险管理的一个部分。全面风险管理的功能始终在逐步发展和完善，从最开始的监控、合规目的，渐渐演变成价值保护、降低风险损失，最后发展到如今风险管理的目的是创造价值。全面风险管理的演变是随着市场变化及监管法规的完善逐步形成的，全面压力测试也同样，它是随着全面风险管理的发展而发展的，并且在金融危机以后变得更为重要。       压力测试开始于根据简单的因子扰动做敏感性分析，到单一部门自己做基于市场风险、信用风险等单个风险的压力测试，逐渐发展成全面的压力测试。 <h2 style="text-align: justify;"> </h2> <h2 style="text-align: justify;">六、EWST面临的几大挑战</h2>       第一，银行或公司需要建立完备的EWST管理框架。第二，要设定有意义且相关的压力场景和实施EWST的整体方法。第三，由于压力测试基于模型，因此需要开发相关的模型，并且能够完成独立模型的检测。第四，要创建健全、灵活、可扩展的技术系统设施，能够接受不断调整的压力场景与新产品，同时还要建立完整统一的数据库。第五，要建立有效的内部操作流程和内部控制程序。第六，要评估压力测试结果的反馈信息（例如宏观和微观），从而能够将这些压力测试的结果有效地应用到资本配置、资本规划、战略制定或各个业务部门中去，使压力测试结果起到实际作用。第七，全面压力测试面临专业人才需求冲突，意指相同的专业人才需求与其他同类部门相冲突。 <h2 style="text-align: justify;"> </h2> <h2 style="text-align: justify;">七、EWST能力成熟度模型和标杆分析</h2>       EWST能力成熟度模型主要用于将自己的压力测试水平与同行相比较，分析两者之间的差距和产生差距的具体地方，并给出比较后的统计结果。该模型有四个成熟度级别，从单一零碎的（Fragmented）到行业领先的（Leading Practices）。这些级别需要用一定鉴别标准进行判断。 <img alt="" height="219" src="/files/default/2021/02-20/1134444c9196747584.png" width="496" /> 表1 未来全面压力测试能力成熟度的目标级别       表1从六个角度出发，分别是监管、场景方法、模型、系统和数据、流程和控制、报告和使用方法，再根据四个不同的成熟度级别，进行标杆分析，然后与同行业或跨行业比较。图中有蓝、红、绿三个点，红点表示同行业的平均状况，蓝点表示自己所处的位置，绿点表示目标水平，通过该图可以看出自己与目标水平之间的差距。银行参与问卷调查，调查中涵盖针对六个角度给出的不同衡量标准，银行回答调查中的相关标准，然后将问卷调查情况进行统计分析、打分，最终得以确定自己所处的位置，以及与目标水平之间的差距。       来源：2020（第十六届）中国金融风险经理年度总论坛（11月） ', 'elegant' => array(), 'userId' => '238', 'status' => 'published', 'createdTime' => '1604648800', 'updatedTime' => '1636524558', 'body' => '      蒋亚萍，现任毕马威独立顾问，iModX首席风险官。蒋女士先后在加拿大几大银行工作二十多年，在风险管理，量化模型，巴塞尔协议的合规评估及内部审计等领域有丰富的知识和经验。蒋女士是特许金融风险管理师，拥有数学博士学位，是中国科学院数学所博士后。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '179', 'name' => '汪晓帆', 'thumb' => 'public://expert/2021/11-10/172711f789ad955211.png', 'originalThumb' => 'public://article/2021/11-10/172712043da8805817.png', 'description' => '中国民生银行供应链金融事业部副总经理', 'about' => '中国民生银行供应链金融事业部副总经理。银行业工作近三十年，历任中国民生银行沈阳分行行长助理、东北区域信贷审查官、华中区域信贷审查官，在商业银行信贷风险管理，产品研发等方面有较深入研究。华南理工大学经济学学士，清华大学EMBA，CPA。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">论文</div> <div style="height: 12px; float: left;"> </div> 2009，<a href="https://www.yunzhan365.com/78149399.html">信贷高增长的“表”与“里”</a>，《银行家》第3期  ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、赊销融资风险管理框架</h2> <h4 style="text-align: justify;">（一）赊销交易类型及特征</h4>       赊销本质上是信用销售，即购买人先获得货物，然后在规定的期限内付款或分期付款。在这一过程中，商品发出后所有权即发生了转移，而卖方也同样获得收款的权利，商品销售完成，双方产生债权债务关系。但也存在特殊的情况，如卖方要求保留商品所有权。通常来说，从交易双方的类型来分，赊销存在核心企业与分销商、分销商与终端客户两种形式，即B to B和B to C。       从赊销的特征来看，卖方赊销赊的是货，取得的是收款权，这本质上是卖方风险与收益的平衡。因为卖方采取赊销的策略可以获得扩大销售的收益，但同时也要承担买方无法及时足额偿付赊销款的风险，故而属于商业策略的风险与收益的平衡。 <h4 style="text-align: justify;">（二）商业机构赊销风险管理</h4>       这里主要可以分为以下五个方面：一是商业机构如何根据所面临的商务环境确定基本政策；二是商业机构如何进行赊销的限额和期限管理；三是商业机构会采取哪些控制手段进行风险管控；四是商业机构在做出赊销行为之后，如何进行信用跟踪；五是商业机构在面临坏账的时候，会如何处理。在这五方面中，商业机构所采取的行为与金融机构相比，既存在相似性，也存在自身的特点。这也是金融机构在进行赊销融资的过程中，所需要考虑的问题。 <h4 style="text-align: justify;">（三）赊销融资风险管理框架</h4>       这里主要包括以下几个关键点：一是根据商业情况，银行应该确定怎样的融资方式；二是这些融资方式里面会存在哪些基本的风控理念；三是为了实现这些风控理念，应该有哪些关键的技术支撑；四是如何通过一套体系来实现风险管理。 <h4 style="text-align: justify;">（四）产融结合 共创共赢</h4>       首先是厂商与银行之间实现优势互补，其次是联防联控，共商对策。银企双方基于各自掌握的经销商情况，监测风险，及时预警及信息互通，并快速反应，双方采取相应的风控措施，化解或共担风险，最大限度地降低预期损失和非预期损失。最后是信用创造价值。银企合作模式下，可新增信用或传递信用给产业链上下游企业，进而提升整个链条交易体量，新增经济附加值。银企商三方均可从增值中获益。       来源：2020TGES系列论坛-07：中小微企业和零售普惠金融与风险管理——汪晓帆《供应链赊销场景融资风险管理框架》   <h2 style="text-align: justify;">二、供应链金融中的风险管理再造</h2> <h4 style="text-align: justify;">（一）背景：环境巨变</h4>       供应链金融的整个风险环境的变化，主要有三个方面：       第一是技术进步。目前供应链业务的发展，都是依托于整个新的信息技术的进步而生存的，大量的采用线上化的作业方式，采用大数据的方式，这里头能够用到的技术就包括了人工智能、区块链、大数据、云计算、物联网、5G等等。       第二个是整个目前产业界的生态有一个重新的塑造的过程，也是利用了这些技术进步的手段。从开发的现状来看，很早期就出现了服务物联网，包括金融机构也是早期的服务互联网的实践行业。       第三个由于互联网的出现，使得银行的服务从属地化的客户变成了跨地域的客户群。那么在客户的需求方面的话，原来我们的客户对银行包括一些金融机构的需求，主要是受财务因素所驱动。到现在的话，已经开始由简单的产品服务变成产品和场景相结合的场景化的服务。 <h4 style="text-align: justify;">（二）理念：创新升级</h4>       第一，因为供应链金融是依托于交易而产生的一种金融行为。交易是不是能够正常的被履行而实现由货币到实物、由实物再到货币的过程？这么一个资产转换是不是能够成功？是整个风险管理的一个根本的基础。那么就需要去考察整个交易行为，这里头就存在着行为理论。       第二，供应链金融是依托于具体交易而产生的金融性，那么就会存在着这个叫资产转换的风险，就是指货币转成实物再转成货币的过程当中，它的转换成功率是一个什么情况？那么在这个过程当中就会产生商流、物流、资金流和信息流这么四个流。那么通过这四个流的管控、侧重，很大程度上他就会比较好的能够去进行风险的测量。       第三，我们传统的运用评级理论来进行的违约概率的估算，它的周期往往是以一年周期为标准，甚至会有更长，因为包括有中长期的这些评级。但是在供应链金融的基础上的话，往往它的期限是很短的，可能会是3个月6个月，也可能会是一个月乃至一周。那么传统的这些基于主体信用评级的这些分析方式，往往会不适应供应链的创新。 <h4 style="text-align: justify;">（三）流程：协同再造</h4>       需要风险管理的流程的再造，包括有金融机构、核心企业和链上客户的。那么对于金融机构来讲，那么它需要把风险管理具体的融入到业务过程当中，包括风险的数据采集、数据的分析、管控的模型、监测的模型以及预警处置等等这些信息，需要跟业务更好的融合在一块才能够真正实现价值。另外还需要去把风险管理流程跟业务流程和企业之间，银行之间，还有包括第三方协同者之间进行端到端的流程再造。       另外就是整个流程的再造过程当中，不仅仅是存在一些信贷的风险，还会涉及到账户的管理、结算的管理、反洗钱的管理这些诸多的风险，通过这个场景化的这些手段能够通过重新的再造整个得以提升。对于供应链上的核心企业也需要进行一些协同化的再造，以适应供应链自身的发展，也适应供应链金融的发展。       来源：2020（第十六届）中国金融风险经理年度总论坛NO.9：供应链金融和小微企业金融——汪晓帆《供应链金融中的风险管理再造》   <h2 style="text-align: justify;">三、合作共赢谈大公司业务与小微信贷</h2> <h4 style="text-align: justify;">（一）小微经济体经济关系解析</h4>       1. 资源、关系和价值循环       当代经济实质上是由不同的资源和关系构造而成的经济主体为了实现各自的价值，通过物流、资金流、信息流、管控流互相作用的一系列循环往复的活动。在这个活动中，人、财、物和技术是作为资源要素存在的，价值传递（价值链）是作为运行机制存在的，四个流（物流、资金流、信息流、管控流）是作为基本运动形态存在的。因此，我们可以通过价值传递和四个流来描述各经济主体间的经济关系。       2. 小微经济体的基本类型       （1）大经济体延伸型。       （2）经济关系独立型。       （3）经济关系混合型。 <h4 style="text-align: justify;">（二）小微信贷的市场定位</h4>       业务目标的不同决定了市场定位的不同。在小微信贷市场上，不同的银行、不同的机构有不同的目标：有的是为了获取单纯的信贷收益，比如小贷公司，他们没有结算的能力，也没有其他综合服务能力，主要经营是获取信贷收益；有的主要是承担社会责任，如国家开发银行和一些政府机构，主要拿规模出来让别人帮他做；有的是为了获得综合回报，如商业银行。 <h4 style="text-align: justify;">（三）合作共赢的重要意义</h4>       第一，较好地解决客户来源问题。在良好的大公司业务基础上进行客户延伸，短期内带来了庞大的小微信贷客户群。       第二，较好地解决抵押依赖问题。通过跟大公司客户的合作，可获取与大公司客户合作的小微客户在经营和财务等方面的诸多信息，能较好地解决信息不对称的问题，还可以掌握资金流向从而强化风险控制。       第三，较好地解决运营成本问题。通过与大公司业务合作，可以从一开始就划定好自己的客户圈子，深入研究这群客户的风险特点是什么，要监控哪些指标、分析哪些信息，最后形成一个集群开发的政策。       第四，较好地解决合理定价问题。       第五，有利于提高风险管理效果。       第六，能够提升大公司业务的竞争力。可以为大公司客户提供整合价值链的契机；提升大公司业务的竞争力和收益水平       来源：《风险管理》2011年第6期 ', 'elegant' => array(array('src' => '/files/expert/expert_1611657738.png'), array('src' => '/files/expert/expert_1611657753.png')), 'userId' => '280', 'status' => 'published', 'createdTime' => '1605066592', 'updatedTime' => '1636536440', 'body' => '      汪晓帆，中国民生银行供应链金融事业部副总经理。银行业工作近三十年，历任中国民生银行沈阳分行行长助理、东北区域信贷审查官、华中区域信贷审查官，在商业银行信贷风险管理，产品研发等方面有较深入研究。华南理工大学经济学学士，清华大学EMBA，CPA。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '107', 'name' => '杨贵院', 'thumb' => 'public://expert/2020/11-05/1141277d8ee7304111.jpg', 'originalThumb' => 'public://article/2020/11-05/114128845955025064.jpg', 'description' => '上海农商行法律顾问、兼任总行合规内控部总经理', 'about' => '上海农商银行总法律顾问兼总行合规内控部总经理，同时兼任上海仲裁委员会、上海国际贸易仲裁委员会仲裁员、中国金融风险50人论坛（CFR50）专家组成员、上海立信会计金融学院客座教授等职；自1997年起从事银行风险管理工作，2010年-2016年担任上海农商银行风险管理部总经理，从事银行风险管理、合规、内控工作二十余载。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">论文</div> <div style="height: 12px; float: left;"> </div> <div style="height: 12px; float: left;"> </div> 2019，对商业银行合规管理与金融法治建设的思考，《银行家》第05期。 2013，流程银行建设路径选择，《中国农村金融》第14期。 2010，<a href="https://www.yunzhan365.com/88607681.html">“流程银行”:通向“客户银行”之路——关于农村中小金融机构与“流程银行”的对话(下)</a>，《中国农村金融》第02期。  2010，<a href="https://www.yunzhan365.com/44895813.html">构建“流程银行”正当其时——关于农信社与“流程银行”的对话(上)</a>，《中国农村金融》第01期。 2008，<a href="https://www.yunzhan365.com/50683181.html">上海农商行的合规建设实践</a>，《银行家》第02期。 2006，<a href="https://www.yunzhan365.com/84461448.html">规矩立定方圆——上海农村商业银行合规风险管理经验扫描</a>，《中国农村信用合作》第09期。  1998，<a href="https://www.yunzhan365.com/49298728.html">关于健全商业银行信贷委员会的构想</a>，《上海金融》第05期。 ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">金融乱象整治与银行合规建设的再思考</h2>       金融乱象的逻辑演变及特征：银行业目前面临四个方面的突出问题，其中两个问题与今天的内容密切相关：一是负责人提出银行的部分市场乱象有所反弹。众所周知银行业最近在轰轰烈烈地进行对前三年银行市场乱象统一的“回头看”；二是银行业违法违规行为时有发生，尤其提到最近报道的涉及多家银行的假黄金事件。       银行对于乱象的治理、整治是任重而道远的。从乱象的时间脉络来看，大致可以将其分为三个阶段。第一个阶段是2015年至2016年，第二个阶段是2017年至2019年，第三个阶段则是从2020年开始，将其简单分为1.0、2.0和3.0。实际上从目前来看，监管部门对金融乱象没有明确的定义，在所有的指导性的文件里都没有明确提到什么是金融乱象。其出处是习主席在2017年的金融工作会议以及中央政治局会议上的称呼，具体指出要深入扎实整治这种乱象，防止监管和银行猫鼠一家的现象，但对监管安全的定义则到现在也没有明确的说法。       银行业金融乱象有三个关键词，一是“因为违法违规行为导致的”。如果是真正的合规经营，则不会存在乱象的一个诱因，即违法违规。第二个关键词是“传导”，其指出风险不仅在银行业内循环，还广泛地传导至其他一些金融业，尤其是信托、保险、证券，以至社会经济生活的各个方面。第三个关键词是“社会混乱”，其指出金融乱象造成的结果。       尽管2017年才正式地使用“乱象”进行描述，但实际上从2015年开始“两个加强、两个遏制”，以及2016年开始的对“两个加强、两个遏制”的“回头看”，都可以认为是乱象的一个前期阶段，故可以统一为1.0阶段。尽管那时没有“乱象”的称呼，但实际上监管的一系列的整治都可以视为是对乱象的整治，“两个加强”就是加强合规建设与内控建设，“两个遏制”就是遏制银行违法违规的冲动，都和乱象密切相关。从2017年的“三违反、三套利、四不当、十乱象”开始，尤其是罗列了银行在机构、高管、制度业务方面的乱象，才有“乱象”的全面称呼，故往后的行动都是围绕乱象的整治来展开的。由此才有2018、2019年的整治以及2020年的“回头看”。以上就是银行乱象的大致的时间脉络。       从外部成因、从乱象存在的土壤来看，它有两个重要的诱因。一是从2008年开始，在我们经济金融生活中所熟知的金融盛宴；二是分业监管。这两个土壤导致了银行违法违规的冲动，以及乱象的形成。而银行业在其中某种程度上助推了金融盛宴的发展。       新情况下银行合规管理的特征：第一个特征是银行的严合规与“六稳”“六保”并行不悖；第二个特征是银行的合规标准日趋统一，前几年的银行合规较难开展，主要有几个方面的突出问题，比如多头管理、新旧并存、层层加码等。且农商行和城商行或是股份制银行相比，还有自己的要求，给人以杂乱无序之感。；第三个特点是严合规展现出一定的灵活性，不像原先那么死板，无论是银保监会的2020年的28号文，还是在2019年的155号文都体现出一定的灵活性。但也存在执行机构它在执行时不一定按照文件进行的情况；第四个特征是合规重点有所转移。       银行合规管理新挑战：第一个挑战是如何从形式合规转向实质合规；二是从这两年监管发布的文件和乱象整治的项目文件来看，合规被提升到一个新的高度。       银行的合规人员要适应新的情况、形势，至少应该有三个方面的要求，即三个三。第一个三是银行合规官要懂法律、懂业务、懂融合。只了解法律法规，却不了解业务的话，则很难成为一名优秀的合规官，反之亦然。所以有很多监管部门的官员在银行的表现不被多数人认可，其中一个重要原因就是对银行业务的了解和融合需要过程。第二个三是银行合规人员要有智商、情商、风险商。第三个三是合规人员要善于发现风险、识别风险、处置风险,或者说报告风险。       银行合规管理策略：从外部的情况来看，必须要有持续的强监管、严问责，而且还要往一体化监管的路上走。尽管我们说从一行三会到一行两会是一个进步，原来从央行分出证监会、保监会、银监会也是进步，从混业到分业是个进步，但现在从分业到半混业，也是一个进步。当然，个人认为中国早晚还是要成立统一的经管会，即金融监督管理委员会。应当顺应目前发展的大势，因为银行也要改革要开放，银行要真正要保证金融稳经济稳，真正要解决银行的问题，从外部环境来看大监管是必然的。       从内部来看，对商业银行来说也是三句话：守底线、存戒具、育文化；我觉得大部分情况下银行的合规，我们可以关注四个方面，首先是要反思，再思考银行合规要怎么样做到从高层率先垂范；此外是机制的建设与评估。合规人员机制是不是真正实现了独立、专业，这直接导致合规发挥作用的不同，如果合规管理还是放在风控部门、风险合规部，从理论上来说这样的合规管理是不独立的，因为风险本身也需要合规去监督与评价，尤其贷款审批里也有一些合规上的评价，所以如果将二者合二为一，由一个领导分管，本身就是合规不够独立、不够纯粹、不够专业的一个表现。当然，小微银行人少、资源有限，也是一个因素。；第三个要解决的是合规的再思考问题，即考核要到位；最后一点是合规风险要早发现、早处置、早报告。       来源：2020TGES系列论坛-03：内控合规、造作风险管理和全面风险管理《金融乱象整治与银行合规建设的再思考》演讲文稿整理 ', 'elegant' => array(array('src' => '/files/expert/expert_1611656615.png')), 'userId' => '206', 'status' => 'published', 'createdTime' => '1604547831', 'updatedTime' => '1636595822', 'body' => '      杨贵院，金融EMBA、法学硕士。自1997年起从事银行风险管理工作，目前担任上海农商银行总法律顾问，兼任总行合规内控部总经理。同时兼任上海仲裁委员会、上海国际贸易仲裁委员会仲裁员，中国金融风险50人论坛（CFR50）专家组成员、上海立信会计金融学院客座教授等职。2010年—2016年担任上海农商银行风险管理部总经理。此前在上海银行信贷管理部、合规部任职。在任职风险管理部总经理期间，牵头组织全面风险管理体制机制的完善与实施，健全各类风险管理流程和制度，推进巴塞尔新资本协议在农商银行的探索与应用。在任职合规内控部总经理期间，牵头组织推动全行流程银行建设，推进合规管理示范行，深化内控、案防、反洗钱与法律事务管理，致力于健全政策制度与流程的全覆盖。从事银行风险管理、合规、内控工作二十余载，近年来在相关论坛及多家农信省联社、农商银行、城商银行、股份制银行等内训授课两百余次，相关内容包括《银监会全面风险管理指印解读及其实施》《商业银行全面风险管理与合规经营》《商业银行信贷风险管理》《商业银行资本管理新规的挑战与应对》《商业银行法律风险与应对》《商业银行合规内控案防管理实务》等。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '99', 'name' => '石涛', 'thumb' => 'public://expert/2020/11-05/11071869dc5c275224.jpg', 'originalThumb' => 'public://article/2020/11-05/11071970852f075742.jpg', 'description' => '中国邮政储蓄银行总行风险管理部助理总经理', 'about' => '中国邮政储蓄银行总行风险管理部总经理助理，中国人民大学会计学博士，高级经济师，金融风险管理师（FRM）、金融理财师（AFP）。曾在中国农业银行总行、四川省自贡市政府（挂职）、四川省科技厅（挂职）、中国邮政储蓄银行等单位工作，对全面风险管理、信用风险管理、市场风险管理、科技金融有深入研究。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">论文</div> <div style="height: 12px; float: left;"> </div> 2014，地方政府性债务问题研究，《农村金融研究》第01期。 2011，IASB金融工具减值准则最新进展评析，《财会通讯》第10期。 ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、全面风险管理探析</h2> <h4 style="text-align: justify;">（一）何时提出全面风险管理——全面风险管理的历史沿革</h4>       风险管理体系大致有三个来源。一是来源于企业管理，包括安全生产和质量控制，这方面有相应的标准，比如ISO31000《风险管理指南》、美国RIMS《风险成熟度模型》、澳大利亚-新西兰ASNZS4360《风险管理》等，其中澳大利亚-新西兰的标准提出很早，启发和推动了ISO标准的产生。二是来源于内部控制，或者说是公司治理领域，包括COSO《企业风险管理框架》、英国FRC《公司治理准则》和《风险管理、内部控制及相关财务报告指南》等；三是金融风险管理，包括BCBS《巴塞尔协议》、IAIS《保险核心原则》中都有相关规定。 <h4 style="text-align: justify;">（二）什么是全面风险管理——全面风险管理内涵框架</h4>       从国内来看，2016年，银监会印发《银行业金融机构全面风险管理指引》首次提出了一个规范性、指导性和综合性的指导文件，对风险管理体系进行了比较完善的全面的阐述。其内容中提出银行业金融机构建立全面风险管理体系，采取定性和定量相结合的方法，识别、计量、评估、监测、报告、控制或缓释所承担的各类风险的活动，可以理解为对于全面风险管理的定义。       全面风险管理的特征首先是全面覆盖，风险类型上覆盖信用风险、市场风险、流动性风险等九大类风险，流程上包括所有业务环节，机构上包含所有分行、子公司各类机构，而且需要共同参与，不仅是风险部门的事，也是全体员工的事，更是董事会、高管层的事。另外定义中还明确了要建立全面风险管理体系框架、完善管理流程，而且提出相应的技术方法。       银监会2016年印发的《商业银行全面风险管理指引》中可以提取出全面风险管理的基本特征，包括四项原则（匹配性、全覆盖、独立性、有效性）、五大要素（风险治理架构；风险管理策略、风险偏好和风险限额；风险管理政策和程序；管理信息系统和数据质量控制机制；内部控制和审计体系）、六个流程（识别、计量、评估、监测、报告、控制或缓释）、六个责任（董事会最终责任、董事会监督责任、高管层执行责任、业务条线直接责任、风险管理条线检测和管理责任、审计条线审计责任）、九类风险（信用风险、市场风险、流动性风险、操作风险、国别风险、银行账户利率风险、声誉风险、战略风险、信息科技风险）。       具体从风险类型上来看不仅包括信用风险、市场风险、流动性风险、操作风险、国别风险、银行账户利率风险、声誉风险、战略风险、信息科技风险等九大类风险，还包括其他风险，比如集中度风险、合规风险、法律风险等。在风险管理流程上有识别、计量、评估、监测、报告、控制或缓释六个流程。在全面风险管理体系方面有五大要素：风险治理架构；风险管理策略、风险偏好和风险限额；风险管理政策和程序；管理信息系统和数据质量控制机制；内部控制和审计体系。 <h4>（三）如何开展全面风险管理</h4>       我们从风险管理体系架构角度来讨论如何进行全面风险管理。一是要建立风险治理架构。从风险治理制衡和运行两个机制来看。制衡机制主要关注权力在两会一层、三道防线和分、子机构之间的分配。风险管理的运行机制主要包括考核、问责、评价、报告等方面。考核是指挥棒，一定要体现风险；问责包括激励与约束双向措施，要将受益与成本明确分开；评价上包括机构评价与部门评价，还包括对风险水平的评价与对风险管理能力的分别评价，因为一个机构或部门面临风险高一方面可能是管理能力的问题，另一方面还可能是客观经营环境的问题；报告不仅是一个信息传递的方式，还体现了责任的传导，接受报告者要进行相应的决策、处理。       二是要健全风险管理政策、制度。在风险政策方面，风险政策包括风险战略、风险偏好、风险策略、风险限额等。我认为战略和策略应当有所区分，是因为战略具有长期性、系统性、根本性的特征，而策略往往是一定时期的权宜之计。风险战略和风险偏好是相对稳定的长期的规划，由董事会审批并监督执行。风险策略和风险限额往往非常具体，由高管层审批并监督执行。       三是要建设风险管理系统、方法。风险管理方法主要包括三个方面，第一个方面是数据治理，数据是金融风险的量化基础，所以数据治理非常重要，要做好数据的收集、清洗、整合、挖掘、应用，要充分利用内部数据和外部数据。       第二个方面是技术方法，大数据、人工智能、云计算等金融科技的创新对风险管理有很大的促进和提升作用，改变了风控方式。       第三个方面是系统建设，如今风险管理依赖于系统，因为现在需要处理的数据量往往很大，单靠人工难以处理，而且还有相应的制衡和控制需要通过系统来实现，所以系统主要起到提高效率和流程控制的作用。       来源：2020TGES系列论坛-03：内控合规、造作风险管理和全面风险管理《全面风险管理探析》演讲文稿整理   <h2 style="text-align: justify;">二、关于风险管理基本理念和框架</h2>       现在国际上有关风险管理的基本体系和框架主要有三个：第一是从企业管理，安全生产、技术质量控制角度所构建的体系，包括 ISO、美国 RIMS 等；第二是来自于会计或者内部控制角度所构建的体系，包括 COSO、英国 FRC 等；第三是从金融的角度来风险管理，包括巴塞尔委员会所发布的巴塞尔协议、国际保险监督官协会 (IAIS) 保险监管核心原则 (ICP) 等。       风险管理基础知识体系可以从两个维度来构建：一是可以参考银监会所公布的全面风险风险管理指引，从三个要素来构建，即风险治理和架构、风险管理的政策和流程、风险管理的系统和工具；二是可以从风险管理的流程来构建，即识别、计量、评估、监测、控制等方面。       风险管理首要应该是守底线，为业务画了一个“圈”，在“圈”内不应该对业务的运作做过多的干涉。风险的配置应该是各个业务的一个合力。就如同运筹学所述一样，设置一个目标函数（类似风险价值的最大化）和约束函数（限额，即不同超过多少）最终求出一个共同的解，进而形成风险在各个资源的分配。       来源：《风险管理》 2020年第 4 期：《关于风险管理基本理念和框架》演讲文稿整理 ', 'elegant' => array(), 'userId' => '198', 'status' => 'published', 'createdTime' => '1604545646', 'updatedTime' => '1636535550', 'body' => '      石涛，中国邮政储蓄银行总行风险管理部总经理助理，中国人民大学会计学博士，高级经济师，金融风险管理师（FRM）、金融理财师（AFP）。曾在中国农业银行总行、四川省自贡市政府（挂职）、四川省科技厅（挂职）、中国邮政储蓄银行等单位工作，对全面风险管理、信用风险管理、市场风险管理、科技金融有深入研究。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '92', 'name' => '季元', 'thumb' => 'public://expert/2021/01-04/161511fda491301647.jpg', 'originalThumb' => 'public://article/2021/01-04/161512015043465449.jpg', 'description' => '百融云创首席风险官，清华大学金融大数据中心理事', 'about' => '百融云创首席风险官，清华大学金融大数据中心理事。毕业于清华大学，数学博士。目前负责百融云创大数据和人工智能业务。', 'sticky' => null, 'weight' => '0', 'achievement' => '  <div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;">论文</div> <div style="height: 12px; float: left;"> </div> 2018，大数据技术助力消费金融美好生态，《清华金融评论》第01期 2016，移动网络安全防护技术，《数字技术与应用》第11期。 ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、“产业+科技+金融”探索小微金融新模式</h2>       小微金融业务的风险控制是银行长期以来的痛点，银行之前采用的传统模式对小微金融进行风控均没有获得理想的结果。随着产业互联网的发展，“产业+科技+金融”探索出小微金融新模式。包括金融科技案例实践、产业互联网金融业务实践案例、工业互联网金融业务实践、政府型融资平台业务实践。       来源：2020TGES系列论坛NO.07：投资银行业务、私募投资与风险管理—季元《“产业+科技+金融”探索小微金融新模式》 ', 'elegant' => array(array('src' => '/files/expert/expert_1609748149.png')), 'userId' => '191', 'status' => 'published', 'createdTime' => '1604544288', 'updatedTime' => '1623119237', 'body' => '      季元，百融云创首席风险官，清华大学金融大数据中心理事。毕业于清华大学，数学博士。从事银行风险管理近十年，谙熟风险计量、资产组合管理、零售和对公业务风险策略等。曾任职于中国光大银行风险管理部和信用卡中心，在金融行业大数据和人工智能应用、传统金融机构的数字化转型等方面有深刻的理论研究和实践经验。目前负责百融云创大数据和人工智能业务，致力于通过应用替代性数据和先进算法，推动信用体系的创新，破解个人和小微企业的普惠金融难题。 ', 'type' => 'senior', 'opened' => '0', 'followed' => '0'), array('id' => '78', 'name' => '徐凡', 'thumb' => 'public://expert/2020/09-27/1723451270de367470.png', 'originalThumb' => 'public://article/2020/09-27/17234514f97d938957.png', 'description' => '盛宝金融科技有限公司总经理', 'about' => '盛宝银行大中华区首席执行官、全球执委会委员，美国哥伦比亚大学博士。曾任纽约花旗银行总部全球金融市场部资深交易员，中国光大银行资金部副总经理、中国光大银行风险部市场风险总监，中信保诚人寿保险有限公司总经理助理、资金运用部门负责人、首席投资官。', 'sticky' => null, 'weight' => '0', 'achievement' => '      ', 'attachachieve' => '', 'viewpoint' => '<h2>投资与风险管理</h2> <h4 style="text-align: justify;">    （一）投资与风险管理的目的</h4>        投资的流程，可以简述为筹措资金，制定合同，支付资金，执行合同，收回资金。抛开具体的细节，投资的最终目的，就是希望达到收回的资金远大于支付的资金。投资的原则是尽可能提高收回资金的数额及其可靠性，保证投资之后一定能盈利，所以投资本身就是风险管理的过程。在决定投资后，需要制定详细的投资计划，并且坚决执行。投资计划包括投资目标、容忍度、投资时限、品种选择、人员选择、进程监督、计划调整的预案、如何处理投资风险等。完备的投资计划/机制是投资不断成功的必要组成部分。 <h4 style="text-align: justify;">    （二）投资中的风险管理</h4>        对投资进行风险管理，目的是为了确保尽可能安全的完成投资任务，尽可能扩大收益，并且将亏损控制在一定范围内。首先要做到风险的识别。最常见的风险是信用风险，信用是最常见的风险起源，可以说几乎所有的风险都来源于信用。其次是流动性风险，它是最致命的，流动性问题的出现很容易导致公司倒闭。第三是市场风险，它是市场成熟后才有的产物，是风险最常见的表现形式，可能会带来亏损，但是很少直接导致公司倒闭。第四是操作风险，虽然近几年计算机代替了人工，减少了许多人工带来的操作风险，但系统宕机、机器出现故障等风险仍然无法被避免。它很难被避免。此外还有声誉风险、法律风险、战略风险等。这些风险直接存在交叉关系。 <h4 style="text-align: justify;">    （三）资产负债管理</h4>        近几年，资产负债管理得到监管的空前重视，但资产和负债完全匹配是不实际的，因此存在资产负债错配是正常的，管理好错配风险才是重点。从广义的角度来说，资产负债管理是所有企业的核心；从狭义的角度来说，资产负债管理是针对金融机构的，是管理好各个账户的资产负债错配风险，具体来说主要是短期的流动性风险和长期的利率风险管理，核心是利率风险。错配是金融机构的主要利润来源，包括信息错配（规模效益）、期限错配（借短放长）、信用错配（风险偏好）、币种错配（汇率）、资源错配（跨市场）、监管错配（创新）等，这些几乎是金融机构所有的业务来源，是金融机构存在的价值之一。若金融机构能有效的管理这些错配，则能提高整个社会的效率。错配本身并不是错误，但前述错配均会带来或明或暗的风险，这为风险管理带来许多阻碍。 <h4 style="text-align: justify;">    （四）风险与套利</h4>        根据有效市场理论，市场应该是比较有效的，即没有额外的风险调整后收益，目标收益率与风险容忍度必须匹配。但事实上，市场常常提供套利机会，并不完全有效，这些机会往往来自人的情绪，人的情绪破坏了市场的有效性。随着人工智能和量化策略的普及，市场上的套利机会确实减少了，但并没有消失，并且市场上还出现了针对套利策略的套利。人工智能可以避免情绪化，但是否真的能消除套利机会，将市场变得更加有效，仍然有待考察，仍然有许多人在投资时高度依赖于量化策略。另一种解释是，也许市场是有效的，但人们的能力、关注点以及可以使用的手段都是有限的，无法得到市场上所有的信息，即市场整体有效，但对个体来说，有效性并不成立。 <h4 style="text-align: justify;">    （五）风险管理的内容</h4>        风险管理管的是风险偏好，要将风险偏好落实和分解，具体到投资某一类产品；此外，还要平衡投资的回报要求与风险容忍度，评估自己的投资能力，对风险进行评估、预测和跟踪，最后制定应急处理的方案。风险偏好决定了投资风格以及品种匹配，风险调整后的收益并不能取代风险偏好。从标普500、亚马逊和黄金的走势可以看出，投资对买入和卖出的时机、持有时长的判断是非常重要的，对投资者的风险偏好和投资风格有很高的要求。风险偏好最终需要分解和落实，可以按风险种类、业务条线、能力边界，考虑交叉传染和极端情况进行分解和落实。在使用数学模型为资产进行定价时，许多假设都与市场现实状况并不符合，所以对极端情况的考虑就显得极为重要。投资人需要对风险管理和投资回报进行平衡，客观评估投资能力和市场机会。回报的要求一定要与投资能力和风险偏好匹配，实现风险容忍度内资源最高配置。复杂的产品并不一定能获得很高的盈利。 <h4 style="text-align: justify;">    （六）金融科技</h4>        在现代金融市场中，使用强大的科技工具是必须的，市场的复杂程度超出大脑直觉，人工处理的成功大多属于运气好。但是，完整的金融科技框架并不常见，业务平台与风控平台常常是分离的，风险管理技术常常落后于业务部门。在金融科技中，科技是末，金融是本，本末不能倒置。对于金融行业来说，科技提高效率，降低成本，促进产品普及，开拓新市场。金融企业从来都是高科技企业，科技水平已经成为金融企业综合竞争力最重要的组成部分之一。但是这些工具也存在局限性，科技的进步只能使一小部分人的回报率更高，无法改变整体行业的回报率，不能超过社会财富的增加。所有工具和经验几乎都是针对过去的，对未来一无所知，无论多么复杂的模型，都是用数学来描述我们的理解，投资和风险管理高度依赖于我们理解市场运行机理的这一假设。人工智能也许反应更快，盲点更少，但并不能揭示市场的机理。 <h4>    （七）经验与理论</h4>        理论上，有效市场中没有免费的午餐，风险调整后收益是一致的；随着科技的不断进步，量化策略和量化工具不断普及，市场的有效性将进一步提高。但是在经验中，市场并不是那么有效的，经验丰富者在风险上的把控更加到位，新手的收益却往往更高，核心的原因在于投资不是一个可重复的实验，投资理论在统计上是正确的，但需要大量的重复实验进行验证，而市场的时间是一去不复返的，而且意外总会发生。风险管理还有一个重要的组成部分，就是应急处理。从历史的经验可以看出，极端情况并不罕见，但却是模型无法预测到的。例如今年的疫情对整个全球经济的冲击，个人认为没有什么模型能够预测到这种规模的冲击，所以全球金融市场都发生剧烈波动，而且出现了原油宝等重大的金融事故。为了应对这类无法预期的情况，应急处理必须有预案。在制定预案时，必须牢记，应急处理是保护底线和生命线，在极端情况下，生存第一。最有效的应急处理模式是完备的预案和及时的执行。        来源：2020TGES系列论坛-01：金融市场交易与市场风险管理演讲实录：《投资与风险管理》 ', 'elegant' => array(array('src' => '/files/expert/expert_1601200536.jpg'), array('src' => '/files/expert/expert_1601200544.jpg')), 'userId' => '170', 'status' => 'published', 'createdTime' => '1601198632', 'updatedTime' => '1636595306', 'body' => '      徐凡，盛宝银行大中华区首席执行官、全球执委会委员，美国哥伦比亚大学博士。曾任纽约花旗银行总部全球金融市场部资深交易员，中国光大银行资金部副总经理、中国光大银行风险部市场风险总监，中信保诚人寿保险有限公司总经理助理、资金运用部门负责人、首席投资官。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '190', 'name' => '吴颖兰', 'thumb' => 'public://expert/2020/11-11/1505073622d6673526.jpg', 'originalThumb' => 'public://article/2020/11-11/1505073b9ebc931094.jpg', 'description' => '德勤风险咨询业务部合伙人', 'about' => '德勤风险咨询业务部合伙人。拥有15年为美国和中国金融机构提供战略、运营和风险合规咨询服务经验。致力于不断创新银行全面风险管理体系新高度新技术的探索，包括对国际金融监管体系最新趋势的解读和在国内市场的实施落地，以及国内大银行的全面风险体系搭建和新资本协议实施咨询。', 'sticky' => null, 'weight' => '0', 'achievement' => '         ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、中资银行全球业务发展的风险管理挑战</h2> <h4 style="text-align: justify;">（一）中资银行国际化历程及成绩</h4>       中资银行股改上市后国际化进程显著加快，国际地位显著提升，规模持续壮大的同时资本实力雄厚。截至目前，中资银行国际化进程主要包括以下三个阶段：       1、新中国成立到改革开放前：准备期       从新中国成立到改革开放前可以说是中资银行国际化的准备期，这一阶段特征为少量中资银行开始以代理行形式小范围、小规模地从事周边国家的进出口贸易融资和结算活动。       2、改革开放到股改上市前：探索期       从改革开放到股改上市前是中资银行国际化的探索期，这一阶段特征为随着中国经济市场化改革与对外开放，各大银行逐渐向海外扩展业务，由代理行模式扩展至自设机构模式，境外分支机构数量逐渐增加。       3、股改上市至今：发展期       从股改上市至今是中资银行国际化的发展期，这一阶段特征为各大银行不断提高综合化经营水平与国际化综合竞争实力，通过支持中资企业“走出去”“一带一路”建设，中国银行业已成为支持全球经贸发展的重要力量。 <h4 style="text-align: justify;">（二）中资银行国际化经营情况</h4>       以四大行为例，中资银行境外机构布局相对集中于亚太、西欧、北美，并以“一带一路”沿线国家作为拓展重点，中国走出去的企业为核心客户，业务模式较为单一。       总体来说，境外机构布局方面，中国大行呈现数量阶梯化和位置集中化的特征，集中在亚太、西欧、北美地区，并以“一带一路”沿线国家作为拓展重点。境外客群结构方面，中国大行境外机构现有法人客户以“中国走出去”企业、外商投资企业、外贸进出口企业和其他各类服务商为主，对境外机构当地客群深耕程度不高。境外业务结构方面，中国大行平均集团利息收入占比远高于美国大行，业务模式较单一，拓宽延伸业务颇具潜力。 <h4 style="text-align: justify;">（三）当前中资银行国际化发展面临的外部经营环境</h4>       目前，全球宏观政治经济金融趋势主要有以下三大趋势：（1）全球政治格局不确定性加剧，包括中美长期对抗趋势形成、欧盟政坛波动、美俄地缘政治风险及中东恐怖主义等等；（2）全球经济大概率陷入衰退，预计全球经济超过5%的萎缩，出口下降 500 亿美元，国际直接投资（FDI）下降5%-15%；（3）全球金融市场巨幅震荡，股、债、汇、大宗商品等各类资产价格急速下跌，零利率将成为新常态，对商业银行盈利模式提出重大挑战。       新冠疫情全球扩散背景下，国际局势紧张，全球政治不确定性加剧，经济大概率陷入衰退。中国大行国际业务重点地区主要包括以下四个地区：第一，北美地区由于疫情和动荡使美国政治、经济、金融共振，美股虽在3月遭遇四次熔断，但在美国政府强劲的财政和货币政策支持下，美股逐步回升。       第二，欧洲地区近年来经济一直较为低迷，作为新冠疫情“震中”，疫情影响恐将维持较长时间。       第三，疫情对东南亚的银行体系稳定性构成一些威胁。不过，疫情之后，东南亚各国的中央银行就宣布了一系列旨在振兴经济的措施，成效显著。       第四，香港作为世界第三重要金融中心的地位受到挑战。 <h4 style="text-align: justify;">（四）提升信用风险管理应对举措</h4>       1、信用风险审阅机制       为应对全新的信用风险管理挑战，如市场环境变化、监管要求、信用风险损失计量方法更新，需建立信用风险审阅管理机制，全方位加强信用风险管理能力。       美国监管机构要求金融机构根据自身的规模、复杂性、贷款类型、风险状况和风险管理情况制定信用风险审阅体系，从而进一步加强对信用风险的管理。       信用风险审阅目标包括：（1）及时识别潜在的信用风险，从而制定风险缓释措施从而减少损失；（2）审阅并调整信用风险评级，尤其是信用状况恶劣的贷款；（3）分析信用风险趋势，对信用状况呈恶化趋势的贷款进行预警；（4）评估内部信贷政策/流程，包括政策/流程的实施情况、合规性；（5）评估业务人员的执业情况，包括贷款批准、风险评估质量等；（6）为管理层提供客观的信用风险评估报告；（7）根据监管要求，提供相应的信用风险评估报告。       2、信用风险内部评级体系       随着中资大行国际化战略的实施，境外机构覆盖面广，面临不同的属地监管机构要求。建议开发符合境内外监管要求、满足风险管理提升需要的境外评级体系，提升监管应对能力和内部风险管理能力。       境外机构内评体系建设背景包括以下两点：（1）适应国际化战略发展的需要。境外机构数量多、覆盖面广，随着业务发展，本地客户增多，各机构资产组合的组合分布、业务特点、风险特征存在差异性。此外，内部评级结果为信贷审批、限额设定、组合管理等工作提供输入，支持量化分析决策。（2）符合境外机构属地监管要求，欧洲、美国等地区监管趋严，带来对评级独立性和本地化的更严格要求。同时，IFRS9新会计准则的实施对评级准确性、敏感性和本地适用性提出更高要求。       来源：2020（第十六届）中国金融风险经理年度总论坛-19：风险治理、文化、战略与全面风险管理《中资银行全球业务发展的风险管理挑战》演讲文稿整理   <h2 style="text-align: justify;">二、利率市场化给中小银行带来的冲击</h2>       新资本协议Ⅱ强调的是银行通过建立和加强风险管理体系能够降低银行对资本的需求，这对于银行的业务发展来说是一个良性的原则。巴塞尔协议Ⅲ是金融危机的产物，它反对银行进行过量的风险承担，并且为了加强银行持续经营的能力，要求银行投入更多资本，在一定程度上不太强调股东的价值回报，这在结构上对银行的经营模式产生了非常大的影响，过去、对资本占用、风险承担比较大的活动都被砍掉了，比如批发银行和交易业务，这使得中小银行的资本显得更加稀缺。       中国台湾地区从70年代开始进行利率和汇率的市场化，实现金融的市场化，经历了很大的考验，比如说区域性的银行为了增加经营的效率，逐渐铺向中小企业，导致不良资产的无序上涨，进一步导致银行业急剧的并购，失败者纷纷退出历史舞台。在利率市场化的大背景下，中小银行在资本和风险之间纠结，如何把风险和资本的计量更多的体现到银行的价值管理当中是一项挑战。       来源：《风险管理》第28辑（总）2014年第2辑《利率市场化给中小银行带来的冲击》演讲文稿整理 ', 'elegant' => array(), 'userId' => '291', 'status' => 'published', 'createdTime' => '1605078417', 'updatedTime' => '1636537156', 'body' => '      吴颖兰，德勤风险咨询业务部合伙人，专注于为国内银行和资本市场客户提供风险管理咨询服务。拥有15年为美国和中国金融机构提供战略、运营和风险合规咨询服务经验。致力于不断创新银行全面风险管理体系新高度新技术的探索，包括对国际金融监管体系最新趋势的解读和在国内市场的实施落地，以及国内大银行的全面风险体系搭建和新资本协议实施咨询。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '172', 'name' => '唐科伟', 'thumb' => 'public://expert/2021/01-04/100950ee08b8088985.jpg', 'originalThumb' => 'public://article/2021/01-04/100951f2b5d7919437.jpg', 'description' => '孚临科技创始人兼 CEO', 'about' => '英国诺丁汉大学博士，孚临科技创始人，杭州市特聘专家/海归高层次人才。曾任中欧金融协会执行会长，巴克莱银行/苏格兰皇家银行风控主管，蚂蚁金服花呗/借呗/农村金融风控主管，网商银行平台风险负责人。曾获牛津大学，剑桥大学和伯克利大学邀请讲座。', 'sticky' => null, 'weight' => '0', 'achievement' => '        ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">小微信贷风控数字化转型技术和探索</h2>       首先给大家介绍一下孚临科技，孚临科技于2017年成立，其核心定位是帮助银行进行数字化转型，在获客和对应的风控领域提高效率，降低风险。孚临科技成立到现在已经累计融资超过1亿，并且在杭州有一个数字经济运营智能技术的重点研发中心。2020年孚临科技落地河南省衡阳市，与衡阳市政府子公司成立合资公司，打造衡阳数字信用体系，提供数字金融服务。 <h4 style="text-align: justify;">一、普惠金融发展</h4>       我认为中国普惠金融的发展基于三个阶段。早期是惠而不普，银行的风险偏好过低，对于坏账容忍度非常低，原因包括监管、文化、问责制三个方面，银行的整体文化属于追求低风险与超低坏账，利率也相对比较低。在2015年慢慢开始有一批互联网小贷公司开始从事相对下沉的客群业务，追求高风险和高收益这时利率也相对较高。在5年前征信白户十分多，大概有几个亿，有征信记录的小几个亿，但是在过去5年有征信记录的已经接近7亿了，这就是过去几年民间金融的兴起导致的一个比较正面的后果。同时也有一些负面后果，所以才会有强监管、强整治的到来。今年最高法院出现了民间借贷利率4倍LPR的要求，民间借贷利率的司法保护上限为15.4%，相对银行来讲风险收益就会有一个比较大的变化。当前所有金融机构、科技公司都在做相应的调整，尤其是小贷公司受到的打击十分大。 <h4 style="text-align: justify;">二、小微风控现状及解决方案</h4>       当前小微风控有几大难题：       一是获客过度依赖平台巨头。通过线下客户经理获客对于中小银行来说较难，但对于全国性银行则较为容易，这是因为全国性银行网点较为密集，在网格式营销、获客密度上有一定优势，而中小型银行获客效率较低，获客渠道有限，有时会依赖人海战术。当前可以用RPA机器人流程自动化在很多方面解决线下获客效率的问题。做普惠金融一方面是较低的利率，另一方面是客户下沉，客户下沉的核心就是如何找准合适的客户，找到合适的客户需要的是营销和风控的联动。       二是风控过度依赖抵押。绝大部分中国的小微企业90%不超过两年就会死掉，在两年之内去找准好的小微客群并给他们提供服务是一个精细活，对于大行来讲，只为三年以上、有一定规模的小微企业服务是完全行得通的，也有足够的市场，但是对于中小银行来说，就会存在获客成本不足以与大行竞争的问题，所以如何进行客户下沉是一个难题。许多小企业没有抵押，尤其是一些轻资产运营公司、科技公司、特许经营公司等，它们本身有非常好的前景，但是完全依赖抵押贷款不太现实。       三是大数据面临隐私保护。早期对个人的隐私保护较为关注，但现在也慢慢开始关注对企业的隐私保护。在隐私保护问题中也需要有对应的几种路径，一种是联邦学习路径，包括分割式神经网络技术框架，另外一个是多方安全计算，它主要是一种分布式的数据库，这两种路径目前分别被蚂蚁金服、腾讯采用。这两种方法本质上都是解决如何在数据不交换，但是关键核心信息可以交换的基础上去进行的。       最后通过“RPA机器人流程自动化+DCS数字信用分析体系+MPC多方安全计算技术”数字决策工具，能够实现小微信贷的“可得性、便捷性、惠民性和安全性”。在美国，已经有RPA做到百亿美金的科技公司，而中国的RPA刚刚开始。数字信用分析体系相对较为成熟，但是主要是在互联网公司相对比较成熟，在传统银行还是有大量的工作要做，尤其是对中小银行来讲，一是自身的数据积累，历史的数据中台并没有搭建完善，二是由于监管要求，外部数据的挖掘相对来讲比较保守，因此还需要在数字信用体系搭建上做进一步的挖掘。 <h4 style="text-align: justify;">三、数字信用分析体系与多方安全计算</h4>       数字信用分析体系包括小微数据体系、小微模型体系、小微策略体系。数据体系是基础，通过数据去建设对应的模型。模型总体来讲是偏硬的，如何基于模型的基础去设计对应的策略，这是属于偏软的。因此在其中还有模型风险管理，但是在目前的大数据风控体系容易被忽略。       我做了一个大致的归纳分类，数据体系包括宏观、财务、经营、行业、法人数据。在做普惠金融贷款时，我们要拿到宏观数据，例如区域的风险数据，就可能会看到一些经济发达的地方反而风险高，这是因为经济发达地区骗贷相对成熟，而且黄赌毒也相对较多，因此并不是经济越发达，坏账率就越低。财务数据中一个核心的难点就是更新频次太低，另一个就是人工操作痕迹比较明显，因此在经营数据中，从经营流水、经营明细到发票，这里面还是有很多风险分析工作要做，尤其是流水数据造假非常严重。       在行业数据中，科技公司、零售行业、制造业的数据都是不一样的。科技公司一个大的特点就是前期投入高，但是发展前景好，但是也属于轻资产。零售行业一个很大的问题就是它的现金流非常好，比如餐饮店现在都实时到账，昨天订的货今天就已经就变成现金收到收款，所以这里面的营销是一个难点，风控对应也有它的周期性。现在有些制造业开始做数字化转型，使用物联网传感器等，包括工业控制都开始数字化，如果能够拿到这些数据就会有很大帮助。农村金融现在一个比较大的趋势就是基于GIS数据，所谓的GIS就是地理位置信息处理，地理位置信息比如遥感对于种植是非常有帮助的，但是养殖户相关的数据很难拿到，而且养殖行业对宏观周期有比较大的影响，比如说猪周期，因此如果一家银行针对养殖户做了较大的投入，贷款集中度过高的话，就会十分危险。       在个人信息方面，一些企业由于实控人、股东或者高管的一些操作，或者外部的多头经营，也会导致这个公司发生很大的麻烦，因此法人相关的信息也很重要。此外还有很多软风险数据是没办法反映出来的，因此风险主管还要根据自身的行业经验和经济周期经验进行主观判断，并与数据模型和策略结合起来。       在动态决策管理模块中也会有比较多的复杂工作要做，要牵涉到几万张表，每个表可能有1000个变量，其中也有上万条策略规则，然后有几百个模型。互联网公司一整套的大数据风控是相当复杂的，整个团队可能需要十个人做模型维护，几百个模型库可能不是针对十几个产品，而是只针对一个产品，针对这一个产品的客户全生命周期，再综合行业模型、财务模型、经营模型、现金流模型等以及打分卡，最后这些模型会被几百上千条规则来调用，因此这是一个比较大的工程。一个产品刚刚启动时完全没有任何样本，这时就非常考验风险管理的功底，开始逐步启动，积累样本，然后动态地调整模型，并根据样本偏差在不同的模型阶段设计不同的模型和策略。        目前多方安全计算市场主流一个是MPC，另一个是联邦学习。其中有一个核心的点就是要确保数据的输入是真实的。最终实现从区块链再到多方安全计算，最终再到交互过程中来完成整体的风险算法的不断调优。       来源：2020（第十六届）中国金融风险经理年度总论坛系列5：金融科技创新和展望——唐科伟《小微信贷风控数字化转型技术和探索》 ', 'elegant' => array(array('src' => '/files/expert/expert_1614251983.png'), array('src' => '/files/expert/expert_1614251988.png')), 'userId' => '273', 'status' => 'published', 'createdTime' => '1604992104', 'updatedTime' => '1623121717', 'body' => '      唐科伟，英国诺丁汉大学博士，孚临科技创始人，杭州市特聘专家/海归高层次人才。曾任中欧金融协会执行会长，巴克莱银行/苏格兰皇家银行风控主管，蚂蚁金服花呗/借呗/农村金融风控主管，网商银行平台风险负责人。曾获牛津大学，剑桥大学和伯克利大学邀请讲座。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '282', 'name' => '武越川', 'thumb' => 'public://expert/2021/11-09/132459b6a179080539.jpg', 'originalThumb' => 'public://article/2021/11-09/132459b9e95d368911.jpg', 'description' => '中国光大银行风险管理部全面风险管理处副处长', 'about' => '现任中国光大银行风险管理部全面风险管理处副处长。毕业于清华大学，工学硕士，FRM持证人。长期从事商业银行资本管理和风险管理工作，具体负责RWA计量体系建设、压力测试、全面风险管理体系建设等相关工作。', 'sticky' => null, 'weight' => '0', 'achievement' => '   ', 'attachachieve' => '   ', 'viewpoint' => '   ', 'elegant' => array(), 'userId' => '1470', 'status' => 'unpublish', 'createdTime' => '1636435502', 'updatedTime' => '1636600553', 'body' => '       现任中国光大银行风险管理部全面风险管理处副处长。毕业于清华大学，工学硕士，FRM持证人。长期从事商业银行资本管理和风险管理工作，具体负责RWA计量体系建设、压力测试、全面风险管理体系建设等相关工作。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '186', 'name' => '王轶男', 'thumb' => 'public://expert/2020/11-11/1444491d7e6b890993.png', 'originalThumb' => 'public://article/2020/11-11/144450240d2d466884.png', 'description' => 'SS&C技术控股公司Algorithmics大中华区服务部门主管', 'about' => 'SS&C技术控股公司Algorithmics大中华区服务部门主管，在金融风险管理系统领域工作20多年，服务过亚太、北美、和欧洲的各类型金融机构。之前曾经就职于IBM风险分析部门、担任过ALGO（北京）公司的董事长和法人代表。多伦多大学工商管理硕士，主修金融。', 'sticky' => null, 'weight' => '0', 'achievement' => '    ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">关于ISDA标准初始保证金（SIMM）</h2>       我们与国内的客户SIMM模型已经开始落地，而且国内的大型银行中已经有很多家银行SIMM正在落地，所以想借此机会与大家分享我在这方面的经验。 <h4 style="text-align: justify;">（一）SIMM的背景</h4>       2008年金融危机之后，G20提出采取一套共同的监管改革措施以使金融体系在面对未来的危机时更加安全，这些改革措施之一便是针对场外未清算衍生品的保证金要求。之后，巴塞尔银行监管委员会（BCBS）和国际证监会组织（IOSCO）联合成立了保证金制度工作组（WGMR），为保证金要求建立国际标准，并提出分阶段实施方案（ Basel的d475文件）。按照 BCBS/IOSCO 的实施时间表约定，最大的市场参与者于 2016 年 9 月开始实施保证金要求，亚太地区的许多金融机构预计将于 2021年9月和2022年9 月被纳入全球非集中清算初始保证金（IM）要求的第五和第六阶段。       初始保证金计算的方法共有两大类，分别为模型法（Quantitative Portfolio Margin Model或简称Model）与标准法（Standardise Margin Schedule或简称Schedule），标准法相对比较简单，我今天主要与大家分享ISDA建构的模型法。 <h4 style="text-align: justify;">（二）SIMM的基本情况与框架</h4>       我们现在做的SIMM是按照ISDA在2019年12月颁布的SIMM2.2版本进行的，实际上ISDA已经发布了2.3的版本，且于2020年12月开始生效。2.2与2.3版本没有太大的区别，只是在模型的校准上，2.3版本重新进行了校准。   <img alt="" height="143" src="/files/default/2021/01-26/151507b86776781674.png" width="468" /> 图 1 部分国家与地区SIMM阶段实施时间表       图1中介绍了美国、日本等国家与地区SIMM实施的时间表，中国将进入第五阶段。原计划第五阶段的实施应该从今年9月开始，但因为疫情等原因，第五阶段的实施推迟一年至2021年9月。ISDA 的分析显示，当非集中清算衍生品平均名义总金额合规门槛按计划从 7500 亿欧元降低至 80 亿欧元时，被纳入合规范围的机构将从 60 个猛增至 1100 多个，相当于约9500 多个交易对手关系。   <img alt="" height="212" src="/files/default/2021/01-26/151526eecba4158697.png" width="442" /> 图 2 SIMM的关键概念       要使SIMM成为一套标准化的体制，那么它在很多概念上就必须标准化。SIMM将所有的产品分为四大类型，然后基于不同类型对产品的风险进行分解，得到产品的风险类型、风险子类与风险因子，图2中给出了几个关键概念，并给出了资产类型和风险类型等。   <img alt="" height="181" src="/files/default/2021/01-26/1515528aa7e3827766.png" width="470" /> 图 3 SIMM整体框架       图3给出了SIMM整体框架。对于一个交易对手，我们在计量SIMM时，是按照资产类型的SIMM值进行简单加总，即按照公式： <img alt="" src="/files/default/2021/01-26/151639785543335139.png" />         对于每一个资产类型的SIMM值的计算，首先要弄清楚这一资产类型有哪些风险类型，涉及到哪些风险因子，根据公式： <img alt="" src="/files/default/2021/01-26/1516491c8755017827.png" />         计算出风险类型的IM，然后，再使用公式： <img alt="" src="/files/default/2021/01-26/1516579d2563889621.png" />         计算出资产类型对应的SIMM值。       关于DeltaMargin等的计算，在之前提到的文件中有详细的说明，我就不赘述了。 <h4 style="text-align: justify;">（三）SIMM的计量与管理</h4>       从整体上看，SIMM的计量与管理可以分为三段。   <img alt="" height="230" src="/files/default/2021/01-26/151754253670757992.png" width="469" /> 图 4 SIMM的计量与管理       首先，需要有对衍生品进行估值与计量的引擎，才能够进行敏感值的计算，以及输出CRIF文件。CRIF文件是一个非常重要的中间结果文件，在之后与交易对手的比对以及与ISDA进行官方验证时，CRIF文件都有着极为重要的作用。       接下来，按照ISDA规定的参数设置，通过加总可以得到IM的值，并在后台进行保证金的计算等，同时，之前做的所有的计量结果都要和交易对手逐一比对。       最后，由于之前的计算均是基于模型，所以还需要进行合规准备。例如，ISDA有一套Unit Test，我们在将整个SIMM系统做好后需要进行单元测试，以及一些官方的验证。ISDA也有关于SIMM的回溯测试的要求，SIMM的回溯测试可能涉及一年的压力情景等等。 （四）SIMM在国内银行的实践       该银行已经是ALGO 交易对手信用风险方案的用户，交易对手与多数衍生品数据皆已完成。我们在此基础上实施的内容包含新增复杂衍生品、梳理市场数据、SIMM计量、验证、和相关咨询。主体项目实施过程约4个多月，包含银行自行开发加总引擎和参数管理界面，并于2019.12上线，之后我们协助进行官方验证需要的单元测试、提供SIMM的回溯测试方案，并对系统进行优化。在整个项目的实施过程中，有一些比较关键的方面，如和ISDA的沟通、SIMM敏感值输出与验证、协助银行开发SIMM IM汇总引擎并验证IM汇总结果。       来源：2020（第十六届）中国金融风险经理年度总论坛系列14：金融市场业务、衍生产品与市场风险管理——王轶男《ISDA标准初始保证金（SIMM）介绍》 ', 'elegant' => array(), 'userId' => '287', 'status' => 'published', 'createdTime' => '1605077137', 'updatedTime' => '1636536897', 'body' => '      王轶男，SS&C技术控股公司Algorithmics大中华区服务部门主管，在金融风险管理系统领域工作20多年，服务过亚太、北美、和欧洲的各类型金融机构。之前曾经就职于IBM风险分析部门、担任过ALGO（北京）公司的董事长和法人代表。多伦多大学工商管理硕士，主修金融。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '43', 'name' => '林亚臣', 'thumb' => 'public://expert/2019/07-16/114940417d0a291107.jpg', 'originalThumb' => 'public://article/2019/07-16/1149404686b1061213.jpg', 'description' => '马上消费金融公司副总裁', 'about' => '马上消费金融公司副总裁，博士，曾任广发银行首席信贷官。美国银行技术公司FIS风险管理和决策分析总经理、公司副总裁，美国大通银行任私营信用卡客户管理和决策分析总经理、资深副总裁，美国第一北美银行任决策分析总经理，美国第一数据任信用评分和决策管理资深经理等。', 'sticky' => 'index', 'weight' => '89', 'achievement' => '<div style="border-left:5px solid #ff7200;padding-left:20px;">论文</div> <div style="height:12px; float:left"> </div> <div style="height:12px; float:left"> </div> 2020，零售金融核心逻辑揭秘，《金融博览》第11期。 2012，<a href="https://www.yunzhan365.com/69835151.html">风险管理创新实践</a>，《中国信用卡》第12期。 2010，<a href="https://www.yunzhan365.com/40011820.html">量化的客户关系管理</a>，《金融科技时代》第10期。 2007，An Application of Component-Wise Iterative Optimization to Feed-Forward Neural Networks, Yachen Lin - International Conference on Computational Science, Springer. 2002，Improvement on behavior scores by dual-model scoring system，Yachen Lin - International Journal of Information Technology & Decision Making, World Scientific. 2001，Data mining in credit card portfolio management: a multiple criteria decision making approach，Y Shi, M Wise, M Luo, Yachen Lin - Multiple criteria decision making in the new millennium, Springer. 1997，Asymptotics of bootstrapping mean on some smoothed empirical distribution，Yachen Lin, Statistics & Decisions 15, 301 – 306,1997. 1995，Asymptotic confidence bands for normal distributions, Yachen Lin - Communications in statistics-theory and methods. 1996，Feed-forward neural networks: learning algorithms, statistical properties, and applications，Yachen Lin – Ph.D. dissertation Syracuse University. 1995，REPEATED TWO-STAGE ESTIMATION IN SINGLE HIDDEN LAYER FEED-FORWARD NEURAL NETWORKS, Yachen Lin, C Chen - Proceedings of the Statistical , American Statistical Association. ', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;">一、风险管理的要旨</h2>       风险者，未来不利之可能也。其小则关乎利益得失，大则关乎生死存亡。不可不察。察者欲识之，识之，当对其三性了然于心。悟其恒存之真理、知其互化之奥妙：一曰普遍存在性，二曰相关可预测性，三曰普遍关联性。知此三者，方知清水之源泉，广厦之根基。普遍存在性谓之曰，天之所覆、地之所载、时时处处，风险皆在焉；既如此，可预知发生否？虽无法精准预知，却可预知其发生概率，此之谓风险相关可预测性；何为普遍关联性？名为可预测，实因关联因素众多之故，变化可期；故关联之要意在于创体系以求关联之实，于变化以见不变之实，实实相关，以实为正，居正出奇，出奇制胜。       风险管理者，须谙风险三性、须为三业专家、须有中庸心怀，须尽使命之志。风险三性，不必多言。三业专家，即为业务专家、科技专家、数据分析专家。惟如此，方可于无法而识常法，于无形而见常形。慧眼识大势，巧手握精微；敏于市场变化，动如闪电，出如雷击；常于善战之势，“势如张弩，节如机发”。立风险管理之目标，依普遍关联之特性，设短策长效之方略，审时度势，总揽全局，随机应变；于变化之初而出奇兵，变化之末而定军略，积小胜连连以成大胜，终成全胜。       来源：《风险管理》2020年综合第2期   <h2 style="text-align: justify;">二、在线消费与信贷市场问题</h2>       在线消费信贷是指无须人工介入，完全通过数字化方式完成授信放款的消费信贷。在线消费信贷充满了挑战，在行业中，树立正确的业务发展观、合规观，以及正确的风险管理观是当务之急。同时，在线消费信贷也充满了机遇，社会零售消费市场在不断发展壮大，给在线消费信贷提供了巨大的市场基础。同时，时代为在线消费信贷提供更多的机遇，金融科技、大数据和AI的运用，5G的商用、政府开放数据，金融形成开放生态等，这一切都将为在线消费信贷市场带来新机会。       来源：《风险管理》2019年综合第4期   <h2 style="text-align: justify;">三、在线消费信贷的机遇和挑战</h2>       在线消费信贷充满了挑战：在行业中，树立正确的业务发展观、合规观，以及正确的风险管理观是当务之急。除此以外，对于具体的行业问题，从“十大”矛盾总结了在线信贷面临的挑战。这是行业面临的共同问题，解决或改进任何一个矛盾都会促进行业的发展。       在线消费信贷充满了机遇：社会零售消费市场在不断发展壮大，占据GDP的比重已超过50%，今后的占比将更大。消费市场不断扩张给在线消费信贷带来了前所未有的机会——提供了巨大的市场基础。同时，时代为在线消费信贷提供更多的机遇：金融科技的运用、大数据和AI的运用、5G的商用、政府开放数据、金融形成开放生态等，这一切都将为在线消费信贷市场带来新机会。       来源：《风险管理》2019年综合第4期   <h2 style="text-align: justify;">四、在线消费信贷面临的十大矛盾</h2>       （一）法规和实践的矛盾。信贷利率大于36%：法律认为无效，但并非犯法。没有定义成非法就使得许多不受监管的公司依然做36%以上，更有甚者，一些不法分子大搞诸如“714”和套路贷之类。       （二）不同监管下的矛盾。公司在强监管下会理性的发展，有助于减少市场风险，市场会越来越健康；但市场上存在大量的无监管或弱监管的公司，他们获得很多政策套利机会，抢占市场，挤压强监管下持牌金融公司，导致市场风险增加，会使市场越来越不健康。不同监管下的套利会导致劣币驱逐良币。       （三）“普”和“惠”的矛盾。“普”是让很多未得到银行金融服务的客户，如那些征信白户，得到金融服务。但事实表明，这个客群本身风险高，按照收益覆盖风险的基本原则，定价就必须高，否则业务无法持续，这就导致难以“惠”。       （四）授信简化和授信需求的矛盾。该矛盾也属于监管套利，很多弱监管的金融公司为了抢占市场，在客户授信环节做减法，如只进行“四要素检验”而不进行活体检验，因为活体检验很耗费时间。更有甚者，设立更高的利率，手续更加简化。这些过分的简化，表面上是满足了需求，实质是造成了市场风险加大，在授信端放宽条件，在催收阶段进行暴力催收，其实质是将市场搞乱。       （五）反欺诈信息共享窘境，贡献和分享的矛盾。反欺诈信息的共享是一种社会责任，如果信息不共享，欺诈分子会再次在市场上实施欺诈，让欺诈分子多次得逞。但如果信息共享，就会面临贡献和分享如何平衡的问题。掌握欺诈信息多的公司，有可能是付了很多学费的，它的贡献就很大；而掌握欺诈信息很少的公司，它的贡献就相对小。如果这两类公司享有同等的分享功能，事实上是不合理的。该如何公平的平衡贡献和分享信息是一个值得研究的问题。       （六）满足需求和共债风险的矛盾。共债的风险是目前的当务之急，但由于很多授信实体不上报征信的现状，人们无法准确判断共债。另外，监管机构也未统一监管市场要求共债达到什么指标任何机构都不得授信。       （七）额度和价格的矛盾。非理性的市场竞争导致非理性行为。许多公司靠额度获客，通常并未认真研究客户收入负债比，常常过度授信，比如提供一个手机号码就能获得几万的授信额度。靠额度吸引客户的资产组合通常有较高的风险，因此在定价上，必须维持较高的定价，只有这样才能做到收益覆盖风险。然而，由于信贷依赖于借款人的还款能力和还款意愿，而其还款能力是有限的。当高额和高价同时发生时，其还款压力骤增，还款能力不足，导致风险加大，从而造成行业风险加大       （八）单一数据源过多和信息不充分的矛盾。在线消费信贷客户中有很多是下沉客户，即没有很好的央行征信记录，也没有使用涵盖很多信息的数据源（百行征信正在努力实现这一目标），必须用其他数据源来推测这些客户的信用价值。多个单一的数据源使得每个数据源有价值，但其价值并不高，而这些单一数据源通常由市场化的一些公司来维护。这些公司为了生存，必须使其数据源的数据定在某一价格之上。尽管单一的数据源并不贵，但将很多这样的单一数据加起来，成本就相当的高。       （九）关键信息缺失和有效数据闲置的矛盾。政府掌握了90%以上的大数据，但数据闲置未被有效利用，这增加了企业的成本，给市场风险增加了不确定性因素。       （十）大数据风控技术和传统监管认知矛盾。传统的监管认知是模型必须具有可解释性和稳定性：具有这样性质的模型，可以厘清背后的逻辑，如收入高，负债少，最后违约的可能性就小，因为稳定，所以未来也可能这样；但在线信贷由于没有收入和负债这样的数据，而是有很多与收入负债间接相关的信息，因此需要用很复杂的模型提炼相关信息，来判断类似于“收入高，负债少，最后违约的可能性就小”这样的情况。因此，模型本身没有直接的可解释性，并且由于模       型所基于的信息和要判断的事情是弱相关的，因此，及时更新极为必要。实践证明，模型的快速迭代是保持模型有效性的一种手段，近几年的实践告诉我们，大数据风控技术对小额在线信贷是可行的。       来源：《风险管理》2019年综合第4期 ', 'elegant' => array(array('src' => '/files/expert/expert_1565661527.jpg'), array('src' => '/files/expert/expert_1565661538.jpg'), array('src' => '/files/expert/expert_1565661546.jpg'), array('src' => '/files/expert/expert_1565661555.jpg'), array('src' => '/files/expert/expert_1565661562.jpg')), 'userId' => '25', 'status' => 'published', 'createdTime' => '1558707828', 'updatedTime' => '1636527151', 'body' => '       林亚臣博士曾在多个世界500强公司担任高级管理工作，诸如，在世界排名第一的银行技术公司美国FIS任风险管理和决策分析总经理、公司副总裁；在美国大通银行（JPM Chase和BankOne）任私营信用卡客户管理和决策科学总经理、资深副总裁；在美国第一北美银行任决策分析总经理；在First Data 任信用评分和决策管理资深经理；多次应邀在国内外著名科研单位、大学、公司以及学术和商业会议作为主题演讲嘉宾；曾应中国人民银行征信中心邀请对中国首个信用评分ChinaScore的创建提供技术咨询，并任中国科学院虚拟经济与数据科学研究中心兼职研究员。        林亚臣博士于2007年后期回国服务并加入广发银行信用卡中心任首席风险官；后任广发银行总行首席信贷官，负责广发零售银行全面风险管理工作；九年后，进入互联网金融领域，曾任唯品会金融首席风险官和首席战略官；现就职于马上消费金融公司，任公司副总裁并负责马上消费金融公司全面风险管理工作。        林亚臣博士毕业于北京师范大学，并获得数学学士学位、概率统计学硕士学位；后留学美国获得计算机科学硕士学位、统计学博士学位；在多个世界一流学术杂志发表了多篇论文并担任多个世界著名杂志的审稿人和杂志编辑理事。他的名字被收入“国际知名职业人士录”（INTERNATIONAL WHO’s WHO of Professionalsä），和“美国知名人士录”（Marquis’ Who’s Who in AmericaÒ）。 ', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '222', 'name' => '朱建林', 'thumb' => 'public://expert/2020/11-12/153339329b2b102494.jpg', 'originalThumb' => 'public://article/2020/11-12/1533393c6d9c628640.jpg', 'description' => '泰康人寿保险有限公司科技创新中心数据智能部数据分析与挖掘方向负责人', 'about' => '中国人民大学计算机博士，金融学博士后。现任泰康人寿保险有限公司科技创新中心数据智能部数据分析与挖掘方向负责人，主要工作包括：客户精准营销、代理人赋能、智能核保核赔、健康控费、人力财务智能决策等。', 'sticky' => null, 'weight' => '0', 'achievement' => '   ', 'attachachieve' => '', 'viewpoint' => '   ', 'elegant' => array(), 'userId' => '323', 'status' => 'unpublish', 'createdTime' => '1605166469', 'updatedTime' => '1612871836', 'body' => '朱建林，中国人民大学计算机博士，金融学博士后。现任泰康人寿保险有限公司科技创新中心数据智能部数据分析与挖掘方向负责人，主要工作包括：客户精准营销、代理人赋能、智能核保核赔、健康控费、人力财务智能决策等。 ', 'type' => 'interflow', 'opened' => '0', 'followed' => '0')), 'title' => '社群：数字金融与科技应用【年度】', 'classroom' => array('id' => '273', 'title' => '社群：数字金融与科技应用【年度】', 'status' => 'published', 'about' => '', 'categoryId' => '92', 'description' => null, 'price' => '618.00', 'vipLevelId' => '0', 'smallPicture' => 'public://course/2024/09-10/1759473dccdd173496.png', 'middlePicture' => 'public://course/2024/09-10/1759473da760590487.png', 'largePicture' => 'public://course/2024/09-10/1759473d7ea9872555.png', 'headTeacherId' => '0', 'teacherIds' => array('3'), 'assistantIds' => array(), 'hitNum' => '0', 'auditorNum' => '0', 'studentNum' => '0', 'courseNum' => '891', 'lessonNum' => '0', 'threadNum' => '0', 'noteNum' => '0', 'postNum' => '0', 'rating' => '0', 'ratingNum' => '0', 'hotSeq' => '0', 'income' => '0.00', 'createdTime' => '1725962362', 'updatedTime' => '1742438306', 'service' => array(), 'private' => '0', 'recommended' => '0', 'recommendedSeq' => '100', 'recommendedTime' => '0', 'maxRate' => '100', 'showable' => '1', 'buyable' => '1', 'conversationId' => '0', 'orgId' => '1', 'orgCode' => '1.', 'expiryMode' => 'days', 'expiryValue' => '365', 'creator' => '3', 'scheme' => '', 'approve' => '', 'cate' => '', 'free' => '', 'qianyan' => '', 'zanzhu' => '', 'length' => '', 'content' => ''), 'count' => '630', 'courseSets' => array(array('id' => '5501', 'title' => '从监管驱动到管理驱动——精细化信用风险压力测试实践', 'type' => '0', 'createdTime' => '1731841352', 'updatedTime' => '1731841352', 'trueTime' => '1606608000', 'video' => '0', 'ppt' => '0', 'course_id' => '3499', 'classroomId' => '273', 'meetingId' => '65', 'categoryId' => '16', 'meetingTitle' => '2020（第十六届）中国金融风险经理年度总论坛专题十六压力测试和模型风险管理', 'guest' => array('id' => '808', 'title' => '从监管驱动到管理驱动——精细化信用风险压力测试实践', 'meetingId' => '65', 'categoryId' => '357', 'type' => 'expert', 'name' => '陈勇', 'ranks' => '中国民生银行总行风险管理部风险计量模型验证中心主任', 'about' => '中国民生银行总行风险管理部风险计量模型验证中心主任', 'thumb' => '/files/default/2020/10-16/1456557beda5025011.png?version=8.3.20', 'videoUrl' => null, 'linkUrl' => null, 'createdTime' => '1602831424', 'updatedTime' => '1611386657', 'weight' => '0', 'expertId' => '0', 'short' => '', 'showable' => '0')), array('id' => '6316', 'title' => '银行经济资本的计算和运用', 'type' => '0', 'createdTime' => '1732081388', 'updatedTime' => '1732081388', 'trueTime' => '1606608000', 'video' => '0', 'ppt' => '0', 'course_id' => '4269', 'classroomId' => '273', 'meetingId' => '62', 'categoryId' => '43', 'meetingTitle' => '2020（第十六届）中国金融风险经理年度总论坛专题十三经济资本、风险偏好和限额管理', 'guest' => array('id' => '777', 'title' => '经济资本的计算方法和使用', 'meetingId' => '62', 'categoryId' => '342', 'type' => 'expert', 'name' => '杨一民', 'ranks' => '美国鼎信银行创始合伙人，代理CEO，首席风险官和信用官', 'about' => '美国LoyalTrustBank(鼎信银行)创始合伙人，资深执董，首席风险官和首席信用官', 'thumb' => '/files/default/2020/10-16/140205d2ab9d847779.png?version=8.3.20', 'videoUrl' => null, 'linkUrl' => null, 'createdTime' => '1602828130', 'updatedTime' => '1611387355', 'weight' => '0', 'expertId' => '0', 'short' => '', 'showable' => '0')), array('id' => '5504', 'title' => '经济资本和压力测试的限值设置', 'type' => '0', 'createdTime' => '1731841352', 'updatedTime' => '1731841352', 'trueTime' => '1606608000', 'video' => '0', 'ppt' => '0', 'course_id' => '3503', 'classroomId' => '273', 'meetingId' => '65', 'categoryId' => '43', 'meetingTitle' => '2020（第十六届）中国金融风险经理年度总论坛专题十六压力测试和模型风险管理', 'guest' => array('id' => '803', 'title' => '经济资本和压力测试的限值设置', 'meetingId' => '65', 'categoryId' => '357', 'type' => 'expert', 'name' => '江李蕰盈', 'ranks' => '前瑞士信贷（美国）董事总经理，主管信用分析业务', 'about' => '瑞士信贷（美国）（CreditSuisseUSAIHC）董事总经理、首席风险官', 'thumb' => '/files/default/2020/10-16/1449564e644f923364.jpg?version=8.3.20', 'videoUrl' => null, 'linkUrl' => null, 'createdTime' => '1602830999', 'updatedTime' => '1611386632', 'weight' => '0', 'expertId' => '0', 'short' => '', 'showable' => '0')), array('id' => '5508', 'title' => '商业银行 RAROC 管理体系建设', 'type' => '0', 'createdTime' => '1731841352', 'updatedTime' => '1731841352', 'trueTime' => '1606608000', 'video' => '0', 'ppt' => '0', 'course_id' => '4267', 'classroomId' => '273', 'meetingId' => '62', 'categoryId' => '16', 'meetingTitle' => '2020（第十六届）中国金融风险经理年度总论坛专题十三经济资本、风险偏好和限额管理', 'guest' => array('id' => '778', 'title' => '商业银行RAROC 管理体系建设：挑战与对策', 'meetingId' => '62', 'categoryId' => '342', 'type' => 'expert', 'name' => '刘吕科', 'ranks' => '民生银行总行风险管理部高级经理，经济学博士，金融学博士后，注册金融风险管理师', 'about' => '民生银行总行风险管理部高级经理，经济学博士，金融学博士后，注册金融风险管理师，曾就职于知名咨询公司，入职民生银行以来主要负责信用风险计量体系建设相关工作，包括内部评级、经济资本管理、减值管理和RAROC管理等工作', 'thumb' => '/files/default/2020/10-16/1403219477b7600268.png?version=8.3.20', 'videoUrl' => null, 'linkUrl' => null, 'createdTime' => '1602828209', 'updatedTime' => '1611387363', 'weight' => '0', 'expertId' => '0', 'short' => '', 'showable' => '0')), array('id' => '5510', 'title' => '银行经济资本的计算和运用', 'type' => '0', 'createdTime' => '1731841352', 'updatedTime' => '1731841352', 'trueTime' => '1606608000', 'video' => '0', 'ppt' => '0', 'course_id' => '4269', 'classroomId' => '273', 'meetingId' => '62', 'categoryId' => '43', 'meetingTitle' => '2020（第十六届）中国金融风险经理年度总论坛专题十三经济资本、风险偏好和限额管理', 'guest' => array('id' => '777', 'title' => '经济资本的计算方法和使用', 'meetingId' => '62', 'categoryId' => '342', 'type' => 'expert', 'name' => '杨一民', 'ranks' => '美国鼎信银行创始合伙人，代理CEO，首席风险官和信用官', 'about' => '美国LoyalTrustBank(鼎信银行)创始合伙人，资深执董，首席风险官和首席信用官', 'thumb' => '/files/default/2020/10-16/140205d2ab9d847779.png?version=8.3.20', 'videoUrl' => null, 'linkUrl' => null, 'createdTime' => '1602828130', 'updatedTime' => '1611387355', 'weight' => '0', 'expertId' => '0', 'short' => '', 'showable' => '0')), array('id' => '5512', 'title' => '刘志玲：浅谈反欺诈体系建设', 'type' => '0', 'createdTime' => '1731841352', 'updatedTime' => '1731841352', 'trueTime' => '1606608000', 'video' => '0', 'ppt' => '0', 'course_id' => '4880', 'classroomId' => '273', 'meetingId' => '66', 'categoryId' => '16', 'meetingTitle' => '2020（第十六届）中国金融风险经理年度总论坛专题十七内部控制和操作风险管理'), array('id' => '5513', 'title' => '蒋亚萍：全面压力测试 (EWST) ——能力成熟度模型', 'type' => '0', 'createdTime' => '1731841352', 'updatedTime' => '1731841352', 'trueTime' => '1606608000', 'video' => '0', 'ppt' => '0', 'course_id' => '5023', 'classroomId' => '273', 'meetingId' => '65'), array('id' => '5643', 'title' => '杨一民：银行经济资本的计算和运用', 'type' => '0', 'createdTime' => '1732073819', 'updatedTime' => '1732073819', 'trueTime' => '1606608000', 'video' => '0', 'ppt' => '0', 'course_id' => '4269', 'classroomId' => '273', 'meetingId' => '62'), array('id' => '6514', 'title' => '周瑾：保险行业风险管理体系的演进', 'type' => '0', 'createdTime' => '1732081399', 'updatedTime' => '1732081399', 'trueTime' => '1606608000', 'video' => '10724', 'ppt' => '0', 'course_id' => '10724', 'classroomId' => '273', 'meetingId' => '64'), array('id' => '4578', 'title' => '贺德全：压力测试模型的建立', 'type' => '0', 'createdTime' => '1731840137', 'updatedTime' => '1731840137', 'trueTime' => '1606608000', 'video' => '3530', 'ppt' => '0', 'course_id' => '3530', 'classroomId' => '273', 'meetingId' => '65'), array('id' => '4579', 'title' => '江李蕰盈：限额应该具有前瞻性，并密切监控资本使用情况', 'type' => '0', 'createdTime' => '1731840137', 'updatedTime' => '1731840137', 'trueTime' => '1606608000', 'video' => '3531', 'ppt' => '0', 'course_id' => '3531', 'classroomId' => '273', 'meetingId' => '65'), array('id' => '6499', 'title' => '李春萌：保险科技助力我国保险公司价值转型', 'type' => '0', 'createdTime' => '1732081399', 'updatedTime' => '1732081399', 'trueTime' => '1606608000', 'video' => '4959', 'ppt' => '0', 'course_id' => '4959', 'classroomId' => '273', 'meetingId' => '64')), 'checkmeeting' => array('id' => '66', 'title' => '2020（第十六届）中国金融风险经理年度总论坛专题十七内部控制和操作风险管理', 'subtitle' => 'NO.17：内部控制和操作风险管理', 'thumb' => 'public://meeting/2020/10-16/1500000c5b4b999724.jpg', 'originalThumb' => 'public://article/2020/10-16/1500000ed70e655260.jpg', 'price' => '15000.00', 'about' => 'NO.17：内部控制和操作风险管理 2020 年11 月29 日（星期日）上午 NO.17-1：巴Ⅲ、操作风险、数字化 1. 巴Ⅲ操作风险新标准法的再理解-- 基于业务视角 王林：建设银行风险管理部副处长 2. 内控、合规、操作风险和案防管理一体化、数字化思考 刘丽芹：中国农业银行内控合规监督部副处长 NO.17-2：黑产与反欺诈体系建设 1. 黑产与反欺诈的攻守之道 祝世虎：光大银行智能风控中心副总裁、博士 2. 反欺诈防控体系的建设 刘志玲：建信金科产品经营中心副总裁 NO.17-3：投融资业务法律风险 1. 投融资业务的法律风险控制 陶修明：君泽君律师事务所创始合伙人暨管委会主任 2.“以终为始”看债券投资的风险管理 何海锋：北京天同律师事务所顾问律师 NO.17-4：审计、内控与穿透式风险管理 1. 资金资产的穿透式风险管理在内部控制中的运用 熊瑛：广州银行高管 2. 商业银行合规内控有效性机制重构 杨贵院：上海农商行总法律顾问、兼任总行合规内控部总经理 3. 审计与风险 闫振平：微众银行审计部总经理，中国计算机用户协会信息科技审计分会 副理事长、分会金融大数据应用与治理工作组组长 ', 'plan' => ' ', 'crowd' => '<span style="color: rgb(102, 102, 102); font-family: -apple-system-font, BlinkMacSystemFont, "Helvetica Neue", "PingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif; font-size: 15px; text-align: center;">各类金融机构和企业风险管理专业人士、中高层管理者和监管者。 ', 'subject' => '<footer style="margin: 40px 0 50px 0;text-align: center;font-size:18rpx"> 天弈方圆·天弈研究院 合作联系电话：010-82563540、010-82608823 本次研讨会征集商务合作伙伴，合作方式包括联合主办、独家赞助、首席赞助、赞助商、参展商等多种方式。期待与有意合作的机构共同努力推进“基于风险和科技驱动的金融（RBTDF）”在中国的发展。 </footer> ', 'subjectCount' => '0', 'savantCount' => '0', 'receipt' => '联系人：李先生       报名电话：010-82563540、010-82608823 传真：010-82561804        E-mail：forum@cfrisk.org ', 'appendix' => null, 'startTime' => '1606608000', 'endTime' => '1606622400', 'locale' => '线上', 'type' => 'review', 'classify' => 'yaer', 'createdTime' => '1602831729', 'updatedTime' => '1618222528', 'attachment' => array('fileIds' => '', 'targetType' => 'meeting', 'type' => 'attachment'), 'sticky' => '', 'weight' => '16', 'banner' => 'files/meeting/2020/10-21/1518273a40b2299728.jpg', 'enabled' => '1', 'topic' => '0', 'streamlink' => '', 'tencent' => '', 'circle' => '0', 'process' => '2', 'process_start' => '0', 'process_end' => '0', 'webviewed' => '0', 'onviewing' => '', 'inclass' => '0'), 'cour' => array('id' => '4880', 'type' => 'information', 'title' => '刘志玲：浅谈反欺诈体系建设', 'subtitle' => '', 'tags' => array(), 'categoryId' => '16', 'cate_child' => '0', 'cate_grand' => '0', 'summary' => null, 'goals' => array(), 'audiences' => array(), 'isVip' => '0', 'cover' => array(), 'status' => 'closed', 'creator' => '3', 'createdTime' => '1606608000', 'updatedTime' => '1735914785', 'serializeMode' => 'none', 'ratingNum' => '0', 'rating' => '0', 'noteNum' => '0', 'studentNum' => '0', 'hotSeq' => '0', 'recommended' => '0', 'recommendedSeq' => '0', 'recommendedTime' => '0', 'orgId' => '1', 'orgCode' => '1.', 'discountId' => '0', 'discount' => '10.00', 'hitNum' => '0', 'maxRate' => '100', 'materialNum' => '0', 'parentId' => '0', 'locked' => '0', 'minCoursePrice' => '0.00', 'maxCoursePrice' => '0.00', 'teacherIds' => array('3'), 'defaultCourseId' => '4880', 'sourceUrl' => null, 'body' => '<h1 style="text-align: center;">浅谈反欺诈体系建设</h1> 刘志玲建信金科产品经营中心副总裁   <h2 style="text-align: justify;">一、欺诈风险概述</h2> <h4 style="text-align: justify;">（一）欺诈风险统一视图</h4>       说起反欺诈体系，人们一直认为反欺诈或者欺诈想抓取都不那么容易，因为骗子或者高手的骗子也都不傻，很多时候是一个团伙、一个群体，所以想以简单的技术或某一个工具抓住所有的骗子、防范所有的损失，没有那么简单。       与有还款意愿的信用风险不同，欺诈是没有还款意愿的。意愿是非常深层次的事情，它并不是表象，从数据的特色、规律或者挖掘来说，要更深层次地去挖掘意愿确实是没那么容易。另外欺诈找得更多的是模式，这不是简单的战略问题，要建设体系或者防范骗子，我们首先要明白有哪些其他类型的欺诈，要建设好防火墙需要识别出哪些种类的欺诈？大的分类一定是分为申请欺诈和交易欺诈。但凡有借出钱的场景发生，有借或者有申请的阶段、时点发生的欺诈，统称为申请欺诈。但凡有交易场景发生的，都是可能有交易欺诈。交易场景的种类也是挺多的，不管是信用卡、存款、电子银行，还是互联网支付都存在交易欺诈产生在这个时点。合规上要求的反洗钱，虽然是贷后发生的，也是欺诈类型的一种。       欺诈风险包括第一方欺诈和第三方欺诈，第一方欺诈是申请主体盗取了或是编制了一定的虚假信息进行欺诈。第三方欺诈简而言之就是伪冒，看到的信息都是对的，但是背后申请的主体并不知道他的信息被伪冒了，被盗用了，这时造成欺诈叫第三方欺诈。内部欺诈也是发生欺诈的一个场景，无论发生的种类、场景，还是模式，都会有内外勾结的现象，所以内部欺诈是一个永恒的话题。 <h4 style="text-align: justify;">（二）欺诈发生场景多种多样</h4>       欺诈发生的场景一定是多种多样的，不论是申请欺诈，还是交易欺诈，或者是不同的业务形态或是场景，欺诈体现的模式也是不太一样的。不管是信用卡、电子银行、存款或者是SME贷款，欺诈的模式都不一样。以SME贷款为例，因为中小微企业的欺诈，尤其是申请端的欺诈，其背后对应的债项额度非常大，欺诈历来面临的最大的挑战就是因为没有还款意愿。所以某种意义上来说，欺诈意味着损失，这种背景下，越是金额大的债项，我们越要审慎关注。所以像SME贷款，不管是虚假申请也好，或者虚假账户也好，资金流向也好，或者一些假中介、黑中介、控制人、虚假的公司信息都是我们要去识别的，这是申请阶段比较大的一些损失，可能造成的场景，肯定要去意识到的，或者有手段来覆盖。       以电子银行为例，无论是做信贷端的机构还是个人，都会面临欺诈威胁。所以，首先要把七大场景和七大种类分清楚，这样才知道靶子是谁，才知道用什么样的手段去把这个靶子抓住。如果是放到一起，一个技术很难覆盖这么多类型、这么多个场景，抓欺诈从来都是有各种各样的挑战，有纷繁的欺诈模式和欺诈场景，在抓取的时候一定要抓住重点，抓住重点就知道挑战是什么。 <h2 style="text-align: justify;">二、反欺诈体系</h2> <h4 style="text-align: justify;">（一）面对挑战考虑的重点</h4>       抓欺诈一定要是企业级的，因为一旦骗子到一家机构，他不会挑场景，也不会挑哪些钱想骗，哪些钱不想骗，所以在考虑的时候一定是企业级的规划。做企业级规划的时候，一是从风险管理体系的建设，二也要从合规体系建设综合考虑，因为合规要求我们把风险管理体系做扎实，真的能够切入到业务中。       抓欺诈一定要与骗子比速度，因为骗子都不慢的，这时不管是我们什么样的手段、什么样的技术或什么样的平台，一定要有相应的实施有效性，速度是要非常关注的。       对于内部欺诈也要有认知，当企业级的体系建得挺好，应对欺诈也有速度，但如果内部员工内外勾结，其威胁还是非常大的。因为上头体系、手段、规则他都知道，平台的内涵、切入点也都知道，所以内部威胁一向是非常重大的。       要做到一定的优化统一，今天我们再谈反欺诈这个话题已经不新鲜了，不管是监管合规的要求、风险管理体系的要求，还是大数据平台、对数据的应用也好，许多家银行其实都有一定的建设了，所以每一步的建设都不要从零开始，也不一定都要推倒重来，一定是迭代优化的一个过程。这样在建设的过程中，其实也反过来提出这一要求，即我们建设的过程中一定要有自己的平台，体系要有一定的优化和迭代空间。平台建设一定要是可扩展的，如果今天建一个，明天建一个，那么多的体系，那么多的系统，那么多的平台不对话，一方面是资源的浪费，另一方面前面的工作其实都白费了，对机构、对部门业务形态都是压力、威胁和浪费，所以这不必要，在建设的过程中要优化统一的思考，规划好了，设计好了，再逐步去建设。总结起来，做反欺诈体系的时候务必要考虑到是企业级的，要有一定速度，要防范内部内外勾结，做到一定的优化统一。 <h4 style="text-align: justify;">（二）申请欺诈主要类别</h4>       申请欺诈的覆盖面非常广，它包括不同类型。第一种是地方欺诈，申请者歪曲了或者是造假了部分资料或者全部资料，来骗取信贷机构新的贷款、新的资金。按照一些全球性的尤其欧美市场的调研，第一方欺诈通常占所有申请欺诈0.5%~1%。这个比例不高，但是背后对应的资金还是不少的，尤其是SME和中小微企业。第二种是养额度现象，一般来说骗子前6个月到9个月行为都会正常，或者把自己的信用记录表达得非常好，其目的就是要养起额度。当有一定的额度或者有大额的信贷、授信时，他就会一次性提取，通常我们叫Bust out，所以这也是非常大的损失风险。最后一种是第三方欺诈，你看到的信息都是对的，但是被人冒充、伪冒了。而第三方欺诈往往又占据了整个申请欺诈的40%，所以抓地方欺诈的任务还是挺艰巨的。       欺诈风险和信用风险往往是有交点的，所以我们说信贷风险5%~20%其实是欺诈风险。怎么把它识别出来呢？信用风险管理体系和欺诈风险管理体系或者操作风险管理体系，因为它面对的靶子不一样，找的对象不一样，摸索的数据规律不一样、模式不一样，所以它的体系是不可能互为替代的。反欺诈体系一定要是单独的建设，虽然也会用到信用体系的信息源，但是反欺诈体系建设用到的信息源有自己独特的特征，所以在建设的过程中还是要自成一定体系的。       而反欺诈发生的载体和主体又不一样。有些是事件驱动的，有些是一些不同的实体，不管是代理人，还是黑中介也好，给损失造成最大威胁的就是网络欺诈、团伙欺诈。 <h2 style="text-align: justify;">三、反欺诈体系系统实施</h2> <h4 style="text-align: justify;">（一）通过整体分析改善检测</h4>       因为反欺诈纷繁复杂，靠一个技术肯定是不行的。现在我觉得大家都做得已经非常不错的，一是安全方面，像我们的黑名单，在安全方面或者是已知模式方面的检测做了不少工作，另外很多家有不少规则。这些规则也好，黑名单也好，或者是黑中介，都是针对已经沉淀下来的欺诈模式和已知的欺诈模式，对于未知还是要有预测的手段，要有一些统计的，或者高阶的统计手段来预测它发生的可能性，或者说它的模式的特质。对于团伙欺诈要动用一些机器学习的方法，用深度学习去挖掘一些关联网络的分析，找到团伙，然后再识别是不是团伙，如果是团伙就要加大力度。 <h4 style="text-align: justify;">（二）运用网络高级分析识别团伙和关键点</h4>       做团伙欺诈，不经意就会发生一些小差池。也即如果团伙建得太大，确实是关联得挺好，但是不可操作，业务人员在用的时候，可能就没有办法看这个团伙怎么去执行，怎么去侦测，怎么去调查。所以，技术还是要业务驱动，业务能够执行，这个团伙一定是可识别、可执行、可调查的，所以技术现在都已经司空见惯了。关联分析和社会网络分析基本没有什么问题，节点的找寻一定也要有业务驱动，不仅仅是数据说话。 <h4 style="text-align: justify;">（三）交易反欺诈高阶模型-神经网络模型介绍</h4>       除了申请反欺诈以外还有交易反欺诈，只要是交易场景发生的，都有交易欺诈的产生。如果交易数据量够大，交易数据的质量有一定的可信度，通常还是建议用神经网络技术，这么多年实践证明了神经网络技术在做交易反欺诈的政策中，是有非常大功效的，但是交易反欺诈在政策的识别指标上和其他的方法不太一样。不管是什么样的体系的建设，最终其实都是要上平台的，前面的数据分析、模式识别，或者是团伙侦测，通常都是数据挖掘或者统计手段做的事情，最后还是要形成业务规则。 <h4 style="text-align: justify;">（四）反欺诈体系系统实施路径图</h4>       客观地说，反欺诈体系系统建设从来都不简单，所以银行在做反欺诈体系时，很多是科技驱动，因为这的确需要科技手段。从适应阶段我们可以看得出来，从适应阶段着手看，有各种不同的渠道的对接，因为现在尤其我们的业务发展，也是吸引线上线下的结合，尤其线上也是比较大力发展的，还有相应的这种转型。所以我们做的体系要覆盖不同的渠道，我们就有不同的手段，到现阶段又变成不同的检测，有安全的检测，也有预测的检测。安全方面，现在咱们做得也是非常不错的，人脸识别、设备核验等都做得非常漂亮了。可能在高阶预测方面，还可以稍微再做一些工作，进行一些加强。做完之后一定要有报告，一定要有警报，通常我们说的案件管理，报告，这都是毋庸置疑，一定要用的，一定要有的，否则做出来也没有用。后面业务人员在用的是要调查，一定要把调查做到位，因为所有的预测都是告诉他的可疑度是不定罪的，所以还要依赖调查岗进行相应的调查。 <h4 style="text-align: justify;">（五）反洗钱解决方案流程</h4>       因为监管的要求，反洗钱现在越来越重要了。反洗钱的路线图也一样，有数据挖掘，有分析，也有预警报告生成。 <h4 style="text-align: justify;">（六）平衡收益和风险，制订实施规划</h4>       总之，模式千千万，种类也千千万，做的过程中不能眉毛胡子一把抓，还是要看业务的重点，所受威胁的重大程度，不断迭代更新，要有总体的规划。道高一尺魔高一丈，没有一劳永逸的工作，尤其是反欺诈，它的更新程度应该更为频繁，我们做的更新迭代的动作也要更多，所以这是一个总体的规划，也是一个不断演变、不断迭代的过程。 责编：傅泽天 来源：2020（第十六届）中国金融风险经理年度总论坛（11月） ', 'weight' => '0', 'expert_id' => null, 'classroomId' => '0', 'length' => '', 'startTime' => '1606608000', 'floorId' => '0'), 'co' => array('meetingId' => '66', 'catalogue' => '4880'), 'checkcontents' => array(), 'checkcontent' => array('id' => '1318', 'meetingId' => '62', 'categoryId' => '344', 'title' => '杨一民-银行经济资本的计算和运用', 'body' => '总论坛-13- ', 'type' => 'none', 'catalogue' => '4269', 'attachment' => array('fileIds' => '', 'targetType' => 'meetingContent', 'type' => 'attachment'), 'createdTime' => '1612002678', 'updatedTime' => '1612002678', 'weight' => '0', 'isExpert' => '0', 'guestId' => '777', 'expertId' => '0', 'startTime' => '1606608000', 'backmeetingid' => '0', 'backguestId' => '0'), 'checkexpert' => array('id' => '777', 'title' => '经济资本的计算方法和使用', 'meetingId' => '62', 'categoryId' => '342', 'type' => 'expert', 'name' => '杨一民', 'ranks' => '美国鼎信银行创始合伙人，代理CEO，首席风险官和信用官', 'about' => '美国LoyalTrustBank(鼎信银行)创始合伙人，资深执董，首席风险官和首席信用官', 'thumb' => '/files/default/2020/10-16/140205d2ab9d847779.png?version=8.3.20', 'videoUrl' => null, 'linkUrl' => null, 'createdTime' => '1602828130', 'updatedTime' => '1611387355', 'weight' => '0', 'expertId' => '0', 'short' => '', 'showable' => '0'), 'about' => '美国LoyalTrustBank(鼎信银行)创始合伙人，资深执董，首席风险官和首席信用官', 'about1' => array('美国LoyalTrustBank(鼎信银行)创始合伙人，资深执董，首席风险官和首席信用官', '明尼苏达大学终身教授', '曾任Protiviti（前安达信咨询公司）高级总监合伙人', '曾任职美国PNC金融集团和SunTrust银行，参与建立和领导信用风险分析部门，CDS交易部门和市场风险分析部门', '曾任职EBF对冲基金公司', '')))
in plugins/MeetingPlugin/Controller/GroupController.php at line 1311
1. 0,
2. 1
3. );
4. $checkcontent = $checkcontents['0'];
5. $checkexpert = $this->getMeetingGuestService()->getGuest($checkcontent['guestId']);
6. $about = '';
7. $about1 = explode('。',$checkexpert['about']);
at GroupController ->activityAction (object(Request), '26')
at call_user_func_array (array(object(GroupController), 'activityAction'), array(object(Request), '26'))
in vendor/symfony/symfony/src/Symfony/Component/HttpKernel/HttpKernel.php at line 144
1. $arguments = $this->resolver->getArguments($request, $controller);
3. // call controller
4. $response = call_user_func_array($controller, $arguments);
6. // view
7. if (!$response instanceof Response) {
at HttpKernel ->handleRaw (object(Request), '1')
in vendor/symfony/symfony/src/Symfony/Component/HttpKernel/HttpKernel.php at line 64
1. $request->headers->set('X-Php-Ob-Level', ob_get_level());
3. try {
4. return $this->handleRaw($request, $type);
5. } catch (\Exception $e) {
6. if ($e instanceof ConflictingHeadersException) {
7. $e = new BadRequestHttpException('The request headers contain conflicting information regarding the origin of this request.', $e);
at HttpKernel ->handle (object(Request), '1', true)
in vendor/symfony/symfony/src/Symfony/Component/HttpKernel/DependencyInjection/ContainerAwareHttpKernel.php at line 69
1. $this->container->set('request', $request, 'request');
3. try {
4. $response = parent::handle($request, $type, $catch);
5. } catch (\Exception $e) {
6. $this->container->set('request', null, 'request');
7. $this->container->leaveScope('request');
at ContainerAwareHttpKernel ->handle (object(Request), '1', true)
in vendor/symfony/symfony/src/Symfony/Component/HttpKernel/Kernel.php at line 185
1. $this->boot();
2. }
4. return $this->getHttpKernel()->handle($request, $type, $catch);
5. }
7. /**
at Kernel ->handle (object(Request))
in web/app_dev.php at line 40
1. $kernel->loadClassCache();
2. $request = Request::createFromGlobals();
3. $kernel->setRequest($request);
4. $response = $kernel->handle($request);
5. $response->send();
6. $kernel->terminate($request, $response);

Stack Trace (Plain Text)

[1] Symfony\Component\Debug\Exception\ContextErrorException: Notice: Undefined offset: 0
    at n/a
        in /www/wwwroot/www.cfrisk.org/plugins/MeetingPlugin/Controller/GroupController.php line 1311

    at Symfony\Component\Debug\ErrorHandler->handleError('8', 'Undefined offset: 0', '/www/wwwroot/www.cfrisk.org/plugins/MeetingPlugin/Controller/GroupController.php', '1311', array('request' => object(Request), 'id' => '26', 'group' => array('id' => '26', 'title' => '数字金融与科技应用', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574"><span style="font-size:10pt;"><span style="font-family:'等线';"><span style="color:#000000;"><span style="font-weight:400;"><span style="font-style:normal;"><span style="text-decoration:none;">分享ABCD等金融科技前沿，探讨数字金融创新，科技在金融领域的行业趋势和应用实践。</span></span></span></span></span></span></td>
		</tr></tbody></table>', 'logo' => 'public://group/2024/09-09/1757553af466491044.png', 'backgroundLogo' => 'public://group/2024/09-09/175804c1f373238398.png', 'status' => 'open', 'memberNum' => '170', 'threadNum' => '1', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725875869', 'type' => '0'), 'activeGroup' => array(array('id' => '26', 'title' => '数字金融与科技应用', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574"><span style="font-size:10pt;"><span style="font-family:'等线';"><span style="color:#000000;"><span style="font-weight:400;"><span style="font-style:normal;"><span style="text-decoration:none;">分享ABCD等金融科技前沿，探讨数字金融创新，科技在金融领域的行业趋势和应用实践。</span></span></span></span></span></span></td>
		</tr></tbody></table>', 'logo' => 'public://group/2024/09-09/1757553af466491044.png', 'backgroundLogo' => 'public://group/2024/09-09/175804c1f373238398.png', 'status' => 'open', 'memberNum' => '170', 'threadNum' => '1', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725875869', 'type' => '0', 'is_my' => '0'), array('id' => '33', 'title' => '治理、战略和文化与全面风险管理', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574"><span style="font-size:10pt;"><span style="font-family:'等线';"><span style="color:#000000;"><span style="font-weight:400;"><span style="font-style:normal;"><span style="text-decoration:none;">探讨组织治理、转型发展、风险战略、风险文化、全面风险管理、系统性风险管理等内容。</span></span></span></span></span></span></td>
		</tr></tbody></table>', 'logo' => 'public://group/2024/09-09/180058a90c55106180.png', 'backgroundLogo' => 'public://group/2024/09-09/18011066d022675041.png', 'status' => 'open', 'memberNum' => '121', 'threadNum' => '2', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725876051', 'type' => '0', 'is_my' => '0'), array('id' => '3', 'title' => '公司金融业务与风险管理', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574"><span style="font-size:10pt;"><span style="font-family:'等线';"><span style="color:#000000;"><span style="font-weight:400;"><span style="font-style:normal;"><span style="text-decoration:none;">共探公司金融业务与风险管理前沿，涵盖信贷技术、信用评级、风险定价、智能风控等热点话题。</span></span></span></span></span></span></td>
		</tr></tbody></table>', 'logo' => 'public://group/2024/09-09/145746aac088425475.png', 'backgroundLogo' => 'public://group/2024/09-09/150236cd4d38373167.png', 'status' => 'open', 'memberNum' => '119', 'threadNum' => '4', 'postNum' => '12', 'ownerId' => '3', 'createdTime' => '1725865044', 'type' => '0', 'is_my' => '0'), array('id' => '12', 'title' => '金融市场业务与风险管理', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574"><span style="font-size:10pt;"><span style="font-family:'等线';"><span style="color:#000000;"><span style="font-weight:400;"><span style="font-style:normal;"><span style="text-decoration:none;">探讨国内外金融市场宏观与行业趋势动态、各类FICC业务实操与风险管理策略，以及产品创新。</span></span></span></span></span></span></td>
		</tr></tbody></table>', 'logo' => 'public://group/2024/09-09/1535528ba342170379.png', 'backgroundLogo' => 'public://group/2024/09-09/15360228afc5306787.png', 'status' => 'open', 'memberNum' => '115', 'threadNum' => '2', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725867344', 'type' => '0', 'is_my' => '0'), array('id' => '9', 'title' => '零售小微金融业务与风险管理', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et3" height="33" style="border:none;height:25pt;width:430.55pt;white-space:normal;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;" width="574"><span style="font-size:10pt;"><span style="font-family:'等线';"><span style="color:#000000;"><span style="font-weight:400;"><span style="font-style:normal;"><span style="text-decoration:none;">讨论零售小微金融的风险管理与创新实践，涵盖信贷业务、零售业务数字化转型与科技应用。</span></span></span></span></span></span></td>
		</tr></tbody></table>', 'logo' => 'public://group/2024/09-09/153409158c61923759.png', 'backgroundLogo' => 'public://group/2024/09-09/153418a38dfa386711.png', 'status' => 'open', 'memberNum' => '87', 'threadNum' => '0', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725867241', 'type' => '0', 'is_my' => '0'), array('id' => '23', 'title' => '资本管理和资产负债管理', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574"><span style="font-size:10pt;"><span style="font-family:'等线';"><span style="color:#000000;"><span style="font-weight:400;"><span style="font-style:normal;"><span style="text-decoration:none;">深入交流资本配置与资产负债策略方面的综合性内容。</span></span></span></span></span></span></td>
		</tr></tbody></table>', 'logo' => 'public://group/2024/09-09/175605593660369862.png', 'backgroundLogo' => 'public://group/2024/09-09/175614e1c487281699.png', 'status' => 'open', 'memberNum' => '76', 'threadNum' => '1', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725875752', 'type' => '0', 'is_my' => '0'), array('id' => '19', 'title' => '资产管理、财富管理与风险管理', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574"><span style="font-size:10pt;"><span style="font-family:'等线';"><span style="color:#000000;"><span style="font-weight:400;"><span style="font-style:normal;"><span style="text-decoration:none;">探索资产配置与财富增长策略和趋势，资产配置工具应用，业务风险防范和实践经验。</span></span></span></span></span></span></td>
		</tr></tbody></table>', 'logo' => 'public://group/2024/09-09/175403b7da10442773.png', 'backgroundLogo' => 'public://group/2024/09-09/17541242729a518466.png', 'status' => 'open', 'memberNum' => '62', 'threadNum' => '4', 'postNum' => '1', 'ownerId' => '3', 'createdTime' => '1725875636', 'type' => '0', 'is_my' => '0'), array('id' => '31', 'title' => '内控、合规与审计', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574"><span style="font-size:10pt;"><span style="font-family:'等线';"><span style="color:#000000;"><span style="font-weight:400;"><span style="font-style:normal;"><span style="text-decoration:none;">分享各类金融机构内部控制方法、合规体系建设、监管法规要求、操作风险管理与审计实践。</span></span></span></span></span></span></td>
		</tr></tbody></table>', 'logo' => 'public://group/2024/09-09/180010aae6d8519155.png', 'backgroundLogo' => 'public://group/2024/09-09/1800182789e9491941.png', 'status' => 'open', 'memberNum' => '50', 'threadNum' => '0', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725876002', 'type' => '0', 'is_my' => '0'), array('id' => '18', 'title' => '股权投资、投资银行与风险管理', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574"><span style="font-size:10pt;"><span style="font-family:'等线';"><span style="color:#000000;"><span style="font-weight:400;"><span style="font-style:normal;"><span style="text-decoration:none;">聚焦股权投资与投资银行领域的业务及管理实践，涵盖资本市场宏微观形势分析及投资策略分享。</span></span></span></span></span></span></td>
		</tr></tbody></table>', 'logo' => 'public://group/2024/09-09/1753288146c2497197.png', 'backgroundLogo' => 'public://group/2024/09-09/175336039e86170914.png', 'status' => 'open', 'memberNum' => '43', 'threadNum' => '1', 'postNum' => '5', 'ownerId' => '3', 'createdTime' => '1725875593', 'type' => '0', 'is_my' => '0'), array('id' => '39', 'title' => '宏观与行业', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574"><span style="font-size:10pt;"><span style="font-family:'等线';"><span style="color:#000000;"><span style="font-weight:400;"><span style="font-style:normal;"><span style="text-decoration:none;">聚焦中央政策导向的解读、分析、评论、研究与交流，把握监管趋势与影响，探讨政策落地与执行。</span></span></span></span></span></span></td>
		</tr></tbody></table>', 'logo' => 'public://group/2024/09-09/18035288c3c4110582.png', 'backgroundLogo' => 'public://group/2024/09-09/180400050b9d825473.png', 'status' => 'open', 'memberNum' => '34', 'threadNum' => '7', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725876225', 'type' => '0', 'is_my' => '0'), array('id' => '22', 'title' => '保险与风险管理', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574"><span style="font-size:10pt;"><span style="font-family:'等线';"><span style="color:#000000;"><span style="font-weight:400;"><span style="font-style:normal;"><span style="text-decoration:none;">探讨保险公司业务与风险管理，含业务创新、偿付能力新规、公司治理、合规管理等多方面内容。</span></span></span></span></span></span></td>
		</tr></tbody></table>', 'logo' => 'public://group/2024/09-09/1755302e8c22083717.png', 'backgroundLogo' => 'public://group/2024/09-09/175538a8ff6a978599.png', 'status' => 'open', 'memberNum' => '33', 'threadNum' => '0', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725875723', 'type' => '0', 'is_my' => '0'), array('id' => '40', 'title' => '基于风险的投融资与企业风险管理', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574"><span style="font-size:10pt;"><span style="font-family:'等线';"><span style="color:#000000;"><span style="font-weight:400;"><span style="font-style:normal;"><span style="text-decoration:none;">基于风险管理视角的的企业投融资交流，分享企业风险管理，资本运作与公司治理。</span></span></span></span></span></span></td>
		</tr></tbody></table>', 'logo' => 'public://group/2024/09-09/18041827d38a010183.png', 'backgroundLogo' => 'public://group/2024/09-09/180426aaa3b5386188.png', 'status' => 'open', 'memberNum' => '22', 'threadNum' => '0', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725876249', 'type' => '0', 'is_my' => '0')), 'user' => object(AnonymousUser), 'groupOwner' => array('id' => '3', 'email' => 'cpjlikephp@126.com', 'verifiedMobile' => '18510341342', 'password' => 'q141yZ92zOhdAlPt1SNgaqEgNS/wlJplWZtIcEz0Gjo=', 'salt' => 'avbo9tcei8wgo44c8sgww4ckokgcowc', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => 'admin', 'title' => '111', 'tags' => '', 'type' => 'default', 'point' => '0', 'coin' => '0', 'smallAvatar' => 'public://default/2019/05-23/095559fd639b055006.png', 'mediumAvatar' => 'public://default/2019/05-23/095559fd47cb521902.png', 'largeAvatar' => 'public://default/2019/05-23/095559fd1e4f111012.png', 'emailVerified' => '1', 'setup' => '1', 'roles' => array('ROLE_USER', 'ROLE_EXPERT', 'ROLE_TEACHER', 'ROLE_SUPER_ADMIN'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '1751877523', 'loginIp' => '120.221.146.47', 'loginSessionId' => 'da6g414oqc695u2dt64j8k8ic6', 'approvalTime' => '1561624383', 'approvalStatus' => 'approved', 'newMessageNum' => '1', 'newNotificationNum' => '0', 'createdIp' => '', 'createdTime' => '1552732491', 'updatedTime' => '1751877523', 'inviteCode' => '0N6Z5', 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => 'a5245103b11ff3d6877f148a4bdf0caf99792ad5', 'passwordInit' => '1', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '2', 'virtual_coin' => '155', 'order_sn' => '2022051911493929683', 'chances' => '0', 'remark' => '', 'mobileSessionId' => 'evuj8o49l0njcce9oi7kvrst72', 'course_chance' => '1', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), 'recentlyJoinMember' => array(array('id' => '1876', 'groupId' => '26', 'userId' => '11000', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1749095305'), array('id' => '1867', 'groupId' => '26', 'userId' => '10809', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1744005559'), array('id' => '1866', 'groupId' => '26', 'userId' => '10775', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1744005503'), array('id' => '1862', 'groupId' => '26', 'userId' => '6425', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1741352158'), array('id' => '1854', 'groupId' => '26', 'userId' => '8594', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1737269958'), array('id' => '1841', 'groupId' => '26', 'userId' => '1038', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1735819818'), array('id' => '1840', 'groupId' => '26', 'userId' => '6797', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1735819585'), array('id' => '1833', 'groupId' => '26', 'userId' => '10297', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1735291504'), array('id' => '1819', 'groupId' => '26', 'userId' => '3429', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1735203478'), array('id' => '1802', 'groupId' => '26', 'userId' => '9878', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1733490122'), array('id' => '1793', 'groupId' => '26', 'userId' => '9626', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1733219549'), array('id' => '1791', 'groupId' => '26', 'userId' => '10218', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1733201750'), array('id' => '1782', 'groupId' => '26', 'userId' => '10009', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1733192002'), array('id' => '1774', 'groupId' => '26', 'userId' => '438', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1733134436'), array('id' => '1763', 'groupId' => '26', 'userId' => '10184', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732955021'), array('id' => '1754', 'groupId' => '26', 'userId' => '9817', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732947308'), array('id' => '1749', 'groupId' => '26', 'userId' => '10278', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732881984'), array('id' => '1734', 'groupId' => '26', 'userId' => '10308', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732863585'), array('id' => '1727', 'groupId' => '26', 'userId' => '9825', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732790846'), array('id' => '1702', 'groupId' => '26', 'userId' => '10147', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732781709')), 'recentlyMembers' => array(array('id' => '438', 'email' => 'zhangwanqi@163.com', 'verifiedMobile' => '13801171925', 'password' => 'dbfsuDtIrBjhP+4q/+QHjwrL5Oc85X0SivjKgti3Mjc=', 'salt' => 'e5bcoqeua348ss4w4gss8k0sgg844o0', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '张万奇', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => 'public://expert/2021/02-24/183056000504751738.jpg', 'mediumAvatar' => '', 'largeAvatar' => 'public://article/2021/02-24/18305602abbc707535.jpg', 'emailVerified' => '0', 'setup' => '1', 'roles' => array('ROLE_USER', 'ROLE_TEACHER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '1718504083', 'loginIp' => '115.223.23.181', 'loginSessionId' => 'ps65vmot0gtlgbvmvvhc5n3p42', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '3', 'createdIp' => '103.43.185.54', 'createdTime' => '1614161265', 'updatedTime' => '1718504083', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => '71cb90afbcba9b94391847dc0fb2c3feaa393e47', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '2', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => '张万奇', 'mobileSessionId' => '4713e3ob0teqhp7052pl6qbj40', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '1038', 'email' => 'dongwu@cfrisk.org', 'verifiedMobile' => '', 'password' => 'PhN020j0AOrAv96+YRa3lzAhoalLSSkg4EGkIw3ZKMM=', 'salt' => 'd0holrm1vj4gogsww8c4ck80w84o4oo', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '东吴证券', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '0', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '1742474837', 'loginIp' => '61.164.108.176', 'loginSessionId' => 'ps7kda3bkm35pc2jnvd359dmm2', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '0', 'createdIp' => '114.244.72.14', 'createdTime' => '1626317922', 'updatedTime' => '1742474837', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => '5edf539730a1ed5149e119090bc2b0a63e3f12e3', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '0', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => '东吴证券', 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '3429', 'email' => 'zhaohuiyong@shxibank.com', 'verifiedMobile' => '15103565678', 'password' => '4x6/IISRkZpex+VgWIopyStqT/pWAYv/MMNYa6zdk0Y=', 'salt' => 'hzvjt2s8rwo4cw4ws40gkkkc08gwss0', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '赵慧勇', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '1', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '1637369034', 'loginIp' => '101.200.28.180', 'loginSessionId' => '', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '2', 'createdIp' => '39.96.151.169', 'createdTime' => '1637203386', 'updatedTime' => '1637369034', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => '21b0960b685597ea54636aaa06eb131faeee00bd', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '2', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => '赵慧勇', 'mobileSessionId' => '3tisqbpn16dkcmbbd3qrcsf2g3', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '6425', 'email' => 'user_1qur2bavb@edusoho.net', 'verifiedMobile' => '13810429223', 'password' => 'lj3EPvCgbNvpfZ9/cIasiYrqsZylwLw0xDtUbSSxvD4=', 'salt' => 'cajnv7ot4bccgc8gckoscw8w8g40sg4', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => 'userll6egi', 'title' => '', 'tags' => '', 'type' => 'web_email', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '0', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '1751763780', 'loginIp' => '120.221.146.40', 'loginSessionId' => 'g6s0qi4i2t11rmkaaq2e6r81n7', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '0', 'createdIp' => '116.211.216.159', 'createdTime' => '1645103550', 'updatedTime' => '1751763780', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => 'web', 'distributorToken' => '', 'uuid' => 'b5a166aa8362312c8c9f0c0e633bacc2b3c9ef40', 'passwordInit' => '1', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '0', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '1', 'remark' => null, 'mobileSessionId' => 'gq233e78l24tfbb6fjb5krtml0', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '6797', 'email' => 'jingmeng@cfrisk.org', 'verifiedMobile' => '15850113415', 'password' => '7Yvflt5wVwTtRimrLrrpD6jbLzqYyvS5y4YhRg4gjlM=', 'salt' => 'fo5a6pfa6yo0o8wokgoccww0sok40os', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '吉濛', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '0', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '1742366226', 'loginIp' => '61.164.108.193', 'loginSessionId' => 'j4gpeuurlgov57d11ctte32sc7', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '0', 'createdIp' => '120.27.74.166', 'createdTime' => '1649412830', 'updatedTime' => '1742366226', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => '7458f9089baa6b301d3df443d909b0f993398dcd', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '0', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '1', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '8594', 'email' => 'user_hmqmoga7d@edusoho.net', 'verifiedMobile' => '13428965623', 'password' => 'l5TvyIgwYeJTi/GrZEdEcTr/llk/A/uvBznKP+rxTWs=', 'salt' => 'lojznprb3xw80csswc80owwk8gokkos', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => 'user4cph4c', 'title' => '', 'tags' => '', 'type' => 'web_email', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '0', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '1751781661', 'loginIp' => '101.37.183.26', 'loginSessionId' => 'h6e7ng1elmvabfn5cud87amgj2', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '0', 'createdIp' => '121.9.232.162', 'createdTime' => '1702104820', 'updatedTime' => '1751781661', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => 'web', 'distributorToken' => '', 'uuid' => '2b7d30660ff7b13dfac4c35994151c3a3cb1ed43', 'passwordInit' => '1', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '0', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '1', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '9626', 'email' => 'liuji@cfrisk.org', 'verifiedMobile' => '13810951008', 'password' => 'LH+bCvucWZ/kN4vMaEgIUK2sBe+ZP9mfeNEofurNKjo=', 'salt' => '14zzb46pll0go44ogoswkgwoswk480o', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '刘骥', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '0', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '0', 'loginIp' => '', 'loginSessionId' => '', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '0', 'createdIp' => '1.31.128.70', 'createdTime' => '1726994141', 'updatedTime' => '1733186850', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => '2ef10740d27a7684193579e39b6faafd8580bf24', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '2', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '9817', 'email' => 'dierpi101@cfrisk.org', 'verifiedMobile' => '18610093357', 'password' => 'xsgCZcOzZL9b/OEEfBo1yb36UvJdmw6P9P8S5b30qG4=', 'salt' => 'b8lj5wkv5u88ggkwoo4ss0ko0cwgg00', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '姚坤', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '1', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '0', 'loginIp' => '', 'loginSessionId' => '', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '0', 'createdIp' => '112.28.217.51', 'createdTime' => '1732692093', 'updatedTime' => '1732692093', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => 'c31386d308096ce7009d85e4b858eba295115954', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '2', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '9825', 'email' => 'dierpi119@cfrisk.org', 'verifiedMobile' => '18938961109', 'password' => '7GkImcMpsMkfrEjW30nHmIt8frkjAm1K+cfGdOy8LL4=', 'salt' => '46naivov7i80g0kw0cg0koc04s440gw', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '吴黎曦', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '1', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '0', 'loginIp' => '', 'loginSessionId' => '', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '1', 'createdIp' => '112.28.217.51', 'createdTime' => '1732692094', 'updatedTime' => '1732692094', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => 'd7c40b04e1ab1b39b3edad627f41641f16f35017', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '2', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '9878', 'email' => 'dierpi279@cfrisk.org', 'verifiedMobile' => '18611861112', 'password' => 'cWn/LqL90iujxRdVouxcMf2nh31IQg4VG905qrDu2Ek=', 'salt' => 'q1dqvjxayxwwk00k8wssg8804c0o488', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '黄格非', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '1', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '0', 'loginIp' => '', 'loginSessionId' => '', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '2', 'createdIp' => '112.28.217.51', 'createdTime' => '1732692097', 'updatedTime' => '1732692097', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => '317ee36fb3b8a9b983a84331389d52bf83ceca1e', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '2', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '10009', 'email' => 'dierpi588@cfrisk.org', 'verifiedMobile' => '18611147963', 'password' => '4lSt9kbyYVj2r/D5nijya6qL8jjBsWcVEzSTjL0crU8=', 'salt' => '16jc4lb7d5k0cow8ocsk0cow84gwkg0', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '郑学忠', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '1', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '1733235035', 'loginIp' => '120.221.146.25', 'loginSessionId' => '1ome4moakcb1n0i1162rn79kv6', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '2', 'createdIp' => '112.28.217.51', 'createdTime' => '1732692105', 'updatedTime' => '1733235035', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => '65bdeeed11da5d1246f03ce6742fb9d8503ac239', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '2', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '10147', 'email' => 'dierpi770@cfrisk.org', 'verifiedMobile' => '13132197468', 'password' => 'sE/e66oK0pGDafa5TXxLKzLcoFLGdj+23IeyzUL6tIs=', 'salt' => '1qm11zw2wk2ssoo404co4s8gw400gco', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '李鹏飞', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '1', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '0', 'loginIp' => '', 'loginSessionId' => '', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '2', 'createdIp' => '112.28.217.51', 'createdTime' => '1732692113', 'updatedTime' => '1732692113', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => 'ed658c46a75dd0af030160a1f91556d59e67a692', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '2', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '10184', 'email' => 'dierpi807@cfrisk.org', 'verifiedMobile' => '13581641277', 'password' => 'wjFaWLxLNt+pOxTsGrpQDGYdSVpTMwrhwNM55KFAaaI=', 'salt' => 's7yakv8t5dcs048sccsocgc0g4840kg', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '李珺', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '1', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '0', 'loginIp' => '', 'loginSessionId' => '', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '3', 'createdIp' => '112.28.217.51', 'createdTime' => '1732692115', 'updatedTime' => '1732692115', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => 'ab2c4769d6726553cf5490eb0724eafa81add8cb', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '2', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '10218', 'email' => 'dierpi848@cfrisk.org', 'verifiedMobile' => '13541258387', 'password' => 'oXr5p6Vdjr+E66rLhnJCmg8TEDId1vNeOMLrw+xBx7o=', 'salt' => 'kjfidzzs3mokw08o8kw8scso8cwcskg', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '尹冬梅', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '1', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '0', 'loginIp' => '', 'loginSessionId' => '', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '0', 'createdIp' => '112.28.217.51', 'createdTime' => '1732692117', 'updatedTime' => '1732692117', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => '0dd8b98c5b355e0c4e2c617b7d45d9b4a98f33cb', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '2', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '10278', 'email' => 'dierpi940@cfrisk.org', 'verifiedMobile' => '18800032006', 'password' => 'XAt73STziZsDU2o+nApwFI/1IyQH5IqtZ0lNL6OPCeU=', 'salt' => '5l6demjl6z480848g0g4wkg88wgcg8s', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => 'JeffLittleGuo', 'title' => '总监', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => 'public://user/2024/12-19/10073354153d310181.png', 'mediumAvatar' => 'public://user/2024/12-19/10073353ef55493179.png', 'largeAvatar' => 'public://user/2024/12-19/10073353bed6695175.png', 'emailVerified' => '1', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '1748496848', 'loginIp' => '61.164.108.154', 'loginSessionId' => '4uffbs7qp0g26rau69n30umn57', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '0', 'createdIp' => '120.221.146.55', 'createdTime' => '1732858299', 'updatedTime' => '1748496848', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => '30eb0b3aba4799df4bf42759ca593ef0fc03442d', 'passwordInit' => '1', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '2', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '10297', 'email' => 'dierpi961@cfrisk.org', 'verifiedMobile' => '13910467746', 'password' => 'KXSxuDw7FJTJY+XqRcmETNkIetIoxoWb9WMHlxurq7Y=', 'salt' => 'sr4fyajsurk40ckw4o8wwgk40gkc84s', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '陈道斌', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '1', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '0', 'loginIp' => '', 'loginSessionId' => '', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '0', 'createdIp' => '120.221.146.55', 'createdTime' => '1732858300', 'updatedTime' => '1732858300', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => '8964b76a264569cfe076598134142f7145872075', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '2', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '10308', 'email' => 'u_er47kqkh5jk8@cfrisk.org', 'verifiedMobile' => '18516341360', 'password' => '1vAQxtI/V6/5gizwxUXFrYmgAKBkWl1Zrn1coR6QpZg=', 'salt' => 'g4wprjy9lts0osc4gggs00sc08kw8g', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => 'rxt285441937', 'title' => '', 'tags' => '', 'type' => 'web_email', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '0', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '1732863351', 'loginIp' => '', 'loginSessionId' => '', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '0', 'newNotificationNum' => '0', 'createdIp' => '', 'createdTime' => '1732863351', 'updatedTime' => '1732863351', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => 'web', 'distributorToken' => '', 'uuid' => '272ffab761be10d4f0eff5ccd5927f69899e1b69', 'passwordInit' => '1', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '0', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '10775', 'email' => 'u_49zet9vnkgu8@cfrisk.org', 'verifiedMobile' => '18101033317', 'password' => 'Xjz0Ae3Su93DIxk9ByMawYgmanEZga/3wJYTZ0fkh1o=', 'salt' => '5veq2s7sqygwkkw480wwcwk884c4wkw', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => 'perhaps_fish@163.com', 'title' => '', 'tags' => '', 'type' => 'web_email', 'point' => '0', 'coin' => '0', 'smallAvatar' => 'public://user/2025/03-14/192719726815747330.png', 'mediumAvatar' => 'public://user/2025/03-14/192719724133740424.png', 'largeAvatar' => 'public://user/2025/03-14/192719721211978658.png', 'emailVerified' => '0', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '1743993785', 'loginIp' => '39.100.171.177', 'loginSessionId' => '14p9bvlp9fuhlaqlnsag3rgih5', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '0', 'newNotificationNum' => '0', 'createdIp' => '', 'createdTime' => '1741235211', 'updatedTime' => '1743993785', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => 'web', 'distributorToken' => '', 'uuid' => '5b88df5525633955bb935a628cf88d0cb1926709', 'passwordInit' => '1', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '0', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '1', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '10809', 'email' => 'lubibo@cfrisk.org', 'verifiedMobile' => '', 'password' => '0F5PVgAfb+f3JwLCDzUSCPiq91R8sS4J+KHeggtMXJ8=', 'salt' => '2cib38r0lxhcokk8ww0kcw88gkgsskk', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '陆碧波', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '0', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '1744005554', 'loginIp' => '39.100.171.175', 'loginSessionId' => '4nnll5u14l8trrmqejfomhq5r7', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '0', 'createdIp' => '112.28.217.31', 'createdTime' => '1742450256', 'updatedTime' => '1744005554', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => '486c9a5a31fe08ee301c7d1388133b21f9c9c7ff', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '2', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), array('id' => '11000', 'email' => 'wuhannongshanghang5@cfrisk.org', 'verifiedMobile' => '15392840819', 'password' => '1mknO4uBiqbhvwgskH6Wm8+CvbTRw975uxzubL7H3LI=', 'salt' => 'lcu5h5gwim844sws4ooccg4k4o88ocw', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '武汉农商行5', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => '', 'mediumAvatar' => '', 'largeAvatar' => '', 'emailVerified' => '1', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '1750748859', 'loginIp' => '183.214.161.54', 'loginSessionId' => '8dle1atqdmq95k4l1rmm17dd52', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '1', 'createdIp' => '120.221.146.58', 'createdTime' => '1748936140', 'updatedTime' => '1750748859', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => '3f965e03eaa240043849329bcf3bd3671b9db37e', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '0', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => '')), 'userIsGroupMember' => null, 'myJoinGroup' => array(), 'newGroups' => array(array('id' => '47', 'title' => '2024天弈年会暨第二十届中国金融风险经理论坛', 'about' => '<p>成员交流版块内可查看会议手册，群资料版块可查看PPT，共享文档版块可查阅报告</p>
', 'logo' => 'public://group/2024/11-08/220217916e35889216.png', 'backgroundLogo' => 'public://group/2024/09-09/1806466e7724578984.png', 'status' => 'open', 'memberNum' => '39', 'threadNum' => '1', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1730884674', 'type' => '2'), array('id' => '45', 'title' => '求职与职场交流', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574"><span style="font-size:10pt;"><span style="font-family:'等线';"><span style="color:#000000;"><span style="font-weight:400;"><span style="font-style:normal;"><span style="text-decoration:none;">金融职场交流，探讨职业发展路径，求职策略与职场技能。</span></span></span></span></span></span></td>
		</tr></tbody></table>', 'logo' => 'public://group/2024/09-09/180639f3f087537836.png', 'backgroundLogo' => 'public://group/2024/09-09/1806466e7724578984.png', 'status' => 'open', 'memberNum' => '9', 'threadNum' => '0', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725876392', 'type' => '2'), array('id' => '40', 'title' => '基于风险的投融资与企业风险管理', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574"><span style="font-size:10pt;"><span style="font-family:'等线';"><span style="color:#000000;"><span style="font-weight:400;"><span style="font-style:normal;"><span style="text-decoration:none;">基于风险管理视角的的企业投融资交流，分享企业风险管理，资本运作与公司治理。</span></span></span></span></span></span></td>
		</tr></tbody></table>', 'logo' => 'public://group/2024/09-09/18041827d38a010183.png', 'backgroundLogo' => 'public://group/2024/09-09/180426aaa3b5386188.png', 'status' => 'open', 'memberNum' => '22', 'threadNum' => '0', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725876249', 'type' => '0'), array('id' => '39', 'title' => '宏观与行业', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574"><span style="font-size:10pt;"><span style="font-family:'等线';"><span style="color:#000000;"><span style="font-weight:400;"><span style="font-style:normal;"><span style="text-decoration:none;">聚焦中央政策导向的解读、分析、评论、研究与交流，把握监管趋势与影响，探讨政策落地与执行。</span></span></span></span></span></span></td>
		</tr></tbody></table>', 'logo' => 'public://group/2024/09-09/18035288c3c4110582.png', 'backgroundLogo' => 'public://group/2024/09-09/180400050b9d825473.png', 'status' => 'open', 'memberNum' => '34', 'threadNum' => '7', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725876225', 'type' => '0'), array('id' => '33', 'title' => '治理、战略和文化与全面风险管理', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574"><span style="font-size:10pt;"><span style="font-family:'等线';"><span style="color:#000000;"><span style="font-weight:400;"><span style="font-style:normal;"><span style="text-decoration:none;">探讨组织治理、转型发展、风险战略、风险文化、全面风险管理、系统性风险管理等内容。</span></span></span></span></span></span></td>
		</tr></tbody></table>', 'logo' => 'public://group/2024/09-09/180058a90c55106180.png', 'backgroundLogo' => 'public://group/2024/09-09/18011066d022675041.png', 'status' => 'open', 'memberNum' => '121', 'threadNum' => '2', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725876051', 'type' => '0'), array('id' => '31', 'title' => '内控、合规与审计', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574"><span style="font-size:10pt;"><span style="font-family:'等线';"><span style="color:#000000;"><span style="font-weight:400;"><span style="font-style:normal;"><span style="text-decoration:none;">分享各类金融机构内部控制方法、合规体系建设、监管法规要求、操作风险管理与审计实践。</span></span></span></span></span></span></td>
		</tr></tbody></table>', 'logo' => 'public://group/2024/09-09/180010aae6d8519155.png', 'backgroundLogo' => 'public://group/2024/09-09/1800182789e9491941.png', 'status' => 'open', 'memberNum' => '50', 'threadNum' => '0', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725876002', 'type' => '0'), array('id' => '26', 'title' => '数字金融与科技应用', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574"><span style="font-size:10pt;"><span style="font-family:'等线';"><span style="color:#000000;"><span style="font-weight:400;"><span style="font-style:normal;"><span style="text-decoration:none;">分享ABCD等金融科技前沿，探讨数字金融创新，科技在金融领域的行业趋势和应用实践。</span></span></span></span></span></span></td>
		</tr></tbody></table>', 'logo' => 'public://group/2024/09-09/1757553af466491044.png', 'backgroundLogo' => 'public://group/2024/09-09/175804c1f373238398.png', 'status' => 'open', 'memberNum' => '170', 'threadNum' => '1', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725875869', 'type' => '0'), array('id' => '23', 'title' => '资本管理和资产负债管理', 'about' => '<table style="height:33px;border-collapse:collapse;width:430.52pt;border:none;" width="574"><colgroup><col style="width:430.55pt;" width="574" /></colgroup><tbody><tr style="height:25pt;"><td class="et2" height="33" style="border:none;height:25pt;width:430.55pt;padding-top:1px;padding-left:1px;padding-right:1px;vertical-align:middle;white-space:nowrap;" width="574"><span style="font-size:10pt;"><span style="font-family:'等线';"><span style="color:#000000;"><span style="font-weight:400;"><span style="font-style:normal;"><span style="text-decoration:none;">深入交流资本配置与资产负债策略方面的综合性内容。</span></span></span></span></span></span></td>
		</tr></tbody></table>', 'logo' => 'public://group/2024/09-09/175605593660369862.png', 'backgroundLogo' => 'public://group/2024/09-09/175614e1c487281699.png', 'status' => 'open', 'memberNum' => '76', 'threadNum' => '1', 'postNum' => '0', 'ownerId' => '3', 'createdTime' => '1725875752', 'type' => '0')), 'filters' => array('type' => 'all', 'sort' => 'byCreatedTime', 'num' => '25'), 'sort' => array(), 'order' => 'byCreatedTimeOnly', 'conditions' => array('classroomId' => '273'), 'paginator' => object(Paginator), 'threads' => array(array('id' => '104', 'title' => '金融机构移动应用管理有章可循', 'content' => '<p style="margin:0pt 0pt .0001pt;text-align:justify;"><span style="font-size:10.5pt;"><span style="font-family:Calibri;"><span class="15" style="font-size:12pt;"><span style="background:#ffffff;"><span style="font-family:'等线';"><span style="color:#292934;"><span style="letter-spacing:0pt;"><span style="text-transform:none;"><span style="font-style:normal;"><font face="等线">　　近日，国家金融监督管理总局印发《关于加强银行业保险业移动互联网应用程序管理的通知》，旨在加强银行业保险业信息科技监管，指导银行业金融机构、保险业金融机构和金融控股公司有序规范建设移动互联网应用程序，提升金融服务水平。</font></span></span></span></span></span></span></span></span></span></p>

<p style="margin:0pt 0pt .0001pt;text-align:justify;"> </p>

<p style="margin:0pt 0pt .0001pt;text-align:justify;"><span style="font-size:10.5pt;"><span style="font-family:Calibri;"><span class="15" style="font-size:12pt;"><span style="background:#ffffff;"><span style="font-family:'等线';"><span style="color:#292934;"><span style="letter-spacing:0pt;"><span style="text-transform:none;"><span style="font-style:normal;"><font face="等线">　　近年来，移动应用已成为金融机构线上服务的重要渠道，在提升金融服务便捷性的同时，也存在数量庞杂、功能重复、用户满意度和活跃度低等问题。金融监管总局有关司局负责人表示，针对当前存在的问题，《通知》要求金融机构加强统筹，将移动应用管理纳入全面风险管理体系，有效控制移动应用引发的风险，同时督促金融机构进一步加强服务，改善用户体验，有利于规范银行业保险业移动应用建设管理，提升金融机构移动应用安全保障水平和金融服务水平，筑牢信息科技风险防线。</font></span></span></span></span></span></span></span></span></span></p>

<p style="margin:0pt 0pt .0001pt;text-align:justify;"> </p>

<p style="margin:0pt 0pt .0001pt;text-align:justify;"><span style="font-size:10.5pt;"><span style="font-family:Calibri;"><span class="15" style="font-size:12pt;"><span style="background:#ffffff;"><span style="font-family:'等线';"><span style="color:#292934;"><span style="letter-spacing:0pt;"><span style="text-transform:none;"><span style="font-style:normal;"><font face="等线">　　据了解，《通知》规范的主要对象是金融机构的移动应用，包括对客户提供金融服务的应用，以及内部管理类应用，也涵盖金融机构在各互联网平台运营的小程序、公众号等。业内人士分析，以往大家都比较关注金融服务的各类移动应用</font><font face="等线">APP，对APP的监管也较为严格。对于金融机构公众号、社交活动账户等其他移动应用的监管，此前则较为宽松，此次规定有助于将这方面的监管具体化。</font></span></span></span></span></span></span></span></span></span></p>

<p style="margin:0pt 0pt .0001pt;text-align:justify;"> </p>

<p style="margin:0pt 0pt .0001pt;text-align:justify;"><span style="font-size:10.5pt;"><span style="font-family:Calibri;"><span class="15" style="font-size:12pt;"><span style="background:#ffffff;"><span style="font-family:'等线';"><span style="color:#292934;"><span style="letter-spacing:0pt;"><span style="text-transform:none;"><span style="font-style:normal;"><font face="等线">　　具体来看，《通知》从四方面提出</font><font face="等线">18条工作要求。一是加强统筹管理，要求金融机构明确移动应用管理牵头部门、建立移动应用台账、完善准入退出机制、控制移动应用数量；二是加强全生命周期管理，要求金融机构规范移动应用的需求分析、设计开发、测试验证、上架发布、监控运行等环节，强化移动应用与运行环境的兼容性、适配性管理；三是落实风险管理责任，要求金融机构落实移动应用备案、网络安全、数据安全、外包管理、业务连续性及个人信息保护等监管要求；四是加强监督管理，要求金融监管总局各级派出机构加强移动应用监管工作。</font></span></span></span></span></span></span></span></span></span></p>

<p style="margin:0pt 0pt .0001pt;text-align:justify;"> </p>

<p style="margin:0pt 0pt .0001pt;text-align:justify;"><span style="font-size:10.5pt;"><span style="font-family:Calibri;"><span class="15" style="font-size:12pt;"><span style="background:#ffffff;"><span style="font-family:'等线';"><span style="color:#292934;"><span style="letter-spacing:0pt;"><span style="text-transform:none;"><span style="font-style:normal;"><font face="等线">　　博通咨询金融行业首席分析师王蓬博认为，当前金融科技普遍应用，《通知》的印发有助于加强信息化、留痕管理，在金融数字化的渐进过程中，将流程更清晰化、将责任更明确化。对金融机构来说，加强移动应用统筹管理可以集中精力创新更多产品。</font></span></span></span></span></span></span></span></span></span></p>

<p style="margin:0pt 0pt .0001pt;text-align:justify;"> </p>

<p style="margin:0pt 0pt .0001pt;text-align:justify;"><span style="font-size:10.5pt;"><span style="font-family:Calibri;"><span class="15" style="font-size:12pt;"><span style="background:#ffffff;"><span style="font-family:'等线';"><span style="color:#292934;"><span style="letter-spacing:0pt;"><span style="text-transform:none;"><span style="font-style:normal;"><font face="等线">　　针对数据安全责任该如何界定的问题，《通知》明确了</font><font face="等线">“谁管业务、谁管业务数据、谁管数据安全”的原则，金融机构要压实业务管理部门数据管理职责，会同信息科技部门做好业务数据安全管理工作。</font></span></span></span></span></span></span></span></span></span></p>

<p style="margin:0pt 0pt .0001pt;text-align:justify;"> </p>

<p style="margin:0pt 0pt .0001pt;text-align:justify;"><span style="font-size:10.5pt;"><span style="font-family:Calibri;"><span class="15" style="font-size:12pt;"><span style="background:#ffffff;"><span style="font-family:'等线';"><span style="color:#292934;"><span style="letter-spacing:0pt;"><span style="text-transform:none;"><span style="font-style:normal;"><font face="等线">　　金融监管总局有关司局负责人强调，金融机构应当严格落实国家法律法规和监管要求，建立移动应用个人信息保护制度，规范个人信息管理，遵循</font><font face="等线">“合法、正当、必要”原则收集个人信息，向用户告知收集个人信息的目的、使用和保护个人信息的方式，公布投诉渠道信息，及时处理信息泄露和隐私合规相关问题，保障消费者权益。</font></span></span></span></span></span></span></span></span></span></p>

<p style="margin:0pt 0pt .0001pt;text-align:justify;"> </p>

<p style="margin:0pt 0pt .0001pt;text-align:justify;"> </p>

<p style="margin:0pt 0pt .0001pt;text-align:justify;"><span style="font-size:10.5pt;"><span style="font-family:Calibri;"><span class="15" style="font-size:12pt;"><span style="background:#ffffff;"><span style="font-family:'等线';"><span style="color:#292934;"><span style="letter-spacing:0pt;"><span style="text-transform:none;"><span style="font-style:normal;"><font face="等线">来源：经济日报</font></span></span></span></span></span></span></span></span></span></p>

<p style="margin:0pt 0pt .0001pt;text-align:justify;"> </p>

<p style="margin:0pt 0pt .0001pt;text-align:justify;"><span style="font-size:10.5pt;"><span style="font-family:Calibri;"><span class="15" style="font-size:12pt;"><span style="background:#ffffff;"><span style="font-family:'等线';"><span style="color:#292934;"><span style="letter-spacing:0pt;"><span style="text-transform:none;"><span style="font-style:normal;"><font face="等线">原文链接：</font><font face="等线">https://finance.sina.com.cn/jjxw/2024-09-30/doc-incqwqme3054260.shtml</font></span></span></span></span></span></span></span></span></span></p>
', 'isElite' => '0', 'isStick' => '0', 'lastPostMemberId' => '0', 'lastPostTime' => '0', 'groupId' => '26', 'userId' => '9656', 'createdTime' => '1727684650', 'postNum' => '0', 'status' => 'open', 'hitNum' => '645', 'rewardCoin' => '0', 'type' => 'default', 'updatedTime' => '1727684650', 'liked' => '0', 'author' => array('nickname' => '数据管理动态', 'avatar' => '/files/user/2024/09-30/10141245ef0a633805.png', 'id' => '9656', 'isFollowed' => '0', 'epxid' => '0'))), 'inlogin' => '0', 'ownerIds' => array('9656'), 'userIds' => array('0'), 'owners' => array(array('id' => '9656', 'email' => 'tianyishequn27@cfrisk.org', 'verifiedMobile' => '', 'password' => 'ZH3TksfZNFhR9LOwUh/QOeKrJhwdKYTcAWmP0CsFbb8=', 'salt' => 'q4ltggeq3a8gkgs0w0so0cg8s0c8ook', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '数据管理动态', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => 'public://user/2024/09-30/10141245ef0a633805.png', 'mediumAvatar' => 'public://user/2024/09-30/10141245c989927701.png', 'largeAvatar' => 'public://user/2024/09-30/10141245a402748051.png', 'emailVerified' => '1', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '1728466749', 'loginIp' => '39.155.182.3', 'loginSessionId' => '28g59d8j43ja888f8ffu7m6f82', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '1', 'createdIp' => '120.221.146.51', 'createdTime' => '1727248868', 'updatedTime' => '1728466749', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => '23284c98ba0152a7d24e2c01fd15aba90298fc62', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '0', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => '')), 'lastPostMembers' => array(), 'activeMembers' => array(array('id' => '1273', 'groupId' => '26', 'userId' => '5565', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1261', 'groupId' => '26', 'userId' => '251', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1260', 'groupId' => '26', 'userId' => '264', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1259', 'groupId' => '26', 'userId' => '215', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1258', 'groupId' => '26', 'userId' => '1095', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1257', 'groupId' => '26', 'userId' => '1611', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1256', 'groupId' => '26', 'userId' => '236', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1255', 'groupId' => '26', 'userId' => '59', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1254', 'groupId' => '26', 'userId' => '1232', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1262', 'groupId' => '26', 'userId' => '56', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1263', 'groupId' => '26', 'userId' => '202', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1264', 'groupId' => '26', 'userId' => '42', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1272', 'groupId' => '26', 'userId' => '327', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1271', 'groupId' => '26', 'userId' => '230', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1270', 'groupId' => '26', 'userId' => '1080', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543')), 'memberIds' => array('5565', '251', '264', '215', '1095', '1611', '236', '59', '1232', '56', '202', '42', '327', '230', '1080'), 'groupAbout' => '分享ABCD等金融科技前沿，探讨数字金融创新，科技在金融领域的行业趋势和应用实践。
		', 'value' => array('id' => '5512', 'title' => '刘志玲：浅谈反欺诈体系建设', 'type' => '0', 'createdTime' => '1731841352', 'updatedTime' => '1731841352', 'trueTime' => '1606608000', 'video' => '0', 'ppt' => '0', 'course_id' => '4880', 'classroomId' => '273', 'meetingId' => '66'), 'key' => '5', 'author' => array('id' => '9656', 'email' => 'tianyishequn27@cfrisk.org', 'verifiedMobile' => '', 'password' => 'ZH3TksfZNFhR9LOwUh/QOeKrJhwdKYTcAWmP0CsFbb8=', 'salt' => 'q4ltggeq3a8gkgs0w0so0cg8s0c8ook', 'payPassword' => '', 'payPasswordSalt' => '', 'locale' => null, 'uri' => '', 'nickname' => '数据管理动态', 'title' => '', 'tags' => '', 'type' => 'import', 'point' => '0', 'coin' => '0', 'smallAvatar' => 'public://user/2024/09-30/10141245ef0a633805.png', 'mediumAvatar' => 'public://user/2024/09-30/10141245c989927701.png', 'largeAvatar' => 'public://user/2024/09-30/10141245a402748051.png', 'emailVerified' => '1', 'setup' => '1', 'roles' => array('ROLE_USER'), 'promoted' => '0', 'promotedSeq' => '0', 'promotedTime' => '0', 'locked' => '0', 'lockDeadline' => '0', 'consecutivePasswordErrorTimes' => '0', 'lastPasswordFailTime' => '0', 'loginTime' => '1728466749', 'loginIp' => '39.155.182.3', 'loginSessionId' => '28g59d8j43ja888f8ffu7m6f82', 'approvalTime' => '0', 'approvalStatus' => 'unapprove', 'newMessageNum' => '1', 'newNotificationNum' => '1', 'createdIp' => '120.221.146.51', 'createdTime' => '1727248868', 'updatedTime' => '1728466749', 'inviteCode' => null, 'orgId' => '1', 'orgCode' => '1.', 'registeredWay' => '', 'distributorToken' => '', 'uuid' => '23284c98ba0152a7d24e2c01fd15aba90298fc62', 'passwordInit' => '0', 'faceRegistered' => '0', 'registerVisitId' => '', 'wechatmember' => '0', 'member' => '0', 'virtual_coin' => '0', 'order_sn' => '', 'chances' => '0', 'remark' => null, 'mobileSessionId' => '', 'course_chance' => '0', 'login_limt' => '1', 'token' => null, 'org_name' => '', 'penName' => ''), 'auth' => array('nickname' => '数据管理动态', 'avatar' => '/files/user/2024/09-30/10141245ef0a633805.png', 'id' => '9656', 'isFollowed' => '0', 'epxid' => '0'), 'isFollowed' => '0', 'expi' => array('id' => '222', 'name' => '朱建林', 'thumb' => 'public://expert/2020/11-12/153339329b2b102494.jpg', 'originalThumb' => 'public://article/2020/11-12/1533393c6d9c628640.jpg', 'description' => '泰康人寿保险有限公司科技创新中心数据智能部数据分析与挖掘方向负责人', 'about' => '中国人民大学计算机博士，金融学博士后。现任泰康人寿保险有限公司科技创新中心数据智能部数据分析与挖掘方向负责人，主要工作包括：客户精准营销、代理人赋能、智能核保核赔、健康控费、人力财务智能决策等。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp;&nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<p>&nbsp;&nbsp;</p>
', 'elegant' => array(), 'userId' => '323', 'status' => 'unpublish', 'createdTime' => '1605166469', 'updatedTime' => '1612871836', 'body' => '<p>朱建林，中国人民大学计算机博士，金融学博士后。现任泰康人寿保险有限公司科技创新中心数据智能部数据分析与挖掘方向负责人，主要工作包括：客户精准营销、代理人赋能、智能核保核赔、健康控费、人力财务智能决策等。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), 'myg' => array(), 'hasbought' => array(), 'ti' => array('杨一民', '银行经济资本的计算和运用'), 'expertIds' => array(), 'allMembers' => array(array('id' => '1273', 'groupId' => '26', 'userId' => '5565', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1261', 'groupId' => '26', 'userId' => '251', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1260', 'groupId' => '26', 'userId' => '264', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1259', 'groupId' => '26', 'userId' => '215', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1258', 'groupId' => '26', 'userId' => '1095', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1257', 'groupId' => '26', 'userId' => '1611', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1256', 'groupId' => '26', 'userId' => '236', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1255', 'groupId' => '26', 'userId' => '59', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1254', 'groupId' => '26', 'userId' => '1232', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1262', 'groupId' => '26', 'userId' => '56', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1263', 'groupId' => '26', 'userId' => '202', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1264', 'groupId' => '26', 'userId' => '42', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1272', 'groupId' => '26', 'userId' => '327', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1271', 'groupId' => '26', 'userId' => '230', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1270', 'groupId' => '26', 'userId' => '1080', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1269', 'groupId' => '26', 'userId' => '284', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1268', 'groupId' => '26', 'userId' => '16', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1267', 'groupId' => '26', 'userId' => '171', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1266', 'groupId' => '26', 'userId' => '222', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1265', 'groupId' => '26', 'userId' => '306', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1253', 'groupId' => '26', 'userId' => '8630', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1251', 'groupId' => '26', 'userId' => '1265', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1239', 'groupId' => '26', 'userId' => '279', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1238', 'groupId' => '26', 'userId' => '234', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1237', 'groupId' => '26', 'userId' => '212', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1236', 'groupId' => '26', 'userId' => '316', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1235', 'groupId' => '26', 'userId' => '294', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1234', 'groupId' => '26', 'userId' => '286', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1233', 'groupId' => '26', 'userId' => '310', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1232', 'groupId' => '26', 'userId' => '45', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1240', 'groupId' => '26', 'userId' => '190', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1241', 'groupId' => '26', 'userId' => '242', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1242', 'groupId' => '26', 'userId' => '319', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1250', 'groupId' => '26', 'userId' => '1473', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1249', 'groupId' => '26', 'userId' => '1214', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1248', 'groupId' => '26', 'userId' => '9701', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1247', 'groupId' => '26', 'userId' => '221', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1246', 'groupId' => '26', 'userId' => '292', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1245', 'groupId' => '26', 'userId' => '9337', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1244', 'groupId' => '26', 'userId' => '233', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1243', 'groupId' => '26', 'userId' => '365', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1231', 'groupId' => '26', 'userId' => '187', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1876', 'groupId' => '26', 'userId' => '11000', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1749095305'), array('id' => '1782', 'groupId' => '26', 'userId' => '10009', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1733192002'), array('id' => '1774', 'groupId' => '26', 'userId' => '438', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1733134436'), array('id' => '1763', 'groupId' => '26', 'userId' => '10184', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732955021'), array('id' => '1754', 'groupId' => '26', 'userId' => '9817', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732947308'), array('id' => '1749', 'groupId' => '26', 'userId' => '10278', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732881984'), array('id' => '1734', 'groupId' => '26', 'userId' => '10308', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732863585'), array('id' => '1727', 'groupId' => '26', 'userId' => '9825', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732790846'), array('id' => '1702', 'groupId' => '26', 'userId' => '10147', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732781709'), array('id' => '1791', 'groupId' => '26', 'userId' => '10218', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1733201750'), array('id' => '1793', 'groupId' => '26', 'userId' => '9626', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1733219549'), array('id' => '1802', 'groupId' => '26', 'userId' => '9878', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1733490122'), array('id' => '1867', 'groupId' => '26', 'userId' => '10809', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1744005559'), array('id' => '1866', 'groupId' => '26', 'userId' => '10775', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1744005503'), array('id' => '1862', 'groupId' => '26', 'userId' => '6425', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1741352158'), array('id' => '1854', 'groupId' => '26', 'userId' => '8594', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1737269958'), array('id' => '1841', 'groupId' => '26', 'userId' => '1038', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1735819818'), array('id' => '1840', 'groupId' => '26', 'userId' => '6797', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1735819585'), array('id' => '1833', 'groupId' => '26', 'userId' => '10297', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1735291504'), array('id' => '1819', 'groupId' => '26', 'userId' => '3429', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1735203478'), array('id' => '1693', 'groupId' => '26', 'userId' => '23', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732626587'), array('id' => '1677', 'groupId' => '26', 'userId' => '1396', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732276112'), array('id' => '1282', 'groupId' => '26', 'userId' => '2220', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1281', 'groupId' => '26', 'userId' => '320', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1280', 'groupId' => '26', 'userId' => '269', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1279', 'groupId' => '26', 'userId' => '1186', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1278', 'groupId' => '26', 'userId' => '1158', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1277', 'groupId' => '26', 'userId' => '2202', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1276', 'groupId' => '26', 'userId' => '1099', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1275', 'groupId' => '26', 'userId' => '14', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1283', 'groupId' => '26', 'userId' => '186', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1284', 'groupId' => '26', 'userId' => '3795', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1285', 'groupId' => '26', 'userId' => '37', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1656', 'groupId' => '26', 'userId' => '9781', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732172075'), array('id' => '1652', 'groupId' => '26', 'userId' => '483', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732156248'), array('id' => '1651', 'groupId' => '26', 'userId' => '1468', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1732099510'), array('id' => '1290', 'groupId' => '26', 'userId' => '377', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1289', 'groupId' => '26', 'userId' => '259', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1288', 'groupId' => '26', 'userId' => '1089', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1287', 'groupId' => '26', 'userId' => '322', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1286', 'groupId' => '26', 'userId' => '8276', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1274', 'groupId' => '26', 'userId' => '6092', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943543'), array('id' => '1230', 'groupId' => '26', 'userId' => '253', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1187', 'groupId' => '26', 'userId' => '4788', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541'), array('id' => '654', 'groupId' => '26', 'userId' => '6421', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731135204'), array('id' => '642', 'groupId' => '26', 'userId' => '9742', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731130715'), array('id' => '636', 'groupId' => '26', 'userId' => '9748', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731126564'), array('id' => '628', 'groupId' => '26', 'userId' => '9725', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731124968'), array('id' => '613', 'groupId' => '26', 'userId' => '9717', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731116624'), array('id' => '609', 'groupId' => '26', 'userId' => '3', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1730970523'), array('id' => '593', 'groupId' => '26', 'userId' => '192', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729759081'), array('id' => '582', 'groupId' => '26', 'userId' => '8641', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729756100'), array('id' => '685', 'groupId' => '26', 'userId' => '1955', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731859595'), array('id' => '1177', 'groupId' => '26', 'userId' => '22', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541'), array('id' => '1178', 'groupId' => '26', 'userId' => '1228', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541'), array('id' => '1186', 'groupId' => '26', 'userId' => '228', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541'), array('id' => '1185', 'groupId' => '26', 'userId' => '9430', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541'), array('id' => '1184', 'groupId' => '26', 'userId' => '246', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541'), array('id' => '1183', 'groupId' => '26', 'userId' => '9088', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541'), array('id' => '1182', 'groupId' => '26', 'userId' => '3314', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541'), array('id' => '1181', 'groupId' => '26', 'userId' => '5147', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541'), array('id' => '1180', 'groupId' => '26', 'userId' => '211', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541'), array('id' => '1179', 'groupId' => '26', 'userId' => '1226', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541'), array('id' => '562', 'groupId' => '26', 'userId' => '52', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729752441'), array('id' => '267', 'groupId' => '26', 'userId' => '311', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '255', 'groupId' => '26', 'userId' => '9700', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '254', 'groupId' => '26', 'userId' => '1475', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '253', 'groupId' => '26', 'userId' => '9702', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '252', 'groupId' => '26', 'userId' => '31', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '251', 'groupId' => '26', 'userId' => '325', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '250', 'groupId' => '26', 'userId' => '256', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '249', 'groupId' => '26', 'userId' => '240', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '188', 'groupId' => '26', 'userId' => '5964', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729493735'), array('id' => '256', 'groupId' => '26', 'userId' => '9684', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '257', 'groupId' => '26', 'userId' => '5106', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '258', 'groupId' => '26', 'userId' => '216', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '266', 'groupId' => '26', 'userId' => '33', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '265', 'groupId' => '26', 'userId' => '235', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '264', 'groupId' => '26', 'userId' => '9703', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '263', 'groupId' => '26', 'userId' => '47', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '262', 'groupId' => '26', 'userId' => '17', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '261', 'groupId' => '26', 'userId' => '266', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '260', 'groupId' => '26', 'userId' => '226', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '259', 'groupId' => '26', 'userId' => '21', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1729734884'), array('id' => '87', 'groupId' => '26', 'userId' => '5102', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1726620489'), array('id' => '1229', 'groupId' => '26', 'userId' => '261', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1217', 'groupId' => '26', 'userId' => '6673', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1216', 'groupId' => '26', 'userId' => '337', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1215', 'groupId' => '26', 'userId' => '2414', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1214', 'groupId' => '26', 'userId' => '254', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1213', 'groupId' => '26', 'userId' => '194', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1212', 'groupId' => '26', 'userId' => '1472', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1211', 'groupId' => '26', 'userId' => '219', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1210', 'groupId' => '26', 'userId' => '217', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1218', 'groupId' => '26', 'userId' => '2272', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1219', 'groupId' => '26', 'userId' => '1508', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1220', 'groupId' => '26', 'userId' => '1192', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1228', 'groupId' => '26', 'userId' => '2252', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1227', 'groupId' => '26', 'userId' => '2230', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1226', 'groupId' => '26', 'userId' => '237', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1225', 'groupId' => '26', 'userId' => '5689', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1224', 'groupId' => '26', 'userId' => '297', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1223', 'groupId' => '26', 'userId' => '1248', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1222', 'groupId' => '26', 'userId' => '238', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1221', 'groupId' => '26', 'userId' => '1057', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1209', 'groupId' => '26', 'userId' => '280', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1208', 'groupId' => '26', 'userId' => '9428', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1196', 'groupId' => '26', 'userId' => '8107', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1195', 'groupId' => '26', 'userId' => '1727', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1194', 'groupId' => '26', 'userId' => '206', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1193', 'groupId' => '26', 'userId' => '3610', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541'), array('id' => '1192', 'groupId' => '26', 'userId' => '1712', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541'), array('id' => '1191', 'groupId' => '26', 'userId' => '198', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541'), array('id' => '1190', 'groupId' => '26', 'userId' => '191', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541'), array('id' => '1189', 'groupId' => '26', 'userId' => '170', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541'), array('id' => '1197', 'groupId' => '26', 'userId' => '5131', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1198', 'groupId' => '26', 'userId' => '2210', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1199', 'groupId' => '26', 'userId' => '2236', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1207', 'groupId' => '26', 'userId' => '2387', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1206', 'groupId' => '26', 'userId' => '291', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1205', 'groupId' => '26', 'userId' => '273', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1204', 'groupId' => '26', 'userId' => '1470', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1203', 'groupId' => '26', 'userId' => '1081', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1202', 'groupId' => '26', 'userId' => '1741', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1201', 'groupId' => '26', 'userId' => '287', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1200', 'groupId' => '26', 'userId' => '25', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943542'), array('id' => '1188', 'groupId' => '26', 'userId' => '323', 'role' => 'member', 'postNum' => '0', 'threadNum' => '0', 'createdTime' => '1731943541')), 'expertMemberIds' => array('5565', '251', '264', '215', '1095', '1611', '236', '59', '1232', '56', '202', '42', '327', '230', '1080', '284', '16', '171', '222', '306', '8630', '1265', '279', '234', '212', '316', '294', '286', '310', '45', '190', '242', '319', '1473', '1214', '9701', '221', '292', '9337', '233', '365', '187', '11000', '10009', '438', '10184', '9817', '10278', '10308', '9825', '10147', '10218', '9626', '9878', '10809', '10775', '6425', '8594', '1038', '6797', '10297', '3429', '23', '1396', '2220', '320', '269', '1186', '1158', '2202', '1099', '14', '186', '3795', '37', '9781', '483', '1468', '377', '259', '1089', '322', '8276', '6092', '253', '4788', '6421', '9742', '9748', '9725', '9717', '3', '192', '8641', '1955', '22', '1228', '228', '9430', '246', '9088', '3314', '5147', '211', '1226', '52', '311', '9700', '1475', '9702', '31', '325', '256', '240', '5964', '9684', '5106', '216', '33', '235', '9703', '47', '17', '266', '226', '21', '5102', '261', '6673', '337', '2414', '254', '194', '1472', '219', '217', '2272', '1508', '1192', '2252', '2230', '237', '5689', '297', '1248', '238', '1057', '280', '9428', '8107', '1727', '206', '3610', '1712', '198', '191', '170', '5131', '2210', '2236', '2387', '291', '273', '1470', '1081', '1741', '287', '25', '323'), 'expert' => array(array('id' => '150', 'name' => '刘吕科', 'thumb' => 'public://expert/2020/11-10/111931382c0d278503.png', 'originalThumb' => 'public://article/2020/11-10/1119313d6d95974184.png', 'description' => '民生银行总行风险管理部高级经理', 'about' => '民生银行总行风险管理部高级经理，经济学博士，金融学博士后，注册金融风险管理师，曾就职于知名咨询公司。入职民生银行以来主要负责信用风险计量体系建设相关工作，包括内部评级、经济资本管理、减值管理和RAROC管理等工作。在行业期刊发表专业文章四十余篇，并出版专著一本。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px; font-weight: bold;">论文</span></span></div>

<div style="height: 12px; float: left;">&nbsp;</div>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2020，正确看待和运用金融资产减值计提成果，《银行家》第9期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2020，客户信用分析的逻辑，《银行家》第2期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2019，新形势下商业银行授信评审与内部评级的分工与协同，《银行家》第2期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2018，对不良资产认定的反思与建议&mdash;&mdash;兼评巴塞尔委员会《问题资产的审慎处置&mdash;&mdash;不良资产和容忍授信认定指引》，《北京金融评论》第3期&nbsp; （注：未下载）。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2018，商业银行有效风险管理的九个要素，《银行家》第11期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2018，IFRS9新减值规则的实施:一场宁静的革命，《银行家》第9期&nbsp; &nbsp; 。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2018，新形势下银行账户利率风险管理的主要难点与对策，《清华金融评论》第2期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2017，刍议债转股处置对商业银行的潜在影响，《北京金融评论》第3期 （注：未下载）。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2017，新形势下商业银行信用风险管理的思考与建议，《清华金融评论》第9期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2017，重商主义发展的三阶段论，《制度经济学研究》第1期 （注：未下载）。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2016，商业银行实施恢复处置计划的挑战和对策，《新金融》第6期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2016，国际资本监管改革及其对我国商业银行的潜在影响，《银行家》第2期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2015，浅析内部评级模型验证与优化的方法与路径，《金融理论与实践》第8期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2015，商业银行经济资本模型验证&mdash;&mdash;理论框架与实践经验，《新金融》第5期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2015，中小银行操作风险管理工具体系构建的策略选择&mdash;&mdash;兼谈中小银行构建操作风险高级计量法的可行性与路径选择，《金融理论与实践》第2期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2014，商业银行经济资本计量的局限性及改进，《国际金融》第12期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2014，资产证券化、非同质投资者和金融稳定性&mdash;&mdash;一个理论模型，《国际金融研究》第12期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2014，经济资本视角的EVA与银行市场价值的相关性，《金融论坛》第12期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2014，对内部资本充足评估程序建设中关键要素的探析，《国际金融》第10期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2014，资本压力下的中小银行发展探析&mdash;&mdash;兼评中小银行实施新资本协议的方法与路径，《金融纵横》第8期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2014，违约损失率计量方法研究进展述评，《金融发展研究》第6期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2014，风险管理模型的内在局限性探析，《海南金融》第6期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2014，新资本协议第二支柱实施的难点与对策，《国际金融》第4期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2009，<a href="https://www.yunzhan365.com/66133821.html">我国银行小企业信贷模式与风险管理研究&mdash;&mdash;基于银行问卷调研的分析</a>，《金融研究》第5期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2009，<a href="https://www.yunzhan365.com/33491363.html">小企业信贷约束研究的最新进展</a>，《经济理论与经济管理》第3期。</span></span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、在IFRS9文件背景下关于看待和运用金融资产减值计提的成果</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 针对商业银行将金融资产减值准备作为覆盖预期损失、抵御风险的第一道防线这一经营现状，刘吕科专家认为减值计提的充足性、准确性和及时性将在很大程度上影响商业银行在动荡经营环境经营的稳健性，在论文《正确看待和运用金融资产减值计提成果》（2020）中对于商业银行如何运行金融资产减值计提工具提出了以下观点。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>IFRS9新减值准则实施并不是商业银行减值管理的终点，而是其加强全面风险管理的又一新起点。商业银行应对新形势下的减值管理体系有正确的认识，并进一步理顺机制、优化工具，为更好地开展减值管理工作，更深入地推动减值结果的应用，为提升精细化管理能力提供有力支撑。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>持续优化模型，确保风险参数准确、前瞻地反映资产风险状况变化。减值计提能够反映风险状况变化的一个基本前提是减值模型准确可靠，减值模型又依赖行内风险参数量化体系，因此，持续优化减值模型和底层参数，提升减值计提准确性和可靠性是商业银行的一项非常基础和重要的工作。同时，商业银行应将现有的预期信用损失模型纳入现有的模型管理和验证体系中，持续监测模型的表现，在为优化模型提供依据的同时，增强各相关部门或人员对减值模型的信心，确保减值计提能够准确、前瞻、及时的反映业务风险状况的变化。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>增强风险管理独立性，确保风险计量和减值计提准确可靠。风险管理独立性是风险计量结果准确性的可靠保障，IFRS9新准则实施后，减值计提直接和单笔业务的客户评级和债项评级挂钩，部分机构人员出于调节利润或业绩考核的目的，刻意操纵风险参数量化结果，导致减值计提结果不准确、不可靠，难以充分反映风险状况，资产减值准备难以充分覆盖预期损失。因此，在很大程度上，减值计提结果的准确性取决于风险参数量化的客观性、科学性和独立性，商业银行应进一步强化风险参数量化的管理，提高风险计量的准确性和可靠性，提升风险计量结果更新的及时性，确保相关工作能够独立、规范开展，为规范、科学、及时地开展金融资产减值计提工作奠定良好基础。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>提升减值管理统筹性，确保减值计提相关工作的专业性和科学性。IFRS9新减值准则实施后，减值计提流程不仅涉及资产风险分类、评级管理，还涉及预警、押品管理等诸多信贷管理环节；而减值计提模型不仅涉及预期信用损失模型，还涉及到非零售客户评级、债项评级、零售评分卡和资产分池等底层模型，减值计提流程中任何一个环节或因素出问题都有可能影响减值计提结果的准确性和可靠性。新形势下，商业银行应强化工作统筹性，捋顺工作机制，明确工作职责，确保相关工作的科学性、及时性和一致性，持续提升商业银行金融资产减值计提结果的准确性、前瞻性和可靠性。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>持续推进减值计提结果在信贷管理中的应用。作为风险状况直接反映的减值准备计提应在商业银行战略转型、精细化能力提升中发挥应有作用。通过引入减值计提结果，为商业银行授信政策、绩效考核、贷款定价、组合管理、资本配置等内部管理工作提供更科学的依据和分析维度，提高商业银行的精细化管理能力，并提升其价值。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、银行客户信用分析的未来发展前景</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>刘吕科专家在《客户信用分析的逻辑》(2020)中提出，客户信用分析的逻辑随着经济社会环境的发展而发展，随着商业银行风险理念的提升、社会信用体系建设、数据管理和风险管理技术的不断演进，客户信用分析无论在方法上、工具上，还是应用上，都将会有长足进展，未来的客户信用分析将比当前更具前瞻性和准确性。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>一是在数据合规的前提下，数据质量和数据全面性将得以大幅提高，对客户的风险评价将更加全面。二是方法上将更注重宏观和组合层面的管理，未来在这方面的风险管理工具研究与发展将取得更大进展。三是风险分析工具和营销模型工具逐少融合，实现风险控制服务于业务发展的最终目标。四是随着大数据技术的不断进步，机器学习方法在商业银行的应用将更加深入。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、银行授信评审和内部评级的完善和发展</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>针对商业银行授信评审和内部评级的作用关系研究中，刘吕科专家在《新形势下商业银行授信评审与内部评级的分工与协同》（2019）中提出以下的观点。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>授信评审和内部评级趋同性是风险管理发展的大趋势之一，无论是授信评审还是内部评级，目标都是准确评价客户或债项信用水平，筛选出风险与收益相匹配或收益水平超出风险水平的客户。二者不可偏废其一，授信评审和内部评级只有相互借鉴、取长补短，银行全面风险管理的&ldquo;篱笆&rdquo;才能扎牢。在现阶段，结合国内信用环境状况和风险管理现状，建议从三个方面完善授信评审与内部评级工作。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>一是加大对风险量化资源投入。随着国内信用环境的改善与数据可获得渠道的扩大，内部评级与风险量化将在全面风险管理中发挥越来越大的作用。二是强化评级与评审沟通交流。考虑到授信评审和内部评级在大多数商业银行分属不同部门，建议建立定期或不定期沟通机制。三是确保应用政策一致性。在基本准入、贷款定价、风险限额等方面，授信评审政策与评级应用政策应保持协同，确保对同一客户或债项风险约束的一致性。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>四、商业银行有效风险管理的基本要素</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>刘吕科专家基于金融危机十周年的回顾与反思，提炼了出商业银行开展有效风险管理的九大基本要素。外在表现方面，包括有效的沟通、准确的风险评估、适当独立的风险管理、有效的组合管理以及准确、全面及时的风险报告5个要素；背后&ldquo;肌理&rdquo;方面，包括良好的治理架构、严谨的风险管理文化、稳健且一致的风险偏好、合理的考核激励4个要素。在当前我国经济金融环境日趋复杂、金融系统性风险升高的大背景下，这九个卓越风险管理要素对我国商业银行提高风险管理能力、有效应对复杂环境具有重要意义。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》2019年综合第2期</span></p>
', 'elegant' => array(), 'userId' => '251', 'status' => 'published', 'createdTime' => '1604978455', 'updatedTime' => '1636527548', 'body' => '<p>&nbsp; &nbsp; &nbsp; &nbsp;刘吕科，民生银行总行风险管理部高级经理，经济学博士，金融学博士后，注册金融风险管理师，曾就职于知名咨询公司。入职民生银行以来主要负责信用风险计量体系建设相关工作，包括内部评级、经济资本管理、减值管理和RAROC管理等工作。在行业期刊发表专业文章四十余篇，并出版专著一本。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '162', 'name' => '任亮', 'thumb' => 'public://expert/2020/11-10/135353143c33880392.jpg', 'originalThumb' => 'public://article/2020/11-10/13535317458c142837.jpg', 'description' => '北京知因智慧数据科技公司 CEO、中科院大学大数据分析技术实验室副主任、教授', 'about' => '北京知因智慧数据科技公司CEO、中科院大学大数据分析技术实验室副主任、教授。历任IBM全球企业咨询服务部金融大数据解决方案负责人、中国科学院教授、中国科学院大数据分析技术实验室副主任等职务。在产业链的知识图谱构建、产业风险传导、价值传导、信用传导方面，拥有近20年的科研、实践和商业化运营经验。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp; &nbsp; &nbsp; &nbsp; &nbsp;&nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、人工智能拓展风险管理新边界</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）产融知识图谱</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 在当前我国强监管的背景下，当前经济形势面临不确定性的挑战，主要有两个方面：一方面，在所谓的去杠杆背景下，风险防范方面的监管指引措施给金融科技带来了挑战。另一方面，最近又出台了一些新的监管指引，这些监管措施对风险管理，对金融科技提出了新的要求和挑战。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在金融科技方面，&ldquo;产融知识图谱&rdquo;能够有效地整合数据进行风险防范。其中包含四个关键词：第一个是产业云图，能够建立生态视角，提供从企业内外关系角度分析问题的能力，包括企业间关系、企业内部经济要素、企业和行业、企业和客户、企业和市场价格等要素的关联传导；第二个是金融工具，包括信贷、投资、保理等金融产品，所需要的评级、定价、获客、价值评估等手段；第三个是大数据，帮助构建和丰富产业云图，完成从原始信息到企业关系、风险特征、风险事件的提取和整合；第四个是知识图谱+机器学习，帮助提炼产业云图下隐含的规则，建立知识网络、预测模型，实现风险识别、传导和预测的能力。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>产融知识图谱需要与人工智能相关的技术进行匹配。首先是图谱构建，将图计算、风险传导等复杂网络技术在知识图谱中聚合。其次，大数据量化方面，要将大数据的技术融合进来。第三，在机器学习领域，要做更好的知识推理，把深度学习、遗传学习、集成学习的方法运用到不同的金融场景。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）人工智能技术的应用</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>以风险场景为例看AI技术的应用历程。早期的AI公司通过图像语音识别等感知场景去提升业务，但风险管理是一个知识密集型的领域，需要通过知识图谱和相关的不同AI技术的集成来综合解决不同场景下的问题，所以风险管理技术的演进与AI技术的演进是对应的。从打分卡到内评法，到巴塞尔协议，是十年间的建设热点，对应着BI（商业智能）；现在是以图谱技术为支撑的新一代模型技术阶段，对应着AI（人工智能），在这期间国内一些领先的金融机构也纷纷进入到这个体系建设的进程中。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>对建模时代做一个划分。首先是风险管理的匠人时代；AI时代来临以后，进入到风险管理的工业时代；在工业时代，&ldquo;模型工厂&rdquo;能够帮助快速建立新一代的风险模型。在模型工厂的构架中，最下面是数据工厂，数据工厂中不再只是企业内部的结构化数据，还融合了更多的外部非结构化数据。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>模型工厂的中心是人工智能，融合了知识图谱、机器学习、复杂网络、自然语言处理等来自于不同领域的AI技术，从而变成了一个综合的AI引擎。需要注意的是，在这个引擎下，要把关注点放到其他配件上，这些配件才是完善高质量模型的更重要组成部分。第一个配件是产业云图，即如何站在生态视角看个体的体现，包括客户谱系和产业谱系，其中产业谱系是更大范围的一个族谱，也是风险传导更加关键的一个路径。第二个配件是金融工具，即深度画像和智能报告等技术的体验。深度画像是指把原来非结构化的信息提炼成为结构化的金融事件，基于这些事件构建出动态的画像。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在产业云图和金融工具之下，是知识仓库体系，包括实体库、特征库、事件库、标签库等。只有通过知识仓库才能真正把内部原始数据和外部数据加工成一个模型需要输入的变量体系。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>产业云图、人工智能、金融工具和知识仓库统称为智能工厂，这是生产高质量模型的配件和车床的部分。再往上是模型商店。在公司金融、小微金融、供应链金融、资产管理、零售金融等每个领域都有不同场景下的模型建设。从网络视角看个体风险，在每个客户进入到一个网络体系时，所有的传统模型都会被重新构建。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）风险管理的新边界</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在模型工厂时代，通过人工智能，以及产业云图和金融工具两个配件的构建，能够对传统模型进行提升，进而拓展风险管理的新边界。这些新边界体现在以下四个方面。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第一，在广度方面，通过大数据和知识图谱构建网络，也就是利用网络视角看个体风险。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第二，在深度方面，风险特征、金融事件的分析会更加深入。在风险特征方面，传统风险体系信号模型特征选取只包括结构化风险因子，而新一代智能风控体系不仅包括结构性风险因子，还包括关联性风险因子和事件冲击下的传导性风险因子，通过新维度的风险因子构建，能够丰富构建模型的变量输入。在智能报告方面，自动生成Word分析报告，分析报告会对客户及其关联关系群（集团、系统）进行综合分析，极大提高报告生成速度，减少人工成本。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第三，在传导性方面，产业云图为风险传染构建了一个路径。通过有监督和无监督两类算法体系的构建来计量，当一个企业或者一个事件发生以后，它会沿着什么样的路径波及多大的范围，对相关成员的影响有多大。这里产生了一套新的网络算法体系&mdash;&mdash;黎曼传导，它是基于非监督学习的方法体系，目前已在多家金融机构进行应用实测。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第四，在产业化方面，金融必须和实体产业进行深度的链接和融合。在模型工厂的体系下，通过知识图谱的方式，把原来供应链里碎片化的信息重新融合，构建新型的供应链金融风控和小微金融风控体系，与实体经济做更深度的链接。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>以上包含了七项人工智能的技术应用，包括机器阅读、实体指纹、谱系算法、黎曼传导、寒武特征、协同预测以及机器速写技术的引入与构建，这七项技术共同支撑模型工厂的建立。所以，模型工厂是一个ABCK的融合，即人工智能、大数据、云服务和知识图谱技术的融合。 ABCK把外部数据和内部数据充分融合以后，形成所谓的冷启动库，也就是知识仓库体系，来加速构建模型的起点，不再从头去整合信息建立，而是从知识仓库的体系之上再去建立模型。在AI时代下，模型工厂为风险管理提供了一个新型的武器和工具。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：TGES2020前沿讲座系列-11：金融科技核心技术与应用《人工智能拓展风险管理新边界》演讲文稿整理</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2><span style="color:#000000;"><strong>二、关于知识图谱推动产融一体化</strong></span></h2>

<h4><span style="color:#000000;"><strong>(一)&nbsp;关于</strong><strong>AI如何赋能金融</strong></span></h4>

<p><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>概括来讲，赋能的对象一端是产业，分为对公和对个人，他们需要的是精准的金融服务；另一端是金融，包括做信贷、做资管和做投资等繁多的金融业态，他们需要的是质地良好的资产。使这两端充分地连接就意味着两端都需要被赋能。</span></p>

<p><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在知因智慧看来，赋能的手段就是产业知识图谱。首先将产业的要素识别出来，如集团内各企业间的关系；企业的担保链、供应链关系；企业和消费者之间的经济往来等都是产业知识图谱涵盖的范围。把这些依据于不同关系的形态链条打通，利用大数据定量描述，寻找他们的画像，再通过机器学习，计量他们之间的关系和影响，帮助金融机构更好地识别风险和获取客户。作为赋能的核心手段其涵盖大数据，人工智能，云服务，用知识图谱的方式呈现。其目的是把交易方的风险或商机显示出来，帮助金融机构判别，更好地了解交易对手，继而提升他们对产业的金融服务水平。另一方面，金融的本质就是通过风险进行获利，这个过程中被赋能的两端都是获益的。</span></p>

<h4><span style="color:#000000;"><strong>(二)&nbsp;关于金融科技公司在数据使用方法上与金融机构的区别</strong></span></h4>

<p><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>产业知识图谱的数据分散在政府，金融市场，互联网，企业以及金融机构的内部，包括企业的工商数据、企业在金融市场的表现数据，与企业发生投资担保等重大关系的关联企业的数据以及金融机构的交易数据等。过去这些数据都是孤立的，由于数据可得性的不同，不同机构的数据使用者只能依靠某个领域的数据来做决策。产业知识图谱本身是网状的，是整合碎片化数据的有效手段。它把目前相对公开且没有法律问题的各类数据收集整合，再用知识图谱进行串联，使得这些数据不再是孤岛，呈现出更多的信息。</span></p>

<p><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>过去金融机构的做法是对数据进行简单的购买和整合，很难完整地识别；而除了数据本身，还要识别集团客户或系客户各种复杂的显性和隐性的规则和关系。如果金融机构不在全网和全量的企业数据中利用先进的手段分析，是无法得到完整的穿透性的链条，但是同样的数据经过产业知识图谱的处理就会产生不同的结果。</span></p>

<h4><span style="color:#000000;"><strong>(三)&nbsp;关于如何看待金融科技公司与金融机构的关系</strong></span></h4>

<p><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>金融机构自我赋能存在很多壁垒，比如数据壁垒，规则和技术上的壁垒，业务壁垒等。对大型金融机构，会努力自建这个能力。但更多的金融机构需要的可能是一个拿来即用的产品，而不是从零开始研发。此时产业知识图谱是最好的手段，将信息关联性显性地呈现出来。</span></p>

<p><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>未来金融机构和金融科技公司一定是共生的关系。特别对中小金融机构，运营和复杂的工作由金融科技公司完成，之后输出给他们；另一方面，金融科技公司在与金融机构合作的过程中可以获得更多专业领域的知识，尤其是头部客户能够给金融科技公司带来极大的认知提升，实现双螺旋式的自我成长，彼此互建共生。</span></p>

<p><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：AI赋能金融：知识图谱推动产融一体化&mdash;&mdash;访知因智慧创始人任亮，中国金融新闻网，2018-05-25</span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1616059737.jpg'), array('src' => '/files/expert/expert_1616059743.jpg'), array('src' => '/files/expert/expert_1616059755.jpg'), array('src' => '/files/expert/expert_1616059762.jpg')), 'userId' => '264', 'status' => 'published', 'createdTime' => '1604987681', 'updatedTime' => '1623120679', 'body' => '<p>&nbsp; &nbsp; &nbsp; 任亮，北京知因智慧数据科技公司CEO、中科院大学大数据分析技术实验室副主任、教授。历任IBM全球企业咨询服务部金融大数据解决方案负责人、中国科学院教授、中国科学院大数据分析技术实验室副主任等职务。在产业链的知识图谱构建、产业风险传导、价值传导、信用传导方面，拥有近20年的科研、实践和商业化运营经验。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '114', 'name' => '卜永强', 'thumb' => 'public://expert/2021/04-13/1105520ba3e6536232.jpg', 'originalThumb' => 'public://article/2021/04-13/1105520e48f5812914.jpg', 'description' => '东方证券风险管理部董事', 'about' => '东方证券风险管理部董事，博士，就职于东方证券风险管理部，是国家金融与发展实验室的金融风险专家，拥有超过10年的金融风险管理经验，目前还担任复旦大学、中国人民大学和上海财经大学的业界导师。另外还担任上海交通大学上海高级金融学院风险管理研究中心兼职研究员，并翻译出版《量化风险管理-概念、技术和工具》一书。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left:5px solid #ff7200;padding-left:20px;"><span style="color:#000000;"><span style="font-size:16px;font-weight:bold;">图书</span></span></div>

<div style="height:12px; float:left">&nbsp;</div>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">翻译出版《量化风险管理-概念、技术和工具》一书。</span></span></p>

<p style="margin-left: 40px;"><span style="font-size:16px;">卜永强，数量风险管理（译著），原著：Quantitative Risk Management: Concepts, Techniques and Tools (Princeton Series in Finance)&nbsp;Revised Edition by&nbsp;<a href="https://www.amazon.com/Alexander-J.-McNeil/e/B001HD35X8/ref=dp_byline_cont_book_1">Alexander J. McNeil</a>,<a href="https://www.amazon.com/s/ref=dp_byline_sr_book_2?ie=UTF8&amp;text=R%C3%BCdiger+Frey&amp;search-alias=books&amp;field-author=R%C3%BCdiger+Frey&amp;sort=relevancerank">R&uuml;diger Frey</a>,<a href="https://www.amazon.com/s/ref=dp_byline_sr_book_3?ie=UTF8&amp;text=Paul+Embrechts&amp;search-alias=books&amp;field-author=Paul+Embrechts&amp;sort=relevancerank">Paul Embrechts</a></span></p>

<div style="border-left:5px solid #ff7200;padding-left:20px;"><font color="#000000"><span style="font-size: 16px;"><b>论文</b></span></font></div>

<p style="margin-left: 40px;"><span style="font-size:16px;">2017，信用风险的GLMMs建模分析[J]，《统计研究》。</span></p>

<p style="margin-left: 40px;"><span style="font-size:16px;">2016，信用风险组合管理初探，《中国保险资产管理》。</span></p>

<p style="margin-left: 40px;"><span style="font-size:16px;">2015，保险资金运用风险管理研究，《保监会部级课题》。</span></p>

<p style="margin-left: 40px;"><span style="font-size:16px;">2014，保险资金运用管理体制创新研究，《保监会部级课题》。</span></p>

<p style="margin-left: 40px;"><span style="font-size:16px;">2014，基于B-L资产配置模型。</span></p>

<p style="margin-left: 40px;"><span style="font-size:16px;">2013，基于中国股市的一致预期建模。</span></p>

<p style="margin-left: 40px;"><span style="font-size:16px;">2013，基于中国股市的多因子模型。</span></p>

<p style="margin-left: 40px;"><span style="font-size:16px;">2013，A股行业轮动建模。</span></p>

<p style="margin-left: 40px;"><span style="font-size:16px;">2012，<a href="https://www.yunzhan365.com/66033370.html">我国银行个人信贷业务发展模式研究[J}</a>，《新金融》。&nbsp;</span></p>

<p style="margin-left: 40px;"><span style="font-size:16px;">2009，Credit Risk Modelling with Survival Analysis。</span></p>

<p style="margin-left: 40px;"><span style="font-size:16px;">2008，Credit Risk Modelling with GLMM, Risk Theory and Related Topics, Bedlewo, Poland。</span></p>

<p style="margin-left: 40px;"><span style="font-size:16px;">2005，沪深股市异常停牌制度有效性分析。</span></p>

<p style="margin-left: 40px;"><span style="font-size:16px;">2005，基金投资组合变动因素分析。</span></p>

<p style="margin-left: 40px;"><span style="font-size:16px;">2005，基金动量投资行为分析。</span></p>
', 'attachachieve' => '', 'viewpoint' => '<p>&nbsp; &nbsp;</p>
', 'elegant' => array(), 'userId' => '215', 'status' => 'published', 'createdTime' => '1604565364', 'updatedTime' => '1637922081', 'body' => '<p>&nbsp; &nbsp; &nbsp; 东方证券风险管理部董事，博士，就职于东方证券风险管理部，是国家金融与发展实验室的金融风险专家，拥有超过10年的金融风险管理经验，目前还担任复旦大学、中国人民大学和上海财经大学的业界导师。另外还担任上海交通大学上海高级金融学院风险管理研究中心兼职研究员，并翻译出版《量化风险管理-概念、技术和工具》一书。</p>

<p align="justify">&nbsp;</p>
', 'type' => 'senior', 'opened' => '0', 'followed' => '0'), array('id' => '279', 'name' => '李岩', 'thumb' => 'public://expert/2021/10-27/151952825546157254.jpg', 'originalThumb' => 'public://article/2021/10-27/15195284dff1822597.jpg', 'description' => '资深风险模型验证专家', 'about' => '资深风险模型验证专家，曾就职于汇丰银行亚太模型风险独立模型评估部、汇丰银行环球市场风险部可交易信用交易处，法国巴黎银行环球市场风险部交易风险处；英国伦敦大学学院经济学博士；原中国人民大学财金学院教师，曾任英国阿斯顿商学院讲师。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp;&nbsp;</p>
', 'attachachieve' => '<p>&nbsp;&nbsp;</p>
', 'viewpoint' => '<p>&nbsp;&nbsp;</p>
', 'elegant' => array(), 'userId' => '1095', 'status' => 'unpublish', 'createdTime' => '1635319429', 'updatedTime' => '1641206010', 'body' => '<p>&nbsp; &nbsp; &nbsp; &nbsp;资深风险模型验证专家，曾就职于汇丰银行亚太模型风险独立模型评估部、汇丰银行环球市场风险部可交易信用交易处，法国巴黎银行环球市场风险部交易风险处；英国伦敦大学学院经济学博士；原中国人民大学财金学院教师，曾任英国阿斯顿商学院讲师。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '280', 'name' => '薛志坚', 'thumb' => 'public://expert/2021/11-09/1117084733a9365000.jpg', 'originalThumb' => 'public://article/2021/11-09/1117084b43e7837658.jpg', 'description' => '百融云创评分模型部总经理', 'about' => '百融云创评分模型部总经理，拥有十几年国内外著名金融科技公司工作经验。曾任宜信普惠小微业务CRO，负责小微信贷、融资租赁和供应链金融业务线风险管理；Fico大数据评分模型核心研发专家；PayPal欺诈风险管理主任科学家。长期从事数据分析、数据产品研发和风险管理工作。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp;&nbsp;</p>
', 'attachachieve' => '<p>&nbsp;&nbsp;</p>
', 'viewpoint' => '<p>&nbsp;&nbsp;</p>
', 'elegant' => array(), 'userId' => '1611', 'status' => 'unpublish', 'createdTime' => '1636427895', 'updatedTime' => '1636600765', 'body' => '<p>&nbsp; &nbsp; &nbsp; &nbsp;百融云创评分模型部总经理，拥有十几年国内外著名金融科技公司工作经验。曾任宜信普惠小微业务CRO，负责小微信贷、融资租赁和供应链金融业务线风险管理；Fico大数据评分模型核心研发专家；PayPal欺诈风险管理主任科学家。长期从事数据分析、数据产品研发和风险管理工作。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '135', 'name' => '江李蕰盈', 'thumb' => 'public://expert/2020/11-06/154254e12899957249.jpg', 'originalThumb' => 'public://article/2020/11-06/154254e44d88821859.jpg', 'description' => '瑞士信贷（美国）董事总经理', 'about' => '前瑞士信贷（美国）（Credit Suisse USA IHC）董事总经理，主管信用分析业务。曾任瑞士信贷银行纽约分行首席风险官，美国道富银行（State Street Corp）高级副总裁兼高级董事总经理，主管风险分析业务；美国联邦存款保险公司（FDIC）高级金融经济师。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp; &nbsp;&nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>在COVID期间管理风险</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）新冠疫情大流行给压力测试带来的额外挑战</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;自从疫情以来，相关的城市封锁政策，在美国还有世界其他各地区发生以后，银行业专门做风险管理的人士也一直都在努力在把疫情对宏观经济，结合起来，然后考虑有哪些部门受到打击比较大。比如说在美国的食品加工业，受到的打击比较大，那么银行如果对这些行业有信贷关系的话，银行的影响也会比较大，反而其他的行业比如说Amazon，他已经有一个网上订货的平台，反而没有受到重大的负面影响，甚至还使得它有更多盈利和销售的机会。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;像我们专门做风险管理的人员，就会把一些对流行病的测试跟宏观经济结合起来去看看，说如果疫情会对哪些部门有比较大的影响，具体是通过什么样的渠道来对GDP产生影响，然后把新的利益回报率以及高收益的一些指数重新加起来，然后对每一个行业、每一个借贷人、每一个借贷公司来说，看他的资产负债表怎么样，看收入怎么样，成本怎么样。一些医疗层面的测试也会加入对宏观经济的预测上。还有货币政策也都加入进来，并且考虑一些特殊的政策，比如说在房地产行业，诸如一些其他的投资人，房贷美、房利美的资产负债表会受什么样的影响，会不会又像2008年的次贷危机期间，再向财政部要钱，所有需要把这些因素叠加起来。大家也看得出，这就会对压力测试带来了很大的挑战。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）大流行预测与经济预测相结合：情景设计的新元素</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;在疫情刚刚开始的时候，有一些学校就跟一些银行临时组合进行疫情和经济形势相关的预测，其实就是预测美国第一季、第二季 GDP的走势，然后把这些数据整理以后，利用这些大家预测的数据，把它放到模型里面，看看他们所关心指标的预测结果。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;有的公司开发了大流行导航，并与传染病专家合作，为何时可以实现适当的阈值免疫力提供了可能的方案，并分享了影响时机和成功可能性的关键杠杆&mdash;&mdash;障碍和促进剂。比如流行病专家合作，我也参加了几次流行病专家、律师以及风险管理专家的会议，大家把流行病专家的数据和预测结果拿出来考虑不同地区、不同的行业的具体影响结果，从而想一些对策去应对这些特殊的风险产生的特殊影响。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;疫苗的研发作为恢复正常情况的重要指标，是预测工作的核心。基于疫苗研发时间的预估以及有效性的判定，预测的经济恢复时间从2021年4月到2021年12月不等。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）前瞻性风险评估比任何时候都重要</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;归纳一下，在特殊的时期是怎么样把流行病专家、政府健康指导，与传统的银行风险测试或者压力测试，以及行业的特定因素相结合的。然后通过利润、亏损、资本等指标进行预测，即预测中我们应当采取怎么样的具体工作。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;银行做的流行病学和政府健康指导的测试，可以分得很细。就封闭地区而言，可以看被封锁的区域、封锁的持续时间以及受影响的特定部门。宏观影响方面，可以看财政政策、货币政策的刺激力度。行业方面，可以看特定行业受到的特定影响。&nbsp;</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;针对房地产贷款而言，超过几百万的抵押贷款被允许延期12个月。但是，退出FB的结果是什么？房主还能保住房子吗？银行和GSE的资产负债表上会有不良贷款吗？首先延期12个月偿还主要看12个月以后会有什么样的这种政策，或者有人申请，但是不可能不付房贷。因此金融机构目前的措施就非常重要，因为贷款延期会直接影响银行贷款账户的盈利或亏损。比如当这个政策已经结束，但是债务人还是没有能力偿还，其结果会如何，是否还能保住房子都具有不确定性。但目前拜登刚刚当选，对美国中下低收入的人群是比较保护的。如果是说债务人继续延期偿还房贷，那会对美国的经济有多么大的影响都需要目前的风险管理人进行考量。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（四）完善的风险管理实践和商机</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;在医疗方面的因素加入之后，可能在4-6月份价格可能变成0或者是负值，大家对一些定向的模型都产生了怀疑，就需要运用可以产生零值或负值的调整定价模型，从而使模型能够在外力作用的异常情况下继续正常运行。就压力测试而言，当前的压力测试模型需要更多考虑一个非常严重的场景，包括自然灾害，COVID激增案例，经济封锁，政治不确定性等因素。就银行内控而言，银行内部的风险评估次数愈发频繁，因为大家本来以为不会发生的事情还会经常发生。同时，据说很多民间银行也经常遭受黑客进攻，也就是说网络的安全也要加强。另外，公司试图变得更加灵活，并支持员工在家工作。现在很多银行也都认识到了，在家工作不但可以节省房租，还发现员工的创造力其实并不减，因为其工时有所延长。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;面对这样的情况，银行需要识别不断增长的需求和机会，包括高科技（zoom），交付，人口较少地区的需求房屋（单户住宅）等，银行抓住这样的机会，并需要积极在这方面进行投资。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;来源：2020（第十六届）中国金融风险经理年度总论坛-6：宏观与行业风险分析《在COVID期间管理风险》演讲文稿整理</span></p>
', 'elegant' => array(), 'userId' => '236', 'status' => 'published', 'createdTime' => '1604648646', 'updatedTime' => '1636524464', 'body' => '<p style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;&nbsp;江李蕰盈，前瑞士信贷（美国）（Credit Suisse USA IHC）董事总经理，主管信用分析业务。曾任瑞士信贷银行纽约分行首席风险官，美国道富银行（State Street Corp）高级副总裁兼高级董事总经理，主管风险分析业务；美国联邦存款保险公司（FDIC）高级金融经济师。现供职于美国<span style="font-family: arial, 宋体, sans-serif; text-indent: 28px;">房利美（Federal National Mortgage Association , Fannie Mae , 联邦国民抵押贷款协会），任</span>单一家庭信贷组合绩效部门负责人（Head of Credit Portfolio Performance-Single Family）。</p>

<p style="text-align: justify;">&nbsp; &nbsp; &nbsp; &nbsp; <strong>职业经历：</strong></p>

<p style="text-align: justify;"><time>&nbsp; &nbsp; &nbsp; &nbsp; 2020 年</time>&nbsp;- 至今：<span class="date-range__duration" style="box-sizing: border-box; margin: 0px; padding: 0px; border: 0px; font-size: 17px; vertical-align: baseline; background-image: initial; background-position: initial; background-size: initial; background-repeat: initial; background-attachment: initial; background-origin: initial; background-clip: initial; outline: 0px; color: rgba(0, 0, 0, 0.6); font-family: &quot;Microsoft YaHei&quot;;">&nbsp;</span>Head of Credit Portfolio Performance-Single Family at&nbsp;<span style="font-family: arial, 宋体, sans-serif; text-indent: 28px;">Fannie Mae;</span></p>

<p style="text-align: justify;"><span style="font-family: arial, 宋体, sans-serif; text-indent: 28px;">&nbsp; &nbsp; &nbsp; &nbsp;&nbsp;</span><time>2016 年 10 月</time>&nbsp;-&nbsp;<time>2020 年：</time>Managing Director, Head of Credit Analytics, Credit Suisse USA IHC;&nbsp;New York, NY</p>

<p style="margin-left: 40px;">Lead groups of highly skilled quantitative analysts to cover trade analysis for front office, develop models to measure counterparty credit risk and credit risk of Credit Suisse&#39;s USA IHC.</p>

<p>&nbsp; &nbsp; &nbsp; &nbsp;&nbsp;<time>2008 年 10 月</time>&nbsp;-&nbsp;<time>2016 年 10 月：</time>Senior Vice President/Senior Managing Director, Head of Risk Analytics at&nbsp;State Street Corporation;&nbsp;Boston, MA</p>

<p style="margin-left: 40px;">&bull; Lead and direct the activities of teams of highly skilled professionals in Enterprise Risk Management (ERM) developing quantitative risk models in support of the estimation of credit, operational, and market risk and losses for Basel III and CCAR/DFAST (stress tests). The models are also used for key risk-return reporting to senior management, Board and regulators.<br />
&bull; Develop, maintain and update cutting-edge credit risk measurement (PD, LGD and EAD) models, Operational risk models and market risk models under the internal model approach. The models successfully met the Basel exit requirements.<br />
&bull; Develop rating transition matrices (including stressed PD), scenario sensitive LGD and EAD models, macro factor based operational risk models and market risk models to meet stress testing CCAR/DFAST regulatory mandates. Develop OTTI/OCI/SFA for Basel and CCAR regulatory models.<br />
&bull; Standardize model development procedures implemented at the corporate level to ensure consistency of model development, improve efficiency of model review, validation, approval and implementation.<br />
&bull; Coordinate with global business units in implementing policies, products, processes, governance and systems that improve operating efficiency.<br />
&bull; Build cost-efficient risk analytics teams in Europe and Asia to support SSC&rsquo;s international business</p>

<p><time>&nbsp; &nbsp; &nbsp; &nbsp; 2002 年 8 月</time>&nbsp;-&nbsp;<time>2008 年 8 月：</time>Senior Financial Economist&nbsp;at&nbsp;FDIC;&nbsp;Washington, DC</p>

<p style="margin-left: 40px;">Led examination of market and credit risk models of large international banks. Represented the FDIC in Basel II research task force on the interaction of market and credit risk. Participated in discussion of issues on market and credit risk integration. Produced academic research papers with goal of publication in high quality journals. Presented own research papers and discussed others&rsquo; papers in high level conferences.</p>

<p>&nbsp; &nbsp; &nbsp; &nbsp; <strong>教育经历：</strong></p>

<p><time>&nbsp; &nbsp; &nbsp; &nbsp; 1997 年</time>&nbsp;-&nbsp;<time>2002 年：</time>Ph.DEconomics,&nbsp;Columbia University</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '70', 'name' => '何育田', 'thumb' => 'public://expert/2021/02-05/1712099af5ac865263.jpg', 'originalThumb' => 'public://article/2021/02-05/1712099e14bd400198.jpg', 'description' => '通华金科集团首席风险官', 'about' => '通华金科集团首席风险官。深耕大数据量化决策风险管理20余年，横跨国际与国内信用卡、个人与中小微企业信贷、供应链融资、公司与机构金融、资产管理及全球投融资并购。曾服务于美国运通，担任渣打银行中国区零售银行首席风险官、渤海银行总行风险管理部、信贷审批部总经理，美国宾夕法尼亚州立大学量化决策论讲师。', 'sticky' => 'index', 'weight' => '92', 'achievement' => '<div style="border-left:5px solid #ff7200;padding-left:20px;"><font color="#000000"><span style="font-size: 16px;"><b>论文</b></span></font></div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">何育田、张羽、暴晖，《商业银行个人贷款压力测试方法研究》，载《经济全球化与中国经济 - 2011中国经济改革与发展优秀学术成果文献》</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">《商业银行转型发展问题研究》，天津市金融学会2011年度重点研究课题一等奖</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">《从商业银行防范信用风险角度-企业征信信息采集内容和机制研究》，天津市金融学会2012年度重点研究课题二等奖</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">《银行业转型背景下的系统性风险与逆周期宏观审慎监管》，天津市金融学会2012年度重点研究课题三等奖</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0); font-size: 16px;">2013，</span><span style="color:#000000;"><span style="font-size:16px;">风险文化：卓越银行的DNA，《风险管理》第1期</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2012，浅谈商业银行的风险偏好及传导机制，《风险管理》第3期</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2011，<a href="https://www.yunzhan365.com/55549365.html">商业银行个人贷款压力测试方法研究</a>，《华北金融》第01期</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<div style="border-left:5px solid #ff7200;padding-left:20px;"><font color="#000000"><span style="font-size: 16px;"><b>演讲</b></span></font></div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2019.08.03：《&ldquo;以人为本&rdquo;智能风控系统助力小微企业融资》</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2018.10.21：《欺诈风险的挑战和应对》</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2017.10.17：《科技金融发展的挑战》</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2016.08.14：《金融控股集团视角下的信用风险及其管理》</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2013.11.09：《公司客户信用风险分析》</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2011.10.23：《适者生存：构建中国化的风险管理体系》</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2008.11.18：《现代零售银行信用风险管理模式与方法》</span></span></p>

<p>&nbsp;</p>

<div style="height:12px; float:left">&nbsp;</div>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、关于压力测试的框架和模型</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 论文《商业银行个人贷款压力测试方法研究》（2011）系统介绍了压力测试的基本框架、压力测试的主要模型和压力测试测算过程。在个人贷款压力测试中，测试的基本框架包括对宏观经济变量的传导、借款人行为模式的分析以及对违约损失的模拟三个方面。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>何育田博士针对我国商业银行个人贷款业务发展时间较短，历史数据积累不足，系统建设不完善，数据质量缺少保障的情况，介绍了在压力测试过程中，参考国际同业在压力测试研究中的经验数据，以专家法为主建立的四个模型，即贷款分类模型、违约及损失模型、抵押物价值重估模型和宏观经济指标传导模型。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：华北金融，2011年01期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、关于压力测试的</strong><strong>测算</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>压力测试测算过程包括经济变量传导和行为模式分析及违约损失模拟。何育田博士在经济变量的传导上测试上发现，房价下跌导致贷款抵押率LTV上升；利率上调及收入增长率下降导致客户收入债务比DIR上升。在行为模式分析及违约损失模拟时发现，当贷款抵押率LTV和收入负债比DIR提高时，贷款违约概率PD、违约损失率LGD将发生变化，进而影响贷款预期损失和五级分类迁徙情况。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在此基础上，何育田博士进一步总结并提出其中存在的困难及发展方向。一是历史数据积累不足，何育田博士认为随着我国个人贷款业务的发展及基础数据的积累，将为各种内、外部评分模型的开发和验证创造更好的条件，届时压力测试将更多地引入风险精算方法和模型开发成果，并逐步建立起符合我国国情及商业银行业务发展实际情况的测算模型，提高测算结果的客观性和精确性。二是房价指数数据需进一步细化，使测算更加准确。三是我国缺少完整经济周期数据，何育田博士建议通过我国经济快速增长的时期国内生产总值GDP与居民收入的关系，辅之以历史上各国经济衰退时期GDP对收入的影响，近似的测算经济下行期我国GDP向收入的传导，压力测试者需要根据自身对经济的预期、其对信用风险的传导机制和相关程度进行专家判断，更真实合理的测算压力情景向承压因素传导的量化关系。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：华北金融，2011年01期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、关于风险文化</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>文章《风险文化：卓越银行的DNA》（2013）指出卓越银行的转型发展需要优秀的风险文化。而优秀的风险文化存储传递着商业银行风险管理的核心精神，将风险管理理念、风险管理行为、风险道德标准等要素渗透至每个业务环节、每个业务部门和每一位员工。何育田博士强调风险文化的价值在于其在员工中形成广泛的共识，在流程中形成积极的导向，在客户与投资者中形成精致的品牌。并且通过对优秀的风险文化的介绍，最终提出构建优秀风险文化的三大举措：以人为本，组织保障；多维渗透，深入人心；落地实施，不断强化。他总结出要构建优秀的风险文化，首先要对现有的文化进行科学的&ldquo;诊断&rdquo;，充分了解现有文化及现有文化下的工作方式和管理思路存在的问题，其次要明确风险文化建设的目标，明确本行的文化特色，银行是经营风险的行业，过于激进的风险文化固然不可取，但过于保守不一定就是好的文化。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》，2013年第1期（23期）</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>四、关于</strong><strong>&ldquo;人本&rdquo;智能风控</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>《&ldquo;以人为本&rdquo;智能风控系统助力小微企业融资》的演讲中，何育田博士提出&ldquo;人本&rdquo;智能风控包括智能营销、智能风控、智能增信，以数据风控为核心，客户智能分层匹配不同产品。&ldquo;人本&rdquo;智能风控体系通过智能数据采集、模型分析、数据挖掘，实现智能预测、知识发现、智能决策。从产品来说，传统金融机构通过线上化转型，在对小微客户了解基础上，可以将一些小微服务搬到线上，升级信贷审批模式，使得风险建模能力快速跃升，适应多变的市场创新需求。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2019天弈全球专家研讨会（TGES）系列之在线信贷与风险管理高级研讨会</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>五、关于金融科技和反欺诈问题</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>何育田博士在2017（第十三届）中国金融风险经理年度总论坛之专题论坛六：科技、互联网与金融风险管理中表示，当前金融科技对传统金融既是挑战，也为传统金融插上了科技的翅膀，如：大数据风控、智能投顾、量化投资、数字货币等。与此同时，金融科技也正在被挑战，如：黑产、风控策略漏洞、网络安全漏洞等。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>接着，何育田博士在平行会议Ⅱ中，就如何运用金融科技进行反欺诈问题发表看法。他认为，金融机构做小微企业贷款或消费金融像搞&ldquo;经侦&rdquo;，因为欺诈现象远远超出想象。大量的风险管理工作，包括技术的投入、大数据的应用，都用来做&ldquo;经侦&rdquo;工作。虽然国家规定，征信只有人民银行有牌照做。但是实际上做征信数据业务相关的公司，数不胜数。对于金融从业者来说，数据碎片化现象非常严重。各数据公司提供数据的持续性不强，存在时间序列间断的现象，数据的质量也不高。这给金融机构风险管理带来了很大问题。其次，数据真实性是风险管理面临的最大问题。何育田博士指出每家金融机构对资产分类等方面的数据保持一致，实施巴塞尔协议才能达到防控风险的作用。如果同一个指标在不同金融机构报表中含义不同，会带来很大的风险管理问题。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《观点透视》2018年第9期，平行会议Ⅱ：风险管理与业务发展和科技应用</span></p>

<p style="text-align: justify;">&nbsp;</p>
', 'elegant' => array(array('src' => '/files/expert/expert_1609746925.png')), 'userId' => '59', 'status' => 'published', 'createdTime' => '1564453136', 'updatedTime' => '1636523943', 'body' => '<p style="text-align: justify;">&nbsp; &nbsp; &nbsp; 何育田，通华金科集团首席风险官。深耕大数据量化决策风险管理20余年，横跨国际与国内信用卡、个人与中小微企业信贷、供应链融资、公司与机构金融、资产管理及全球投融资并购。曾服务于美国运通，担任渣打银行中国区零售银行首席风险官、渤海银行总行风险管理部、信贷审批部总经理，美国宾夕法尼亚州立大学量化决策论讲师。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '319', 'name' => '喻永新', 'thumb' => 'public://expert/2024/12-23/184151f14013136194.jpg', 'originalThumb' => 'public://article/2024/12-23/184151f76f8e325677.jpg', 'description' => '中国建设银行风险管理部副总经理', 'about' => '中国建设银行风险管理部副总经理，华中理工大学系统工程专业博士。96年至今一直在建行风险管理等相关部门工作，主要从事项目评估、授信审批、内评法对公客户评级模型开发、组合风险管理等相关领域的工作。曾在河北省分行任风险总监、副行长。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp; &nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<p>&nbsp;&nbsp;</p>
', 'elegant' => array(), 'userId' => '1232', 'status' => 'published', 'createdTime' => '1734950548', 'updatedTime' => '1735092668', 'body' => '<p><span style="font-family: &quot;Helvetica Neue&quot;, Helvetica, Arial, &quot;PingFang SC&quot;, &quot;Hiragino Sans GB&quot;, &quot;Microsoft YaHei&quot;, sans-serif; font-size: 16px; text-indent: 32px; background-color: rgb(245, 245, 245);">中国建设银行风险管理部副总经理，华中理工大学系统工程专业博士。96年至今一直在建行风险管理等相关部门工作，主要从事项目评估、授信审批、内评法对公客户评级模型开发、组合风险管理等相关领域的工作。曾在河北省分行任风险总监、副行长。</span></p>
', 'type' => 'senior', 'opened' => '0', 'followed' => '0'), array('id' => '69', 'name' => '相广平', 'thumb' => 'public://expert/2019/07-24/160053521611705463.jpg', 'originalThumb' => 'public://article/2019/07-24/160053547c05236828.jpg', 'description' => '中国人民大学国际学院金融风险管理学科教授', 'about' => '中国人民大学国际学院金融风险管理学科教授、博士生导师，注册金融分析师、注册金融风险经理。兼任北京大数据研究院量化金融实验室主任、中国投资公司高级顾问、美国Julex资产管理有限公司研究顾问。研究方向是固定收益、股票投资和金融科技。', 'sticky' => 'index', 'weight' => '94', 'achievement' => '<div style="border-left:5px solid #ff7200;padding-left:20px;"><span style="color:#000000;"><span style="font-size:16px;font-weight:bold;">论文</span></span></div>

<div style="height:12px; float:left">&nbsp;</div>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">King, D., Li, S. and Xiang, G., Standalone Firms, Conglomerates, and Bond Return, The Journal of Fixed Income, Winter (2018).</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">Xiang, G., Liu, J. and Wang, Q., A variational derivation of risk-adjusted performance measures, Journal of Risk, Volume 15/Number 2, Winter 2012/13.</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">Hooker, M. and Xiang, G., Portfolio Omega and Optimization, Journal of Performance Measurement, Spring 2009.</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">Xiang, G., Risk Decomposition and Its Use in Portfolio Analysis, Journal of Performance Measurement, Winter 2005/2006, Volume 10 - Number 2. (This paper won the Honorable Mention Award from Journal of Performance Measurement).</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">Chen D. F. and Xiang, G., <a href="https://www.yunzhan365.com/71948896.html">Time-risk Discount Valuation of Life Contracts</a>, Acta Mathematicae Applicatae Sinica, English Series Vol. 19, No. 4 (2003) 647&ndash;662.</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">Brown, Johnny E. and Xiang, Guangping, Proof of the Sendov conjecture for polynomials of degree at most eight, J. Math. Anal. Appl., vol. 232, no 2, (1999), 272-292.</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">Li, She Huan and Xiang, Guangping, Isometric approximatio of almost isometric operators in the space B(C), Natur. Sci. J. Xiangtan Univ. 13 (1991), no.3, 20-25.</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">Xiang, Guangping and Zeng, Hong, How to compile application codes, Computer Communication, 1988.</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">Xiang, Guangping, The problem of norm-attaining operators in the spaces, J. Math. Res. Exposition 7 (1987), no. 1, 141-143.</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">Xiang, Guangping, The remarkable problem in PC application, J. of Computer World, 1987.</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">Xiang, Guangping, The probe to the PC communication, Computer Communication, 1987.</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">Xiang, Guangping, Approxiamtion of some operators in B(C, C), Acta Scientiarum Naturalium Universitatis Nakaiensis, vol. 2 (1985), 27-33.</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">Xiang, G. and Yu, T., Tilt Nickels to Diamond (2017).</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">Xiang, G. and Wang, Z., A Shrinkage Approach to Covariance Matrix Estimation (2008).</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">Zhang, L. and Xiang, G., Investment Choices and Risk-adjusted Performance Measures with Skewness (2007).</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">Hooker, M. and Xiang, G., Investment Choices and Risk-adjusted Performance Measures (2007).</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">Roland, R. and Xiang, G., Forecasts of Price, Return, and Volatility (2005).</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">Roland, R. and Xiang, G., Portfolio Selection and Omega as a Performance Measure (2004).</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">Roland, R. and Xiang, G., The Risk-adjusted Return Theory (2004).</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">Roland, R. and Xiang, G., The Risk-adjusted Return Theory II: Comparing it to other Asset Pricing Models (2004).</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">Roland, R. and Xiang, G., Asset Pricing Models with Higher Moments (2004).</span></span></p>

<div style="border-left:5px solid #ff7200;padding-left:20px;"><span style="color:#000000;"><span style="font-size:16px;font-weight:bold;">其他成果</span></span></div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">Quant Development and Alpha Decomposition, Boston Investment Club/TCFA Boston, 2017.</span></span></p>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">The Shape Ratio with Skewness, Financial Risk Managers Forum, 2016.</span></span></p>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">量化投资和市场风险, Shanghai Risk Managers Forum, 2016.</span></span></p>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">量化投资的历史，现实与未来, Financial Risk Managers Forum, 2015.</span></span></p>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">Option Pricing PDEs and Risk Preference, Nankai University, 2014.</span></span></p>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">The Anatomy of Value Premium, Shanghai University of Finance and Economics, 2014.</span></span></p>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">Research Discussion, Shanghai Finance University, 2014.</span></span></p>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">Investment Choices and Risk-adjusted Performance Measures, Nankai University, 2008.</span></span></p>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">Investment Choices and Risk-adjusted Performance Measures, Global Finance Conference, 2008.</span></span></p>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">An Investment Choice and a Risk-adjusted Performance Measure, Florida State University, 2008.</span></span></p>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">Risk Contribution of Investment Strategies, AMS Section Meeting, 2002.</span></span></p>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">Credit Risk Measurement, Florida State University, 2002.</span></span></p>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">Quantitative Analysis and Risk Management, Nankai University, 2001.</span></span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、投研系统</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 投研系统在二级市场中发挥重要作用，能帮助基本面和量化等投资者降低风险、构建合理组合，以期达到更高的收益。功能涵盖单因子自定义、模型构建、组合优化等多种研究和分析工具。其中纯收益分析工具、隐性Alpha模型、行业Alpha模型优化、完整回报和风险归因分析，金融产品设计属于全球首创。我们的目标是为全球领先的投资分析和组合管理软件。愿景是使投资分析和组合管理更专业化，投资更合理、轻松，与机构投资共同成长，共建良好的投资环境。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、正反馈交易</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>相教授于文章《正反馈交易文献综述》（2018）中提供了一个正反馈交易的经验和理论研究成果，尤其是与Sentana和Wadhwani（1992）模型相关的文章。文章提出正反馈交易的短期研究展望和研究潜力，现有的研究发现在股指、股指期货、债券市场、外汇市场和个股被证明存在正反馈。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>他认为正反馈作为市场异象的一种比较突出的行为，是行为金融学的研究热点，这对于研究现实中的金融行为具有非常大的意义，对研究价格、波动率等因素的影响机制具有至关重要的作用。 正反馈交易的文章最近几年增长比较迅速。 现在对于累计股票市场指数、股指期货、外汇和个股均有正反馈交易。 现有的研究认为波动和自相关之间存在负相关关系。 国外的研究已经比较多，但是众多观点不统一，观点众说纷纭。 我国融资融券机制已经运行几年时间，现在数据充足，对于研究融资融券机制中的反馈交易，以及卖空机制存在情况下，股票市场中的反馈交易，是恰在好处的。 同时，进一步的研究可能挖掘融资融券对于金融去杠杆的作用，以及维护市场稳定的作用。仍然有需要内容可以未来进行深挖掘。 正反馈交易可能是过去更多阶滞后的结果。 同样的，市场上行和下行，不对称的行为可能是种规则，而不是特例。 其中原因可能需要继续研究。 更重要的是，模型需要使得正负反馈交易都能在个股层面更普遍，而不是仅仅在市场累计的层面。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、农村商业银行风险、经营绩效与治理结构关系</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>相教授于《农村商业银行风险、经营绩效与治理结构关系》（2018）中指出了农村商业银行治理中存在的四个问题：（1）提高农商行经营绩效有利于降低风险，但推行业务多元化对降低风险的作用不明显；（2）农商行治理结构与风险关系密切。股权集中度越高、董事会人数越多、独董占比越高，风险越低；（3）农商行资本充足率越高、贷存比越低、成立期限越长，风险也越低；（4）东部地区农商行风险与经营绩效、治理结构之间关系显著；中西部地区农商行风险与经营绩效之间关系显著，与治理结构之间关系不显著。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>因此，相教授指出农商行应做好如下工作：（1）充分结合自身优势，进一步加强专业化经营，不断提升经营绩效，将更加有利于风险管理。适当开展多元化经营，不能盲目追求&ldquo;大而全&rdquo;；（2）健全完善农商行治理结构。农商行大多从农村信用社或农村合作银行改制而来，虽然按照股份有限公司要求建立了相应的治理结构，但仍然普遍存在着治理结构简单等问题，还要从股权集中度、董事会人数和独董占比等角度健全完善治理结构，将有助于降低风险、提升经营绩效；（3）加强资本充足率、贷存比等基础性财务指标管理，提升农商行整体经营水平，也将有利于风险管理；（4）为了更好地进行风险管理，东部地区农商行必须将提升经营绩效与完善治理结构有效地结合起来，中西部地区农商行则应该重点关注经营绩效提升，适时健全完善治理结构。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>四、利率市场化背景下农村商业银行利差影响因素分析</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在文章《利率市场化背景下农村商业银行利差影响因素分析》（2017）中，他认为在利率市场化背景下，农商行经营管理的多个指标对净利差有显著影响。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第一，经营绩效是影响利差的重要因素。农商行资产收益率越高，经营绩效越好，净利差越大，表明传统业务发展越好。因此，应继续进行集约化管理，提高银行资产收益率，提升经营绩效，保持传统存贷业务利差稳定增长，推进农商行传统业务稳健发展。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第二，从银行风险的角度来看，信用风险对净利差影响不显著，流动性比率与净利差显著负相关。说明农商行过度控制流动性比率，降低流动性风险，越不利于传统业务发展。为促进传统业务稳定发展，农商行应加强风险管理，将风险控制在合理水平上，而不应过度管控流动性风险。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第三，多元化经营程度越高，将分薄农商行对传统业务的投入，越不利于传统业务发展。要加强化专业化发展，适度推进业务创新和多元化。第四，农商行规模越大，股权集中度越高，员工人数越少，分支机构越多，越不利于传统业务发展。必须保持合理的资产规模、股权集中度、员工人数和分支机构数。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<p style="text-align: justify;"><span style="color:#000000;"><strong>参考文献：</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>[1]2018，正反馈交易文献综述，《现代管理科学》（2018年02期）</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>[2]2018，农村商业银行风险、经营绩效与治理结构关系研究，《现代管理科学》（2018年02期）</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>[3]2017，利率市场化背景下农村商业银行利差影响因素分析，《现代管理科学》（2017年08期）</span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1564049166.jpg')), 'userId' => '56', 'status' => 'published', 'createdTime' => '1563955273', 'updatedTime' => '1636594868', 'body' => '<p>&nbsp; &nbsp; &nbsp; 相广平，中国人民大学国际学院金融风险管理学科教授、博士生导师，注册金融分析师、注册金融风险经理、美国普渡大学计算机科学硕士、数学博士、南开大学数学学士。兼任北京大数据研究院量化金融实验室主任、中国投资公司高级顾问、美国Julex资产管理有限公司研究顾问。2000年前在Conseco Capital Management任量化研究员和经理；2000年至2006年在Loomis Sayles任资深量化分析师和副总裁；2006年至2013年任State Street Global Advisors固定收益量化研究总监；2014年加入中国人民大学；2016年1月担任中邮鸿信投资公司投资总监。</p>

<p><strong>教育背景</strong></p>

<p style="margin-left: 40px;">美国普渡大学 &nbsp;数学博士 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;1996</p>

<p style="margin-left: 40px;">美国普渡大学 &nbsp;计算机科学硕士 &nbsp;1994</p>

<p style="margin-left: 40px;">南开大学 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;数学硕士 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;1985</p>

<p style="margin-left: 40px;">南开大学 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;数学学士 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;1982</p>

<p style="margin-left: 40px;">持有CFA及FRM认证证书</p>

<p><strong>擅长邻域</strong></p>

<p style="margin-left: 40px;">固定收益，股票投资，金融科技，有一项投资策略和产品的专利待审批。</p>

<p style="margin-left: 40px;">在金融、数学和计算机科学领域发表了大量论文，其金融风险分解已成业界标准，被广泛应用，多篇金融研究文章在SSRN下载量长期位列2%。</p>

<p><strong>工作经历</strong></p>

<p><strong>&nbsp; &nbsp; &nbsp; &nbsp;中国人民大学国际学院 &nbsp;教授、博士生导师 &nbsp;2014年至今</strong></p>

<p style="margin-left: 40px;">执教金融计量学，金融衍生品，资产定价，货币金融学等课程，并指导博生与硕士研究生进行学术研究。</p>

<p><strong>&nbsp; &nbsp; &nbsp; &nbsp;中邮鸿信投资公司 &nbsp;首席投资官 &nbsp;2015年至今</strong></p>

<p style="margin-left:21.0000pt;"><strong>（私募基金，中国邮政集团100%控股）</strong></p>

<p style="margin-left: 40px;">主导公司整体的量化分析和策略研究，统筹和把控公司各产品的投资，确保整体投资合理性及投资收益最大化。</p>

<p><strong>&nbsp; &nbsp; &nbsp; 中国投资有限责任公司 &nbsp;高级顾问 &nbsp;2015年-2017年</strong></p>

<p style="margin-left:21.0000pt;"><strong>（中国主权财富基金，世界第二大基金公司）</strong></p>

<p style="margin-left: 40px;">指导股权策略部的投资、策略研究和分析等，主导研究和设计多个自营量化金融产品和策略。</p>

<p><strong>&nbsp; &nbsp; &nbsp; Julex资产管理有限公司 &nbsp;研究顾问 &nbsp;2013年至今</strong></p>

<p style="margin-left:21.0000pt;"><strong>（基金投资和管理，基于量化投资）</strong></p>

<p style="margin-left: 40px;">提供金融产品和投资策略，建立和维护美国大市值股票选股模型和ESG选股模型，在合理的风险范围内显著提升公司的投资业绩。</p>

<p><strong>&nbsp; &nbsp; &nbsp; 道富环球投资集团 &nbsp;副总裁兼全球固收量化研究总监 &nbsp;2006年-2013年</strong></p>

<p style="margin-left:21.0000pt;"><strong>（基金投资和管理，世界第三大基金公司）</strong></p>

<p style="margin-left: 40px;">组建以公司高管、投资经理、交易员及分析员为核心的研发团队，带领和指导团队研发新金融产品、新策略及新交易模型，使公司固定收益业务获得良好业绩。</p>

<p style="margin-left: 40px;">依据客户需求，指导客户进行投资，使客户获得合理回报（超额回报），进一步提升公司的投资能力和客户认可度。</p>

<p><strong>&nbsp; &nbsp; &nbsp; &nbsp; LOOMIS SAYLES &amp; COMPANY &nbsp;副总裁兼量化研究与金融工程部资深研究员 &nbsp;2000年-2006年</strong></p>

<p style="margin-left:21.0000pt;"><strong>（基金投资和管理，专长固收基本面研究） &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</strong></p>

<p style="margin-left: 40px;">全面负责公司的量化研究和风险管理，确保公司有效的控制风险，并提升量化投资业绩。</p>

<p><strong>&nbsp; &nbsp; &nbsp; &nbsp; CONSECO CAPITAL MANAGEMENT &nbsp;经理兼资深量化研究员 &nbsp;1998年-2000年</strong></p>

<p style="margin-left:21.0000pt;"><strong>（基金投资和管理，CONSECO保险公司100控股）</strong></p>

<p style="margin-left: 40px;">监督和管理整体项目的进度、实施情况，并为投资组合管理提供量化研究和支持。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '103', 'name' => '王雪松', 'thumb' => 'public://expert/2020/11-05/111823fe3696468587.jpg', 'originalThumb' => 'public://article/2020/11-05/111824053910130240.jpg', 'description' => '美国摩根大通银行资本管理部执行董事', 'about' => '美国摩根大通银行资本管理部执行董事，负责JP Morgan非零售业务及交易对手Basel III及Basel IV RWA计算政策制定。曾任全行信用风险模型委员会秘书及对公业务及交易对手模型高层指导委员会秘书，并代表摩根大通参与ISDA的美国SA-CCR工作组，哈佛大学数学博士。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp;</p>

<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><font color="#000000"><span style="font-size: 16px;"><b>论文</b></span></font></div>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size: 16px; color: rgb(0, 0, 0);">2013，大数据助推银行全面风险管理，《中国金融》第14期。</span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2013，利率市场化前景下风险管理的使命，《金融电子化》第3期。</span></span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、美国银行业衍生品业务BaselⅢ与BaselⅣ</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）美国银行巴塞尔协议监管环境</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 美国的银行多如牛毛，多数是小型的城镇银行，大型全国性银行集中度比较高，大致有6家。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;从业务的角度来讲，非零售信用风险类业务大致可以分成两类，第一类是传统的非零售业务，即贷款类业务或者表外业务，第二类是交易对手业务。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>通常只要提及巴塞尔协议，大家都知道三大支柱，但观察现在美国银行业的实际状况，尽管第二支柱、第三支柱的说法依然存在，但第二支柱的重要性已经基本被CCR所取代，只是在银行账上计算，对于业务和银行的管理缺乏实际的指导意义。第三支柱则是通过每个季度发布一个披露文件，在经过大家讨论后，高层批准发布该文件的方式实现。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>关于美国银行资本充足率真正的三大支柱，有三个指标，第一个是完全用标准法计算的RWA，第二个是高级法计算的RWA，第三个是补充杠杆率（Supplementary Leverage Ratio，即SLR）。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在美国的监管环境下，美国的银行尤其是JP Morgan，或者Bank of America这种级别的大型银行所面对的监管机构，其全球化程度之高，基本是一种百花齐放、百家争鸣的状态。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>美国的大型银行所面对的最重要的监管机构是美联储（Federal Reserve Bank）和美国货币监理署（Office of Comptroller of Currency，简称OCC），称之为基本监管机构（Primary Supervisors），也即大型银行的基本监管者。在2014年到2015年之间，美国的监管机构The Fed和OCC先后批准各大银行（前文所述的6家银行）使用高级法，同时还批准了其中5家银行（Wells Fargo除外）使用内部模型法（IMM）去计算场外衍生品（OTC&nbsp;Derivatives），而Wells Fargo依然在使用现额暴露法。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）巴塞尔协议</strong><strong>Ⅲ下衍生品的计算规则</strong><strong>与</strong><strong>实施状况</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>衍生品是交易对手风险的一部分，衍生品的信用风险与传统的贷款业务有完全不同的特点。巴塞尔协议的一个核心概念就是要通过很多计算规则去进行监管，例如未来潜在风险，而未来潜在风险也是现在新的SA-CCR正作出主要改变的一项计算规则。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>CVA是由衍生品业务在未来面临的信用风险损失所计算得到的预期损失（EL）。CVA主要是为了CVARWA，它是巴塞尔协议Ⅲ新增加的一个重要项目，是对于非对手违约情形下衍生品市场变化的资本总额。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;"><strong>（三）</strong></span><strong><strong>2019年</strong>美国SA-CCR讨论过程与最终版本</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>从风险管理的角度来讲，衍生品的风险管理有两个非常重要的风险管理手段，是贷款业务里所没有的。第一个手段是净额结算（Netting），通常是大型银行之间，银行跟交易对手做衍生品业务之前，要求交易对手给予净额结算协定（Netting&nbsp;Agreement）。第二个重要手段是抵押品，分为两种，一种是追加保证金，另一种是初始保证金。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>追加保证金和初始保证金的风险缓释效果存在不同，因此在SA-CCR里被区分对待，也是SA-CCR的最大争议点之一。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>巴塞尔委员会在SA-CCR的工作报告中已进行解释，SA-CCR的起源是纠正现行巴塞尔协议Ⅲ在处理净额结算与抵押品时的若干局限。CEM对于净额结算和抵押品的处理非常粗糙，与银行的风险管理实践也不相匹配，因此SA-CCR是从理论上改进这些缺陷。具体体现：</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>1.净额结算（Netting）方面</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>2.抵押品（Collateral）方面</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（四）美国银行业实施巴塞尔协议Ⅳ的挑战（除SA-CCR以外）</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>从巴塞尔协议Ⅱ到巴塞尔协议Ⅲ，最主要的改革在于对交易对手风险的处理，此外还提出了对于内部模型法的压力违约风险暴露（Stressed EAD）的计算要求，以及基于VaR的Simple CVA或Advanced CVA，要求计算CVA RWA。同时，对于场内的衍生品要求计算RWA。但在传统的信用产品方面，巴塞尔协议Ⅲ与巴塞尔协议Ⅱ没有本质区别。从巴塞尔协议Ⅲ到巴塞尔协议Ⅳ，对于传统的信用风险与交易对手风险都进行了全面的改革。就传统的信用产品而言，美国银行业的高级法基本被FIRB取代，要求各大行必须重新提取FIRB所需要的字段；就交易对手风险而言，改革的复杂程度更高。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020TGES系列论坛-05：资产负债管理（含流动性风险）、资本管理和风险偏好管理《美国银行业衍生品业务BaselⅢ与BaselⅣ》演讲文稿整理</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、新形势下金融机构风险管理的挑战与应对</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>系统性风险管理</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>系统性风险是一个非常庞大的课题，可是实际上如果仔细分析一下，基本上有两点：第一点是宏观经济所带来的系统性风险问题，这一点从银行内部去进行控制的余地非常小，虽然可以从组合管理方面扩张或者压缩贷款的数量，但是这</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>并不是一个容易实现的动态性管理；第二点是银行本身在操作层面和在日常风险管理的层面，如何去监控、管理和控制由于系统性风险所造成的集中性风险的问题，这一点更为重要。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>很多情况下，银行之间的协定并不是在银行和银行的集团公司之间签订的，而是在法人集团之间签订的错综复杂的法律文件。如果大型客户倒闭，我们必须依靠对交易对手的公司结构有深入了解的客户经理跟全球各地的风险部门通力合作，才能把准确的风险计算出来。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>我认为雷曼兄弟倒闭所暴露的一些问题已经引起了欧美的监管机构和银行高层的足够重视，比如美国联邦储备局要求各大银行定期提供关于大型交易对手的风险的集中性报告，这就给银行的风险的数据系统造成了一定的困难。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2010年 综合第6辑《新形势下金融机构风险管理的挑战与应对》演讲文稿整理</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、衍生品交易对手风险管理</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>衍生品风险同时包括市场风险和信用风险两部分。市场风险是指由于市场波动所带来的衍生品市值的波动。信用风险是指交易对手拒绝履行衍生品合约所带来的违约损失风险。如果客户违约时衍生品的市值为正，则银行必须将衍生品划为不良资产。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>信用风险缓释手段是降低或控制交易对手风险轮廓的有效方法。比较常见的信用风险缓释手段有ISDA净额清算协议和CSA抵押品协议。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>国际性大型银行计量衍生品风险敞口的通行实践是使用大型的系统做蒙特卡洛模拟。银行会尽量将所有衍生品交易汇总到一个核心的风险敞口系统，在组合层面进行模拟，以便有效计算出对每一个客户及每个客户集团的风险敞口。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在计量交易对手风险敞口时，一个比较大的挑战就是错向风险（Wrong Way Risk）。所谓错向风险是指交易对手的违约可能性与银行对其的风险敞口高度相关。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;<strong>&nbsp;</strong></span>交易对手风险计量</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>交易对手风险计量体系的应用：第一类是在客户层面，对客户授信额度进行管理，这需要对衍生品风险有深入的了解；第二类是作为银行内部的考核指标；第三类是管理整个银行组合的信用风险；第四类作为是监管报告与沟通的工具。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》第11辑（总） 2011年 综合第1辑《衍生品交易对手风险管理》演讲文稿整理</span></p>

<p style="text-align: justify;">&nbsp;</p>
', 'elegant' => array(array('src' => '/files/expert/expert_1611656263.png')), 'userId' => '202', 'status' => 'published', 'createdTime' => '1604546338', 'updatedTime' => '1636536860', 'body' => '<p>&nbsp; &nbsp; &nbsp; 王雪松，美国摩根大通资本管理部执行董事，哈佛大学数学博士。负责JPMorgan非零售业务及交易对手Basel III及Basel IV RWA计算政策制定。曾任全行信用风险模型委员会秘书及对公业务及交易对手模型高层指导委员会秘书，协调摩根大通全行非零售及交易对手资本模型监管审批工作（Federal Reserves 与 OCC模型验证部门的协调）。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '59', 'name' => '黄辉', 'thumb' => 'public://expert/2021/09-03/184453524b56956725.jpg', 'originalThumb' => 'public://article/2021/09-03/184453549eea203813.jpg', 'description' => '  申万宏源集团投资管理部副总经理', 'about' => '申万宏源集团投资管理部副总经理，公司投委会委员，负责大类资产配置、项目审决、投后管理等业务。曾任申万宏源证券公司固定收益外汇商品事业部董事副总经理、固定收益交易总部副总经理、宏源证券公司债券销售交易部副总经理、风险管理部副总经理，多年从事证券投资管理和风险管理工作。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp; &nbsp; &nbsp; &nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、风险管理与证券公司核心竞争力</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;前不久，在国家&ldquo;十二五&rdquo;规划提出大力加快发展现代服务业、发展现代产业体系、提高产业核心竞争力的背景下，国内某上市证券公司结合现阶段证券业发展的状况，制定和发布了该公司十年战略发展规划纲要，在发展战略路径的说明中直接提出了将风险管理能力作为证券公司核心竞争力组成部分的观点。这体现了国内证券业学习国际发达国家投资银行业，以现代金融服务公司定位自身发展目标的趋势。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp; &nbsp;（一）风险管理是证券公司核心竞争力的组成部分</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;承担风险和管理风险的能力在很大程度上决定了券商的定价能力也就是服务竞争能力，进而我们也可以理解该公司提出的现阶段影响券商可持续发展能力（即核心竞争力）的五大能力&mdash;&mdash;增值服务、投资管理、资源整合、风险管理、成本管理。</span></p>

<h4 style="text-align: justify;"><strong style="color: rgb(0, 0, 0); text-align: justify;">&nbsp; &nbsp; &nbsp;</strong><span style="color:#000000;"><strong>（二）风险管理与业务竞争能力的关系</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;与费用成本的管理控制类似，风险管控在一定程度上与业务营收体现出&ldquo;矛盾&rdquo;关系，但在利润方面又是&ldquo;统一&rdquo;关系。风险管理究竟是业务成本还是创造价值，需要看在哪个层次上来理解。</span></p>

<h4 style="text-align: justify;"><strong style="color: rgb(0, 0, 0); text-align: justify;">&nbsp; &nbsp; &nbsp;</strong><span style="color:#000000;"><strong>（三）风险管理作为券商核心竞争力的发展目标</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;一是内部控制阶段，显然是金融机构历史最久的风险管理机制，也是风控最基础的阶段。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;二是风险对冲的阶段，也称&ldquo;交易员风险管理阶段&rdquo;。三是经济资本配置阶段，也称公司风险管理阶段。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;来源：《风险管理》2011年综合第1期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、证券公司流动性风险管理探讨</strong></span></h2>

<h4 style="text-align: justify;"><strong style="color: rgb(0, 0, 0); text-align: justify;">&nbsp; &nbsp; &nbsp;</strong><span style="color:#000000;"><strong>（一）对证券业流动性风险的认识</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;一是有清偿能力，流动性风险是属于可持续经营情况下金融机构面临的风险。二是突出成本的概念，包括执行成本和机会成本。可以获取资金但需付出额外成本仍然属于流动性风险。三是支付到期义务，而不是债务。义务范围高于债务，债务有法定性，义务包括法定和非法定义务。</span></p>

<h4 style="text-align: justify;"><strong style="color: rgb(0, 0, 0); text-align: justify;">&nbsp; &nbsp; &nbsp;</strong><span style="color:#000000;"><strong>（二）流动性风险管理的策略与方法</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;流动性风险管理的实质是将流动性风险降低到可接受的水平，同时保持快速察觉并反映流动性问题的能力，一旦察觉到异常情形迅速增补流动性。流动性风险管理的目标一是流动性风险管理必须有前瞻性。二是流动性风险管理必须为非预期的现金流需求预备足够的缓冲。三是流动性风险管理要尽可能平衡成本与收益。在管理流动性风险时要注意权衡以下三个因素对流动性的影响：价格、数据和声誉。证券公司流动性风险计量需要运用多种定量和定性工具。总的来说包括四大类：资产负债管理、现金流量管理、压力测试和应急计划。</span></p>

<h4 style="text-align: justify;"><strong style="color: rgb(0, 0, 0); text-align: justify;">&nbsp; &nbsp; &nbsp;</strong><span style="color:#000000;"><strong>（三）流动性风险计量管理尝试</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;参考银行业的流动性风险管理经验，证券公司可以使用三种分析方式定量评价流动性风险：资产负债表流动性分析法、现金资本分析法、现金流缺口分析法（到期期限错配分析法）。 资产负债表流动性分析法仅需评估不同资产负债项目的流动性；到期期限错配分析法使用了相当数量的模型和行为调整，因此从资产负债表流动性分析法到到期期限错配分析法，分析方法的复杂程度以及精确程度逐步提高。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;来源：《风险管理》2012年综合第3期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、证券公司综合压力测试探讨</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;净利润与净资本这两大测试对象在这个统一情景上存在着比较明显的逻辑矛盾，如果考虑综合损益的话，对净资本测试结果有较大的偏差影响。在综合测试中，我们建议可以根据不同的测试对象设置不同的压力情景，用区间类的压力测试情景开展净利润压力测试，用时点类压力测试情景开展净资本的压力测试。</span></p>

<h4 style="text-align: justify;"><strong style="color: rgb(0, 0, 0); text-align: justify;">&nbsp; &nbsp; &nbsp;</strong><span style="color:#000000;"><strong>（一）不同压力测试对象的差异性</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;在开展综合压力测试的时候，以&ldquo;净利润&rdquo;指标为压力测试对象，主要是为了测试证券公司在极端情景下的盈利能力；以&ldquo;净资本或流动性&rdquo;指标为压力测试对象，主要是为了测试证券公司在极端情景下某一经营资源的充足性。</span></p>

<h4 style="text-align: justify;"><strong style="color: rgb(0, 0, 0); text-align: justify;">&nbsp; &nbsp; &nbsp;</strong><span style="color:#000000;"><strong>（二）压力测试情景设置</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;由于测试对象特征的差异性，为了使压力测试结果有更好的针对性，需要对以&ldquo;净利润&rdquo;和&ldquo;净资本、流动性&rdquo;为测试对象的压力测试分别按&ldquo;区间类&rdquo;和&ldquo;时点类&rdquo;两种类型设置压力情景。&ldquo;区间类&rdquo;压力情景表示风险因素对测试对象产生影响所经历的整个测试区间；而&ldquo;时点类&rdquo;压力情景则表示风险因素对测试对象在测试区间内的某一时点所产生的极端影响。</span></p>

<h4 style="text-align: justify;"><strong style="color: rgb(0, 0, 0); text-align: justify;">&nbsp; &nbsp; &nbsp;</strong><span style="color:#000000;"><strong>（三）综合损益不同处理方式对净资本压力测试结果的影响</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;证券公司综合损益需要完整地经历整个测试区间后才能够得到，而净资本及流动性极端压力情景可能在测试区间内的任一时点发生，因此，以&ldquo;净资本、流动性&rdquo;为测试对象的压力测试不应考虑测试区间内的综合损益。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;来源：《风险管理》2012年综合第4期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>四、敏感性指标与贡献度指标在净资本管理分析中的应用</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;在证券公司日常净资本管理分析过程中，敏感性指标与贡献度指标可以发挥重要的作用。运用这两种指标对净资本监管指标变动进行归因分析，可以寻找指标变动的主要原因，评估指标变动的可持续性，有利于帮助制定压力测试应急预案，定量评估业务规模变动报备/审批阀值。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; &nbsp;</span>（一）贡献度指标在压力测试中的应用</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; &nbsp;</span>（二）用贡献度指标分析净资本指标变动的可持续性</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; &nbsp;</span>（三）敏感性指标在制定压力测试应急预案中的应用</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;通常有三种应对措施可供选择：弥补净资本、缩减业务规模或调整业务计划。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; &nbsp;</span>（四）敏感性指标在设定业务报备/审批规模中的应用</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;如果简单要求所有项目在开展前都向风险管理部门报备则会造成人力资源的浪费和业务效率的降低，因此有必要设定一定的阀值标准。但阀值如何得出呢？我们可以通过对剩余的指标空间在业务条线的分配来设定阀值。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;来源：《风险管理》2012年综合第5期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>五、近阶段债市投资策略及风险管理探讨 </strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;在近阶段&ldquo;经济下行承压的背景&rdquo;下，债券收益率暂时不存在大幅反弹基础；但另一方面，由于央行有意无意引导&lsquo;利率走廊&rsquo;下限，资金利率下行空间受阻。资金利率作为债券收益率的锚，其下行受阻意味着债券收益率短期内缺乏进一步下行空间。在经济下行和政策有序打破刚兑的背景下，信用违约事件爆发概率增加，也需要调整投资策略思路进行应对，增加利率债、地方债、高等级信用品的投资比例，同时压减信用债尤其是相对低评级信用债的投资占比，是在当下信用违约风险偏高的市场环境中的理性选择。</span></p>

<h4 style="text-align: justify;"><strong style="color: rgb(0, 0, 0); text-align: justify;">&nbsp; &nbsp; &nbsp;</strong><span style="color:#000000;"><strong>（一）前一阶段债市宏观金融背景</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;中国经济基本面下行压力仍存，压力来自内外两方面：一是外部压力，二是内部风险，体现在信用紧缩的问题依然没有得到根本解决。在基本面的压力下，内部政策难以收紧。资产表现：依然看好债券，同时关注风险偏好回升的可能性。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;需要密切关注的风险因素一是海外资产带来的情绪扰动，二是来自汇率的输入性通胀压力，三是关注基本面、政策面的边际变化。</span></p>

<h4 style="text-align: justify;"><strong style="color: rgb(0, 0, 0); text-align: justify;">&nbsp; &nbsp; &nbsp;</strong><span style="color:#000000;"><strong>（二）前一阶段的债券策略选择及风险点分析</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;1、加大套息力度，向规模要收益</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;2、传统套息策略之外的选择</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;（1）结合国债期货的套利策略；（2）曲线交易策略；（3）品种间利差策略</span></p>

<h4 style="text-align: justify;"><strong style="color: rgb(0, 0, 0); text-align: justify;">&nbsp; &nbsp; &nbsp;</strong><span style="color:#000000;"><strong>（三）投资组合敞口配置理解</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;近年宏观背景下，资本市场风险波动加大，券商一方面以重资本来竞争，利润的主要来源仍在于资本，营收结构与资本高度相关；另一方面，因为从经济资本角度考虑风险收益，更加注重提升低风险业务收入的占比。因此，低风险策略的风险度量显著优于持有单边净敞口，投资组合从单一策略向多策略发展成为必然</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;来源：《风险管理》2019年综合第2期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>六、债券信用违约的特征与启示</strong></span></h2>

<h4 style="text-align: justify;"><strong style="color: rgb(0, 0, 0); text-align: justify;">&nbsp; &nbsp; &nbsp;</strong><span style="color:#000000;"><strong>（一）债券信用违约现状</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;债券信用风险常态化；公司属性维度：民企融资环境不容乐观；行业维度：商贸、化工、电气设备等行业违约率偏高；区域维度：内蒙、山西、宁夏、东三省等北方区域违约率显著偏高。</span></p>

<h4 style="text-align: justify;"><strong style="color: rgb(0, 0, 0); text-align: justify;">&nbsp; &nbsp; &nbsp;</strong><span style="color:#000000;"><strong>（二）债券信用违约的特征</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;上市公司成违约重灾区；货币类资产成为双刃剑；互保引发风险连锁反应；看似常规化的条款设置暗藏风险。</span></p>

<h4 style="text-align: justify;"><strong style="color: rgb(0, 0, 0); text-align: justify;">&nbsp; &nbsp; &nbsp;</strong><span style="color:#000000;"><strong>（三）债券信用违约的启示</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;上市公司股权质押尾部风险犹存；&ldquo;母强子弱&rdquo;背景下合并报表适用性有限；关注&ldquo;存贷双高&rdquo;现象；关注互保圈区域的系统性金融风险；条款重要性凸显，关注投资人保护条款和永续债条款。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;来源：《风险管理》2020年综合第6期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>七、固定收益投资业务风险管理实务探讨</strong></span></h2>

<h4 style="text-align: justify;"><strong style="color: rgb(0, 0, 0); text-align: justify;">&nbsp; &nbsp; &nbsp;</strong><span style="color:#000000;"><strong>（一）固定收益投资业务风险管理框架</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;风险安排的目标是获取合理的风险溢价，从而实现公司的价值创造。风险安排的方法包括：一是明确调整风险偏好，要依据资本、股东回报、监管要求、战略来建立统一的风险偏好，明确自身愿意承担的风险总量和风险种类。二是主动选择风险经营对象，依据专业性的风险识别和计量能力，选择出有利可图的风险机会。三是科学灵活地运用多样化风险应对策略。</span></p>

<h4 style="text-align: justify;"><strong style="color: rgb(0, 0, 0); text-align: justify;">&nbsp; &nbsp; &nbsp;</strong><span style="color:#000000;"><strong>（二）市场方面管理要点</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;对于市场风险管理，定价能力是公司在业务层面的核心能力所在，而债券定价的基础在于收益率曲线。寻找收益率曲线的价值，要解决收益率曲线位置和形态是否合理两方面的问题。为了确定收益率曲线的水平，可以从定性分析和定量分析两个方面来进行分析。收益率曲线定量分析的出发点是资金利率中枢水平。</span></p>

<h4 style="text-align: justify;"><strong style="color: rgb(0, 0, 0); text-align: justify;">&nbsp; &nbsp; &nbsp;</strong><span style="color:#000000;"><strong>（三）信用风险管理要点</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;对于信用风险偏好的管理，也应当具备动态调整的机制。一是整体风险偏好调整，可以基于经济周期的视角&mdash;&mdash;把握货币政策和经济周期，进行策略转换。二是行业风险偏好调整时，要尽量理解行业周期波动带来的机会 三是在信用风险定价方面，要注意纠正外部评级干扰，寻找低估或错杀主体，排除信用风险隐患。四是对个券风险进行动态监控，分层管理，动态评估。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;来源：2020TGES系列论坛-01：金融市场交易与市场风险管理&mdash;&mdash;黄辉《固定收益投资业务风险管理实务探讨》</span></p>
', 'elegant' => array(), 'userId' => '42', 'status' => 'published', 'createdTime' => '1560495934', 'updatedTime' => '1750641475', 'body' => '<p>&nbsp; &nbsp; &nbsp; 申万宏源集团投资管理部副总经理，公司投委会委员，负责大类资产配置、项目审决、投后管理等业务。曾任申万宏源证券公司固定收益外汇商品事业部董事副总经理、固定收益交易总部副总经理、宏源证券公司债券销售交易部副总经理、风险管理部副总经理，多年从事证券投资管理和风险管理工作。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '124', 'name' => '方应飞', 'thumb' => 'public://expert/2020/11-06/1357062629c9547749.jpg', 'originalThumb' => 'public://article/2020/11-06/13570628f92a773696.jpg', 'description' => '民生银行总行信息科技部大数据技术总监', 'about' => '民生银行总行信息科技部大数据技术总监。北京邮电大学计算机硕士毕业，先后在甲骨文（ORACLE）公司和TERADATA公司从事数据库核心功能开发和技术管理工作，2012年加入民生银行，专注于商业银行大数据架构规划和新型大数据领域应用设计工作。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp; &nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、金融AI在反洗钱领域的风险建模与应用</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）金融AI和大数据目前存在的问题</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 目前AI和大数据的工具包括数据平台、数据加工工具、建模工具、报表工具、BI及可视化工具等，这部分产品的市场量很大，也得到了很多的关注，但仍存在着数据使用和算法运用方面的问题。另外，目前的人工智能算法并不够智能，同一个算法，场景发生变化就不适用了。算法要根据环境不断地调配，这要求团队的力量足够强大，才能维持运营。在现有理论基础上，在看得见的将来把智能算法做得足够智能有一定难度。这方面应用前景十分广阔，一旦体系搭建完善，是非常有价值的。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）从金融科技（Fintech）到监管科技（Regtech）</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>金融风险呈现新的趋势。为应对金融监管制度措施复杂性、降低金融机构监管成本以及新的技术应用，监管科技实施日趋紧迫。对银行的监管方式上有很多，总对总、分对分、总分模式都有，监管机构有中国人民银行、银保监会、外汇管理局、地方税务管理局等，监管内容很广，但实现形式上多数还是基于数据和报表。随着对客户识别、交易网络等监管要素的逐步深入，监管科技正在加速其建设与发展进程。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）金融AI在反洗钱领域的应用</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>1.当前监管对反洗钱工作的要求</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>近两年全球反洗钱的形势非常严峻，去年国际金融特别行动组（FATF）等组织对各国的反洗钱工作提出了一些要求，我国在国家层面也特别重视反洗钱相关工作，对国内的金融机构做了一些具体要求，加大了执法力度。在这种情况下，由于反洗钱涉及大量客户关系网络识别和交易网络的处理，智能算法在该领域具有相当的优势和天然的实用性。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>2.反洗钱的主要工作内容</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>反洗钱工作的核心有以下几点：客户身份识别、大额监控、可疑交易监控、客户反洗钱风险评级等。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>3.反洗钱工作的难点</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>现行的模式是对于每类可疑交易，例如地下钱庄、非法融资、贪污受贿、走私等都有对应的模型，每天进行回溯。银行每天的交易量巨大，全部依赖于这套模型，效率难以保证。首先是计算过程很慢，其次计算结果还要花费大量人力排查，因此自然就衍生出了运用人工智能简化工作的需求。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>4.引入智能算法的主要思路</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>人工智能模式和原来一样，依旧是引入算法，构建模型，产生结果。结果的构建是基于交易网络的。交易网络的交易类型有很多，包括个人日常转账、银行转账交易、现金交易、代发工资等；还包括法人控股关系，例如链条式的控股关系的梳理；还有集团关系，即一个企业与附属的不同集团之间的关系；此外个人客户的朋友圈、交易对手等信息都要纳入交易网络。这会形成亿级别的点和百亿级别的边的庞大网络，势必要进行裁边和裁点，这些工作要结合着具体的交易场景来简化和完善，做好与否是此项工作能否产生实际效益的关键。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>总体上，金融AI在反洗钱领域的应用，迁移到实时交易的交易反欺诈中也具有重要价值。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》杂志2019年第3期。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、对我国金融科技发展的分析</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）金融科技发展现状</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>1.&nbsp;基础技术与金融场景深度融合促金融科技体系完善</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>金融科技实质上没有创造新的基础性的东西，技术依然是技术，只是现在将这些技术和金融产品、金融服务深度融合带来新的金融体验而产生了巨大反响。金融科技的技术大家耳熟能详，主要是分布式、金融云、大数据、区块链、物联网、生物识别、AR/VR以及人工智能等技术衍生出的金融应用体系；从内容上讲，可分为三大板块，即支付体系、金融消费、财富管理。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>从银行角度来看，这三大版块中，支付体系是相对成熟的。金融消费实际上是应用新技术选择新客群的问题，本质是银行在存量客户基础上进一步获得新的客群、提供新的产品服务的问题。另外一大版块是财富管理，客观上也提升了资金需求方的整体融资成本，对资金的需求、供给关系与方式产生了深刻影响。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>2.&nbsp;场景化实时交互的数字化营销能力形成</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>从2016年大数据元年到现在已经过去三年，应用金融科技后，从营销角度来说，营销方式从原来的被动的客户营销发展到基于场景的营销，发展是比较好的。有三大定理总结得非常好：信息时代的摩尔定律，集成电路元件数目与性能每隔18-24个月翻一倍；互联网时代的梅特卡夫定律，网络的价值与联网用户节点数量的平方成正比；智能时代的Watson定律，数据和AI的融合能够创造指数级的发展机会。所以在如今阶段可以创造出可能影响时代变革的一些商业模式，这也是为什么社会力量和资本力量在其中积聚、运作、蓬勃发展的一个原因。一旦有一个新的领域产生社会价值的波动，影响不可估量。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>3.&nbsp;实现半自动化线下到智能化线上风控</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>从目前来讲，银行利用&ldquo;大数据+AI&rdquo;实现风险智能感知，提升预警准确率，增强风险自动处置能力是共识；结合线上、线下的业务场景推进智能模型应用、提升风险的全流程管理能力，进而提升资产质量与总体收益。在信息不对称的情况下，如何结合金融科技对存量业务进行优化并进一步拓展新业务模式和作业方式是风险领域进行自我革新的重要课题。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>4.&nbsp;AI应用&mdash;&mdash;遍地开花但果实丰熟者少</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>人工智能在金融领域的应用大体分成两部分，一块是机器人类的，例如智能客服、问题解答、引导型机器人、厅堂引导机器人，这一类还没有产生变革性的广泛应用的东西，还是辅助与试点。另一块是算法层面的应用，该部分要相对深入一些，包括场景推荐、申请评分、欺诈以及贷后的预警等，但也还在积极地探索之中。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>5.&nbsp;新技术发展迅猛</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>以5G为热点的新技术应用发展还是比较快的。纵观近些年的金融技术和金融服务轨迹可以发现：2008年以前是金融电子化和信息化进程加速时代，银行数据大集中是主导趋势；2008-2016年是金融网络化、移动化，网上银行、手机银行发展迅速；2016年到现在是普惠金融、线上金融和移动支付飞速发展，金融创新与监管金融并驾齐驱；2020年之后是智能时代，智慧金融实现从探索、辅助阶段向深化应用阶段，5G+金融将会带来全新体验。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>当前的社会推动力量，包括资本和政府官方的力量以及各金融机构在意愿上都非常强烈。新技术对生产力发展和用户行为变革的推动力量非常强大，几年前还是PC时代，短短数年移动技术的发展越过PC时代的浪头成为新的弄潮儿。可以展望伴随IoT和智能硬件的发展，智能硬件加算法，再加上自然语言会打造新一代的全新用户体验。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）金融科技未来展望</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>总体来说，金融科技的发展非常迅猛，带来了新的产品、新的业务模式，未来在客户的金融服务体验层面也带来全新的变革，这是大趋势。但也应清晰地看到，金融科技的落地需要扎实推进、需要实实在在的服务实体经济、贴合客户需求。当前金融科技的发展在应用场景上、人才结构上、应用深度上仍需要进一步完善和深化，需要注重金融、市场和技术三者之间的真正融合，而不仅是概念层面的推广。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》杂志2020年第2期。</span></p>
', 'elegant' => array(), 'userId' => '327', 'status' => 'unpublish', 'createdTime' => '1604642762', 'updatedTime' => '1623119774', 'body' => '<p>&nbsp; &nbsp; &nbsp; 方应飞，民生银行总行信息科技部大数据技术总监。北京邮电大学计算机硕士毕业，先后在甲骨文（ORACLE）公司和TERADATA公司从事数据库核心功能开发和技术管理工作，2012年加入民生银行，专注于商业银行大数据架构规划和新型大数据领域应用设计工作。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '129', 'name' => '贺德全', 'thumb' => 'public://expert/2020/11-06/152846eb4493222699.jpg', 'originalThumb' => 'public://article/2020/11-06/152846ee1ab8119203.jpg', 'description' => '美国西部联合银行（Western  Alliance  Bancorporation）企业建模中心副总裁', 'about' => '北卡州立大学博士。曾任美国Synchrony Financial （原 GE 消费金融）数量模型开发，经济资本运算及压力测试副总裁，BBVA 银行（美国）高级副总裁，为该银行系统风险管理及风险模型的主要设计者之一。曾任美国运通及美国企业金融公司经理和高级经理。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<p>&nbsp; &nbsp;</p>
', 'elegant' => array(), 'userId' => '230', 'status' => 'published', 'createdTime' => '1604647807', 'updatedTime' => '1615347739', 'body' => '<p>&nbsp; &nbsp; &nbsp; 贺德全，美国西部联合银行（Western Alliance Bancorporation）企业建模中心副总裁。北卡州立大学博士。曾任美国Synchrony Financial （原 GE 消费金融）数量模型开发，经济资本运算及压力测试副总裁，BBVA 银行（美国）高级副总裁，为该银行系统风险管理及风险模型的主要设计者之一。曾任美国运通及美国企业金融公司经理和高级经理。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '290', 'name' => '刘瑞霞', 'thumb' => 'public://expert/2021/12-27/0950400bd533903149.jpg', 'originalThumb' => 'public://article/2021/12-27/0950400ea9fe213871.jpg', 'description' => '金融稳定理事会TCFD成员', 'about' => '金融稳定理事会（FSB）气候相关金融信息披露工作组专家成员，中国银行业支持实现碳达峰碳中和目标专家工作组首席专家，中国工商银行支持碳达峰碳中和暨气候风险首席专家。中国银行业协会风险管理课程首席资深专家，被授予“中国银行业风险管理人才培养领军人物”。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp;&nbsp;</p>
', 'attachachieve' => '<p>&nbsp;&nbsp;</p>
', 'viewpoint' => '<p>&nbsp;&nbsp;</p>
', 'elegant' => array(), 'userId' => '1080', 'status' => 'unpublish', 'createdTime' => '1640569918', 'updatedTime' => '1640569918', 'body' => '<p>&nbsp; &nbsp; &nbsp; &nbsp;金融稳定理事会（FSB）气候相关金融信息披露工作组专家成员，中国银行业支持实现碳达峰碳中和目标专家工作组首席专家，中国工商银行支持碳达峰碳中和暨气候风险首席专家。中国银行业协会风险管理课程首席资深专家，被授予&ldquo;中国银行业风险管理人才培养领军人物&rdquo;。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '183', 'name' => '王剑', 'thumb' => 'public://expert/2020/11-11/120035387a44543102.jpg', 'originalThumb' => 'public://article/2020/11-11/120037545086391770.jpg', 'description' => '长江养老保险股份有限公司合规负责人、首席风险管理执行官', 'about' => '长江养老保险股份有限公司合规负责人、首席风险管理执行官，硕士，拥有FRM、CIA等资格，先后于中国银行从事国际业务，于中国太平洋保险（集团）股份有限公司任审计部资深审计师、风险监控部总经理，对保险集团的内控、风险、内部审计有较为丰富的管理实践经验。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp; &nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<h2><span style="color:#000000;"><strong>一、关于外部输入性风险</strong></span></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 文章《输入性风险、存量风险及处置次生风险-保险公司经营视角的观察与分析》（2019）指出我国当前面临的外部输入性风险包括全球经济增长率放缓、中美贸易争端、美国政策与外汇收支效应。在此基础上，文章进一步阐述了外部输入性风险传导路径及影响。一是金融市场波动放大。过去几年美国货币政策正常化对新兴市场经济体的负面溢出效应，中美贸易摩擦扰乱全球主要商品供应链体系，扭曲投资者预期，进而放大全球金融市场波动，2019年世界主要经济体包括美国增速均放缓。此外，我国正处于经济转型期，中美贸易摩擦冲击出口效应显现，输美商品遇到较大障碍，产业结构发生向外的转移，金融杠杆压制及房地产调控持续。二是全球产业价值链重塑。在全球贸易紧张局势加剧的背景下，企业为了降低关税成本、规避政策风险，开始寻求以供应链上的其他国家替代，甚至重新布局整条供应链。三是核心技术遭到遏制。多项信息技术关键领域的核心技术受制于美国，包括保险机构在内的金融企业需要防范信息安全领域的风险以及相关软硬件可持续性风险。最后是金融开放加速。但从国际经验教训看，开放范围、次序、力度、时机如选择不当，会导致金融风险增加。如果短期资本过快流动，会对货币体系带来冲击，也会导致金融行业出现较大的系统性风险。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;来源：《风险管理》2019年第06期</span></p>

<p>&nbsp;</p>

<h2><span style="color:#000000;"><strong>二、存量风险、处置及次生风险</strong></span></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;《输入性风险、存量风险及处置次生风险-保险公司经营视角的观察与分析》（2019）一文指出我国对存量风险的处置稳步推进且初具成效。自2016年去杠杆政策实施以来，2017年我国开启了防风险、治乱象、促进服务实体经济以及补短板的一揽子金融防控和化解工作，稳妥处置金融领域风险。2018年宏观杠杆率首次出现下降1.5个百分点，同时杠杆结构优化，金融空转的问题得到了有效遏制，稳杠杆的目标初步实现，各种金融乱象也得到了有效治理。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;同时列举安邦、包商银行和P2P平台的案例，从案例中总结存量风险处置的措施和影响。（1）安邦被保险监管部门接管后的处置过程中，动用保险保障基金，夯实股本，防范偿付能力不足风险；特批售卖速反型产品，并通过致函安慰各交易对手，稳定投保人和交易对手预期，防止负债的非预期现金性流出；保障资产有序处置，防止交易挤压造成交易价格非理性下跌，防范资产减值风险。（2）接管包商银行过程中，为应对打破同业业务的刚兑预期造成的市场风险偏好快速下行、中小银行及非银机构融资困难，央行迅速采取对中小银行实行较低存款准备金率、增加再贴现和短期贷款便利（SLF）额度等精准调控措施，才有效缓解流动性分层，帮助市场风险偏好的恢复。（3）P2P风险防范重点在于保障社会稳定，防控重大案件，防范声誉风险，管理承保风险。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;来源：《风险管理》2019年第06期</span></p>

<p>&nbsp;</p>

<h2><span style="color:#000000;"><strong>三、信托型养老保险风险管理的挑战</strong></span></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;王剑专家在信托型养老保险的业务特点中梳理出风险管理目前面临的三大挑战。第一是适用监管规则体系复杂。在监管机构方面，其功能监管和机构监管分属人社部和银保监会，所以适用的业务规则是比较复杂的。第二是经营业务类型众多。在从事每一项业务或者是投资的时候，在风险管控的这个方面都有其特点，都需要分门别类地有针对性地去建立相应的风险体系或是指标。第三是资金来源广泛和独特性强，包括：基本养老保险基金和企业职业年金；保险资金、机构投资、银行专户；个人养老保障产品和团体养老保障产品。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;来源：2020（第十六届）中国金融风险经理年度总论坛NO.15：保险公司风险管理&mdash;&mdash;王剑《信托型养老保险公司的风险管理限额体系实践》</span></p>

<p>&nbsp;</p>

<h2><span style="color:#000000;"><strong>四、风险偏好及风险限额</strong></span></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;王剑专家指出，在设计风险限额时，第一是严格落实监管规定，以合规为前提，严格落实监管部门各项风控指标要求；第二是满足委托人的要求；第三是兼顾集团的风险偏好和公司风控能力，符合集团整体风险偏好和限额管控要求，适应公司业务发展和能力实际；第四是责任到位，精细化管理。同时，基于以上原则，王剑专家阐述了从战略层面、经营层面、监管风险层面、业务层面自上而下地设立风险偏好体系框架，给出公司的风险偏好描述，并建议从监管指标和内部控制指标两个方面去设置风险限额指标。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;在风险限额的执行方面，主要分为正常情况和预警、超限情况的处理，并在风险监控平台方面将其分为事前、事中和事后这三个部分，最后定期形成一些风险分析报告，自动生成监控报表。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;此外，王剑专家还提出，风险限额不是一成不变的，实际上在日常的管理要求中，每年末都有总体评估，对上一年的情况进行梳理和分析，回顾公司整体风险水平，和当年风险限额实施情况，来确定下一年度的公司风险偏好目标、各维度风险容忍度、风险限额调整。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;来源：2020（第十六届）中国金融风险经理年度总论坛NO.15：保险公司风险管理&mdash;&mdash;王剑《信托型养老保险公司的风险管理限额体系实践》</span></p>
', 'elegant' => array(), 'userId' => '284', 'status' => 'published', 'createdTime' => '1605067300', 'updatedTime' => '1636536693', 'body' => '<p>&nbsp; &nbsp; &nbsp; 王剑，长江养老保险股份有限公司合规负责人、首席风险管理执行官，硕士，拥有FRM、CIA等资格，先后于中国银行从事国际业务，于中国太平洋保险（集团）股份有限公司任审计部资深审计师、风险监控部总经理，对保险集团的内控、风险、内部审计有较为丰富的管理实践经验。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '34', 'name' => '李祥林', 'thumb' => 'public://expert/2019/07-16/101911fe82bd742509.jpg', 'originalThumb' => 'public://article/2019/07-16/101912015465689125.jpg', 'description' => '上海交通大学上海高级金融学院教授、CDO定价模型发明人', 'about' => '上海交通大学上海高级金融学院教授，中国金融研究院副院长，CDO定价模型发明人。李祥林教授曾在中外一流金融机构工作二十多年，曾担任中国国际金融有限公司首席风控官、花旗银行和巴克莱资本全球信用衍生品数量分析和研究部门负责人、美国国际集团资产管理分析部门负责人。', 'sticky' => 'index', 'weight' => '91', 'achievement' => '<div style="border-left:5px solid #ff7200;padding-left:20px;"><font color="#000000"><span style="font-size: 16px;"><b>论文</b></span></font></div>

<p style="margin-left:21pt;"><span style="color:#000000;">A Comparative Analysis of Correlation Approaches in Finance, <em>Journal of Derivatives</em>, with Claudio Albanese, Edgar Lobachevskiy and Gunter Meissner, Winter 2013, Vol. 21, No 2, pp 42.</span></p>

<p style="margin-left:21pt;"><span style="color:#000000;">4 items for <em>Encyclopedia for Quantitative Finance</em>, edited by Rama Cont: &nbsp;Base correlation, risk neutral default probability, Gaussian Copula credit model and ABX indices and TABX, 2009.</span></p>

<p style="margin-left:21pt;"><span style="color:#000000;">An Overview of Copula Function Approach to Credit Portfolio Modeling, a chapter in <em>Ultimate Guide to CDOs: Market, Application, Valuation and Hedging</em>, edited by Gunter Meissner, July 2008.</span></p>

<p style="margin-left:21pt;"><span style="color:#000000;">It is all about credit, Editorial, <em>North American Actuarial Journal</em>, January 2006.</span></p>

<p style="margin-left:21pt;"><span style="color:#000000;">Pricing and Hedging Synthetic CDOs with Jure&nbsp;Skarabot, a chapter in the book of <em>Credit Derivative: a Definitive Guide</em>&nbsp;edited by Jon Gregory, Risk Publication, 2003.</span></p>

<p style="margin-left:21pt;"><span style="color:#000000;">An Estimating Function Approach to ARCH Estimation, with Harry Turtle<em>, Journal of Business and Economic Statistics</em>, April 2000, pp. 174 -186.</span></p>

<p style="margin-left:21pt;"><span style="color:#000000;">On Default Correlation: A Copula Function Approach, <em>Journal of Fixed Income,</em>&nbsp;March 2000, pp. 43&nbsp;-54.</span></p>

<p style="margin-left:21pt;"><span style="color:#000000;">The Valuation of Basket Credit Derivatives, <em>CreditMetrics Monitor</em>, April 1999.</span></p>

<p style="margin-left:21pt;"><span style="color:#000000;">Constructing a Credit Curve, Credit Risk, A RISK Special Report, <em>RISK</em>, November 1998, also collected in a book &ldquo;Credit Risk: Models and Risk Management&rdquo; edited by David Shimko.</span></p>

<p style="margin-left:21pt;"><span style="color:#000000;">Immunization Measurement for Life Contingencies, with Harry&nbsp;Panjer, <em>4th AFIR Proceedings</em>, 1994.</span></p>

<div style="height:12px; float:left">&nbsp;</div>

<div style="border-left:5px solid #ff7200;padding-left:20px;"><span style="color:#000000;"><span style="font-size:16px;"><strong>理论与模型</strong></span></span></div>

<p style="margin-left:21pt;"><span style="color:#000000;">Value-at-Risk Using Volatility, Skewness and Kurtosis.</span></p>

<p style="margin-left:21pt;"><span style="color:#000000;">Valuation and Hedging of the ith-to-Default Basket Credit Derivatives.</span></p>

<p style="margin-left:21pt;"><span style="color:#000000;">CDO Squared Pricing Using Gaussian Mixture Model with Transformation of Loss Distribution, with Michael Liang.</span></p>

<p style="margin-left:21pt;"><span style="color:#000000;">Quanto Adjustment in the case of Default.</span></p>

<p style="margin-left:21pt;"><span style="color:#000000;">A Transformed Gaussian Copula Function Approach to Credit Portfolio Modeling.</span></p>

<p style="margin-left:21pt;"><span style="color:#000000;">A Dynamic Competing Risk Model for Subprime Security Pricing.</span></p>

<div style="border-left:5px solid #ff7200;padding-left:20px;"><font color="#000000"><span style="font-size: 16px;"><b>专访</b></span></font></div>

<p style="margin-left: 40px;"><span style="color:#000000;">联接函数、信用组合与心碎综合征&mdash;&mdash;李祥林教授专访，《关联模型研究》（Dependence modeling）201X; 0X (X): 1-18，2018.</span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、后危机时代金融机构风险管理</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 具体来说，良好的风险管理包括以下几个方面：</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）良好的风险治理架构</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>董事会要对风险起到必要的监督作用，应考虑在董事会下成立专门的风险管理委员会。公司高级管理层必须充分重视风险，而且对风险负责。此外，公司应该任命单一高级管理人员作为公司的首席风险官，应确保首席风险官有足够的地位和权力，对公司主要决策有足够影响。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）科学的风险理念</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>公司首先要定义并明确风险偏好，并确保其在整个公司能有效贯彻。公司的风险偏好应该与总体战略保持一致，例如中国券商应该思考拿多少资本金用于自营业务。公司在建立风险偏好时应保持&ldquo;不存在意外&rdquo;的态度，对传统判断提出质疑。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）良好的风险文化</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>全公司应该树立一个良好的风险文化，风险管理职责认定与落实应当成为整个公司的首要任务之一。公司全员都是风险管理的一部分，任何人不能凌驾于整个公司风险控制之上。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（四）全面的风险管理体系</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>我们整个金融行业应该将内部控制从合规管理转向全面风险管理。风险管理不仅仅是将风险损失降低到最小化或仅限于风险计量，而是要把它作为管理的一个重要部分。风险管理应该主动和谨慎，从而在风险和收益最大化之间达到一定的平衡。确保对所有风险及来源进行综合性处理，对风险计量手段的技术局限性也需要充分分析和考虑。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》杂志2011年综合第6期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、大型金融机构管理的整体分析框架结构</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;金融企业的整体分析框架应从总体风险因子模型出发，对情景进行合计与生成。综合性风险因子模型将为资产和负债的估值提供输入信息，对可执行资产和负债估值，并产生经济/GAAP/STAT资产负债表，最后根据总体风险因子模型所产生的市场情境，测试资产、负债价值的未来可能的结果与分布。但由于使用任何模型都存在模型风险，为了尽可能控制模型风险，模型建立和应用的过程中要坚持几个原则：模型独立检验、模型的有效性、模型的应用以及模型的文件记录。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;来源：2019（第十五届）中国金融风险经理年度总论坛，金融危机后大型金融机构分析整体框架结构</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、从金融危机中获得的风险管理启示</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）金融危机发生的原因</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>从微观方面来看，次贷就是美国政府不需任何证明就给几乎没有任何收入、信用级别很差的人贷款，让他们购买房屋。从宏观方面看，我过去多年在美国一直感觉对于金融行业钱是没有限制的，全世界的钱都在流入美国市场。而当危机发生以后，大家才开始提出很多微观层面和宏观层面的问题。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）金融危机的教训</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>本次金融危机为我们提供了宝贵的经验教训。现代风险管理从20世纪90年代产生，经过十几年发展，已成为经济活动中一个重要的部分。一个优秀的管理人必定是一个好的风险管理人。金融有两个方面：收益和风险。但包括中国在 内，世界上大约有95%的人都会关注收益，比如股票走势等，而可能只有不超过5%的人在关注风险问题。风险管理首先是对一些意想不到的风险的考虑。风险管理还应保持有效的沟通。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）风险管理在中国的发展方向</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>风险管理对IT非常重视，主要是因为风险管理会涉及大量数据，需要对数据进行汇总分析，对风险做全面理解，然后帮助管理层做出决策。需要对数据进行汇总分析，对风险做全面理解，然后帮助管理层做出决策。风险管理的中心最终还是诚实。最大的风险都是人造成的，所以公司文化非常重要。此外还要注意模型公式的一致性，如果有不一致的地方需要用参数修正。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》杂志2010年专题第2期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>四、违约相关性</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;李教授2000年的论文&ldquo;On Default Correlation: A Copula Function Approach&rdquo;研究了违约相关问题。论文首先引入一个名为&ldquo;time-until-default&rdquo;的随机变量来表示每个可能违约实体或金融工具的生存时间，并将两个信用风险之间的违约相关性定义为它们的生存时间之间的相关系数。之后论文讨论了为什么应该使用copula函数方法来指定生存时间的联合分布，基于已有市场信息的生存时间的边际分布，例如风险债券价格或资产互换利差，并给出了copula函数的定义和一些基本性质。研究表明，当时市场上流行的CreditMetrics方法通过资产相关性描述违约相关性的方法等同于使用正态分布连接函数函数。最后，论文给出一些数值例子来说明在一些信用衍生工具的估值中使用copula函数，例如信用违约互换和首次违约合约。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;来源：《Journal of Fixed Income》2000年03期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>五、信用违约组合违约的高斯联接函数模型</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;李祥林教授曾于2000年在金融杂志《固定收益》上发表论文&ldquo;论违约相关性：相依函数方法&rdquo;（On Default Correlation: A Copula Function Approach）。高斯连接函数给信用风险关联现象提供了系统的数学基础模型。该方法一经推出便得到学术界的认可（被将近2000篇学术文章引用）和市场的广泛使用，论文中的公式后来又被称为&ldquo;李公式&rdquo;。李祥林公式的意义在于首次将连接函数（Copula）引入信用分析，并证明了高斯连接函数和当时行业公认的信用矩阵（Credit Metrics）模型是一致的，因此连接函数中的关联矩阵就应该是信用风险管理中常用的资产关联矩阵，从而为全球信用组合市场的快速发展奠定了基础。高斯连接函数模型至今仍然在广泛使用中，在KMV和CreditMetrics中被用作为信用组合风险管理模型，在信用衍生产品（CDO）中作为交易定价模型，也被各大评级机构用于为结构化信用产品评级。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;如Merton在他的著名文章中所述，公司的资产被模拟成对数正态过程，因此，收益率成为一个正态过程。但是，如果单单从工程学角度来看这个问题：使用连接函数来生成一个基于给定边缘分布的联合分布时，理论上你可以使用许多其它的连接函数。李祥林教授论文原文中与风险交易对手进行信用违约互换的例子就是基于混合连接函数，第一个违约定价的例子是基于高斯连接函数。这篇论文展现的是一个一般理论框架，同时也建立了高斯连接函数和单一期限默顿模型之间的联系，运用单因子（或者单参数）高斯连接函数来进行北美、或欧洲信用利差指数证券化产品交易。李祥林教授认为高斯连接函数的流行是因为它的经济解释和它的简单性，尤其是单个相关参数的高斯连接函数。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;来源：《Journal of Fixed Income》2000年03期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>六、高斯联接函数模型与金融危机无关</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;从对金融市场的影响力来说，李祥林公式是金融衍生品市场中最重要的两个公式之一。在李祥林公式被华尔街金融机构广泛的使用过程中，许多市场参与者对公式的内涵理解不足，也不清楚模型的局限性。而后美国发生次贷危机导致了全球金融危机，许多人将矛头直指李祥林公式。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;次级抵押贷款是向信用较差的借款人发放的抵押贷款。按揭贷款有两种风险：提前支付风险和违约风险，这与只受到违约风险影响的公司债券完全不同。我们使用生存时间来描述一个违约事件，然后使用联接函数构造一个联合生存时间分布。对于抵押贷款，我们必须使用多重递减理论来描述违约风险和提前支付风险。从建模的角度来看，很显然不能应用联接函数模型进行房屋抵押贷款的建模。当然，行业中有人试图&ldquo;捏造&rdquo;模型，假设提前支付是固定的，那么每个抵押贷款只受到违约风险。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;其次，资产支持证券(ABS)或债务抵押债券（CDO）中的单一信用个数不一样。资产支持型证券(ABS)中的房屋抵押贷款总额可能在几千到几万之间。在企业信用组合建模中，我们在一个投资组合中通常最多只有上百种信用资产。房屋抵押贷款违约和提前支付的根本影响因子是利率、房价价格指数(HPI)、借款人自身的特征（如贷款房价比、信用评分）、以及贷款本身性质（如固定或浮动利率）等等。李祥林教授使用了一个 &ldquo;动态竞争风险模型&rdquo;用于次级房屋抵押贷款建模，用Cox模型同时处理提前支付风险和违约风险，并将借款人的信用和贷款特征作为协变量。另，这是一个动态模型，因为利率和房价上涨指数（HPI）都是动态变量。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;所以从建模的角度来看，高斯联接函数模型与次贷危机完全无关。实际上，在金融危机期间，CDX和ITRAXX或任何企业信贷组合证券化产品的交易仍然都在使用高斯联接函数模型和基本相关性曲线，无较大大问题，至今仍在使用。由于在金融危机期间，人们对模型和市场进行调整时遇到了一定困难，因此模型本身也必须得到加强和修改。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;李祥林博士和市场其他有识之士从未建议用相依函数方法来研究房屋抵押贷款之间的相关性，他更建议用动态竞争风险生存模型来研究房屋抵押贷款的违约和提前偿付，利用它们受到利率和房产价格指数等的共同影响来研究相关性。所以说李祥林公式造成了美国次贷危机实则是一种夸张的说法。金融危机时至今日近十年，李祥林公式仍是全球信用衍生品定价中的标准模型，也是信用评级机构对 CLO 评级量化模型的基础，这说明李祥林公式是经受住了时间的考验，随着大家对产品和市场认知的加深，对于模型的应用也更趋于理性。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;来源：北大汇丰金融前沿讲堂，李祥林：联接函数、信用组合与心碎综合征</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>七、关于对</strong><strong>中国资产证券化市场</strong><strong>的</strong><strong>期望</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;李祥林教授在&ldquo;中国资产证券化和结构性融资行业年会暨第四届中国资产证券化论坛年会&rdquo;中，针对证券化产品的发展提出，证券化的资产应该完全剥离，发行者不应该提供担保。应该控制可以安排证券化产品的金融机构的数量，建立资格认证标准。在评级方面，李祥林教授强调透明、区别化和科学化。评级机构必须把评级透明化，一步步完善各种资产证券化的评级方法。再者，关于市场，必须要发展二级市场、交易市场。没有交易市场，没有双向的买卖，这个市场始终是不透明的；通过交易，市场会变得更有效。李教授认为需要产生一些指数产品，没有指数产品，大家很难知道市场往哪个方向走。最后是关于平台，市场需要有些专业化平台，李教授希望市场可以凝聚到一个公开的平台上，把信息透明化，这样整个行业作为整体便可以把市场健康持续地发展下去，否则会容易出现很多问题。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;来源：中国资产证券化和结构性融资行业年会暨第四届中国资产证券化论坛年会，美国市场经验和中国市场期望</span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1565230300.jpg'), array('src' => '/files/expert/expert_1565230305.jpg'), array('src' => '/files/expert/expert_1565230310.jpg'), array('src' => '/files/expert/expert_1565230325.jpg')), 'userId' => '16', 'status' => 'published', 'createdTime' => '1557924339', 'updatedTime' => '1636526632', 'body' => '<p>&nbsp; &nbsp; &nbsp; &nbsp;李祥林，现任上海交通大学上海高级金融学院金融学教授、中国金融研究院副院长、风险管理研究中心、金融科技研究中心主任、金融硕士项目联席主任、CDO定价模型发明人。加入高金之前，在中外一流金融机构工作二十多年，在风险管理、金融新产品开发和研究、资产管理、保险和信息技术等领域有丰富的高级管理经验。曾担任中国国际金融有限公司首席风险官、花旗银行和巴克莱资本全球信用衍生品数量分析和研究、美国国际集团资产管理分析部门负责人。</p>

<p>&nbsp; &nbsp; &nbsp; &nbsp;李先生拥有加拿大滑铁卢大学统计学博士学位，以及精算、工商管理和经济学硕士学位和数学学士学位。他曾被选为北美精算学会投资分会理事，目前是《北美精算期刊》副主编, 加拿大滑铁卢大学客座教授。李博士是信用衍生产品早期开拓者之一，发明的信用组合定价公式被市场广泛使用和学术界认可，并获华尔街日报（WSJ）头版，金融时报（Financial Times），日本经济新闻（Nikkei），加拿大国家广播公司新闻（CBC News）等报道。</p>

<p>&nbsp; &nbsp; &nbsp; &nbsp; David X. Li is professor of finance, and faculty co-director of Master of Finance (MF) program at Shanghai Advanced Institute of Finance (SAIF), and an associate director of Chinese Academy of Financial Research (CAFR)， and director for Risk Management Center and FinTech Research Center of CAFR at Shanghai Jiaotong University. Previously, he worked at leading financial institutions for more than two decades in the areas of new product development, risk management, asset/liability management and investment analytics. He was the chief-risk-officer for China International Capital Corporation (CICC) Ltd, head of credit derivative research and analytics at Citigroup and Barclays Capital, and head of modeling for AIG Investments.</p>

<p>&nbsp; &nbsp; &nbsp; &nbsp; &nbsp;David has a PhD degree in statistics from the University of Waterloo, Master&rsquo;s degrees in economics, finance and actuarial science, and a bachelor&rsquo;s degree in mathematics. Dr. Li is currently an associate editor for North American Actuarial Journal, an adjunct professor at the University of Waterloo. Dr. Li was one of the pioneers in credit derivatives. His seminal work of using copula functions for credit portfolio modeling has been widely cited by academic research, broadly used by practitioners for credit portfolio trading, risk management and rating, and well covered by media such as Wall Street Journal, Financial Times, Nikkei，CBC News.</p>

<p><strong>研究领域：</strong></p>

<p style="margin-left: 40px;">风险管理，信用衍生品市场，保险，机器学习在金融中的应用</p>

<p><strong>教育经历：</strong></p>

<p style="margin-left: 40px;">1995年5月，统计学博士，滑铁卢大学，加拿大</p>

<p style="margin-left: 40px;">1993年11月，北美精算师协会</p>

<p style="margin-left: 40px;">1992年5月，精算学硕士，滑铁卢大学，加拿大</p>

<p style="margin-left: 40px;">1991年5月，金融工商管理硕士，拉瓦尔大学，魁北克，加拿大</p>

<p style="margin-left: 40px;">1987年5月，经济学硕士，南开大学，中国</p>

<p style="margin-left: 40px;">1983年5月，数学学士，扬州大学，中国</p>

<p><strong>工作经历：</strong></p>

<p style="margin-left: 40px;">2017.07，教授，上海高级金融学院, 上海交通大学</p>

<p style="margin-left: 40px;">2016.03-2017.06，SVP，企业风险方法与分析主管，保德信金融公司，纽瓦克市，新泽西州</p>

<p style="margin-left: 40px;">2012.01-2016.03，高级董事总经理， 分析部门主任，AIG资产管理公司，纽约</p>

<p style="margin-left: 40px;">2008.05-2012.01，首席风险官(CRO)，中国国际金融有限公司(CICC)，北京，中国</p>

<p style="margin-left: 40px;">2004.06.06-2008.04，信用衍生产品量化分析部门主任，巴克莱资本，纽约</p>

<p style="margin-left: 40px;">2001.10-2004.06，全球信用衍生产品研究部主任，，花旗集团，纽约</p>

<p style="margin-left: 40px;">2000.03-2001.10，风险管理部副总裁，安盛金融，纽约</p>

<p style="margin-left: 40px;">1999.01-2000.03，合伙人，The RiskMetrics Group，纽约</p>

<p style="margin-left: 40px;">1996.08-1998.12，高级经理，执行董事，金融产品部，多伦多、纽约</p>

<p style="margin-left: 40px;">1995.05-1996.07，高级分析师，经理，风险管理部，加拿大皇家银行（RBC），多伦多</p>

<p style="margin-left: 40px;">1994.04-1995.05，精算学/金融学助理教授，管理学院，曼尼托巴大学，温尼伯，加拿大</p>

<p><strong>学术与行政活动：</strong></p>

<p style="margin-left: 40px;">北美精算杂志的副主编（自1998年起）；&ldquo;风险管理&rdquo;副主编（中文杂志），2015年新加坡国立大学风险管理研究所（RMI）顾问委员会成员，曾任多伦多全球风险研究所（GRI）高级研究员，当选为精算师协会（SOA）投资投资委员会理事会成员，曾任银行与保险委员会委员，私募债券违约研究，金融业务领域（1999-2001）</p>

<p style="margin-left: 40px;">曾任IIF监管资本监督委员会成员（2008-2012），在北京工作期间积极参加了IIF亚洲CRO论坛</p>

<p style="margin-left: 40px;">曾任IAIS和巴塞尔技术委员会会员</p>

<p style="margin-left: 40px;">曾任部分中国监管机构、协会和公司的顾问（中国证券监督管理委员会，中国投资公司，中国国家安全协会，国资委国资监管局，NAFFMI-ISDA（中国）等）</p>

<p style="margin-left: 40px;">1998年-至今，各种会议发言人，ICM，ICBI，RISK，哥伦比亚大学，斯坦福大学，芝加哥大学，多伦多大学，滑铁卢大学，中国人民大学，复旦大学，国立新加坡大学，SOA春季会议和年会</p>

<p style="margin-left: 40px;">美国之音（VOA）亚洲经济危机讨论会的邀请小组成员（2000年9月26日）</p>

<p style="margin-left: 40px;">在哥伦比亚大学，滑铁卢大学，曼尼托巴大学，保险学院和Marsh&amp;McLennan公司（MMC）上过风险管理高级课程。过去10年一直在SAIF（上海高级金融学院）教授EMBA和DBA课程&ldquo;金融机构风险管理&rdquo;</p>

<p><strong>语言：</strong></p>

<p style="margin-left: 40px;">中文，英语，法语</p>

<p><strong>Research Interests</strong><strong>:</strong></p>

<p style="margin-left: 40px;">Risk management, credit derivative market, insurance, machine learning with application in finance</p>

<p><strong>Education</strong><strong>:</strong></p>

<p style="margin-left: 40px;">May 1995, Ph.D. in Statistics, University of Waterloo, Canada</p>

<p style="margin-left: 40px;">November 1993, Associate of the Society of Actuaries</p>

<p style="margin-left: 40px;">May 1992, MMath in Actuarial Science, University of Waterloo, Canada</p>

<p style="margin-left: 40px;">May 1991, MBA (Type B) with major in Finance, Laval University, Quebec, Canada</p>

<p style="margin-left: 40px;">May 1987, MA, Department of Finance, Nankai University, P. R. China</p>

<p style="margin-left: 40px;">May 1983, B. Sc. in Mathematics, Yangzhou University</p>

<p><strong>Work Experience</strong><strong>:</strong></p>

<p style="margin-left: 40px;">July 2017, Professor, Shanghai Advanced Institute of Finance, Shanghai Jiaotong University.</p>

<p style="margin-left: 40px;">March 2016&nbsp;- June 2017, SVP, Head of Enterprise Risk Methodology and Analytics, Prudential Financial Inc., Newark, NJ.</p>

<p style="margin-left: 40px;">January 2012 -&nbsp;March 2016, Senior Managing Director and Head of Modeling, AIG Investments, New York City.</p>

<p style="margin-left: 40px;">May 2008 -&nbsp;January 2012, Chief Risk Officer (CRO), China International Capital Corporation Ltd (CICC), Beijing, P. R. China. &nbsp;&nbsp;</p>

<p style="margin-left: 40px;">June 2004 -&nbsp;April 2008, Head of Quantitative Analytics of Credit Derivatives, Barclays Capital, New York City.</p>

<p style="margin-left: 40px;">October 2001 -&nbsp;June 2004, Head of Global Credit Derivative Research, World Capital Markets Inc., Citigroup, New York City.</p>

<p style="margin-left: 40px;">March 2000 -&nbsp;October 2001, VP of Risk Management, AXA Financial, 1290 Ave of Americas, New York City.</p>

<p style="margin-left: 40px;">January 1999 - March 2000, Partner, The RiskMetrics Group/J. P. Morgan, 44 Wall Street, New York City.</p>

<p style="margin-left: 40px;">August 1996 - December 1998, Senior Manager, Executive Director, Financial Products Group, Toronto and New York City.</p>

<p style="margin-left: 40px;">May 1995 - July 1996, Senior Analyst, Manager, Risk Management, Royal Bank of Canada, Toronto.</p>

<p style="margin-left: 40px;">July 1994 - May 1995, Assistant Professor (tenure-track) of Actuarial Science/Finance, Faculty of Management, University of Manitoba, Winnipeg, Canada</p>

<p><strong>Professional and Administrative Activities</strong><strong>:</strong></p>

<p style="margin-left: 40px;">Currently an Associate Editor (since 1998) of North American Actuarial Journal; Associate Editor of &lsquo;Risk Management&rdquo; (Chinese language magazine), advisory board member for Risk Management Institute (RMI) at National University of Singapore since 2015, Senior Research Fellow of Global Risk Institute (GRI) in Toronto, Was elected Council Member of the Society of Actuaries (SOA) Investment Section, Committee member on Banking and Insurance Committee, Private Placement Default Studies, Finance Practice Area (1999-2001).</p>

<p style="margin-left: 40px;">Was a member of supervisory committee on regulatory capital of IIF, actively participated IIF Asia CRO Forum while working in Beijing</p>

<p style="margin-left: 40px;">Was in IAIS and Basel technical committees</p>

<p style="margin-left: 40px;">Was an advisor to a few Chinese regulatory bodies, associations and companies (CSRC-China Security Regulatory Commission, CIC &ndash;China Investment Corporation, SAC- Security Association of China, SASAC-State supervisor for SOEs, NAFFMI-Chinese ISDA, etc.</p>

<p style="margin-left: 40px;">1998 - now, Speakers at various conferences, ICM, ICBI, RISK, Columbia University Financial Engineering Practitioners Seminar, Stanford University, University of Chicago, University of Toronto, University of Waterloo, People&rsquo;s University of China, Panasonic Speaker at Fudan University, National University of Singapore, SOA Spring and Annual Meetings</p>

<p style="margin-left: 40px;">Voice of America (VOA) invited panelist (September 26, 2000) on Asian Economic Crisis.</p>

<p style="margin-left: 40px;">Taught courses at Columbia University, the University of Waterloo, University of Manitoba, The College of Insurance, and an Executive Course on risk management to Marsh &amp; McLennan Company (MMC). &nbsp;Have been teaching EMBA and DBA classes &ldquo;Risk Management for Financial Institutions&rdquo; at SAIF (Shanghai Advanced Institute of Finance) for the last 7 years.</p>

<p><strong>Languages</strong><strong>:</strong></p>

<p style="margin-left: 40px;">Chinese, English and French</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '79', 'name' => '郭济敏', 'thumb' => 'public://expert/2020/09-27/172519f00d42283779.png', 'originalThumb' => 'public://article/2020/09-27/172519f2865b578643.png', 'description' => '  银河证券自营投资总部总经理', 'about' => '中国银河证券自营投资总部总经理。厦门大学经济学博士，美国注册分析师，曾在宾夕法尼亚大学沃顿商学院做金融访问学者，个人专著《股市泡沫研究》、参与编著《金融工程与技术分析》等四部著作，曾参与CFA考试全球测评、标准设定以及评卷工作。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp;&nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<p>&nbsp;&nbsp;</p>
', 'elegant' => array(), 'userId' => '171', 'status' => 'unpublish', 'createdTime' => '1601198739', 'updatedTime' => '1636522457', 'body' => '<p>郭济敏，中国银河证券自营投资总部总经理。厦门大学经济学博士，美国注册分析师，曾在宾夕法尼亚大学沃顿商学院做金融访问学者，个人专著《股市泡沫研究》、参与编著《金融工程与技术分析》等四部著作，曾参与CFA考试全球测评、标准设定以及评卷工作。</p>
', 'type' => 'senior', 'opened' => '0', 'followed' => '0'), array('id' => '121', 'name' => '程建', 'thumb' => 'public://expert/2020/11-06/115942ef15b1846013.jpg', 'originalThumb' => 'public://article/2020/11-06/115943f2b938290825.jpg', 'description' => '中国建设银行总行风险管理部系统重要性银行管理处处长', 'about' => '中国建设银行总行风险管理部系统重要性银行管理处处长，毕业于西安交通大学，经济学博士，长期从事巴塞尔协议实施、模型验证管理工作，并负责全球系统重要性银行监管达标、恢复与处置计划编制和更新等工作。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px; font-weight: bold;">论文</span></span></div>

<div style="height: 12px; float: left;">&nbsp;</div>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2009，信用评级体系的定量验证研究出处，《经济问题》 第1期</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2008，客户信用评级体系的校准度检验研究出处，《山西财经大学学报》 第8期</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2008，美国银行实施新资本协议项目管理经验及其启示出处，《现代商业银行导刊》第7期</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2007，信用评分系统的建模及其验证研究出处，《国际金融研究》第6期</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2007，投资&mdash;&mdash;现金流敏感性：融资约束还是代理成本？,《财经研究》第2期</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2006，不同成长机会下资本结构与经营绩效之关系研究出处，《当代经济科学》第2期</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2005，中国区域经济增长收敛的协整分析出处，《经济科学》 第5期</span></span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2><span style="color:#000000;"><strong>一、关于信用风险内评法的几点思考</strong></span></h2>

<h4><span style="color:#000000;"><strong>（一）巴塞尔协议的演变和资本充足率内涵的扩展</strong></span></h4>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;巴塞尔协议Ⅲ对资本充足率的范围、计算的规则和内涵、比率都进行了扩充。包括比率对资本的要求、风险加权资产的计量规则都引入了很多监管的考虑，或者说是对风险管控的要求。比如巴塞尔协议Ⅲ引入了宏观审慎监管的要求，包括逆周期的资本缓冲、留存资本缓冲，都是一些最新的变化。这背后也是业界的一些实践和经验教训，也是在损失惨重或者导致整个金融体系出问题了之后，监管也是在不停地调整这些资本约束的指标。</span></p>

<h4><span style="color:#000000;"><strong>（二）内评法下风险加权资产的计算</strong></span></h4>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;内评法下信用风险加权资本的计算，第一步是分类，基本上是对客户或产品按照风险暴露的水平作一个大致的分类。第二步就是对每一类都会有一个监管的参数和规则的设定，在这里银行更多的是做客户评级和债券评级两大参数。算完参数之后在计算的时候我们还要考虑风险缓释的处理，主要是抵质押。比如说我们有一些用保证金和国债抵押，它的权重可能需要被适当地替换。经过上述处理之后我们最终通过公式得到风险加权资产，EAD相对来说简单一些，主要就是通过PD和LGD来计算K。实际上巴塞尔的信用风险计量规则背后是有一个理论模型，这个模型就叫渐进性单风险因子模型。从银行账户信用风险暴露的分类来看，里面每一个风险暴露它都有自己的计量规则。这些规则里面比较重要的一个参数相关系数，相关系数的一个重要的输入参数就是PD，计算资本还需要加入LGD。</span></p>

<h4><span style="color:#000000;"><strong>（三）关于内评法应用的思考</strong></span></h4>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;第一，内评法计量规则存在差异性。非零售信用风险暴露，包括主权、金融机构和公司，是从客户维度去分类的；零售信用风险暴露，主要是从产品维度进行分类的，因为它主要包括了住房、合格循环和其他零售。所以这两者在内评法规则的内部有一定的差异，这个差异的原因就在于，对于零售来说，在当时要实现对客户的风险计量和评级，可能技术和成本上都不支持。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;第二，相关性系数的校准。巴塞尔ASFR模型的假设就是分散化、流动性和相关性。分散化和集中度并不是表面看上去&ldquo;三分天下&rdquo;就可以了，还有一个动态的结果的影响的问题。流动性在第三版巴塞尔协议中专门提出了一个框架。但是相关性其实在巴塞尔协议Ⅲ里也没有做太多的调整，主要的调整就是针对金融机构，将其相关系数扩大了1.25倍，其他的还是沿用巴Ⅱ的框架。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;第三，亲周期的问题。银行主要是PIT（Point In Time，即点违约率），这是银行经营管理上所需要的；但是监管是TTC（Through-The-Cycle，跨周期违约率）。这两者之间在资本高级方法实施的过程中，实际上就是两者之间的一个权衡。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;第四，金融科技的影响。金融科技的影响是比较大的，一个是流程。当前的管控流程和大数据的模型是有一些相互作用的，也需要银行去对二者进行协调。另外金融科技既会对既有的流程进行冲击，也会产生一些新的风险&mdash;&mdash;因为系统或者算法的应用所产生的模型风险，这可能也是未来防控的重点。最后还有一个能源问题。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;来源：2020（第十六届）中国金融风险经理年度总论坛NO.1：信用分析和评级技术发展与应用&mdash;&mdash;程建《关于信用风险内评法的几点思考》</span></p>

<p>&nbsp;</p>

<h2><span style="color:#000000;"><strong>二、资本充足与损失分担的问题探讨</strong></span></h2>

<p><span style="color:#000000;"><strong>（一）资本如何约束风险</strong></span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;从趋势上来看，风险导向和损失吸收正在成为资本约束银行风险的&ldquo;两把刷子&rdquo;。银行内部需要建立内部资本充足评估程序，将资本规划和风险变化挂钩，使得资本管理更具有前瞻性，从而把好风险&ldquo;入口&rdquo;。高资本充足并不意味着银行实际风险水平较低，还要看资本的质量，实际就是吸收损失的效果。目前总损失吸收能力监管框架已基本制定完毕，高比例要求是基本趋势。吸损比例的提升和范围的扩大会倒逼银行的利益相关者关注风险承担活动，避免风险计量与管理&ldquo;两张皮&rdquo;，从而进一步抑制道德风险，降低银行体系的风险水平。</span></p>

<p><span style="color:#000000;"><strong>（二）资本如何吸收损失</strong></span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;资本损失吸收与资本的结构密切相关，主要受求偿顺序影响。在吸收损失能力上，通常核心一级资本优于其他一级资本，其他一级资本优于二级资本。各类资本及债务工具在实际吸收损失时，受法律法规、审批流程等的影响。2015年，金融稳定理事会发布了总损失吸收能力标准，在8%的资本最低要求之外，额外提出了8-10%的额外要求，除可用合格监管资本工具来补充外，还可使用自救债及行业基金等资金来补充，以进一步提升处置时的损失吸收能力，实现更大范围的损失分担，减少处置带来的系统性冲击。包商银行被接管之后，银行机构的信用分层开始出现，外源式补充难度开始上升，风险定价将会逐步发挥作用。从长期上看，有助于推动国内银行业进一步开展资本工具创新，优化资本结构，以充分考虑吸损能力与经营回报要求的平衡问题。</span></p>

<p><span style="color:#000000;"><strong>（三）资本吸损如何影响金融体系稳定</strong></span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;银行业的资本变化会影响到整个金融体系的稳定。从历史数据看，银行业经营具有明显的顺周期性，容易引发经济过度波动。人民银行在2016年推出了宏观审慎评估体系（MPA），这是一个逆周期工具，它将GDP增速与目标CPI挂钩，来判断逆周期资本附加要求。推出这一体系的目的在于，鼓励银行在经济繁荣时多留存资本。在经济衰退时，多留存的资本可以吸收额外的损失来使银行的放贷 能力不会大幅收缩。要进一步扩大金融业高水平双向开放，增加多元化的市场投资机构，分散化解国内银行体系风险积聚，一方面对国内银行业的经营提出了挑战，另一方面，对我国的风险处置能力也提出了挑战。前者的挑战在于，要让投资者接受资本工具减记或转股条款，就要给出市场对价，核心就是自身的风险水平和管理能力，在这方面，国内银行业还要经受更多的历练。后者的挑战在于，要具备真正法制化、市场化的风险处置能力。一方面，有关处置的法律规定很多还是空白，对资本工具的发行、损失触发条件等操作要求更缺乏具体的指引，难 以对市场主体形成透明的规则预期。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 来源：《风险管理》杂志2020年第4期</span></p>
', 'elegant' => array(), 'userId' => '222', 'status' => 'published', 'createdTime' => '1604635245', 'updatedTime' => '1623119725', 'body' => '<p>&nbsp; &nbsp; &nbsp; 程建，毕业于西安交通大学，经济学博士，建设银行总行风险管理部系统重要性银行管理处处长，长期从事巴塞尔协议实施、模型验证管理工作，并负责全球系统重要性银行监管达标、恢复与处置计划编制和更新等工作。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '205', 'name' => '叶大清', 'thumb' => 'public://expert/2020/11-12/114436457075880000.jpg', 'originalThumb' => 'public://article/2020/11-12/1144364b1b3a335328.jpg', 'description' => '融 360，简普科技联合创始人、董事长兼 CEO', 'about' => '美国纽交所上市公司融360|简普科技联合创始人、董事长兼CEO。是互联网和零售金融行业的跨界老兵，在中国和美国中关村、华尔街全球500强科技和金融企业有20余年专业经验，创业前曾服务于PayPal、Capital One、美国运通和美国在线。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px; font-weight: bold;">论文</span></span></div>

<div style="height: 12px; float: left;">&nbsp;</div>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2019，金融科技推动网贷行业进入数字普惠金融时代《清华金融评论》2019年01期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2018，数字金融驱动中国经济高质量发展《金融时报》。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2018，把中国建成金融AI最大受益国和强国《金融时报》。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2017，金融科技会让哪些人失业?《IMI研究动态》2017年上半年合辑 。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2017，中国的金融化并不是&ldquo;过度&rdquo;而是&ldquo;不够&rdquo;《企业观察家》2017年04期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2017，海外投资风险不可低估《中国报道》2017年01期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2016，技术驱动普惠金融的趋势《清华金融评论》2016年12期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2016，中小型金融机构是互联网金融创新的主体《银行家》2016年08期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2016，迎接&ldquo;十三五&rdquo;,科技金融和普惠金融的黄金十年《新经济》2016年19期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2015，征信市场初步建成只需5年《小康(财智) 》2015年07期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2015，大数据征信:向互联网金融进军《软件和集成电路》2015年07期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2015，&ldquo;1&middot;19&rdquo;大跌,缘于金融泡沫预警《小康(财智)》2015年02期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2014，消费金融：转型期别样红《中国经济时报》。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2014，央行放松限贷 第二轮救市能否刺激楼市《东方企业家》2014年11期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2014，互联网金融助力企业融资《东方企业家》2014年09期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2014，金融垂直搜索新玩法《金融世界》2014年01期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2013，得&ldquo;小融&rdquo;者得天下《软件和信息服务》2013年11期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2013，互联网金融的2.5模式《第一财经日报》。</span></span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2><o:p></o:p><span style="color:#000000;"><strong>一、关于新冠疫情与金融数字化转型</strong></span><o:p></o:p></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;疫情倒逼我们的数字化转型。用户已经在线上，金融机构毫无疑问也必须得到线上。无论是以前的KYC、身份的识别也好，营销的决策，授信的决策，包括客户服务，甚至催收等整个产业链，整个行业都开始数据化、人工智能化、线上化。所以后面的技术发展与应用，从技术的角度，从行业的角度，从客户的角度，都是在不断地成熟。数据量、算法、包括专业人员的专业能力也是在不断地提高。</span><o:p></o:p></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;我们现在要考虑到底解决的是模型问题，营销问题，还是个风险问题。所以今天很重要的一个主题，就是说风险人员如何在数字时代，把我们的问题跟营销结合，跟数字化结合。因为营销和风控从统计的角度，从数学角度来看，预测坏账的模型跟营销的相关性是很高的。以前20年前发现很多响应模型和风险模型的相关度能够到达60%、70%。今年的选举就说明了风控人员要懂营销，数据太多反而是垃圾，再好的算法没有很好地判断也没用。</span><o:p></o:p></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;数字化转型过程中的信用风险、声誉风险管理，人才不足，数据治理的挑战，以及体制机制等问题也都不是一两年能够解决的。而在全生命周期管理包括获取潜在客户，现有客户的交叉销售挖掘，反欺诈，包括负面信息的扫除、信用评分、额度管理、风险定价，行为营销模型等等。在存量客户的挖掘方面，很多银行机构借记卡用户如何转为房贷、车贷，或者说理财、买保险的人群等等都受到大家关注。此外还有催收策略如何跟营销策略、风控策略结合等等。</span><o:p></o:p></p>

<p>&nbsp;</p>

<h2><span style="color:#000000;"><strong>二、关于风控人员的米奇效应</strong></span><o:p></o:p></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;风控行业的风控人员，有个米奇效应。老板或者营销的团队要扩量，做业务，要求发卡1000万张或者放10个亿的小微贷，只能调整模型把审批率提高；而后续坏账率变高，催收效果不好，还是要怪风控，所以说风控人员是两头受气。风控的专家，无论是CRO，还是算法或者策略人员，就像图中的米奇，戴着漂亮的帽子，但脱下帽子其实头发都很少。</span><o:p></o:p></p>

<p>&nbsp;</p>

<h2><span style="color:#000000;"><strong>三、传统风控的弊端</strong></span><o:p></o:p></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;对于传统风控的弊端，首先是数据量不够，如何找互联网的数据？像抖音关注足球，经常访问财经网站的客户，和知乎上关注足球，访问财经网站的客户是很不一样的。这涉及我们的风控人员如何打破行业的边界，打破领域的边界，如何跟营销侧、运营侧去学习，如何调整模型优化。简单调整阈值会带来负面结果。例如，风控部门如果为了增加业务将通过率提高20%，但是逾期率如果相应提高25%，对于整个业务的盈利能力、风控部门的考核还是会有影响。</span><o:p></o:p></p>

<p>&nbsp;</p>

<h2><span style="color:#000000;"><strong>四、数字化风控的重点</strong></span><o:p></o:p></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;我们的风控大脑包括特征的管理平台，大数据平台联合建模的实验室，自动建模的平台，人工智能的自动建模工厂，以及全生命周期的人工智能和模型管理的平台，和最后的渠道管理等等，渠道管理最后是要和模型平台、AI平台、特征平台，以及大数据平台一起整合。在联邦学习和迁移学习方面，要考虑在安全和隐私保证的前提下，如何去通过协作、合作的方式，通过不同的场景、数据源，基于更加有代表性的样本来学习。在智能化的贷后资产管理上我们也做了很多研究。催收是个大学问，资产管理催收经过两年甚至三五年绝对是一个很大的领域。我们最近也在研究一些新的模式。催收行业其实是要结合数据和AI，即科技和运营，加上法律一起，形成三位一体的不良资产催收结构。我们认为开放和连接是整个生态决战未来的关键。无论是通过API完成数据的对接，决策的连接，服务的连接，还是通过API把营销的策略，风控的策略，反击战策略，把你的催收策略真正打通，生态都需要更加敏捷、安全，决策要更加的稳定、效率。</span><o:p></o:p></p>

<p>&nbsp;</p>

<h2><span style="color:#000000;"><strong>五、关于数字时代零售金融风险管理的思考</strong></span><o:p></o:p></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;实际上这个时代做风控，还是要回到如何敬畏风控。很多时候我们不要轻信数据，也不要轻信算法，不要觉得我们是万能的。此外，风控行业如何解决米奇效应？如何跟营销、上下游打通，整合上下游，如何跟营销、催收的合作伙伴去合作，把业务做好，解决问题，都需要进一步思考。数字时代，风控领域和风险管理更加要跨越时空。本来预测风险就是预测未来，就是要跨越时空的事情。如何跨越周期？巴塞尔协议我个人觉得是全面风险管理，或者说跨越周期的很重要的行业里面的框架与基准。蚂蚁转型时代，行业会更加合作、开放、共赢，很多时候风控团队要营销部门、品宣部，跟新媒体团队、法务等更好地去合作。当然很多时候做风险除了相信数据，更多也要相信直觉，风控人员的直觉是数据和算法没法替代的，要相信人性。风险领域是一个很好的领域。做数字营销的可能2年以后就被淘汰，而风险领域以前20年前一直在坚持，到现在都做得很好。我觉得中国的零售金融领域的风险管理黄金20年刚开始，比拼的是谁活得长久。做风险领域像跑马拉松，比拼的是活得长远，更重要的是活到老学到老。</span><o:p></o:p></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;来源：2020（第十六届）中国金融风险经理年度总论坛NO.3：零售金融与小微企业金融&mdash;&mdash;叶大清《数字时代的零售金融风险管理的几点思考》</span><o:p></o:p></p>
', 'elegant' => array(), 'userId' => '306', 'status' => 'published', 'createdTime' => '1605152746', 'updatedTime' => '1623122214', 'body' => '<p>&nbsp; &nbsp; &nbsp; 叶大清，美国纽交所上市公司融360|简普科技联合创始人、董事长兼CEO。是互联网和零售金融行业的跨界老兵，在中国和美国中关村、华尔街全球500强科技和金融企业有20余年专业经验，创业前曾服务于PayPal、Capital One、美国运通和美国在线。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '177', 'name' => '汪伟', 'thumb' => 'public://expert/2020/11-10/161107b71b83705600.jpg', 'originalThumb' => 'public://article/2020/11-10/161107b9e504966340.jpg', 'description' => '平安科技知识图谱技术团队副总工程师', 'about' => '平安科技知识图谱技术团队副总工程师。目前主要负责知识图谱技术在金融、司法等领域创新产品孵化和AI 赋能工作。2016 年推出企业知识图谱产品- 欧拉图谱，2018 年推出债券分析和财务粉饰产品。产品获国家发改委专项资金支持，同时获IDC、TopDigital 等专业机构创新奖认可。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px; font-weight: bold;">其他成果</span></span></div>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size: 16px; color: rgb(0, 0, 0);">2020，汪伟：知识图谱的原理、特性与金融业应用实践，未央研究，2020-04-20</span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2020，汪伟：知识图谱在商业地产管理中的应用案例，房天下产业网，2020-03-17</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2019，平安科技AI智能识别财务&ldquo;粉饰&rdquo;有望成为作假企业的克星，央广网，2019-05-15</span></span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、平安在宏观及行业AI分析方面的探索和实践</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）宏观、产业分析与AI</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 对企业而言，为什么要分析宏观和产业？从近年来电商企业间的竞争和行业风口来看，对于企业最重要的是发现机会，发现风险，发现风口，总结来说，见微知著，寻找时间提前量。这是我们做宏观和产业的出发点。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>基于以上三个出发点，在AI方面，我们的工作可以归纳为三部曲。第一步，识别。分析宏观和产业本质上都是在信息的海洋中识别和发现那些关键的、高能量的碎片化信息，能够给用户一些启发。第二步，关联。将识别出的高能量信息点与外部环境相关联。在关联的过程中，用户可以站在上帝视角，发现更多规律和启发。第三步，转化。在关联好的数据中加持更加场景化的技术，让数据变得更有价值。这三步可以总结为大海捞针、穿针引线和点石成金。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）探索与实践</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在宏观经济分析方面，首先是走势预测。除了与政府的合作，我们还对中国的主要地区的经济进行预测，包括深圳、上海、北京等城市和区域，基于这些预测，可以分析政府或市场上的一些经济主体可能会采取的行为措施。其次是态势纵览，通过比较一些先行指标，衡量行业的景气程度，影响投资板块的部署、资金分配、资产组合的配置。第三是归因分析，对多个维度、指标进行监测分析，显示出全国GDP景气指数，并且可以直观地看出GDP变化背后的因素和逻辑。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在行业分析方面，主要针对产业结构、壁垒或痛点、关键技术、产业特征和商业模式这五个关键节点分门别类地捕捉市场中的信号，用机器获取更多碎片化信息，并且将它们关联起来，与人工报告形成互补，并且部分解决了人工撰写报告的周期问题。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在政策分析方面，共有四个步骤，政策汇聚、政策结构化解析、政策关联、政策推演，即模拟和仿真。将全国各大城市、辖区的政策、热点收集起来，每天更新，并且自动解析，做成可视化的图形呈现。此外，还可以分析政策的发展脉络和演变趋势。在政策出台前，分析是否会与现有的政策出现冲突，寻找政策缺失和漏洞。帮助企业预测政策出台的时间、出台后的影响，并且将政策与产业链上的各环节关联，为提前布局投资板块提供帮助。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020（第十六届）中国金融风险经理年度总论坛系列12：科技在金融业务中应用&mdash;&mdash;汪伟《平安在宏观及行业 AI 分析方面的探索和实践》</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、关于知识图谱的原理与特性</strong></span></h2>

<h4><span style="color:#000000;"><strong>（一）当前AI技术关于认知的逻辑框架与局限</strong></span></h4>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;<strong>1、学习模式差异</strong>&nbsp;</span></p>

<div>
<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;第一个是学习模式的差异。学习模式主要有两种，一种叫外延式学习，另一种叫内涵式学习。现在所有的机器学习、数据挖掘和人工智能，都是基于外延式学习的。其优点是只需要告诉它事物明显的特征即可，不触及本质的内在结构，方便学习，成本很低。比如我们教小朋友认识事物，指着告诉他这是桌子，这是椅子就能懂了。但这种学习模式也有缺陷，就是在推广的时候有一些特殊情形，可能容易看错。内涵式学习，比如关于人的定义，古希腊说人是一种理性的动物，后来马克思说人是一切社会关系的总和。像这样的描述，的确触及到了事物的本质，但它不好的地方就是你把这个东西告诉计算机，它却没办法计算、没法工作。内涵式学习有一个很好的地方，就是定义清楚之后，它的泛化或者说推广能力非常强，这样的话只需要学很少的样本，它就可以推广出去。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;<strong>2、推理模式差异</strong></span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;第二个是推理模式的差异。推理也有两种方式，一种是演绎推理，一种是归纳推理。演绎推理就是所谓的三段式推理。一个经典例子：人是要死的，苏格拉底是人，所以苏格拉底一定会死。注意一下最后的推理结论，它一定是一个确凿的，而不是概率性的结论。而归纳推理，比如说男生的头发通常是短的，张三的头发也很短，张三很可能是男生。最后的结论是一种程度的描述&mdash;&mdash;很可能是男生，这个概率可能是70%，也可能是80%。但如果这个时候加一些描述，比如说张三穿了一件红色的衣服，戴了一副耳环，最后的结论就会发生变化，这是归纳推理所特有的性质。前面说的机器学习、人工智能和数据挖掘运用的都是归纳推理。在风险测量或者定价的时候，增加因子数量的多少，输入信息的变化会影响最终判断结果。</span></p>

<h4><span style="color:#000000;"><strong>（二）知识图谱技术的原理、特性</strong></span></h4>

<div>
<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;<strong>1、关联-从数据表到数据链</strong></span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;知识图谱有一个很重要的特性，就是关联。在现实工作生活中，无论做企业分析还是个人分析，都会涉及到数据表。比如去办事，会被询问身份证、手机号、姓名、年龄、生日等信息，这些信息是拿来做关联的。但这种关联本身有局限性，比如很多东西关联不上，或者说关联没那么紧密。这种情况下该怎么办呢？我认为随着5G的发展，我们将从&ldquo;主键关联&rdquo;迈向&ldquo;万物互联&rdquo;，即物与物、设备与设备之间的关联，进而演进为&ldquo;万数互联&rdquo;的形态。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;为什么说万数互联是一种趋势，或者说万数互联有怎样的意义？一方面，关联面变大。举个例子，我们经常在新闻里听到面粉会发生粉尘爆炸，很少听到小麦会燃烧爆炸。这是由于小麦磨成面粉之后，它的表面积变化了，这个比表面积变化的量级是百倍级的，麦粒表面接触到的氧原子（在它磨成面粉之后）的接触面积变大了，导致物质的性质发生了质变&mdash;&mdash;变得易燃易爆。另一方面，关联力度变细。比如说一家公司和另一家公司可能不会发生关联，但是公司和事件可以关联吗？事件和事件可以关联吗？这种关联在现有的表关联的结构体系中是很少出现的，但在知识图谱里他们可以被关联起来。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;<strong>2、推理-从大数定理到逻辑完备性链条</strong></span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;我们现在的技术，所有的统计分析，基本上都是从大数定理或者中心极限定理来的。但这两个定理有一个前提条件，样本量要足够大。在做信贷审核的时候，分析个人信用都不成问题，因为个人信息很多。但是做企业信用评级就很麻烦，不同行业的差异性很大，要在里面找一些违约样本或者破产样本很难。这里我提出了一个数学公理和天文学原理。什么意思呢？天文学有一个非常重要的特征就是用极少的信息，来还原宇宙完整的真相。第二个特征就是天文学只是一次性的发生，比如说宇宙大爆炸就发生一次，它没办法反复做实验。如果只发生一次，也就是说有些样本只有一个，需要解决在这种情况下如何分析的问题&mdash;&mdash;这就是天文学特有的分析方法论&mdash;&mdash;模型嵌套思想。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;<strong>3、从相关性到因果性强AI发展路径</strong></span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;现在所有的机器学习分析，数据挖掘也好，深度学习也好，其实都是基于相关性的角度去做工作，很少去讲为什么会这样？它的因果性是怎么样的？知识图谱或许能够回答这样的问题。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;在因果分析里其实有三个东西，第一是相关性，比如说太阳升起和公鸡打鸣经常伴随发生的；第二个是干预，如果鸡多叫两声太阳是不是升得更快，或者是太阳升得更大？干预一个因素，导致另外一个因素有没有相关的变化？第三个是反事实推理，假设这个鸡不叫了，太阳是不是就不升起了？这是一个现实当中不会发生的想象事件，但是它存在一个逻辑。因果性的存在有很重要的原因，因为因果性非常符合人类大脑的工作框架，人很容易或者很习惯地去问为什么。</span></p>

<p><span style="color:#000000;">来源：2020，汪伟：知识图谱的原理、特性与金融业应用实践，未央研究，2020-04-20</span></p>

<h1 style="font-size: 1.5rem; margin: 0px; font-family: &quot;Lantinghei SC&quot;, &quot;PingFang SC&quot;, &quot;Hiragino Sans GB&quot;, &quot;Microsoft Yahei&quot;, 微软雅黑, &quot;Helvetica Neue&quot;, sans-serif; font-weight: bold; color: rgb(255, 255, 255); line-height: 36px; text-align: justify; letter-spacing: 1px; background-color: rgb(250, 250, 250);">&nbsp;</h1>
</div>
</div>
', 'elegant' => array(array('src' => '/files/expert/expert_1614157045.jpg'), array('src' => '/files/expert/expert_1614157113.jpg')), 'userId' => '279', 'status' => 'published', 'createdTime' => '1604995874', 'updatedTime' => '1623121783', 'body' => '<p>&nbsp; &nbsp; &nbsp; 汪伟，平安科技知识图谱技术团队副总工程师。目前主要负责知识图谱技术在金融、司法等领域创新产品孵化和AI 赋能工作。2016 年推出企业知识图谱产品- 欧拉图谱，2018 年推出债券分析和财务粉饰产品。产品获国家发改委专项资金支持，同时获IDC、TopDigital 等专业机构创新奖认可。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '133', 'name' => '霍焰', 'thumb' => 'public://expert/2020/11-06/153956c08877503140.png', 'originalThumb' => 'public://article/2020/11-06/153956c3ebc0867756.png', 'description' => '中信银行总行风险管理部风险计量处处长', 'about' => '毕业于清华大学，理学博士，高级经济师。现任职中信银行总行风险管理部风险计量处处长。长期从事信用风险量化管理工作，是中信银行内部评级体系建设的重要成员。研究兴趣包括算法研究、资产组合管理和风险管理实务等。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp; &nbsp; &nbsp; &nbsp; &nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、B风险管理数字化转型的一些思考</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）风险管理数字化转型的必要性</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 银行业风险管理包括三个阶段。第一阶段，在2004年以前，是经验主导的粗放式管理，对公业务主要是&ldquo;关系营销+财报分析&rdquo;，专家评价，而零售业务已将个人评分卡应用于信用卡审批；第二阶段，2004年至2015年，进入监管驱动的巴塞尔时代，以资本管理为抓手开始风险量化管理工作，规范了信用风险、市场风险、操作风险的模型量化方法。商业银行建立了数据仓库、风险数据集市和风控系统，持续优化风险权重。第三阶段，在2015年以后，&ldquo;Fintech&rdquo;概念的提出，推动风险管理进入技术赋能的时代，互联网金融蓬勃发展，金融线上化、电子化、普及化发展，大数据挖掘及AI技术在金融领域大量应用，5G时代及万物互联的金融生态圈建设。银行数字化转型要运用金融科技手段，为银行业务提供快速、准确、实时、在线、前瞻的风险量化管理解决方案。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp;<span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>风险管理数字化转型价值有三点。从风险管理来看，能看清风险状况，即看全客户集团下有哪些业务、分支机构，看穿顶层到中观的组织结构，看透未来的发展趋势，把控业务风险状况；从微观层次来看，有利于优化业务结构，优行业、优区域、优客户、优产品、优交易，科学优化资产结构；从经营角度来看，能够提升经营水平，提产能、提效益、提效率，降成本、降风险、降损失，提升经营管理水平和投入产出效率。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>因此，从历史进程和转型价值来看，进行风险管理数字化转型是非常有必要的。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）风险管理数字化转型的内容</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>一是全面风险视图，实现量化的风险洞察展示，使数据更完善、分析更智能、洞察更深刻、体验更友好。其中，数据工作是最重要的，是整个数字化转型的基础。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>二是在线业务风控，建立线上化业务的风控体系，实现信息处理自动化、风控决策数字化、客户管理精细化、风险控制全程化，全面支持在线业务的风控。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>三是工具开发应用，做到模型工具的敏捷开发及应用，以业务为中心快速开发，建立从组合、客户到交易的智能模型体系，并且要注重模型的实际产出效能。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>四是模型风险防控，近几年，各金融机构的数字化转型发展都非常迅猛，在快速发展的同时面临着大量的模型风险问题。因此，应建立面向未来的模型风险管理体系，包括建制度、建规范、建流程、建系统。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）支撑转型的六大要素</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>一是场景，它决定了整个业务的基本风险判断。应结合业务场景快速响应，设计线上化风控方案。.</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>二是数据，充分利用银行内现有数据，拓展引入外部数据。对于银行来说，虽然内部数据量较小，但自身的数据是第一重要的，其小而精确，能辅助银行对客户的信用进行判断。此外，外部数据包括企事业单位、政府类的数据可以协助银行进行信用判断，如海关、税务、司法、工商数据等，这些数据更加可靠。对于互联网大数据，在稳定性和可靠性方面还有所欠缺，这类数据的引入仍然在不断探索中。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>三是工具，开发大数据风控工具，实现工具系统化、内嵌化。但在设计模型时，存在稳定性、解释性不高等问题，在实际工作中构成了困扰。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>四是系统，建立集数据、模型、引擎、视图、报表于一体的全面风险管理平台，数字化转型中系统的支撑是非常重要的。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>五是组织，应优化组织结构，实现敏捷风控能力。中信银行目前采取了风险管理部门和技术部门相融合的模式，风控人员和技术、算法人员融合办公、协同作业。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>六是人才，需要既懂业务、又懂技术的复合型专家。中信银行采用先立足于自身培养、结合部分引进的人才策略。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（四）实践及感悟</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>中信银行的风险量化管理工作自2005年起步，不断夯实基础，实现了体系建设、自主研发、全面应用三次跨越，目前向智能风控全面进军。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在体系建设方面，建设覆盖公司、个人、同业的内部评级体系；在自主研发方面，统计模型和智能风控模型实现自主掌控，自主开展优化和验证；已经实现了全面应用，以经济资本考核、减值准备计提和自动化审批为标志，实现风险量化工具全面应用；在智能风控方面，开展风险视图、组合模型、客户多维风险画像及同一评分、线上化业务风控体系、模型风险管理等工作。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>银行全面推进风险管理数字化转型，是一项充满挑战的工作。需要凝聚共识，这是一个体系性工作，前中后台，总分行要通力合作；实现短期速赢，短期要有实施效果，为后续实施奠定信心、争取资源；最后，一定要有长期规划，在短、中、长分期实施，科学设计实施路径。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020（第十六届）中国金融风险经理年度总论坛系列12：科技在金融业务中应用&mdash;&mdash;霍焰《人风险管理数字化转型的一些思考》</span></p>
', 'elegant' => array(), 'userId' => '234', 'status' => 'published', 'createdTime' => '1604648444', 'updatedTime' => '1636524326', 'body' => '<p>&nbsp; &nbsp; &nbsp; 霍焰，毕业于清华大学，理学博士，高级经济师。现任职中信银行总行风险管理部风险计量处处长。长期从事信用风险量化管理工作，是中信银行内部评级体系建设的重要成员。研究兴趣包括算法研究、资产组合管理和风险管理实务等。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '112', 'name' => '郑昕', 'thumb' => 'public://expert/2021/01-26/18295868708d681787.jpg', 'originalThumb' => 'public://article/2021/01-26/1829586c8dd1486015.jpg', 'description' => '中国工商银行普惠金融事业部专家', 'about' => '中国工商银行普惠金融事业部专家，毕业于浙江大学国际金融专业；毕业后在工商银行浙江分行长期从事国际业务工作，历任工商银行浦江支行行长、工商银行金华分行副行长、工商银行总行网络融资中心副总经理。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp; &nbsp; &nbsp; &nbsp; &nbsp;&nbsp;</p>

<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px; font-weight: bold;">论文</span></span></div>

<div style="height: 12px; float: left;">&nbsp;</div>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2020，在线信贷演进模式国际比较及展望&mdash;&mdash;金融科技公司的角色演进研究，《现代金融导刊》第09期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2016，点击间的智慧 弹指间的金融，《中国城市金融》第10期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2012，对我国现有信贷市场格局下国有商业银行中小贷中心可持续发展的论证，《投资与合作》第07期。</span></span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、变与不变&mdash;&mdash;P2P爆雷背景下对网络融资风控逻辑的思考</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）互联网金融发展需要转型</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>1、金融科技&mdash;&mdash;互联网金融公司转型之路</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>互联网企业的转型方向可以概括为：互联网金融&ldquo;闭幕&rdquo;，金融科技登场。这是一个从上半场进入下半场的过程。上半场更多是开放、平等、共享，体现的是互联网精神；下半场更大程度上体现的是数据的变化，用6个字来形容，就是&ldquo;数据、智能、精准&rdquo;。因为数据，我们变得更智能，因为智能，我们变得更精准。下半场带来的不仅是互联网技术，而是&ldquo;互联网+大数据&rdquo;的技术，所以蚂蚁金服、京东金融、腾讯金融都在利用金融科技的手段，输出自己的技术，为金融机构服务。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><strong><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>2、&ldquo;数据+场景&rdquo;&mdash;&mdash;商业银行互联网金融之路</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>&ldquo;数据+场景&rdquo;是商业银行的互联网金融之路。场景应用是有边界的，靠一个场景打遍天下是不现实的，因此银行需要互联网企业的帮助，在每个场景下做子模型。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><strong><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>3、互联网金融的&ldquo;变&rdquo;与&ldquo;不变&rdquo;</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>互联网金融的&ldquo;变&rdquo;体现为从互联网技术和大数据技术两个方向支撑着互联网金融的发展。互联网金融的&ldquo;不变&rdquo;体现为风控是基础。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）网络融资风控逻辑的思考</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; <strong>&nbsp;&nbsp;</strong></span><strong>1、金融科技成为互联网金融的重要风控手段</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>银行以大数据技术为核心展开金融科技的应用，提升大数据的获取、传输和处理分析能力，同时全面夯实风控基础。包括物联网技术、区块链技术和人工智能（AI）技术的运用。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>2、&ldquo;物联网+区块链&rdquo;实现大宗商品精准物控</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在大宗商品交易中，物联网技术和区块链技术得到了很好的应用。物联网利用传感技术、导航技术、定位技术、智能仓单技术等方式让物流环节可视化。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>3、大数据技术支持小微信用风险控制</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>利用大数据技术来控制风险已经成为业内透视小微信用，防控小微融资风险的有效方式之一。在实践运用中呈现这么几个特点：一是场景切入、数据支撑。要切入小微客户生产经营的各类场景，挖掘场景底层数据资源，构建覆盖小微客户全生命周期的融资服务体系。二是小额化、零售化。相关数据显示，小微企业贷款金额与风险呈现一定的正相关关系，&ldquo;小额化&rdquo;、&ldquo;零售化&rdquo;更能够降低单户融资风险，切合普惠金融的本质。三是线上和线下结合。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》杂志2019年第1期</span></p>

<h2 style="text-align: justify;">&nbsp;</h2>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、拥抱新金融&mdash;&mdash;科技赋能与信贷转型</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）金融科技1.0时代</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>1、线上化获客，流量时代来临</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>金融科技1.0时代基于&ldquo;开放、共享、平等&rdquo;的互联网精神，在资金供求者之间进行线上撮合，未聚焦风险识别、风险计量与风险控制。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; <strong>&nbsp;&nbsp;</strong></span><strong>2、热潮褪去，互金行业持续洗牌</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>金融科技1.0时代其实是一个线下业务线上化的过程，在这一时期，互联网的便利化已充分显现，但大数据应用尚处于起步阶段。风险控制规则过于简单致使一些在线融资平台风险加速累积，风险控制数据同质化，数据孤岛现象仍然严重，纯线上融资平台不良率居高不下，风险控制成为集体谎言。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）金融科技2.0时代</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>金融科技2.0时代从&ldquo;攫取流量&rdquo;逐步转到以风险控制为基础。金融风险的一个显著特点是有滞后性，仅追求效率而牺牲风险把控，无法实现可持续发展。互联网金融企业不再单纯追求&ldquo;流量至上、效率为先&rdquo;，而是回归本质，追求&ldquo;融资效率&rdquo;与&ldquo;风险本质&rdquo;的平衡，不盲目追求流量，夯实风险控制基础，追求商业模式的可持续发展。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>此时的银行与互金公司各有优势，互联网巨头基本有独特的强场景领域，有独特的数据优势，而老牌银行长期积累的风控优势也开始厚积薄发。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）金融科技3.0时代</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>金融科技3.0时代互联网金融和传统银行对峙已经结束，具有相同风险本质的传统银行与互联网金融，此时双方秉承开放共赢的态度，打破数据孤岛的羁绊金融科技公司发挥其在大数据、云计算等方面的技术优势，输出科技服务。金融机构加速和互联网融合，更多地利用互联网、大数据、云计算等技术手段，提升金融服务效率，在保证风控的情况下，数据驱动，不断下沉客户准入标准，扩大金融服务群体。互金公司和银行的比较优势决定了两者并非&ldquo;对抗-颠覆&rdquo;，而是&ldquo;竞争-合作&rdquo;关系。金融科技企业逐步从商业模式创新走向&ldquo;数据驱动、技术迭代发展&rdquo;之路。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（四）工商银行数字普惠实践</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在注重在线风险判断的同时，工商银行积极发挥线下传统优势，注重线上线下融合。线上进行场景对接、统一获客和数据分析，线下进行市场营销、产品宣传及客户服务，为线上产品提供落地支持。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（五）科技金融发展展望与应用</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>未来科技金融发展最看好的方向是5G时代来临所可能带来的&ldquo;物联网&rdquo;蓬勃发展，物联网在&ldquo;互联网概念&rdquo;的基础上，将其用户端延伸和扩展到任何物品与物品之间，依托通信技术进行信息交换。5G时代&ldquo;低时延、大宽带&rdquo;批量化收集数据，降低数据收集成本，为物联网带来机会。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>未来金融科技将助力做深做透产业链金融。区块链技术可以保证信息真实不可篡改，打造可多级流转、可自由拆分的&ldquo;数字信用凭据&rdquo;，实现供应链核心企业授信向上游的转移。利用物联网技术，可以实时、动态掌握物流信息，形成业务闭环，实现信息流、资金流、物流三流合一，从而实现更好的风险防控。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、在线信贷业务的国际比较与前沿探索&mdash;&mdash;金融科技的应用与展望</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）全球视角下金融科技公司的角色演进</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>1、科技赋能金融之路</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>科技赋能金融之路是从20世纪90年代开始的，网络信息技术的迅速发展，为互联网金融的萌发提供了土壤。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>2、弱场景金融&mdash;&mdash;P2P</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>金融科技公司最为典型的业态就是P2P。2005年在英国成立了世界上第一家P2P平台Zopa。在美国2006年Prosper成立，2007年LendingClub也随之成立。中国自2011年以来，累计成立的P2P平台超过了6000家。中美的P2P平台之间存在着比较大的差异。美国的P2P公司也遍历风波，最终转型。LendingClub在2016年由于2200万美元的违规贷款，造成信任崩塌，引发投资者担忧。这次事件其实是由LendingClub裂变式的高速发展带来的内部管理问题所导致的。2017年第一季度放款量同比下跌超二成，2018年亏损达近1.5亿美元，2019年亏损超千万美元。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>3、强场景金融</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>以上提到的P2P贷款属于弱场景金融，除此之外也存在着强场景金融。国内很多互联网巨头就利用自身的场景生态，逐步形成&ldquo;做大平台、攫取流量、构筑生态、场景金融&rdquo;的业务模式，走出了一条特点鲜明的金融科技道路。国外在强场景金融方面的发展体现在跨境电商领域。2011年推出的AmazonLending，向美国、英国、中国等国家的Amazon平台受邀商户提供贷款服务。2019年在美国与高盛银行合作，为受邀商户提供供应链金融服务。在中国与富友保理合作，为在美国站点开店的受邀中国商户提供供应链融资服务，更多体现了Amazon在供应链金融方面的特质。供应链金融最早是从国外引进的，但现在国内的发展越来越深入，参与者既有专门的金融科技公司，如中航信、中企云链，也有一些金融机构，如工商银行等。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>4、金融科技公司与金融机构的融合共赢</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>比较特别的是，近两年来，国际国内都发生了金融科技公司的转型，更多体现出&ldquo;去金融化&rdquo;的趋势。金融的核心是管理风险，金融科技是用技术、数据能力去助力金融创新，服务普通消费者和普通商户，提升金融机构的风险管理能力，帮助金融机构全面升级。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>5、金融科技公司的演进路线</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>信息科技公司除了以强场景、弱场景来划分之外，还可以区分为偏重Finance的金融型金融科技公司和偏重Tech的科技型金融科技公司。根据相关数据显示，在欧美地区，前者服务成本高，营销费用高，长期处于亏损状态，而后者虽然规模不大，但基本能够获得盈利。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）商业银行的金融科技探索与实践</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>1、银行业务与金融科技的深度融合</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>商业银行的金融科技探索之路经历了20世纪80、90年代的电子化，21世纪初的网络化、移动化，2016年以后数字化、服务场景化三个阶段。同时，商业银行也积极求变，与金融科技公司合作，将银行海量的客户数据、完善的风控模型与先进的金融科技相结合，借助科技手段提高自身在线信贷业务的水平。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>2、金融科技助力商业银行普惠业务</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>国有银行金融科技之路的主要特点是（1）深挖行内存量数据，主动授信；（2）注重与数据公司合作，从外部获客；（3）深耕自有平台数据，利用场景获客。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）后疫情时代的在线信贷业务思考</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>1、疫情带来阵痛以及中美摩擦产生危机</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>2、在线信贷业务发展的机遇</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>疫情防控期间数字技术在远程办公、在线教育、在线娱乐、在线零售、在线医疗等领域展现了巨大的优势，线上融资远程、高效的业务模式逐步得到了市场认可，疫情封闭期间形成的习惯在疫情之后继续固化，线上的各类操作也将迎来它们的春天。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>3、科技金融正当时&mdash;&mdash;5G助力</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>将来5G与区块链技术结合使用，能够实现数据传输低延时、大容量，加上计算机算力的提高和节点记账的边际成本降低，使得降低区块链的建设成本，区块链的发展或迎来机遇。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020TGES系列论坛-07：投资银行业务、私募投资与风险管理&mdash;&mdash;郑昕《在线信贷业务的国际比较与前沿探索&mdash;&mdash;金融科技的应用与展望》</span></p>

<p style="text-align: justify;">&nbsp;</p>
', 'elegant' => array(array('src' => '/files/expert/expert_1614840645.png'), array('src' => '/files/expert/expert_1622195342.png'), array('src' => '/files/expert/expert_1622195351.jpg'), array('src' => '/files/expert/expert_1622195359.jpg')), 'userId' => '212', 'status' => 'published', 'createdTime' => '1604558046', 'updatedTime' => '1646636985', 'body' => '<p style="text-align: justify;">&nbsp; &nbsp; &nbsp; 郑昕，中国工商银行普惠金融事业部专家，毕业于浙江大学国际金融专业；毕业后在工商银行浙江分行长期从事国际业务工作，历任工商银行浦江支行行长、工商银行金华分行副行长、中国工商银行网络融资中心副总经理。从业二十余年来，专业领域涉及公司信贷、国际业务、个金、结算与电子银行等多个业务条线，具有扎实的专业背景、丰富的基层工作经验和较强的风险管理意识。一直以来勇立创新发展的潮头，目前牵头全行网络融资业务的统筹规划、产品设计与营销推动工作，着力打造线上融资&ldquo;一个平台、三大产品线&rdquo;综合服务体系，重点研发的&ldquo;经营快贷&rdquo;产品，已成为数字普惠领域的业界标杆。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '215', 'name' => '赵亚伟', 'thumb' => 'public://expert/2020/11-12/1353222c2ed4835310.png', 'originalThumb' => 'public://article/2020/11-12/135323326f62601770.png', 'description' => '供职于中国科学院大学', 'about' => '供职于中国科学院大学，自博士期间至今一直从事人工智能研究实践工作。2000年以来主持或参加国家自然科学基金、863和省部级科研项目多项，提出基于知识图谱的黎曼传播算法、风险事件识别算法以及序列模式发现方法等。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left:5px solid #ff7200;padding-left:20px;"><span style="color:#000000;"><span style="font-size:16px;font-weight:bold;">论文</span></span></div>

<div style="height:12px; float:left">&nbsp;</div>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2011，<a href="https://www.yunzhan365.com/24365805.html">pXCube云模型的任务划分技术</a>。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2008，<a href="https://www.yunzhan365.com/27966156.html">贷款组合信用风险模拟的简化方法</a>，《计算机仿真》第25卷第5期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2008，<a href="https://www.yunzhan365.com/49218454.html">基于J2EE的集成开源框架研究与应用</a>，《微计算机信息》第24卷第5-3期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2008，<a href="https://www.yunzhan365.com/28393043.html">商业银行安全保障体系设计</a>，《计算机技术与发展》第18卷第3期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2003，<a href="https://www.yunzhan365.com/96333002.html">CSCW环境中动态信息感知技术</a>，《计算机应用》第23卷第4期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2003，<a href="https://www.yunzhan365.com/79836919.html">基于Agent的协同关系模型研究</a>，《系统仿真学报》第15卷第11期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2003，<a href="https://www.yunzhan365.com/30358479.html">基于粗糙集的决策规则约简</a>，《计算机工程》第29卷第12期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2003，<a href="https://www.yunzhan365.com/73450368.html">一种新的混合式身份认证技术</a>，《计算机工程》第29卷第11期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2002，<a href="https://www.yunzhan365.com/37016616.html">数字工程图签名技术研究</a>。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2002，<a href="https://www.yunzhan365.com/82359644.html">用EJB开发J2EE应用</a>，《计算机应用》第22卷第4期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2001，<a href="https://www.yunzhan365.com/13761937.html">面向对象技术在信息融合系统设计中的应用</a>，《仪器仪表学报》第22卷第3期。</span></span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>人工智能技术在金融领域中的应用</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 与金融科技相关的研究工作主要集中在网络传播、事件图谱和金融自动建模平台三个方面。</span></p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、网络传播</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>网络传播可分析因内部（或外界）的节点属性变化而对其他节点属性的影响，可以用于风险传播分析、价值传播分析、客户群体抗风险能力、关键客户发现等，为规避风险提供决策支持。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>现在许多金融机构都在针对自己的客户构建企业图谱，这也是知识图谱的一种表现形式，这种图谱是基于内部或外部数据构建而成的。近几年由于国际形势的变化，例如中美贸易战、新冠肺炎等事件的发生，使得金融行业的风险更多体现在外部风险，而不是内部风险。外部风险可以很好的由图谱构建出来，由外部数据构成的事件图谱，通过公共节点导入到内部图谱。事件图谱是基于某个特定的事件，通过识别事件的主体、客体以及二者之间的关系而形成的图谱。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>此外，我们提出了一种基于数值计算的网络微观传播模型（由于其传播类似流形计算中的Isomap，故命名为黎曼传播模型）。传统的传播模型主要用于研究宏观传播，只能界定网络在某一个时刻有多少个节点受影响，不会得出哪些节点受影响。我们的网络微观传播模型能够具体到每一个节点，同时进行量化分析，计算出传播的路径和传播影响的大小。</span></p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、事件图谱</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>事件图谱是基于NLP技术对事件要素抽取，形成某个时间戳下的事件图谱。可用于外部风险（或商机）的识别和发现，以及可能的演化模式，并分析风险源，及时规避风险等，也可用于优化客户结构、营销预测、获客效率等。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>网络传播是基于事件图谱形成的，事件图谱本质是对事件的结构化描述，反映了事件的要素。构建事件图谱，首先要把外部事件转换为图谱。事件是时间、地点、原因、实体、关系等相关要素组建而成，事件有正面也有负面，与舆情分析的区别是，前者更强调结构化分析，后者更多从定性的角度分析。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>事件图谱的核心任务是事件抽取，针对特定领域的事件进行相关要素（包括时间、地点、原因、实体、关系）的抽取。以2015年俄罗斯和土耳其之间发生的冲突为例，俄罗斯的su-24战斗机被土耳其的F-16战斗机击落，事件类型是冲突，子类型是攻击，事件要素是俄罗斯su-24战斗机，触发词是击落等。触发词是在整个句子中，最能代表该类事件的一个词，一般来说是动词；事件要素是事件所涉及要素的描述项。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>关系抽取是事件抽取的难点，我们提出了基于表示学习的关系抽取，采用预训练模型BERT优化表示特征，抽取准确率、召回率均有提升，更大程度地识别隐关系，精准发现相关风险。相关成果已经进行产业推广。</span></p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、金融自动建模平台</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>金融自动建模平台是金融行业人工智能应用的重要领域，建模工作频繁，研发的自动建模平台可根据需求自动、快速完成建模工作。平台包括客户分群、风险预警、关联挖掘等，提供15个分类模型，17个回归模型和4个聚类模型可选，同时针对不同问题类型提供多种模型评价指标。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>金融自动建模平台包括数据、数据探查、模型训练与评估、模型使用四个功能。数据功能包括数据上传、数据加工和数据管理，能够完成四种数据库类型、两种文件类型数据源的上传，横向合并和纵向拼接数据，进行文件夹多层级管理和标签管理。数据探查包括数据分析和特征工程，能够进行数据概貌分析和单特征、多特征分析，筛选掉没有价值的数据。在此基础上，进行模型训练与评估，生成许多符合标准的模型，并从其中筛选出最好的模型，进行模型评估。最后交付使用，并且实现模型效果追踪和模型回滚，主要关注精确率和召回率两个参数。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>此外，合作模式定位为前瞻性技术研究，形成探索类项目合作，以方法、算法或模型，研究报告，学术论文等形式产出成果。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020（第十六届）中国金融风险经理年度总论坛系列12：科技在金融业务中应用&mdash;&mdash;赵亚伟《人工智能技术在金融领域中的应用》</span></p>
', 'elegant' => array(), 'userId' => '316', 'status' => 'published', 'createdTime' => '1605160448', 'updatedTime' => '1627542858', 'body' => '<p>&nbsp; &nbsp; &nbsp; 赵亚伟，2003至2005年在海信集团从事计算机应用专业博士后研究，出站后在中国科学院大学工作至今。自博士期间至今一直从事人工智能研究实践工作。2000年以来主持或参加国家自然科学基金、863和省部级科研项目多项目前的研究兴趣主要集中在人工智能（机器学习、NLP等）、复杂网络的相关理论和关键技术研究，提出基于知识图谱的黎曼传播算法、风险事件识别算法以及序列模式发现方法等，基于知识图谱的风险预警核心算法于2017年获中国银监会科技一等奖。近几年，积极参与&ldquo;产学研&rdquo;融合工作，将研究工作与产业需求深度融合，提升研究成果的转化效果，在实践中发现有价值的问题。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '193', 'name' => '肖京', 'thumb' => 'public://expert/2020/11-11/152148c145dc972501.jpg', 'originalThumb' => 'public://article/2020/11-11/152148c7beca555429.jpg', 'description' => '中国平安集团首席科学家，集团执委', 'about' => '中国平安集团首席科学家，集团执委。卡耐基梅隆大学博士，长期从事人工智能与大数据分析挖掘相关领域研究，先后在爱普生美国研究院及美国微软公司担任高级研发管理职务。目前在平安集团负责创新技术及产品研发应用，包括智能化大数据分析等技术在金融、医疗、智慧城市等领域的研发和应用。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px; font-weight: bold;">论文</span></span></div>

<div style="height: 12px; float: left;">&nbsp;</div>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size: 16px; color: rgb(0, 0, 0);">2019，科技进步更加彰显金融本质 《上海科技报》。</span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2018，人工智能在疾病预测中的应用《自然杂志》2018年05期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2017，人工智能技术赋能金融科技应用创新&mdash;&mdash;&ldquo;平安脑&rdquo;助力平安&ldquo;大金融&rdquo;战略《金融电子化》 2017年09期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2018，人工智能赋能金融科技《大数据》2018年03期。</span></span></p>
', 'attachachieve' => '<p>&nbsp; &nbsp;</p>
', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、金融行业痛点催生技术创新</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 金融行业尽管是一个很成熟、传统的行业，现在却面临着互联网和科技领域的一些挑战。不管在获客、服务、运营，还是在风控方面，都有很多痛点。尽管看上去很风光，但实际上问题很多，比如说我们的获客，金融领域跟客户的交互频次很低，所以要更好地理解客户的需求，实际上是比较困难的。在运营服务方面模式都很重，比如像平安有150多万员工，成本是很高，效率是偏低。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>风控是今天的主题，风控在我们平安的平台上，既有宏观又有中微观，种类非常多，欺诈和风险都是很繁杂的，要管理好是很困难的。那么这些的痛点对业务来说是挑战，但是对我们从事科技的人员来说是非常好的一些创新应用的机会。我们今天主要讲一下在这些领域我们用人工智能做了些什么工作，重点是讲风控领域。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、建立基础AI能力建设</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在人工智能方面，我们首先要打造我们的基础，要具备基本的技术能力。在平安的话，我们从这个基础进行图像、视频分析。视觉的能力，听就是语音分析的声纹分析的声音，阅读和阅读理解和说就具备了自然语言理解，对文本的分析这些能力，以及最后把结果说出来的能力，在这些方面我们建立了相当多的基础技术，这样的话就可以让我们有了基础的能力，可以去做一些业务方面的应用。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>但是光有技术是远远不够的，因为我们知道很多的业务场景，实际上光有技术拿来用，经常是四不像，产生不了实际的效果。我们要把技术和业务结合好，有业务的人员帮助我们去真正打造出行之有效的业务方案，才能够真正解决我们业务的问题。尤其在风险领域，它是一个非常专业的领域。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、金融风险管理平台及工具顶层设计</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>与其他的任何人工智能应用一样，在底层把数据打扎实。人工智能一定是底层有数据算法算例，然后才跟业务结合去做方案。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>数据主要就三类，一类是静态数据，如财务报表、工商信息等。另外动态的数据比如说社交、舆情、新闻，法律诉讼。然后第三类是关系网络，如投资关系、高管关系、供应链关系等。有了这些数据以后，我们就形成了知识图谱，然后用各种人工智能技术对数据做分析处理，保障数据质量和时效性，然后把数据的重要因子挖掘出来，建立各种的模型。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>针对风险场景，我们建立了宏观、中观、微观各种不同类型的因子。有了因子库以后，我们就可以在宏观的风险预测，中观的行业产业风险预测和微观的个体企业风险预测这些领域都相应建立模型，然后应用在我们的信贷投资、信贷尽调等不同场景上。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>四、宏观风险预测</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）宏观经济下行的风险预警</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>宏观方面，现在宏观经济数据有很大的问题，一个是它的吸入性非常高，另一个是它时间序列很短，没有丰富的时间序列特性，因此它的加工和筛选是一个核心。另外统计数据经常是滞后的，它的关系链条也不是很清楚。所以，我们把底层数据打扎实以后，就在因子加工和筛选上花很大力气，先是保证数据质量，然后是通过各种相关性的线性因果关系等检验技术，帮我们筛选，加工好因子，并且根据不同的场景筛选出来。然后通过不同的机器学习、深度学习和时间序列分析等模型，针对不同的场景去建立模型，建立分析效果。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>这里有一个例子，我们预测不良贷款率会上升，可以一直追踪到它最初的源头，可能是因为工业品价格和消费品价格的剪刀差变差，导致工业企业的利润变差，然后导致了投融资的意愿和不良贷款的情况都会变差。它会去分析根由，而不只是简单的给一个结果，这样的话会帮我们业务更好地去规划下一步的工作。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>另一个例子，通过招聘岗位需求和薪资等等信息，我就可以构建这样的一个指数。这是我们上千个因子中一个，可以看到它跟工业总产值增速是有很强的相关性，指数可以提前1.5个月对该市工业总产值增速趋势进行预测，序列相关系数达到0.7，增加该因子后模型精度提升超过20% &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>如果把全部就业预警指数，还有别的人流数据、车流数据、招投标，主流产品的关注度等，很多类似的因子都结合起来，我们就可以对宏观经济进行预测。我们在这个城市做14项主要经营指标的56项预测，趋势判断的平均准确率为77%，核心指标可以超过80%。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）商品价格波动风险预测</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>我们除了用刚才说的数据之外，还有很多用到了一些遥感、传播运输等数据还有专家观点，这些数据我们可以进行一些自然语言理解的分析和遥感图像的处理，然后我们可以得到一些重要的信息，通过不同模型的融合校正，我们可以预测一些地区的农产品的产量，然后根据这些信息，最终我们可以得到一个整体的商品价格预测。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>五、行业风险预测</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>风险预测的话主要是看短期的景气预判和中长期的周期预测。在短期的景气预判上跟前面讲的步骤和做法差不多，我们要帮助金融机构快速识别这个行业的下行风险，这样就会提前布局我们的投资信贷策略。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>通过类似的步骤，我们可以把底层的数据通过分析校验，把里面的重要因子，以及宏观中观微观的重要因子都提取出来，形成因子库。然后我们根据不同的应用场景去做不同的行业，做核心因子的筛选，这个步骤同样的也是非常重要的，筛选完之后，我们就可以提前预测短期的景气指数以及中长期的周期。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>简单举例，对于中长期的周期研判。我们可以对原始信号进行分解。不是简单的做信号分解，然后就用这个分解出来的结果作为长期周期，而是分解出来得到一些低频的周期因子，然后再通过大数据优化，调整这些因子的组合参数，最终分离出中长期的周期信号。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>对于集成电路产业，利用自研模态分解模型，对目标变量进行信号分解，从众多数据噪声中，提取低频周期因子，测算行业发展周期。通过我们的分解，得到周期低频信号，看到集成电路行业周期大概是6-9年，其中上行通常4-5年，跟专家的观点比较一致。预测到未来还是在一个波动向上的上行期。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>下面我们来看短期的景气运行，可以看到它跟半导体的销售额累计同比指标有比较好的相关性，媒体热度变好的时候，销售额指标会有一定的上升相关性，变差时它会有一个下降的相关性。尽管不是非常贴切地反应情况，但是有很好的相关性，所以我们综合很多这样的类似媒体热度因子，就可以得到整个半导体行业提前一个月的景气度预测。可以看到它跟实际发生的情况也是比较接近的，这可以比较准确的去预测趋势方向，方向精度可以达到比较高的水平。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>六、企业风险防控</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第一个例子是债券投资的例子，我们知道债券市场非常大，最近这几年爆雷的也很多。我们也是一样对底层数据，企业知识图谱数据做分析。我们覆盖了2.2亿企业和个体工商户，其中1.1-1.2亿是现存的。这些构成知识图谱，挖掘出因子以后建立5种模型，然后对这5种模型进行融合、调优，得到最终的一个债券风控总体模型。那么我们不仅是给总分，另外还有5个不同维度的分析，最定位风险的源头，我们的业务才能够真正去决定策略。另外这个模型不能有很高的误报率，否则业务是没法用的。所以误报率要控制在30%以下。那么就可以完成7&times;24小时的全天候的风控，提前3-9个月，在6个月以上就可以预警风险。这是一个结果，就是从19年到今年10月15号违约的有264只，我们可以提前三个月以上成功预警251支，覆盖2000多亿，并且可以一直追溯到源头。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>另外一个就是企业的多种经营风险，企业经营风险也是非常重要的一个指标，对于我们金融机构的很多业务的决策都起到很重要的作用，包括信贷、投资等。如果我们用标准化的因子，通用的传统的标准化的因子来做企业风险的话，有一个问题是场景非常多，不同的场景下对这些因子的需求是不一样的，因此我们是场景化建模，也是场景化选择因子。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>并且我们要用一个非常便利的手段快速地挖掘出所有的企业，不仅是上市企业，发债企业，还有所有的小企业，挖掘出相关信息，因为信息实际上是非常缺失的。我们要用巧妙的方法，而不是一个很庞大的爬虫，快速挖掘出这些相关信息。构建不同领域的持续的时效性好的精度高的数据，然后再挖掘不同场景的各种因子，通过不同场景的筛选，最后建立不同场景的模型。除了分场景模型之外，我们还需要通过关系的传导，发现上下游相似的风险主体，然后可以运用在我们金融机构的定向风险排查，专项审计等场景里。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>对于一家公司，我们可以在20多种特殊风险场景专门给出报告，比如说有裁员风险，投诉风险等，我们都可以自动挖掘，给出风险画像，这样我们的业务人员就可以在出现风险的时候快速采取一些相应的策略。我们现在可以覆盖30多个高新技术产业的大部分实体。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>以上是我们今天介绍的一些例子，是我们在应用人工智能技术、大数据分析在风险防控上做的一些工作。但我们知道风险控制是个非常专业的领域，而且这个领域范围很广，很多风险我们都不知道在哪里。目前我们的技术只能解决一部分问题，但是我们相信随着人工智能大数据技术得到更广泛的应用，我们能够越来越好地利用这些技术帮助风险管理团队更地地控制风险。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020（第十六届）中国金融风险经理年度总论坛系列11：智能风控&mdash;&mdash;肖京《前瞻性金融风险分析》</span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1614160639.jpeg'), array('src' => '/files/expert/expert_1614160645.jpeg'), array('src' => '/files/expert/expert_1614160662.jpeg'), array('src' => '/files/expert/expert_1614160770.jpeg')), 'userId' => '294', 'status' => 'published', 'createdTime' => '1605079383', 'updatedTime' => '1637743396', 'body' => '<p>&nbsp; &nbsp; &nbsp; 肖京，现任中国平安集团首席科学家，集团执委。卡耐基梅隆大学博士，长期从事人工智能与大数据分析挖掘相关领域研究，先后在爱普生美国研究院及美国微软公司担任高级研发管理职务。目前在平安集团负责创新技术及产品研发应用，包括智能化大数据分析等技术在金融、医疗、智慧城市等领域的研发和应用。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '185', 'name' => '王强', 'thumb' => 'public://expert/2020/11-11/14335863630e181104.jpg', 'originalThumb' => 'public://article/2020/11-11/14335869cbe6035958.jpg', 'description' => '深圳前海弘犀智能科技公司创始人，董事长兼首席科学家', 'about' => '深圳前海弘犀智能科技公司创始人，董事长兼首席科学家。卡内基梅隆大学博士。IEEE Fellow，UC Berkeley，清华大学讲席教授，PAMI和TIP责任编委，4届CVPR秩序主席。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp; &nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<h2><span style="color:#000000;"><strong>一、关于</strong><strong>小微</strong><strong>贷款的</strong><strong>难题和痛点</strong></span></h2>

<p align="justify"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 文章《基于边缘计算与类脑学习的小微企业风险建模》将小微贷款的难点概括为信贷欺诈、隐债行为、识别企业经营能力、小微企业风险爆发、小微企业违约成本、小微企业获客、小微企业信贷成本、小微企业建模样本和数据获取难度等八个方面。其中，王强专家提到，因为通过亲戚朋友等熟人的借款是不能在第三方征信或者央行征信中表现出来的，所以如何识别就是隐债的第一个难题。如何评估隐债的严重程度有多高就是第二个难题，借款是否为应急还债，同时隐债突然暴雷，还款能力是否下降。在识别企业经营能力方面，王强专家特别提到，从金融贷款角度出发，包括识别企业现在的经营能力、未来持续的经营能力与违约成本；其次，通过评估净利润与净资产可以评估企业还款能力，进而动态监控的经营能力；再次，基于经营能力的风控逻辑和基于提高违约成本（锁定抵押物、第三方保证）的风控逻辑的如何有机组合最后，提高尽调准确度，而且对尽调人员依赖度低。王强专家认为对于小微企业来说，如何获客是个较大的难题。除流量获客以外，目前应用较多的通过线下中介的潜入金融获客也是常用手段，但成本通常较高。此外，获客的同时如何获得评估经营能力与持续性数据也是难题之一。</span></p>

<p align="justify"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在此基础上，王强专家认为小微贷款目标整体上有以下三点。第一，是否存在信贷欺诈；第二，隐性负债的程度是否符合要求；第三，监控经营账户状况是否恶化，违约成本是否低于贷款额度。</span></p>

<p><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：TGES2020前沿讲座系列-11：金融科技核心技术与应用&mdash;&mdash;王强《基于边缘计算与类脑学习的小微企业风险建模》</span></p>

<p>&nbsp;</p>

<h2 align="justify"><span style="color:#000000;"><strong>二、</strong><strong>关于</strong><strong>小微信贷模型</strong><strong>的</strong><strong>构建</strong></span></h2>

<p align="justify"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>王强专家主要从小微贷关键节点、完整小微模型系列、预授信准确性、产品设计、尽调隐债识别等方面进行介绍。其中，他在完整小微模型系列部分强调，小微信贷模型的构建首先需要有全业务场景模型，即风控模型体系覆盖信贷全业务场景。其次，要有稳定的建模数据源。Y数据源来自金融机构放款历史表现，X数据源以央行详版征信报告为核心，结合企业征信数据、营收预测数据、专有集中数据，申请交叉验证数据、第三方合规合法数据等设计的10000+衍生变量。再次，传统与机器学习建模挑战，LR与机器学习算法互为挑战者，以提升区分度为目标（KS、AUC、Gini）。最后，模型要有稳定性保障，全数据集拟合模型测试，小样本，大数据及拒绝推断，保障模型稳定而非偏执。</span></p>

<p align="justify"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在提到预授信准确性时，王强专家又表示，首先要利用稳定数据源进行历史征信评分，通过7000+维度数据来进行。其中，数据源包括四类，即关键强数据、营销强数据、交叉验证数据、第三方加信、多头、欺诈数据等。其次，利用上述进行建模，同时进行非征信评分预授信。</span></p>

<p align="justify"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>对于产品设计，王强专家介绍到，X为商户标签，Y为需要的数据，Z为产品设计要素，XY数据组合成交互变量、常规变量、哑变量，对Z各要素的影响度建模（占比 or Yes No），最终形成最终产品输出。</span></p>

<p align="justify"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>最后，王强专家还特别提出设计隐债分类器，对隐性负债按照融资渠道或者按照借款用途进行划分。在有效分类的基础上，通过构建模型对隐债进行识别和评估。对于隐债给小微企业偿债能力带来的影响评估包括投资与利润评估、利息数量与高低、现金流状况、行业特征和相似的经营逻辑及社交数据评估。</span></p>

<p><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：TGES2020前沿讲座系列-11：金融科技核心技术与应用&mdash;&mdash;王强《基于边缘计算与类脑学习的小微企业风险建模》</span></p>

<p>&nbsp;</p>

<h2 align="justify"><span style="color:#000000;"><strong>三、</strong><strong>关于机器学习及其应用</strong></span></h2>

<p align="justify"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>王强专家指出，机器学习应用对环境主要有以下要求：第一，负样本占比极小，是均衡学习的算法的主要关键。第二，有标签样本稀缺，从而进行半监督和无监督算法。第三，业务对模型解释性要求偏高。同时对时效性有一定要求，这要求在实际建模中要学会去权衡模型复杂度与精度，并且适当地优化算法内核。第四，业务模型多样。每一个模型都和业务目标有着非常高的联系，因此每一个从业者对业务和模型都有很好的理解，从而为业务定制合适的模型。第五，风控数据源丰富。围绕着人展开的数据皆可用，而数据多样带来的就是新兴技术发展，结构化数据、图像、文本等多个领域的方法都在风控领域有一定应用。</span></p>

<p align="justify"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>王强专家在自动化规则挖掘方面认为，优质策略的制定需要资深的业务经验以及优秀的数据敏感度保驾护航。因此基于单变量分析、双变量分析、多变量分析以及专家思想从经验出发的策略生成，是风控领域最常用的两种方法。</span></p>

<p align="justify"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在对评分卡模型介绍的基础上，王强专家强调对于复杂模型在风控领域的应用，其最大的问题还在于贷前审批对模型的解释性要求极高，因此对于复杂模型解释性的问题，也需要进行额外关注。SHAP作为一种具有一致性的特征贡献评判方法，根据训练样本的子集计算整体模型预测均值，可以提供复杂模型中的特征影响期望。对于复杂模型的解释有很大帮助。</span></p>

<p align="justify"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在项目冷启动部分，王强专家提到迁移模型，其主要作用为对源域样本进行筛选，从而用于目标域的策略辅助决策。因此即使业务需求是在线上部署策略，迁移模型对其线下分析也有很大帮助。而对于初步数据积累的场景，迁移学习大多可以有效地辅助模型进行决策优化。</span></p>

<p align="justify"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：TGES2020前沿讲座系列-11：金融科技核心技术与应用&mdash;&mdash;王强《基于边缘计算与类脑学习的小微企业风险建模》</span></p>
', 'elegant' => array(), 'userId' => '286', 'status' => 'published', 'createdTime' => '1605076949', 'updatedTime' => '1623121901', 'body' => '<p style="text-align: justify;">&nbsp; &nbsp; &nbsp; 王强，深圳前海弘犀智能科技公司创始人，董事长兼首席科学家。卡内基梅隆大学博士。IEEE Fellow，UC Berkeley，清华大学讲席教授，PAMI和TIP责任编委，4届CVPR秩序主席。曾任IBM GBS美国金融设计合作部门总裁、Waston研究院主任研究员，建行核心系统与智能交易系统首席专家、Fiserv东亚及东南亚董事总经理、TCS中国高级副总裁兼首席研究员、大数金融CTO兼首席科学家。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '209', 'name' => '余宙', 'thumb' => 'public://expert/2020/11-12/133242a3fb42220246.png', 'originalThumb' => 'public://article/2020/11-12/133242a9e28f757576.png', 'description' => '阿博茨科技联合创始人', 'about' => '阿博茨科技联合创始人，前海豚浏览器副总裁兼首席产品设计师，拥有10年以上的产品设计和团队管理经验，早期曾多次荣获全球知名软件设计大赛冠军，曾受微软全球大赛邀请到比尔•盖茨家中做客，在2008年北京奥运会圣火接力中担任火炬手。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp; &nbsp; &nbsp; &nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>基于自然语言的可视化搜索引擎</strong></span></h2>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、公司概况</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 介绍一下我们公司&mdash;&mdash;阿博茨ABC，ABC分别代表了 AI人工智能、big data大数据和cloud云服务，是一个覆盖全栈的 AI技术公司，同时也是一个面向业务的数据科技公司。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;我这次分享的主题主要是基于自然语言的可视化的搜索引擎。当面临海量数据时，如何更高效地使用这些数据是我们面临的巨大难题，全球各国也非常关注这一方面的技术前沿，其中我们使用到的三项核心技术，基于自然语言的数据可视化，也在中美技术经营清单的名录中。今年我们也很荣幸被达沃斯世界经济论坛评为2020年的科学技术先锋，同时也在亚太地区IDC成长最快的101家公司中，得到行业内的认可。</span></p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、数问产品和服务</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;很多企业内部的数据都存在&ldquo;脏乱差&rdquo;的问题，这些数据不仅不能成为企业的资产，反而可能会成为负资产，不仅不能带来收益，反而占用存储空间，人效比非常低。因此，数据多并不等于大数据，脏乱差的数据会成为企业的负担。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;ABC所提供的解决方案就是致力于解决覆盖数据全生命周期的一条智能生产线问题，从数据的收集到提取、填报、搜索和最终可视化解决大家的核心问题。之前的数据收集宛如大海捞针，数据分析耗时耗力，数据整理枯燥重复，尤其在金融行业，每天90%以上工作都是体力活，包括整理数据、写报表、做报告等，而只有10%的脑力工作用于风险控制决策。因此，我们核心提供的这些能力，是为了帮助大家从这些日常琐碎的工作中释放出来，有更多的精力注重于需要脑力的事情。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;我们提供的这个产品和服务叫做&ldquo;数问&rdquo;，能够实现一语观天下，让各个企业、各个决策层、风险控制层、运营层从前中后台的角度，对所有数据进行非常直观地治理、查询、报告。它具备几个特点：一是一目了然，能够通过各种各样的可视化的呈现方式，告别单一的静态数据，无需等待数据专家手工添加报表；二是一语中的，只要通过一句语音就可以直接查询到想要的数据；三是一步到位，移动设备可随时访问，查询数据，并对关键移动进行推送和提醒。&nbsp;</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><strong>（一）一语中的</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;我们的一语中的就是可以告别一些非常复杂的报表操作。当大家在外面开会或内部汇报时，可能临时需要获取一些数据进行做决策，这时往往因为不能及时获得数据而只能下一次会议再进行汇报，然而下一次会议可能是在一两个星期之后，这极大地制约了决策速度，也让大家决策的连续性思维受到阻断。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;通过该产品，我们可以通过一句简单的语言很容易地从财报里的数据抽取出来进行搜索，从而进行不同银行间的同业信息对比。我们也可以查询银行内部数据，例如北京东单支行的教育和旅游贷款的金额对比如何，甚至进行东单支行和西单支行这两项指标的对比，也能够非常简单直白地让风控审查人员和决策部门很快地获取这些数据。这一整套系统也可以部署在企业内部，来确保所有数据安全可控，叫做&ldquo;只进不出&rdquo;，公开的数据对内进行推送，对内的数据在数据自己完成之后可以推入我们的搜索引擎，去进行相应的检索。和传统的固定报表相比，它的灵活度变得更高，而不只是静态地呈现。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><strong>（二）一步到位</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;当所有数据查询出来后，往往需要进行各种各样报告的整理、视觉方案的呈现，ABC拥有独特的视觉解析技术，能够把大量报表里的图像和表格还原出来，同时通过机器学习来学习这些图像的绘制方法。我们通过独家的视频和图像解析技术，即使没有任何数据标签、图像和表格比较复杂，也能够把图像里的数字完整地还原出来，这样就使得数据的获取变得更加丰富，这是因为大量的数据不仅仅在数据库中，还藏匿于很多报告中。香港交易所也是我们的服务客户，它的财报里包含有无框表格、繁体中文、英文等内容，我们都可以通过技术手段把里面的数据全部抽取出来，入到数据库里面，最终能够实现一步到位的数据检索。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;它也能学习不同图像的画法，例如当一个刚入职的新人不知道所得到的数据应该绘制成什么样的图表时，就可以通过我们的技术使机器阅读大量历史报告，从而解析出营业收入应该绘制成柱状图，同比应该绘制成折线图。它不需要一个个模型去做配置，只需要给系统灌入大量的报告就可以，所以ABC历史上累计已经训练有3000多万份财务类型的报告。它就像非常成熟的人脸识别技术一样，只是我们把它用于了金融类文档的训练，就使得绘图的引擎变得十分智能。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;另外我们也提供了数据分析的&ldquo;今日头条&rdquo;，能够实现举一反三的关联数据推荐。例如我们搜索的指标中，营业收入总是和净利润相关联，不良贷款总可能要跟资产负债率或者储蓄余额进行相应地对比。以前就是查一得一，而现在能够实现举一反三，当我们去搜一个数据时，就能够推荐更多的相关联数据，同时也能够实现知识沉淀，让整个系统越用越聪明。以前在做数据分析、数据报告时，我们主要依赖人工，人一旦离职，这些经验就会全部被带走。但是现在所有查询信息都会被系统沉淀下来，包括一些风控决策运营部门所关心的问题，以前没有一个统一的渠道能够去进行收集、汇总、整理它们，现在这个系统中能够非常容易地通过方便的工具变相地收集人们的需求，实现整个系统越用越聪明，最后实现精准推荐。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;它缓解了整个业务部门、数据部门、技术部门的痛点。业务部门能够更加及时地获取数据，无需再像以前一样让专门的技术部门运营部查数据，同时也不需要花很多代价去学习一些非常复杂的工具，也不让大家的拓展性思维受到限制。它让运营部门、数据部门可以从众多重复的无业务价值的需求中缓解出来，同时也解决了人员重复流动、培训成本高的问题。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><strong>（三）一网打尽</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;通过我们整个平台底层的能力，能够实现&ldquo;一网打尽&rdquo;。所有数据的来源不仅仅有数据库，同时也包括众多的影像、票据，甚至是一些文档。我们的整个解析中台可以通过自然语言的阅读理解去实现内容的抽取，获取更丰富的数据。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;整套系统已经在香港交易所成功得到应用，港交所现在是我们的服务客户，它的用途就是审核上市公司的公告，包括增发、分红等各种各样的公告类型。一些报告可能不像季报那样标准统一，一些信息，例如一些银行手机APP的活跃度、信用卡的发卡量和哪些商场或者航空公司有联名的卡推出等，都藏匿于文档段落当中。我们就可以通过这项阅读理解的技术，实现在众多几十页、上百页的文档中，回答所提出的问题。最终我们使得香港交易所成功实现了从原来260多人3-5天的监管审核工作，缩减到只需要20个人、两个小时就可以完成。通过我们的自然语言理解，包括对中英文的支持，例如保险公司的一些扫描件、银行票据、发票、医疗票据等影像，都可以被成熟地解析出来，实现所有段落、文本、图像一网打尽。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;来源：2020（第十六届）中国金融风险经理年度总论坛系列5：金融科技创新和展望&mdash;&mdash;余宙《基于自然语言的可视化搜索引擎》</span></p>

<p style="text-align: justify;">&nbsp;</p>
', 'elegant' => array(), 'userId' => '310', 'status' => 'published', 'createdTime' => '1605159185', 'updatedTime' => '1623122772', 'body' => '<p>&nbsp; &nbsp; &nbsp;&nbsp;余宙，阿博茨科技联合创始人，前海豚浏览器副总裁兼首席产品设计师，拥有10年以上的产品设计和团队管理经验，早期曾多次荣获全球知名软件设计大赛冠军，曾受微软全球大赛邀请到比尔&bull;盖茨家中做客，在2008年北京奥运会圣火接力中担任火炬手。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '62', 'name' => '巴劲松', 'thumb' => 'public://expert/2020/12-18/1036408127cf702597.jpg', 'originalThumb' => 'public://article/2020/12-18/10364086fd09273961.jpg', 'description' => '国家金融与发展实验室研究员', 'about' => '金融学博士后，国家金融与发展实验室研究员。曾就职于人民银行总行、中国银监会，担任过中国银监会银行监管一部资本管理处处长、政策研究局监管研究处处长、审慎规制局机构规制处处长。曾具体负责巴塞尔资本协议在我国大型银行的实施落地工作。', 'sticky' => 'index', 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><span style="color: rgb(0, 0, 0); font-size: 16px; font-weight: 700;">论文</span></div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2010，<a href="https://www.yunzhan365.com/49687903.html">分省投资与信贷关系中的&ldquo;门槛效应&rdquo;:审视投资增长的新视角</a>，《金融研究》第05期。</span></span></p>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2007，<a href="https://www.yunzhan365.com/36177390.html">银行向投资者转让贷款债权：合法合理?</a>，《银行家》第12期。&nbsp;</span></span></p>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2005，<a href="https://www.yunzhan365.com/27629820.html">我国资产证券化法制的现在和未来</a>，《中国金融》第14期。</span></span></p>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2003，<a href="https://www.yunzhan365.com/82414996.html">信用涵义的经济解读和法律解读&mdash;&mdash;一个比较的视角</a>，《江西财经大学学报》第04期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2001，<a href="https://www.yunzhan365.com/83367554.html">利率市场化进程中的中国金融业发展走向</a>，《当代财经》第03期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2000，<a href="https://www.yunzhan365.com/39607641.html">从法律角度看我国银行的不良资产</a>，《当代财经》第04期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2000，<a href="https://www.yunzhan365.com/25656149.html">中国国际收支与外汇储备波动趋势</a>，《世界经济》第04期。</span></span></p>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2000，从法律角度看我国银行的不良资产，《上海金融》第03期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2000，<a href="https://www.yunzhan365.com/85120159.html">当前中国国际收支与外汇储备波动趋势</a>，《华南金融研究》第01期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">1999，<a href="https://www.yunzhan365.com/35784847.html">现阶段启动我国经济的对策──兼谈财政政策与货币政策协调运行</a>，《浙江金融》第06期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">1999，<a href="https://www.yunzhan365.com/75227083.html">创业投资的运作机理及其在我国的兴起</a>，《城市金融论坛》第04期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">1998，<a href="https://www.yunzhan365.com/88574157.html">当前香港和新加坡金融界在香港指数期货上的争论及其演变</a>，《青海金融》第12期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">1998，<a href="https://www.yunzhan365.com/47872557.html">欧元启动的经济影响与我国经济金融界的对策思考</a>，《浙江金融》第11期。</span></span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、巴塞尔资本协议的演变和逻辑</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp; （一）三大支柱的逻辑</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 从监管的角度去理解三大支柱的时候，我们会看到它实际上是一个体系。第一支柱实际上是对重大风险以定量的方法进行计算，包括信用风险、市场风险、操作风险。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;第二支柱是将第一支柱中没有覆盖到的风险以及覆盖不全面的风险，作为对于单家金融机构的额外资本要求，放到分子里来计算。第二支柱的本质是全面风险管理。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;第三支柱的逻辑就是引入了市场的激励和约束机制，让银行去强制披露自身的风险信息，这是因为监管机构的人员始终有限，这就需要大部分市场参与者来同时监督和评价银行，对银行的好坏进行区分。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp;&nbsp;（二）从监管角度看巴塞尔协议</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;它是一套规范，一套机制，提供了一个统一的国际银行的监管标准和方法。首先，它是一个资本充足率的监管，形成了约束机制。第二，它以资本为抓手，去促进风险管理。第三，它以资本为枢纽，去平衡股东、经营层和存款者之间的利益，平衡整个金融市场的风险和单体金融机构之间风险的关系。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;它提供了一个公平的竞争环境，因为任何银行都不能逃避监管，都要纳入到资本充足率监管的范畴。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;从巴I到巴Ⅲ的过程是资本充足率计算中分子的质量和数量的提高的过程。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;2017年的《巴塞尔协议Ⅲ》是一个务实策略和技术原则的平衡机制。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp;&nbsp;（三）从银行的角度看巴塞尔协议</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;第一，巴塞尔协议要求计算风险加权资产，它在国际银行界建立了一套国际通用的、以加权方式衡量资产负债表上不同种类资产以及表外业务项目的风险及其资本充足率标准。第二，巴塞尔协议实际上是把风险计量、资本管理和业务管理融合在一起，做成了一个三位一体的一个概念。第三，它提供了一个分母的激励机制，当银行选择更好的客户，有良好的风险计量技术的时候，那么同样的资本就可以做更大的业务。第四，它还是一个分子的约束，任何银行都需要有资本去支撑其业务以及风险。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;从巴塞尔协议实施角度来看的话，它的确是一个系统的工程，从治理到政策流程的再造，再到风险计量模型的搭建、开发验证和审计，它是研发的一个整套的计量工具。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp;&nbsp;（四）带来的制度变革和技术革命</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;从监管的角度去看，巴塞尔协议的实施是一个从定性到定量的风险管理体制的变革；第二个就是它带来了风险管理的体系化；巴塞尔协议实施带来的技术革命是显而易见的，信息数据仓库的建立和先进计量技术的应用是做好风险管理和控制的基础。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、巴塞尔资本协议在我国的实施&nbsp;</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;从治理层面来看，巴塞尔协议的实施面临一些问题和挑战，第一个是模型的更新和迭代；第二个大的挑战就是风险管理和资源管理之间存在&ldquo;两张皮&rdquo;的现象，甚至是多张皮，第三个方面的挑战就是风险管理和业务战略的脱离，如何把风险管理从一个事物层次到战略层次，从事前审批、事后问责，转向前瞻性管理、组合和全局管理，是这个层面所遇到的困难。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;从技术层面可以看到，整个模型的哲学本土化和模型的质量有待提高，第二大的方面就是评级应用的广度和深度不足。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;从金融科技层面看，互联网的风控对于巴塞尔统计模型也会产生一些挑战。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、我国资本监管的框架和要点</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;实施巴塞尔的资本办法的有几个层次，第一个层次是合规层次，即满足它的最低资本要求，包括各类资本的要求，而且要对外进行信息披露。第二个层次是要建立一套风险管理的体系和架构，而且要注重风险权重与回报的平衡。第三个层次就是实施模型法，用内部模型去计量监管资本，把内部管理和监管资本的计量结合起来，但是这个需要监管机构的认可，一个基本的逻辑是：银行建立自己的模型，经过开发、验证、审计三道防线，模型上线后应用到各种不同的领域，包括评审、绩效考核各种不同类型的应用，当银行应用了一种循环机制之后，监管才认可其内部模型可以应用于风险资本的计量。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;在巴塞尔协议实施的时候，监管的原则首先是希望解决&ldquo;两张皮&rdquo;的问题，一方面是把日常的监管和实施资本监管的要求进行融合。第二个原则是要处理不同的关系。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>四、实施建议&nbsp;</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;从建议的角度来看，第一点是实施巴塞尔协议以资本为抓手的目标并不是为资本而资本，而是为了通过资本监管来推动银行的风险管理水平的提升。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;第二点建议就是风险管理的治理和组织架构需要重构，而不是简单的修修补补。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;第三点建议是整个的风险管理需要制度变革和业务流程的再造，而不是仅仅引入评级就能解决，需要把整个信贷管理制度和评级制度融合在一起。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;第四点是要注重模型的构建和后发优势。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>五、资本推动下的金融机构转型</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;一是从规模导向到价值导向；二是从以前的账面利润到经济利润的转变；转变还包括以大论优到以质论优，从控制风险到主动管理风险，从单一的盈利到多元的盈利，从被动定价到主动定价，从一个部门制的银行到一体化的流程的银行，从比例管理到资本管理。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;目前除了6家银行在实施内部模型法之外，也有不少其他的银行用内部模型进行自我管理，在这种自我管理到达一定程度之后，当监管的形势、国际国内的形势发生变化以后，一些优秀银行的内部管理所计量的结果也会逐步得到认可。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;在巴塞尔协议进行变革的过程中，无论是监管标准更严，还是逐步转向市场，管理的逻辑依然没有变化，还是资本除以风险加权资产。在风险加权资产的风险权重的计量过程中，其激励机制也没有发生变化，依然是鼓励银行去选择高评级的客户，选择有更多风险缓释的业务，让风险成本和资本成本变低，用同样的资本去做更多的业务，用资本去抵御非预期损失。虽然我国在实施的过程中会碰到许多棘手的问题，但是依然取得了较大的成果。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;来源：2020周末论坛《从监管角度看巴塞尔资本协议在我国的实施》</span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1609731908.png'), array('src' => '/files/expert/expert_1609731922.png'), array('src' => '/files/expert/expert_1609731933.png')), 'userId' => '45', 'status' => 'published', 'createdTime' => '1561105370', 'updatedTime' => '1636514706', 'body' => '<p>&nbsp; &nbsp; &nbsp; 巴劲松<o:p></o:p>，中国社会科学院金融学博士后，国家金融与发展实验室特聘高级研究员；中国国际经济贸易仲裁委员会仲裁员。</p>

<p><o:p></o:p>&nbsp; &nbsp; &nbsp;&nbsp;具有二十余年金融从业经验，从事过金融立法、监管研究、资本管理、风险管理等专业工作。先后就职于中国人民银行总行、中国银监会等机构，担任过中国银监会法规部立法处副处长、银行监管一部资本管理处长、政策研究局金融监管研究处处长，审慎规制局机构规制处处长等职务；作为起草小组成员直接参加过《人民银行法》《银行业监督管理法》《商业银行法》等法律的起草或修订；在《中国金融》《国际金融研究》《银行家》等期刊发表经济金融、法学论文四十多篇，曾获第二届国际金融青年论坛一等奖（中国国际金融学会主办）、第五届中国博士后经济学论坛优秀论文、新金融研究贡献奖（《经济观察报》2018年主办）。<o:p></o:p></p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '91', 'name' => '黄又钢', 'thumb' => 'public://expert/2020/11-05/104049184fb7769498.jpg', 'originalThumb' => 'public://article/2020/11-05/1040491e23c4343935.jpg', 'description' => '深圳前海弘犀智能科技有限公司联合创始人和首席风险官', 'about' => '深圳前海弘犀智能科技有限公司联合创始人和首席风险官；纽约城市大学金融学硕士，原JP摩根执行董事、Citi Global EVP，数据分析和风控建模领域知名专家，30余年零售银行全产品线的数据分析、建模、应用及管理经验。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px; font-weight: bold;">论文</span></span></div>

<div style="height: 12px; float: left;">&nbsp;</div>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size: 16px;"><span style="color:#000000;">2019，</span><a href="https://book.yunzhan365.com/qpwi/ypyo/mobile/index.html" style="text-decoration-line: none;"><span style="color:#000000;">构建现代金融风险管理机制</span></a><span style="color:#000000;">，《中国金融》第1期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2016，银监会82号文对信贷资产证券化业务影响分析及建议，《债券》第07期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2015，资产证券化业务&ldquo;三足鼎立&rdquo;格局值得期待，《中国经济导报》B03。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2014，动产抵（质）押登记公示及押品管理公司的监管&mdash;&mdash;从钢贸信贷风险教训中探求改革和制度建设出路，《中国银行业》第07期。</span></span></p>

<p style="margin-left: 40px;"><span style="font-size:16px;"><a><span style="color:#000000;">2014</span></a><span style="color:#000000;">，国际评级机构证券公司评级方法比较，《创新与发展：中国证券业2014年论文集》</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2014，《商业银行流动性风险管理办法(试行)》解读，《债券》第04期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2012，券商在债市拥有广阔发展空间，《上海证券报》F07。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2008，国际金融公司赖金昌先生谈《物权法》担保问题，《西部金融》第01期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2007，中国法律下的知识产权质押，《中国金融》第05期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">1990，金融发展理论与发展中国家的金融改革，《国际金融研究》第12期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">1990，发展中国家的金融改革&mdash;&mdash;记发展中的储蓄与信贷国际会议，《中国金融》第10期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">1989，中国通货膨胀问题分析，《管理世界》第02期。</span></span></p>

<p style="margin-left: 40px;"><span style="font-size:16px;"><a><span style="color:#000000;">1988</span></a><span style="color:#000000;">，联邦德国对货币和信贷的控制，《国际经济评论》第07期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">1988，发展中国家的货币政策工具，《金融研究》第04期。</span></span></p>

<p style="margin-left: 40px;"><span style="font-size:16px;"><a><span style="color:#000000;">1985</span></a><span style="color:#000000;">，作为国家发展动力的国有工业企业:两种不同的评估分析，《国际经济评论》第05期。</span></span></p>

<div>
<div>
<div id="_com_1" uage="JavaScript">&nbsp;</div>
</div>
</div>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、长尾客户的人群分类</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）长尾客户的定义与客户信息</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 长尾客户的基本定义是开户6个月以上，但在三年内开户的客户，且当前余额低于1万。对于长尾客户的实际目标是在4个月内余额争取达到5万。零售银行的数据中，首先是客户行为信息，包括在网银、手机银行登录等；还有交易信息，包括转账？消费、理财、三方支付、公共缴费保险等等，转账还包括同名、跨行、行内转账等。而后是行内信息，包括行内基本信息、行内评级、关联企业、产品、代发工资、征信等。最后是资产信息，包括行内资产、储蓄等等。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）长尾客户的分类：结合经验</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>今天我们想强调的是业务经验。在业务经验的前提下，加上一些简单的算法，就可以达到目的。业务经验其实是指银行自己作为专家，在行内发展了多年，有一些直觉可以直接利用，而不仅靠数据分析来进行。业务经验的重要性体现在有扎实丰富的经验时，可以非常快速和准确地指出人群分类的关键维度。二是资产的波动性，平稳相对波动，波动性大的人可能有更大的机会。在这个基础上审视长尾客户，判断哪些人有可能在今后几个月内资产跳升，那么就是目前资产档次相对高，或者历史上相对高，以及资产的波动大的客户，从直观上、经验上就有这种感觉。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）长尾客户分类案例：资产大小与波动性</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>对于资产大小的高中低，资产波动性的平稳和波动，这两个简单的概念实际上谈的都是资产，只不过是从两个角度，一个是目前的状况或者历史上的状况，一个是历史上平稳还是波动。简单的两个维度就可以很有效的把人群分开。采用决策树加上前面两个维度，而这两个维度本身有很多变量，即便是资产高低也可以从不同的角度去考虑，而波动也可以有不同的计算方法，但始终只有两个维度，就可以建造出简单实用的分类图。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、长尾客户的处理：从简单到复杂</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>长尾客户在零售银行里一直是大家头痛的问题，其实一些银行可以从简单的地方开始入手，如果能把高资产人群，中资产波动人群，低资产波动人群首先处理好，可能就可以进一步处理长尾客户的问题。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020（第十六届）中国金融风险经理年度总论坛NO.3：零售金融与小微企业金融&mdash;&mdash;黄又钢《长尾客户的人群分类》</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、风险定价和风险定额的概念和实际操作</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）风险定价和风险定额</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>风险管理流程大框架主要有风险识别、数据收集、风险评估、风险策略、执行落地、监督改进。风险定价与风险定额是属于风险策略的范畴，但是与风险评估紧密相关，特别是量化的风险评估。在风险评估的基础上，也即有了风险模型之后，才有依据风险程度的价格制定，及进一步的贷款额度的确定。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>风险控制的核心是评估和策略的结合，风险评估即风险测量，主要通过评分卡来预估风险。而风险策略在贷款中主要通过利息、额度和期限三个维度来控制。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）具体实操</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>具体实操中，风险定价是依据评分卡对人群的坏账率的预测，考虑成本和利润的因素之后，综合制定的利率。利息（价格）= 坏账率 （风险） + 成本 + 利润，其中，成本和利润可能不是固定数，不同人群可以有不同的成本和利润率。而风险定额是指在风险定价之后，进一步考虑还款能力，贷款需求，及利润之后，确定的贷款额度。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020（第十六届）中国金融风险经理年度总论坛NO.13：经济资本、风险偏好和限额管理&mdash;&mdash;黄又钢《风险定价和风险定额的概念和实际操作》</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>四、小微贷款风控模型中的算法探索</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）股票市场与信用贷款市场的比较</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>股票市场上，每家公司必须有财报，它的格式和框架是一致的。财报的数据是标准的，业绩等信息发布的时间和周期是确定的，我们可以确切的得到股票市场里的许多重要信息。其数据具有标准化、周期化的特点，来源包括上市公司财报、股票价格分析等。而信用贷款领域更多关注企业和个人，包括银行期望、企业个体及其上下游关联方、风险的评判等，其数据来源包括起源的工商、税务、发票、银行流水、水电煤费等，以及个人端的征信、第三方评估、银行信贷等数据。就分析维度而言，股票市场强调价格与数量分析，而信用贷款市场主要强调信贷的风险程度、利率、规模、期限等。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）机器学习算法概述</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>机器学习是AI的分支，现在机器学习有非常成熟的算法。机器学习所涉及的算法主要包括深度学习、集成算法、神经网络、正则化算法、回归算法、贝叶斯算法、决策树算法、降维算法、实例算法以及聚类算法。但是在美国机器学习的运用存在黑匣子的问题，即研究团队在后端可以用机器学习分析，但难以运用于实操。就法律规范而言，一个风险管理模型的选择必须具备可解释性，但基于机器学习算法的模型却很难做到。基于此，美国目前在信用贷款领域能够落地实施的基本只有基于回归算法的评分模型。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）算法及应用探索</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>首先，在建模方式上采用双轨模型。所谓双轨模型指同时建立传统模型以及机器学习模型，从而同时发挥两者优势，一定程度规避各自缺陷。传统模型具有可解释性强、稳定性强的特点，而机器学习模型则具有精确度高、拟合速度快的特点。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>针对人群分类采用的常用算法包括决策树算法以及聚类算法。决策树算法所涉及的特征变量数量较少，主要起到监督作用。聚类算法则表现为&ldquo;黑匣子&rdquo;的属性，本质上为无监督状态。就实际操作层面而言，人群分类第一步是构造人群分类，主要同时运用决策树算法与聚类算法进行。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>混搭的概念在统计里早有应用，比如两种算法相互匹配，相互兼容，相互嵌入等。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>算法探索的创新方面有两个思路。一是在单一算法层面，从数学角度和计算机角度，产生新的突破。二是两种（或多种）算法的相互嵌入和混搭形成新的算法。比如XGB 算法的构造过程。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>当前中国风控领域，特别是银行针对小微企业的贷款业务，不管哪家银行，总体还是处于比较初级的风控阶段，大多数银行还是以规则为主，主要包括准入规则。而价格定价层面的工作仍不够充分。就定价层面而言，根据风险的定价环节还存在很大的提升空间，同时，针对风险规定的额度则更存在提升空间。作为人群分类的细分，银行对贷款定价的考量主要还是从产品渠道角度出发，而不是从客户的本质角度或者企业的本质角度去考虑问题，所以总体而言提升的空间还比较大。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020TGES系列论坛-07：投资银行业务、私募投资与风险管理&mdash;&mdash;黄又钢《小微贷款风控模型中的算法探索》</span></p>

<p style="text-align: justify;">&nbsp;</p>
', 'elegant' => array(array('src' => '/files/expert/expert_1614311272.jpg')), 'userId' => '190', 'status' => 'published', 'createdTime' => '1604544080', 'updatedTime' => '1636524237', 'body' => '<p>&nbsp; &nbsp; &nbsp; 黄又钢，深圳前海弘犀智能科技有限公司联合创始人和首席风险官；纽约城市大学金融学硕士，原JP摩根执行董事、Citi Global EVP，数据分析和风控建模领域知名专家，30余年零售银行全产品线的数据分析、建模、应用及管理经验。</p>

<p>&nbsp; &nbsp; &nbsp;&nbsp;1990年，美国纽约城市大学金融经济学专业读书</p>

<p>&nbsp; &nbsp; &nbsp;&nbsp;2000年，加入国际金融巨头花旗银行担任花旗银行高级副总裁，对在线上支付、信用卡、零售银行、贷款等领域研究颇深</p>

<p>&nbsp; &nbsp; &nbsp;&nbsp;2010年，加入际顶尖金融巨头摩根大通担任执行董事，并负责其数据分析团队</p>

<p>&nbsp; &nbsp; &nbsp;&nbsp;2020年，创办金融科技公司弘犀智能，担任首席风控官</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '141', 'name' => '李春萌', 'thumb' => 'public://expert/2020/11-09/140014e8079e686204.png', 'originalThumb' => 'public://article/2020/11-09/140014edb8a5631824.png', 'description' => '阳光人寿保险股份有限公司数据管理部总经理', 'about' => '现担任阳光人寿保险股份有限公司数据管理部总经理。曾任Teradata技术顾问、IBM咨询顾问、搜狐畅游商业智能总监。致力于保险行业以及金融行业的大数据整合、大数据应用等工作，在大数据反欺诈、大数据营销、大数据精准定价方面有着自己独特的见解与方法论。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp;&nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<h2><span style="color:#000000;"><strong>一、</strong><strong>关于传统保险行业的风险管控</strong></span></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 论文《大数据助力保险风险管控》（2018）指出保险业传统的风险管理工作受限于行业经验、数据质量、风险成因及相关技术的客观和现实条件，工作模式和内涵长期没有实质性的改变。同时强调，如何提高保险业的风险管理水平、转变发展方式，健全完善风险识别、计量和应对能力，是当前形势下保险业亟待突破的瓶颈。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;来源：《审计观察》2018年01期</span></p>

<p>&nbsp;</p>

<h2><span style="color:#000000;"><strong>二、</strong><strong>保险科技的发展</strong></span></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 《大数据助力保险公司价值转型&mdash;&mdash;阳光人寿在大数据、人工智能的实践与探索》（2020）一文中指出自2016年&ldquo;保险科技&rdquo;被提出以来，在近几年保险科技这一领域，投入的人员、资金、以及产生的价值已经逐步被释放出来。并且保险科技也越来越被广泛关注，尤其受到新创公司（孵化器）的青睐。与此同时，保险科技的发展也正在颠覆传统保险行业，典型的是寿险和财产险。而寿险和财险又有很大不同，因为寿险的标的是人，需要有效地收集人的数据，国内也有类似业务，即通过健身追踪服务，收集客户健身、健康状况，以此来给予不同程度的保费优惠政策。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;来源：2020（第十六届）中国金融风险经理年度总论坛NO.15：保险公司风险管理&mdash;&mdash;李春萌《大数据在保险行业的应用&mdash;&mdash;大数据助力保险公司价值转型》</span></p>

<p>&nbsp;</p>

<h2><span style="color:#000000;"><strong>三、</strong><strong>关于大数据下的保险风险管控</strong></span></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 李春萌专家表示，随着大数据时代的来临，相关技术和条件得到了比较大的改善。数据基础以及分析基础等因素共同促进，为传统风险管理提供了创新突破的手段，这将助力保险公司的风险管控从风险识别、风险评估、风险监控三个环节得到全方位的提升。其中，李春萌专家指出，识别工作是风险管理最基础，也是最难做的一步。风险识别的好坏将决定风险管理工作的广度、宽度和深度，需要不断探索和尝试。此外，结合大数据及相关技术，可以区别利用数据，根据不同数据的属性去评估风险，评估风险对于公司的正常运营情况、运作模式的影响，以及具体的风险因素，分析归纳风险概率、触发条件。再者，利用大数据和相关技术，在制定出风险识别规则和风险量化规则后，即可基于风险规则、风险因子对所管辖的风险进行定量化、实时的监控，满足日常的查阅、跟踪。同时根据量化和监控数据，定期更新风险规则、迭代风险因子与目标风险的关联性，进而不断扩大监控范围，建立起对于衍生风险的监控能力。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;对此，李春萌专家进一步提出基于大数据的风险管理方案，为亟须建立基于大数据的保险公司风险管控架构提供借鉴。整体方案包括数据、规则、平台和管控四个层级，层级关系相互递进，由数据准备开始，通过规则确立、平台搭建和配套管控措施的制定，落地基于大数据的风险管控方案。这将有助于传统保险风险管控的能力的升级和跨越。第一是数据层面，需要建立完备的与风险相关的数据基础，关键是拓展外部数据合作获取渠道，收集、存储和处理来自多个来源的大量不同数据，并与内部数据相结合，产生&ldquo;数据合力&rdquo;。第二是规则层面，需要对已有业务风险管理的经验和规则进行充分的梳理和提炼，关键是通过对大量数据指标的分析，归纳得到风险与风险因子集合，辅助风险识别的量化规则的制定。第三是平台层面，需要搭建配套的信息化或数据平台，为整体解决方案中数据、规则、识别、监控、应对提供自动化和智能化的支撑，关键是让业务一线真正体会到数据释放出的价值，整体上包括三部分，即外部数据接入平台、风险分析平台和风险监控平台。第四是管控层面，关键是建立全面的风险视图，全面监控已发生风险和潜在新风险，以实现对风险识别、分析评估、应对全过程的监视和控制，辅以进行风险影响评估和风险溯源，不断迭代优化。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;但是在大数据风控的应用过程中，李春萌专家强调仍面临诸多问题、困难和挑战，主要体现在数据数量、数据质量和场景落地应用三个方面。首先是数据数量问题，金融公司普遍缺乏统一的信息规划，各系统之间相对独立，存在数据孤岛现象。其次是数据质量问题，大数据允许不够精确的混杂数据&ldquo;噪音&rdquo;存在，但数据量迅速扩大时，&ldquo;噪音数据&rdquo;占比会进一步扩大，最终影响决策的准确性。最后是数据与金融风险场景结合问题，尽管有了风险大数据处理手段，仍需要将风险数据分析结果与金融行业风险需求场景、风险管控流程和体系结合，才能真正发挥大数据风险管控的价值。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;来源：《审计观察》2018年01期</span></p>

<p>&nbsp;</p>

<h2><span style="color:#000000;"><strong>四、</strong><strong>关于大数据下保险公司的价值转型</strong></span></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;李春萌专家在《大数据助力保险公司价值转型&mdash;&mdash;阳光人寿在大数据、人工智能的实践与探索》（2020）一文中表示，保险行业在高速增长的背景下仍然存在诸多问题，比如产品定价模式非常单一；销售模式仍通过加大营销费用的投入来扩大规模；行业整体诚信水平有待提高；不实告知情况存在、欺诈风险高；服务时效慢、纠纷多；数字化范围虽广，但应用浅等。针对这些问题，保险科技也不能够全部解决，但是却可以在重点领域中加大投入，由易到难去做。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;此外，文章《大数据在保险行业的应用&mdash;&mdash;大数据助力保险公司价值转型》（2020）进一步指出保险科技助力保险公司价值转型的具体方向。保险科技可以给保险业务价值链整体赋能。大数据和人工智能这两项技术，可以赋能产品，销售，承保，理赔，服务整个流程，到目前已经积累了很多相关的应用案例，比如说现在产品的差异化定价，销售的精准营销，承保的模型识别，理赔的反欺诈，服务时效提升减少客户的投诉等等。实际上现在保险的各个流程领域很多都在通过科技来实现赋能，改变，甚至是颠覆。最终助力保险公司转型就是使得产品更加简单，费率更加公平，流程更加透明，服务更加便捷。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;来源：2020（第十六届）中国金融风险经理年度总论坛NO.15：保险公司风险管理&mdash;&mdash;李春萌《大数据在保险行业的应用&mdash;&mdash;大数据助力保险公司价值转型》，《风险管理》2020年04期</span></p>

<p>&nbsp;</p>

<h2><span style="color:#000000;"><strong>五、</strong><strong>关于大数据下寿险业务模式的展望</strong></span></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;李春萌专家指出，保险科技下，从定价到渠道到服务到风控整个流程形成闭环。第一，从风控和定价开始，基于大数据的风险量化管理将成为必然。核保核赔，销售误导，非法集资等内外部风险逐渐可控，实现精准风控，基于客户真实需求的非标和个性化产品将越来越多，产品创新，一人一价，实现精准定价。第二，渠道方面，销售渠道多线并举，线上线下高度融合，渠道费用合理化。渠道费用理性化，基于产品创新和客户洞察的营销活动深度开展，实现精准营销。第三，服务方面，基于客户洞察的个性化、场景化服务成为趋势，基于衣食住行的投保，理赔，保全和客服等自动化和智能化保险服务能力逐渐提升，实现精准服务。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;来源：《风险管理》2020年04期</span></p>
', 'elegant' => array(), 'userId' => '242', 'status' => 'published', 'createdTime' => '1604901686', 'updatedTime' => '1636524870', 'body' => '<p>&nbsp; &nbsp; &nbsp; 李春萌，现担任阳光人寿保险股份有限公司数据管理部总经理。曾任Teradata技术顾问、IBM咨询顾问、搜狐畅游商业智能总监。致力于保险行业以及金融行业的大数据整合、大数据应用等工作，在大数据反欺诈、大数据营销、大数据精准定价方面有着自己独特的见解与方法论。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '218', 'name' => '周瑾', 'thumb' => 'public://expert/2020/11-12/152350677f59889080.png', 'originalThumb' => 'public://article/2020/11-12/1523506e3b90232313.png', 'description' => '普华永道金融行业管理咨询合伙人', 'about' => '普华永道金融行业管理咨询合伙人，金融风险管理师（FRM），擅长于战略规划、组织管控、风险管理、公司治理、运营与流程、资产负债管理和投资管理，兼职担任多项职务，包括中国金融风险五十人论坛（CFR50）成员、中国保险资产管理业协会资产负债管理专委会专家委员、中国保险保障基金特聘保险行业风险评估专家等。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px; font-weight: bold;">论文</span></span></div>

<div style="height: 12px; float: left;">&nbsp;</div>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px;">2012，风险偏好体系：框架、方法和领先实践，《风险管理》第2期</span></span></p>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px;">2013，业务连续性管理（BCM）&mdash;&mdash;金融机构如何防患于未然并在危机中求得生存，《风险管理》第1期</span></span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2><span style="color:#000000;"><strong>一、关于风险偏好体系</strong></span></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;在《风险偏好体系：框架、方法和领先实践》（2012）中，周瑾提出：风险偏好是建立于全公司层面的反映了董事会和高管层愿意承受的风险程度的总体观点，反映公司对风险的基本态度。对于金融机构而言，风险偏好必须实现盈利、风险和资本的有效平衡。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;风险偏好体系应包括三大机制：形成机制、传导机制和跟踪调整机制。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 在风险偏好形成过程中，最重要的工作就是对利益相关方期望进行分析。在分析过程中，通常采用&ldquo;自上而下&rdquo;和&ldquo;自下而上&rdquo;相结合的方法。金融机构一般采用基于定量模型基础之上的界定方式，而对于无法或难以用经济资本方式描述的风险类型，一般用定性的方式进行描述，并通过一定的软限额或定性标准，设定风险容忍度水平。对风险容忍度和目标风险轮廓的界定还要制定风险偏好陈述书并进行动态调整。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;在进行风险偏好传导时，定量的容忍度指标需要进行分解，可以通过量化的分析和模型计算进行分解。盈利类指标的分解就是预算管理的内容，但需要充分考虑到资本和偿付能力对盈利能力的约束条件；对于非盈利类定量指标，若从资本角度设立，仍采用经济资本或风险价值的理念进行分解，若从其他角度设立，则采用诸如敞口/头寸限额、流动性比率、敏感性限额等方式进行传导。对于定性的容忍度指标，常常用到关键风险指标来实现日常管理，更多从监管要求的角度或基于管理经验来设定。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;风险偏好指标在执行实施一段时间后，需要进行重检。通常，这项工作与公司的预算管理及业绩考核一并进行。在遇到突发事件和市场或监管巨变时，也需要及时对风险偏好陈述的适当性和合理性进行重检，必要时进行调整。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;来源：《风险管理》杂志2012年第2期</span></p>

<p>&nbsp;</p>

<h2><span style="color:#000000;"><strong>二、关于业务连续性管理</strong></span></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;周瑾就金融机构如何进行业务连续性管理、保持业务连续性，在《业务连续性管理（BCM）&mdash;&mdash;金融机构如何防患于未然并在危机中求得生存》（2013）中提出：近年来，保持业务连续性已成为各国金融机构关注的重点，而中国广大金融机构的业务连续性管理还存在很多问题，主要体现在：基础制度不健全；缺乏业务影响分析、风险评估等业务连续性管理的有效工具；未建立完整的业务连续性计划和应急预案体系；未建立常态化的业务连续性演练机制；在制度、人员和流程方面的安排和演练不够。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;完整的业务连续性管理解决方案，应全面涵盖业务连续性管理组织架构、政策制度体系、管理方法和工具等各项内容。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;业务连续性管理组织架构需要从日常管理及应急处置两个维度进行明确，前者主要包含董事会、高级管理层及各相关部门三个层次，后者主要包括应急决策层、应急指挥层、应急执行层和应急保障层四个部分。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;业务连续性管理的工具和方法包括业务影响分析及风险评估、业务连续性计划及应急预案、业务连续性演练。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;业务影响分析及风险评估通过对机构业务活动和关键资源的系统性分析，从而有效帮助机构明确业务连续性管理的重点，主要包含三个方面：识别重要业务、重要业务影响分析及风险评估。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;业务连续性计划包括：应急处置组织架构；突发事件等级定义；业务及风险信息；备份资源说明；业务连续性计划维护记录；对剩余风险的评估和说明等；应急预案内容包括：涉及的事件类型或风险类型；该预案中涉及的应急组织架构和架构中各部门、人员在计划中的角色、权限；信息传递路径和方式；事件处置机制和具体操作步骤等。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;一个合理详尽的演练计划有助于参与人员更好的理解和执行演练事项，达到良好的演练效果。同时，基于演练计划内容有序组织业务连续性演练实施工作，也是演练成功的重要基础。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;来源：《风险管理》杂志2013年第1期</span></p>

<p>&nbsp;</p>

<h2><span style="color:#000000;"><strong>三、关于打造数字化时代的智能风险管理平台</strong></span></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;关于保险行业风险管理数字化和智能化的趋势及数据平台，周瑾提出：保险行业的风险管理能力发展完善可以归结为三个阶段。第一是规范化阶段，以满足监管合规要求为主要目标，建章立制，重点是建立风险管理的组织、制度和流程体系，分析与管控以手工或excel工具为主。第二阶段是自动化，以改变纯手工操作，建立风险管理信息系统为主要标志，并实现定期的风险自评估、指标监测分析以及风险管理报告等。第三阶段是智能化，以实现主动风险管理为目标，积极引入ABCD等新兴技术，注重数据分析与决策支持的价值，探索风险管理前置的模式。而保险行业进一步推动智能风控体系和能力，需要围绕着应用场景、算法模型、数据驱动和文化变革四个角度来推进。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;第一是应用场景。保险行业的风控应用分为十大场景。在选择智能风控应用场景和投资领域上，保险公司需要基于不同技术的成熟性和其带来的现实价值，考虑优先排序。要从投入-产出和价值回报最大化的角度去进行取舍。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;第二是算法模型。智能风险管理平台未来需要不同类型算法模型支撑，首先是常规的统计分析，尤其以回归分析为主。其次是机器学习和深度学习，一些线上的产品与业务模式，因为有大量的数据去训练，且有很明显的回报价值，所以可能也会运用这些复杂的模型算法。算法模型的选择，更多要考虑的是算法是否匹配数据基础和应用场景，并以实际效果作为判断标准。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp; 第三是数据驱动。数据对风控、对客户价值挖掘和营销价值重大，因此数据基础工作必须要有持续而坚定的投入，需要科学地看待数据工作的底层性和长期价值。在具体的处理方式上，可以基于分阶段的数据库和平台的搭建，实现一些短期成效，看到速赢效果，才可以展现给管理层以信心。 </span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;第四是文化变革。保险公司应将风险文化融入到内部的各层面和环节中，将其融入员工的行为准则与行为习惯，贯彻到公司各种实际工作中。需从保险公司战略转型和业务创新的目标出发，先整合第一、二和三道防线的数据，统一数据标准，然后推动第二道防线的作业前移，致力于构建风险管理部门与业务前线部门新型的合作伙伴关系，打造获客风控一体化的模式。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;风险管理的进阶发展需从以上方面入手，解决数据滞后、信息孤岛、指标静态、管控被动等问题，搭建新一代的智能风险管理平台，实现内部风险管理的智能化升级，并真正实现风险管理的价值。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;来源：2020（第十六届）中国金融风险经理年度总论坛（11月）</span></p>

<p>&nbsp;</p>
', 'elegant' => array(), 'userId' => '319', 'status' => 'published', 'createdTime' => '1605165888', 'updatedTime' => '1639730639', 'body' => '<p>&nbsp; &nbsp; &nbsp; &nbsp;周瑾先生是普华永道金融行业管理咨询合伙人，拥有近20年的专业服务经验，擅长于战略规划、组织管控、风险管理、绩效提升、运营与流程、投资管理、以及科技驱动的数字化变革等，服务的客户覆盖60多家保险机构、20多家银行、近20家资管机构，以及超过10家金控集团。</p>

<p>&nbsp; &nbsp; &nbsp; &nbsp;周先生深入参与保险行业监管研究与规则制定，主题包括：偿二代（负责风险管理要求和评估监管标准制定课题，参与集团监管、投资风险最低资本计量等课题）、系统重要性保险机构（联合负责规则制定和行业数据测算）、资金运用（参与中资协若干研究课题，编写并出版报告）、资产负债管理（负责保险资产负债管理内审标准制定）、公司治理、大数据合规（作为副主编参与编写报告并出版）。周先生曾全程参与某国有银行历时4年的股改、引战和上市的全过程，积累了丰富的现代金融改革与资本市场的经验。</p>

<p>&nbsp; &nbsp; &nbsp; &nbsp;近年来，周先生关注科技驱动的金融机构的战略转型、组织管控、数字化、客户画像、交叉销售、大数据风控、国际化战略等主题，为互联网企业、保险和资管机构等提供相关咨询建议，于2018年参与主编《保险公司合规管理与大数据应用》，近期主导编写发布了《中国保险中介行业发展趋势白皮书》、《中国家庭保险账户白皮书》、 《寻找创新变革之路，实现长期价值增长&mdash;&mdash;人身保险公司转型突围的战略路径》、 《战略转型中的险企如何御&ldquo;风&rdquo;前行：风险管理的新定位、新策略和新模式》、 《中台思维下的险企核心能力重塑》、《突围升级，数字化助推后疫情时代保险行业渠道转型》、《谋定后动，顺势而为，金控监管新时代的应对之策》等系列研究报告。</p>

<p>&nbsp; &nbsp; &nbsp; &nbsp;周先生曾公开发表约30篇专业论文和研究报告，多次应邀为银保监会、中国保险资管业协会、中保协及各大金融机构提供培训服务，并受邀经常在大型会议上发表演讲和分享观点。</p>

<p>&nbsp;</p>

<p><strong>专业资格</strong><br />
&bull; 金融风险管理师（FRM） &bull; 中资协资产负债管理专委会专家委员<br />
&bull; 中保协中国保险网络大学特聘课程研发专家<br />
&bull; 中国金融风险五十人论坛（CFR50）专家成员<br />
&bull; 中国保险保障基金保险行业风险评估专家</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '283', 'name' => '靳晋', 'thumb' => 'public://expert/2021/12-02/153002a99867269820.jpg', 'originalThumb' => 'public://article/2021/12-02/153002ac5d28248115.jpg', 'description' => '清华大学计算机学士，硕士，多伦多大学计算机博士', 'about' => '清华大学计算机学士，硕士，多伦多大学计算机博士。现供职于美国富达投资集团，负责全球资产量化投资研究。之前供职于加拿大养老基金投资集团，负责4000亿美元的资产配置和风险管理。他是美国注册特许金融分析师(CFA)和风险管理师(FRM)。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp;&nbsp;</p>
', 'attachachieve' => '<p>&nbsp;&nbsp;</p>
', 'viewpoint' => '<p>&nbsp;&nbsp;</p>
', 'elegant' => array(), 'userId' => '1214', 'status' => 'unpublish', 'createdTime' => '1638430211', 'updatedTime' => '1638430211', 'body' => '<p>&nbsp; &nbsp; &nbsp; &nbsp;清华大学计算机学士，硕士，多伦多大学计算机博士。现供职于美国富达投资集团，负责全球资产量化投资研究。之前供职于加拿大养老基金投资集团，负责4000亿美元的资产配置和风险管理。他是美国注册特许金融分析师(CFA)和风险管理师(FRM)。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '120', 'name' => '陈勇', 'thumb' => 'public://expert/2020/11-06/115723301937660449.jpg', 'originalThumb' => 'public://article/2020/11-06/115723332b56154726.jpg', 'description' => '中国民生银行总行风险管理部风险计量模型验证中心主任', 'about' => '中国民生银行总行风险管理部风险计量模型验证中心主任，香港大学MBA，CFA、FRM持证人，曾在上海银行、上海农商银行、穆迪分析从事巴塞尔新资本协议实施及咨询工作，擅长领域包括信用风险内部评级法实施、压力测试实施与评估、风险模型验证、模型相关管理政策制定等。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp;&nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、从监管驱动到管理驱动&mdash;&mdash;精细化信用风险压力测试实践&nbsp;</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）监管压力测试要求回顾及常见做法</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; <strong>&nbsp;&nbsp;</strong></span><strong>1、监管信用风险压力测试要求回顾</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 1997年亚洲金融危机之后，压力测试被作为一个管理工具引入风险管理过程之中，而其被列入监管工具层面是在市场风险受到密切关注后，2004年巴塞尔新资本协议（巴Ⅱ）正式发布，其中第二支柱涉及了压力测试要求，2009年，巴塞尔委员会发布《稳健的压力测试实践和监管原则》。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>2004年12月中国银监会发布《商业银行市场风险管理指引》，压力测试正式进入国内监管法规，2007年发布了《商业银行压力测试指引》作为压力测试的专项指引。2012年，随着《商业银行资本管理办法（试行）》的发布，对应巴塞尔协议要求的内评压力测试、ICAAP压力测试正式被列入更高级别的监管法规中。在此之后，一些专项风险管理监管细则陆续发布，从《商业银行并表管理与监管指引》到《银行业金融机构全面风险管理指引》等，都有对压力测试提出要求。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp;<strong> &nbsp;&nbsp;</strong></span><strong>2、监管信用风险压力测试常见做法</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>就压力测试具体方法而言，银行内部对于&ldquo;自上而下&rdquo;&ldquo;自下而上&rdquo;的概念与监管机构之间存在一定的差别，监管机构的&ldquo;自上而下&rdquo;主要是指组织形式上由监管机构往下组织金融机构开展压力测试，而金融机构内部的&ldquo;自上而下&rdquo;是从方法论角度理解的，从总体或行业层面开展压力测试，传导到客户层面。技术框架上多会采用Wilson模型、多元回归，包括情景分析与敏感性分析。情景分析中的承压指标，多数是采取不良率，个别机构会使用违约率进行转换，最终压力传导至资本充足率上。模型敞口划分方面，对公贷款会进行单独的压力测试，零售贷款、信用卡透支、房地产专项也各有要求，有的银行也会对零售贷款、对公贷款、信用卡透支合并使用统一的宏观Wilson模型。测算口径以表内为主。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>目前压力测试实践存在的问题：一是模型细分不够，二是支持应用能力不足，三是模型解释力不足。有时为了在规定时间内满足监管的要求，参测机构会把完成任务放在第一位，容易忽视模型细分精度的问题。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）精细化信用风险压力测试实践</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp;<strong> &nbsp; &nbsp;&nbsp;</strong></span><strong>1、精细化信用风险压力测试实践</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>一是在细化压力测试模型的过程中，需要考虑选择哪些风险计量指标，一般来说，指标有不良率、违约率、逾期率、违约损失率、风险暴露等。二是最终考虑的目标是建立一个全敞口覆盖的压力测试模型体系，包括对公/零售信贷业务、标准化债权业务、非标债权/股质业务等，都能有细分的模型。三是在方法论上计划建立压力测试计量模型技术库，既涵盖宏观压力测试，又涉及财务传导模型，也关注重点行业专项压力测试，以及基于外部行业风险数据信用周期模型。四是在压力测试传导结果分析方案中，会考虑EL（预期损失）、NPL（不良贷款损失率）、RWA（风险加权资产）。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; <strong>&nbsp;&nbsp;</strong></span><strong>2、自上而下压力测试模型构建</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>对于自上而下的压力测试模型，主要采用Wilson和Merton两种方法，它们的宏观变量基本一样，并且采取相同的架构 。根据监管要求时间的不同，对模型划分进行了区别对待。例如监管压力测试模型中，民生银行对公业务建立了10个敞口的模型，对内部管理细分了21个敞口（对制造业与批发零售业进行细分）；房地产专项根据监管的要求设定了7个敞口，零售则是分了3个；标准的零售业务分有6个敞口；而金融市场业务中，信用债划分有3个敞口。在此划分基础上，采用不同的承压变量。基于对监管调整的考虑，需要不同的标签，比如不良率，由于每家银行判断的不同、监管的变化，这个标签需要动态追溯过去的数据。对应21个细分模型，结合表内、表内外合并口径的不同承压指标，总体上有超过200个模型，单一实施一次对公信贷表内、表外业务压力测试就有42个模型。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;<strong>&nbsp;</strong></span><strong>3、自下而上财务模型构建</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>自下而上是财务传导模型是从客户财务报表出发进行压力测试。由于有些压力测试模型对应敞口的违约数据不够或没有，无法基于历史违约数据系列建立WILSON模型，最后开发了基于评级模型的财务压力测试模型，对划分行业敞口的财务报表进行分析并建立压力测试模型。财务指标包括销售收入增长率、销售成本增长率、销售与管理费用的增长率、负债利息的费用增长率等。对于评级模型来说，同样评AAA、AA，在不同年份所对应的违约率是不同的，评级符号代表的违约是有波动的。在建立财务模型以后，将其传导评分模版，如果发现它不是很敏感，则需要进一步通过增加行业周期调整因子进行评级调整，即将评级违约率波动做成与宏观有关的行业调整因子，两个因子合在一起，构造自下而上的财务模型。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp;<strong> &nbsp;&nbsp;</strong></span><strong>4、宏观情景设置框架与指标体系</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>对于宏观情景，国内监管采用了5-7个宏观指标，将这些指标应用到细分行业模型会产生难以建立一个具有解释度、参数合理的模型的问题。因此在实践中，民生银行选择了将近80个宏观指标作为指标长清单来建立行业细分模型，并且为了解决监管所给指标过少，而本行采用指标多的问题，另建立了用于过渡的宏观传导模型，用宏观指标先传导至驱动因素指标，再由驱动因素指标传导至被驱动因素指标，最终建立一个分层模型，保证在只有GDP一个核心指标的情况下，也能推出50个宏观因子指标，然后将其中的二三十个指标应用到细分Wilson模型，并用到细分行业上。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）实施过程中的一些思考</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第一是多类型的压力测试能否统一？就银行实务操作而言，有内部资本充足率压力测试、监管压力测试、减值宏观前瞻模型、整体压力测试等多种类型的压力测试，能否统一用一套模型替代？但由于现实中建立模型目标不同，这种统一使用一套模型我们认为较难实现。以减值宏观前瞻模型为例，它分为好、中、差三个情景，对应发生概率较高的可以达到10%-30%，其旨在追求模型的稳定性和预测的无偏性，比起常规压力测试模型，减值前瞻模型更像是一个预测模型。因此在多数情况下，对模型结果弹性的要求不能太高，从而不会由于某些因素的变化，造成模型结果变化过大，模型挑选的方向是不一致的。对于监管压力测试、减值宏观前瞻预测模型等，通常选择逾期90天不良率作为承压指标，而做内部压力测试会选择不一样的目标，比如30天逾期率，受人为因素、管理措施影响较少，能比较好的通过模型预测它的发生率，在对应的管理措施落实以后，才会转化成90天不良率或是违约。如果目标不一致，整个用一个模型来实现比较难。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第二是要建立适合银行自身压力测试应用目标的标签，并且保持历史数据的一致性，保持数据当前定义的口径，包括敞口、不良率、预期损失等。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第三对于低违约敞口，可以借鉴外部数据建立模型。比如金融债、银行风险暴露，银行违约样本是很少的，如果基于建模银行内部评级的波动，由于多数银行建立内部评级的时间不够久，则建模需要的评级波动的历史时间序列会不足。使用外部数据首先要确定有数据做得出模型，可以替代，其次要判断运用外部数据来建立的模型是否适用于自身的风险暴露。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第四是在财务预测模型方面，需要基础数据支撑，并使用自下而上、自上而下相结合的方法。如果单纯压内部评级的模板，由于评级模板大都是分档的，压力测试的边界要打开会有一定难度，压完评级以后，需要再把时点评级的波动考虑进去。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第五是实施精细化压力测试的效率问题。由于模型较多，会导致选择困难，实施难度增大，实施周期也有所增长，需要银行根据自身的各种因素来进行调整。国外做一个CCAR压力测试可能上千人在做，而在国内，每家银行有10个人做就不错了。所以在做精细化压力测试模型时，可能会出现实施周期长，人力有限的问题，考虑效率问题在模型细分上就不能做太多。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第六是压力测试结果可解释性的平衡问题。为支持行业政策而制定的压力测试，模型解释率需要足够高，并且需要做好常规的预测能力和极端情况下预测能力的平衡。因为要将压力测试结论提供给制定行业政策的人使用，在做行业预测模型时，应该偏向于选择发生概率比较高的情景，而不是说极端情景，所以要把预测能力的要求提升到更高的水平。&nbsp;&nbsp;</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020（第十六届）中国金融风险经理年度总论坛NO.16：压力测试和模型风险管理－陈勇《从监管驱动到管理驱动&mdash;&mdash;精细化信用风险压力测试实践》</span></p>
', 'elegant' => array(), 'userId' => '221', 'status' => 'published', 'createdTime' => '1604635149', 'updatedTime' => '1636515599', 'body' => '<p>&nbsp; &nbsp; &nbsp; 陈勇，中国民生银行总行风险管理部风险计量模型验证中心主任，香港大学MBA，CFA、FRM持证人，曾在上海银行、上海农商银行、穆迪分析从事巴塞尔新资本协议实施及咨询工作，擅长领域包括信用风险内部评级法实施、压力测试实施与评估、风险模型验证、模型相关管理政策制定等。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '191', 'name' => '向华', 'thumb' => 'public://expert/2021/04-13/160604c535fe311130.jpg', 'originalThumb' => 'public://article/2021/04-13/160606e2d351684426.jpg', 'description' => '汇丰银行全球财富融资主管', 'about' => '汇丰银行全球财富融资主管，香港中文大学系统工程博士学位。曾任职于RBS美国和HSBC（香港），曾任汇丰全球Securities Based Lending风险主管、汇丰亚太模型检验主管。从事金融工作多年，主要专长是建模和风险管理，建模涉及过数据挖掘统计模型、BASEL资本模型和AI/ML。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp; &nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>金融资产借贷的风险管理</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 金融资产借贷在利率低迷的环球金融环境下，是客户可以获得流动性，提高投资回报的主要融资渠道。金融资产借贷的风险管理，主要包括以下几个方面：商业模式（客户为什么需要这样的产品，银行通过什么渠道获利）、什么样的金融资产可以作为抵押品、从银行角度出发应该怎么进行风险管理、从技术角度可以采取哪些方法以及金融创新的考量。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>一、财富贷</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>首先来看财富贷，依据客户种类主要可以分为私人银行业务、个人银行业务以及经纪业务；根据客户的需求进行&ldquo;量体裁衣&rdquo;，产品设计和银行内部的客户管理、抵押品种类也有所不同。同时，相关的系统、风险管理也会依据产品进行合理设计。虽然不同的客户存在不同的需求，但可大致归结为获得流动性、提高收益率、寻求投机以及对冲四类。其中，最主要的需求就是流动性。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>从不同的业务部门来看，证券部门主要进行经纪业务，提供有/无杠杆的股票融资，对应的是客户的投机需求；个人银行部门主要是依据客户的资产状况及需求，满足客户提高收益率的需求；私人银行部门通常更高程度的是基于客户需求和财富状况，给客户提供的融资产品个性化程度很高。私人银行客户所提供的贷款抵押品通常多样性较高，有高流动性的股权，也有低流动性的名画、古董、游艇等。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>二、商业模式</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>商业模式的重点是银行应该怎么设计产品来吸引客户并满足客户需求，从而实现获利。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>从银行的收入来源来看，第一个是贷款的利息收入；第二个是通过资产管理（共同基金）收费、证券交易（经纪）、和以及客户和银行其他业务关系（私人银行）获得的收入。例如，客户向银行通过杠杆进行基金等投资产品的投资，依据基金的风险状况选择杠杆水平，银行从而获得提供杠杆和销售基金的收入。这是银行除利息收入之外较大的一部分收入来源。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>从银行的风险管理成本端来看，第一个是资本压力，对于较大规模的商业银行，可以通过巴塞尔的模型来优化风险加权资产，从而降低银行的成本，例如，标准法的风险权重是75%，而使用内部评级法时则可以降低至3%；第二个是信用损失，相较于信用卡等产品而言，金融资产借贷具有抵押品，只要风控部门对市场风险控制得当，那么可以认为商业银行没有信用损失或信用损失很小；第三个是合规/行为风险，在向客户提供产品时，如果没有向客户推荐风险匹配的产品，可能导致错卖杠杆贷款或提供高风险投资产品，从而产生高额的合规成本；第四个是操作风险，通过流程、系统等进行风险管理时，可能存在操作风险，从而产生成本。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>三、抵押品及风险管理框架</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>接下来看什么样的资产可以作为抵押品。第一类是流动性很好的有价证券，按照风险从低到高的顺序主要可以分为债券、股票、共同基金、对冲基金、结构化产品以及衍生品；第二类是流动性相对较差的金融资产，主要包括游艇、飞机以及一些保单。一般来说，私人银行业务可以接受的抵押品流动性相较于其他部门可以更差，更灵活。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>客户进行抵押后，银行则需要根据抵押品的不同进行合理的风险管理，主要就是对市场风险进行管理。对于客户而言，希望能够利用较少的抵押品贷到更多的钱，而银行则要依据市场风险进行权衡。因此，银行就需要将金融资产的波动性与借贷风险管理成本进行比较，求得一个平衡。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>具体来看，银行管理风险所采取的形式主要分为以下三类。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>一是对信用风险进行管理，例如证券作为质押时，银行是否具有追索权；抵押品抵押给银行的比例，是全部抵押还是部分抵押；还有就是采取一些信用条款，将信用风险降低到可以接受的水平。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>二是银行的风险偏好，例如，银行会对可以抵押品的资质进行要求，或者采取一些追加保证金的流程。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>三是对系统性和操作性风险进行控制，及时观测市场风险，调整风控参数；管理追缴保证金流程，及时补仓或平仓，避免银行损失。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>四、金融创新</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>怎么控制市场风险，关键在于对市场信息的处理速度。流动性较好的金融资产通常会具有更充分的市场信息，我们可以根据这些市场信息及时了解到这个金融资产的波动性和流动性等情况。这也是金融科技可以助力的方向。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>通常来说，主要的风险管理包括以下几类：一是信用风险vs市场风险，主要包括银行规避信用风险、借款人规避市场风险和追加保证金等；二是系统性风险vs非系统性风险，主要包括投资组合上限以及管理集中度、市场事件监控等；三是主动vs被动，这一部分是最难的，主要包括被动依赖市场价格调整；以及一些主动型的管理，如警惕市场消息从而调整贷款价值比、根据对证券市场风险的预测调整抵押品资格的风险偏好。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020（第十六届）中国金融风险经理年度总论坛（11月）</span></p>
', 'elegant' => array(), 'userId' => '292', 'status' => 'published', 'createdTime' => '1605078631', 'updatedTime' => '1636594907', 'body' => '<p>&nbsp; &nbsp; &nbsp; 向华，汇丰银行全球财富融资主管，香港中文大学系统工程博士学位。曾任职于RBS美国和HSBC（香港），曾任汇丰全球Securities Based Lending风险主管、汇丰亚太模型检验主管。从事金融工作多年，主要专长是建模和风险管理，建模涉及过数据挖掘统计模型、BASEL资本模型和AI/ML。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '132', 'name' => '黄昶君', 'thumb' => 'public://expert/2020/11-06/153915330dad188066.jpg', 'originalThumb' => 'public://article/2020/11-06/153915359efa604657.jpg', 'description' => '渤海银行风险管理部总经理', 'about' => '渤海银行风险管理部总经理。负责渤海银行全面风险管理工作，重点牵头风险偏好、风险政策、风控流程、风控系统等落地实施，并负责统筹实施风险计量模型研发及管理，牵头推动风险文化及风险队伍建设。黄昶君长期从事银行风险管理工作。曾任中国建设银行总行风险管理部零售信用风险计量处处长，主要负责推动建设银行零售线上业务风险管控，应用人工智能、大数据、机器学习等新技术，探索以场景、客群、产品为出发点，构建线上零售业务新的管控模式。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp; &nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、对线上风控新模式的分析</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 黄昶君女士在《黄昶君：探索线上风控新模式》（2019）中指出，近年来国内线上金融业务发展迅速，也暴露了潜在风险。线上业务风险特征的类型多、识别复杂、变化快、传播快。将传统链条式管控模式转变为立体式风险管控。未来，将可以应用大数据和新型分析技术搭建智慧决策平台来提升决策能力，通过数据，模型，团队，渠道四个维度，推进流程融合。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）线上业务发展的现状和挑战</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;个人消费信贷整体市场风险涌现的现象，可分为四个时期：2013&mdash;2014年期间，监管部门规范整体线上业务市场的经营风险，政府正式公布&ldquo;发展普惠金融，鼓励金融创新，丰富金融市场层次和产品&rdquo;。2015年，政府年度工作报告两次提到互联网金融，并对&ldquo;互联网金融异军突起&rdquo;和&ldquo;促进互联网金融健康发展&rdquo;进行了回顾和展望，互联网金融发展达到高峰。2016年，网贷问题平台数量极速增加。2017年至今，P2P进入寒冬期。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）线上业务的风险特征</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;建设银行在线上快贷、小微快贷推出的过程中不断总结线上贷款的风控特点，整个客户旅程的风控角度包括四个关键，分别为：客户获取、客户准入、客户运营与客户退出。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;①线上业务的主要特点</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;在客户获取方面，普遍显现场景化、个性化、精准化的运营特点。在客户准入方面，首先是自动化与智能化特点。运用自动化、智能化决策，提供快速高效的业务流程，提升客户在信贷等流程中的体验。在客户运营方面，首先是生态服务，设计更多非金融的服务触点，以生态理念服务客户，增加与客户互动。在客户退出方面，主要呈现定制化特点，通过数据与行为分析，定制化催收、资产处置等客户退出管理方案，兼顾银行效益及客户体验。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;②风险管理实践要点</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;在客户获取部分，需要介入场景评估与客群评估。在客户准入部分，首先是依赖模型，依赖于更高精度的模型及相应策略，从而实现自动化、智能化的准入审批，模型更新换代速率较大，需要模型验证团队的支撑，需要对模型本身风险的管理。在客户运营部分，一方面是工具使用，7&times;24小时&ldquo;聆听&rdquo;监控需求，对于机器进行监控的依赖性更高，需要使用高精确度的监控工具。在客户退出部分，现阶段需要加强失联管理，包括客户处置的定价，个人不良资产与问题资产的定价，处置方法的选择。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）完善线上业务风险防控模式</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;整体的风控旅程已从将传统链条式管控模式转变为短时间内进行全盘分析与决策的立体式风险管控。从流程方面，区别于传统重贷中管理而轻前端获客的风控模式，对线上业务风险的把控需要把重心前置于获客阶段，并全盘考量后续决策、监控、催收等环节的流程设计逻辑。从而推动风控、IT、合规等职能在业务流程中前置，支持流程的立体化。思考如何在线上客户接触的短时间内获取贷前审批、贷中监控和贷后管理的所有数据，并设计相关流程。从决策方面，需要用自动化模型在短时间内精准勾画出多维度、立体的客户风险面貌;并适当采取灵活的试错机制，允许模型进行优化。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、对大数据时代的零售业务量化经营的研究</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;在文章《大数据助推银行零售业务量化经营&mdash;&mdash;大数据时代的零售数据挖掘和利用探索》（2014）中,她认为大数据时代给人们的生活、生产方式带来了巨大改变，从而引发人们的消费、生活等各方面需求特征发生转变。商业银行应积极把握大数据时代的相关特征，把握机遇，采用循序渐进的方式稳妥推动大数据在商业银行零售业务中的应用，以有效应对大数据时代各种挑战。零售业务是商业银行最能体现大数据优势的领域。未来银行业的竞争将集中在对客户相关数据的收集和分析环节，银行需要成功地通过各种渠道收集客户数据，精确分析客户的意愿，为客户提供个性化服务。大数据技术必将成为银行实现一体化客户关系管理，有效增强自身盈利能力的有力工具和核心竞争力。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、对大数据时代商业银行电子商务零售客户风险评分模型的分析</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;在文章《大数据时代商业银行电子商务零售客户风险评分模型设计框架及实证分析》（2014）中，她采用大数据相关思维为指导，采用相关数据挖掘技术，对商业银行电子商务平台零售客户的风险计量模型进行设计和构建。首先根据客户相关信息及行为变量，采用决策树方法将电子商务客户分为若干群体，并分析总结了不同客户群体的行为特征；然后通过分析电子商务平台客户的相关行为信息以及其在线下的金融产品交易活动，构建相关建模备选变量；在此基础上，采用国际先进银行通用的建模方法，以零售B2C类的消费客户为例，进行了风险评分模型实证分析。结果表明，通过大数据分析基础上的电子商务客户风险模型构建，具有较好的风险识别能力和区分度，各项检验结果较为合理。目前，商业银行已开始逐步利用数据挖掘等相关技术进行客户价值挖掘、风险评估等方面的尝试应用。尤其是在零售电子商务业务方面，由于存在着海量数据以及客户网络行为表现信息，因此可以利用相关技术进行深度分析。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<p style="text-align: justify;"><span style="color:#000000;"><strong>来源：</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;[1]2019，黄昶君：探索线上风控新模式，《风险管理》（2019年04期）</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;[2]2014，大数据助推银行零售业务量化经营&mdash;&mdash;大数据时代的零售数据挖掘和利用探索，《海南金融》（2014年01期）</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;[3]2014，大数据时代商业银行电子商务零售客户风险评分模型设计框架及实证分析，《投资研究》（2014年04期）</span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1609747553.png')), 'userId' => '233', 'status' => 'unpublish', 'createdTime' => '1604648360', 'updatedTime' => '1649384937', 'body' => '<p>&nbsp; &nbsp; &nbsp; 渤海银行风险管理部总经理。负责渤海银行全面风险管理工作，重点牵头风险偏好、风险政策、风控流程、风控系统等落地实施，并负责统筹实施风险计量模型研发及管理，牵头推动风险文化及风险队伍建设。黄昶君长期从事银行风险管理工作。曾任中国建设银行总行风险管理部零售信用风险计量处处长，主要负责推动建设银行零售线上业务风险管控，应用人工智能、大数据、机器学习等新技术，探索以场景、客群、产品为出发点，构建线上零售业务新的管控模式。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '11', 'name' => '陈忠阳', 'thumb' => 'public://expert/2019/07-15/11015756355e546777.jpg', 'originalThumb' => 'public://article/2019/07-15/11015758a805667129.jpg', 'description' => '中国人民大学财政金融学院教授、博士生导师', 'about' => '中国人民大学财政金融学院教授、博士生导师，TGES-CFRMF发起人，重阳金融研究院高级研究员，美国富布莱特学者；陈教授在金融和风险管理领域从事教学和科研工作近三十年，曾任中国人民大学国际学院副院长、学术委员会主席、金融风险管理学科建设负责人，创办了国内首个金融机构风险管理方向的金融专业硕士和博士研究生项目。', 'sticky' => 'index', 'weight' => '100', 'achievement' => '<div style="border-left:5px solid #ff7200;padding-left:20px;"><span style="color:#000000;"><span style="font-size:16px;font-weight:bold;">图书</span></span></div>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2017，《我国金融风险管理与监管问题研究》</span><span style="font-size:16px;">中国金融出版社。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2006，《金融机构现代风险管理基本框架》</span><span style="font-size:16px;">中国金融出版社。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2004，《新巴塞尔资本协议与现代银行风险管理知识问答》主编，民族出版社。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2001，《金融风险分析与管理研究――市场和机构的理论、模型与技术》人民大学出版社。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2004，《利率风险管理》译著（合作），中信出版社。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2002，《证券市场与投资银行英语教程》主编（合作），新华出版社。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">1997，《金融专业英语教程》主编（合作），新华出版社。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">1995，《金融法律知识问答》主编（合作），金融出版社。</span></span></p>

<div style="border-left:5px solid #ff7200;padding-left:20px;"><span style="color:#000000;"><span style="font-size:16px;font-weight:bold;">论文</span></span></div>

<div style="height:12px; float:left">&nbsp;</div>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2021，<a href="https://mp.weixin.qq.com/s/jHNLtbf-YFePCycnBKEMlg">重视金融的风险本质，加强专业化的风险管理</a></span></span><span style="font-size: 16px;"><span style="color: rgb(0, 0, 0);">，IMI财经观察。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2019，</span></span><span style="font-size:16px;"><a href="https://book.yunzhan365.com/qpwi/ypyo/mobile/index.html" style="text-decoration:none">构建现代金融风险管理机制</a><span style="color:#000000;">，《中国金融》第1期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2018，</span><a href="https://book.yunzhan365.com/qpwi/ctau/mobile/index.html" style="text-decoration:none">巴塞尔协议Ⅲ改革、风险管理挑战和中国应对策略</a><span style="color:#000000;">，</span></span><span style="color:#000000;"><span style="font-size:16px;">《国际金融研究》第8期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2018，</span><a href="https://book.yunzhan365.com/qpwi/tdac/mobile/index.html" style="text-decoration:none">金融结构、金融波动与经济增长</a><span style="color:#000000;">，《金融论坛》第5期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2018，</span><a href="https://book.yunzhan365.com/qpwi/dhjz/mobile/index.html" style="text-decoration:none">新时代的金融风险管理</a></span><span style="color:#000000;"><span style="font-size:16px;">，《中国金融》第4期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2017，</span><a href="https://book.yunzhan365.com/qpwi/ifto/mobile/index.html" style="text-decoration:none">对我国系统重要性银行的市场约束真的有效吗&mdash;&mdash;基于9起监管事件的实证研究</a><span style="color:#000000;">，《经济理论与经济管理》第8期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2016，</span><a href="https://book.yunzhan365.com/qpwi/ivop/mobile/index.html" style="text-decoration:none">资产证券化中存在逆向选择吗?&mdash;&mdash;基于美国银行层面数据的实证分析</a></span><span style="color:#000000;"><span style="font-size:16px;">，《国际金融研究》第2期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2016，</span><a href="https://book.yunzhan365.com/qpwi/mvjk/mobile/index.html" style="text-decoration:none">我国金融压力指数的构建与应用研究</a></span><span style="color:#000000;"><span style="font-size:16px;">，《当代经济科学》第1期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2015，</span></span><span style="font-size:16px;"><a href="https://book.yunzhan365.com/qpwi/ugqj/mobile/index.html" style="text-decoration:none">高利贷问题反思&mdash;&mdash;风险管理的视角</a><span style="color:#000000;">，《黑龙江社会科学》第2期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2014，</span><a href="https://book.yunzhan365.com/qpwi/lhke/mobile/index.html" style="text-decoration:none">Basel Ⅲ逆周期资本缓冲机制表现好吗?&mdash;&mdash;基于国际与中国的实证分析</a><span style="color:#000000;">，《吉林大学社会科学学报》第3期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2013，</span><a href="https://book.yunzhan365.com/qpwi/hmfg/mobile/index.html" style="text-decoration:none">国有大型商业银行系统性风险贡献度真的高吗&mdash;&mdash;来自中国上市商业银行股票收益率的证据</a><span style="color:#000000;">，《财贸经济》第9期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2013，发挥资本约束扩张的作用，《中国金融》第2期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2012，</span><a href="https://www.yunzhan365.com/17993772.html" style="text-decoration:none;">中国系统性风险监测与分析研究</a></span><span style="color:#000000;">,<span style="font-size:16px;">《吉林大学社会科学学报》第7期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2011，</span><a href="https://www.yunzhan365.com/28841383.html" style="text-decoration:none;">我国实施巴塞尔协议Ⅲ的目标定位</a><span style="color:#000000;">，《中国金融》第1期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2011，</span><a href="https://book.yunzhan365.com/qpwi/heio/mobile/index.html" style="text-decoration:none;">银行集团并表监管的国际实践</a><span style="color:#000000;">，《中国金融》第11期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2010，</span><a href="https://book.yunzhan365.com/qpwi/fvrl/mobile/index.html" style="text-decoration:none">基于CAPM理论的证券基金绩效分析</a><span style="color:#000000;">，《北京理工大学学报》(社会科学版)。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2010，</span><a href="https://book.yunzhan365.com/qpwi/bkyv/mobile/index.html" style="text-decoration:none">后金融危机时代银行创新与风险管理</a><span style="color:#000000;">，《银行家》。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2010，</span></span><span style="font-size:16px;"><a href="https://book.yunzhan365.com/qpwi/vmsd/mobile/index.html" style="text-decoration:none">中小股份制商业银行董事会风险治理</a><span style="color:#000000;">，《银行家》。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2009，</span><a href="https://book.yunzhan365.com/qpwi/mfzl/mobile/index.html" style="text-decoration:none">我国银行小企业信贷模式与风险管理研究&mdash;&mdash;基于银行问卷调研的分析</a><span style="color:#000000;">，《金融研究》第5期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2009，</span><a href="https://book.yunzhan365.com/qpwi/hlpl/mobile/index.html" style="text-decoration:none">企业信贷约束衡量研究评介</a><span style="color:#000000;">，《经济学动态》第5期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2009，</span><a href="https://book.yunzhan365.com/qpwi/dafs/mobile/index.html" style="text-decoration:none">小企业信贷约束研究的最新进展</a><span style="color:#000000;">，《经济理论与经济管理》第3期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2008，</span><a href="https://book.yunzhan365.com/qpwi/dmpi/mobile/index.html" style="text-decoration:none">美国次贷危机的微观机制及教训</a></span><span style="color:#000000;">，<span style="font-size:16px;">《理论视野》第12期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2008，</span><a href="https://book.yunzhan365.com/qpwi/ifki/mobile/index.html" style="text-decoration:none">从次贷危机看走出去的风险防范</a><span style="color:#000000;">，《中国金融》第18期</span></span><span style="color:#000000;">。</span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2008，</span><a href="https://book.yunzhan365.com/qpwi/zjai/mobile/index.html" style="text-decoration:none">现代金融机构操作风险管理研究</a><span style="color:#000000;">，《经济理论与经济管理》第6期</span></span>。</p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2008，</span><a href="https://www.yunzhan365.com/91535079.html" style="text-decoration:none;">从次贷危机看现代金融技术发展</a><span style="color:#000000;">，《人民日报》2008-05-21刊</span></span><span style="color:#000000;">。</span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2008，</span><a href="https://book.yunzhan365.com/qpwi/gqvd/mobile/index.html" style="text-decoration:none">金融创新如何催生&ldquo;毒垃圾&rdquo;</a><span style="color:#000000;">，《中国青年报》2008-01-27刊</span></span><span style="color:#000000;">。</span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2008，</span><a href="https://www.yunzhan365.com/66443982.html" style="text-decoration:none">美国银行为何敢放高风险贷款</a><span style="color:#000000;">，《中国青年报》2008-01-20刊。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2008，</span><a href="https://book.yunzhan365.com/qpwi/wrpd/mobile/index.html" style="text-decoration:none;">结合中国国情实施新资本协议</a></span><span style="color:#000000;"><span style="font-size:16px;">，《中国金融》第2期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2008，</span><a href="https://book.yunzhan365.com/qpwi/htcf/mobile/index.html" style="text-decoration:none">衍生产品、风险对冲与公司价值&mdash;&mdash;一个理论综述</a><span style="color:#000000;">，《中国青年报》2008-01-20刊。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2007，</span><a href="https://book.yunzhan365.com/qpwi/bsqc/mobile/index.html" style="text-decoration:none">金融机构风险管理机制研究</a><span style="color:#000000;">，《财贸经济》第11期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2007，</span><a href="https://book.yunzhan365.com/qpwi/sedo/mobile/index.html" style="text-decoration:none;">内部控制、对冲和经济资本配置&mdash;&mdash;金融机构风险管理现代机制的整体框架</a></span><span style="color:#000000;"><span style="font-size:16px;">，《国际金融研究》第6期</span>。</span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2007，</span><a href="https://book.yunzhan365.com/qpwi/hjuk/mobile/index.html" style="text-decoration:none">金融衍生产品市场:经济功能和风险管理</a><span style="color:#000000;">，《中国金融》第8期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2006，</span><a href="https://book.yunzhan365.com/qpwi/ypju/mobile/index.html" style="text-decoration:none">信用组合管理:现代银行管理的新标志</a><span style="color:#000000;">，《中国金融》第9期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2006，</span><a href="https://book.yunzhan365.com/qpwi/lueu/mobile/index.html" style="text-decoration:none">金融机构风险管理机制有效性研究&mdash;&mdash;对风险管理长效机制问题的思考</a><span style="color:#000000;">，《国际金融研究》第5期</span></span><span style="color:#000000;">。</span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2006，</span><a href="https://book.yunzhan365.com/qpwi/poiw/mobile/index.html" style="text-decoration:none">现代风险管理:是科学还是艺术?</a><span style="color:#000000;">，《软件世界》。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2005，</span><a href="https://www.yunzhan365.com/96562031.html" style="text-decoration:none;">管理提前还贷风险的现代制度和方法</a><span style="color:#000000;">，《金融时报》理论周刊2005-05-30刊。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2005，Risks in China&rsquo;s stock market and their institutional causes,China Capital Markets Handbook,THE EUROMONEY.</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2005，</span><a href="https://www.yunzhan365.com/73431653.html" style="text-decoration:none;">论现代金融机构风险管理十大原则</a><span style="color:#000000;">，《国际金融研究》第5期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2005，</span><a href="https://book.yunzhan365.com/qpwi/uedi/mobile/index.html" style="text-decoration:none">从中航油事件看风险管理的四个基本问题</a><span style="color:#000000;">，《中国金融》第23期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2004，保险公司业务风险特征比较分析，《货币金融评论》第10期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2004，</span><a href="https://book.yunzhan365.com/qpwi/teql/mobile/index.html" style="text-decoration:none">风险的国际协议与国际协议的风险&mdash;&mdash;评巴塞尔新资本协议正式出台</a><span style="color:#000000;">，《国际金融研究》第4期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2004，</span><a href="https://book.yunzhan365.com/qpwi/zgvy/mobile/index.html" style="text-decoration:none;">让银行资本发挥作用</a><span style="color:#000000;">，《中国金融》第15期</span></span><span style="color:#000000;">。</span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2004，</span><a href="https://www.yunzhan365.com/58902134.html" style="text-decoration:none;">中国是拒绝还是接受新资本协议</a><span style="color:#000000;">，《金融时报》理论周刊，2004-07-19刊;《投资与证券》第10期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2004，</span><a href="https://book.yunzhan365.com/qpwi/hudi/mobile/index.html" style="text-decoration:none">违约损失率(LGD)研究</a><span style="color:#000000;">，《国际金融研究》第5期</span></span><span style="color:#000000;">。</span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2004，</span><a href="https://www.yunzhan365.com/22284199.html" style="text-decoration:none;">新巴塞尔资本协定回顾与启示</a><span style="color:#000000;">，《金融时报》2004-01-02刊。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2004，</span></span><a href="https://book.yunzhan365.com/qpwi/bvoy/mobile/index.html" style="font-size: 16px; text-decoration: none;">新巴塞尔资本协定对我国的影响</a><span style="color:#000000;"><span style="font-size:16px;">，《国际金融研究》第1期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2002，</span><a href="https://book.yunzhan365.com/qpwi/pgqp/mobile/index.html" style="text-decoration:none;">持续期与商业银行利率风险免疫管理</a><span style="color:#000000;">，《成人高教学刊》第4期</span></span><span style="color:#000000;">。</span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2002，</span><a href="https://book.yunzhan365.com/qpwi/yvet/mobile/index.html" style="text-decoration:none">金融市场风险管理发展探析</a><span style="color:#000000;">，《经济研究参考》第62期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2001，</span><a href="https://www.yunzhan365.com/45525775.html" style="text-decoration:none">衍生金融工具与风险管理</a><span style="color:#000000;">，《经济研究参考》第44期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2001，</span><a href="https://book.yunzhan365.com/qpwi/uvfn/mobile/index.html" style="text-decoration:none">金融风险的概念与性质探析&mdash;&mdash;金融风险概念辨析</a><span style="color:#000000;">，《成人高教学刊》。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2001，</span><a href="https://book.yunzhan365.com/qpwi/ukre/mobile/index.html" style="text-decoration:none">VaR体系与现代金融机构的风险管理</a><span style="color:#000000;">，《金融论坛》第5期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2001，</span><a href="https://book.yunzhan365.com/qpwi/lvtg/mobile/index.html" style="text-decoration:none">投机和赌博概念辨析&mdash;&mdash;由当前股市争论引发的思考</a><span style="color:#000000;">，《金融时报（理论版）》2001-03-03刊。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2001，</span><a href="https://book.yunzhan365.com/qpwi/abmw/mobile/index.html" style="text-decoration:none">金融工程与金融风险管理</a><span style="color:#000000;">，《国际金融研究》第4期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2000，</span><a href="https://book.yunzhan365.com/qpwi/ufev/mobile/index.html" style="text-decoration:none">信用风险量化管理模型发展探析</a><span style="color:#000000;">，《国际金融研究》第10期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2000，</span><a href="https://www.yunzhan365.com/19966498.html" style="text-decoration:none;">现代金融风险管理的新变化</a><span style="color:#000000;">，《金融时报》理论周刊2000-08-12刊。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2000，</span><a href="https://www.yunzhan365.com/85761539.html" style="text-decoration:none;">从&beta;系数看股票市场的风险配置功能</a><span style="color:#000000;">，《中国证券报》理论版2000-08-29刊。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">2000，</span><a href="https://book.yunzhan365.com/qpwi/cteg/mobile/index.html" style="text-decoration:none">金融风险的性质与金融风险管理的发展</a><span style="color:#000000;">，《经济研究参考》第38期。</span></span></p>
', 'attachachieve' => '', 'viewpoint' => '<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;陈忠阳教授是我国最早系统性开展现代金融风险管理的学者之一，自90年代就开始在学术期刊和媒体杂志上发表金融风险管理相关文章，在国内学术界和业界产生了广泛的学术影响。其代表性学术观点主要集中在以下几个方面。</span></p>

<p>&nbsp;</p>

<h2><span style="color:#000000;"><strong>一、关于风险的概念性质及其和金融的基本关系</strong></span></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;金融风险管理学科的发展面临的第一个挑战性的问题就是对风险概念的界定和性质分析，金融行业长期以来在专业化的风险管理体系建设过程中也面临概念和逻辑体系混乱，缺乏风险基础理论指导的困境。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;陈忠阳教授早在90年代就开始了系统的风险基础理论研究，论文《金融风险的概念与性质探析》（1999）系统梳理了风险与损失、不确定性、可能性、波动性、危险、风险暴露等一系列相关概念的关系，并深入分析了金融风险的本质和基本特征，提出对风险概念的理解和运用要高度重视其事前特性和概率特性，指出将风险概念与损失、问题或危机等概念混用或相互替代对于现代化专业化风险管理及其有效性的危害，并进一步从学理上提出了波动性风险度量所内含的风险双侧性定义相比于传统的损失可能性单侧定义是风险认知理论的重大飞跃，对现代风险管理发展具有重要意义，尤其是对有效处理风险控制和业务发展关系，对推动基于风险调整的业绩衡量和RAROC等经济资本配置理论和方法发展的基础作用。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 在随后的著作《金融风险分析与管理研究――市场和机构的理论、模型与技术》（2001）中，陈忠阳教授在国内较早地系统阐述了风险和金融的基本关系，指出风险是金融的本质内涵，金融的基本职能不仅在于融资和资金配置，更在于风险管理和风险配置，即通过银行和资本市场以及保险等机构将经济体系中不可避免的风险从没有承担能力或有能力却没有承担意愿的参与者转移和配置到既有承担能力又有承担意愿的参与者。一个有效的金融体系只有将融资和风险两方面功能有效结合才能实现可持续有效资源配置的经济使命。同时，结合我国经济制度转型的现实，陈忠阳教授还系统分析了计划经济制度和市场经济制度在风险理念和制度安排上的本质差异及其对我国现实金融运行和风险管理的影响。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;在论文《投机和赌博概念辨析&mdash;&mdash;由当前股市争论引发的思考》（2001）中，陈忠阳教授利用当年轰动一时的股市大争论，从现代风险承担和管理的视角系统阐述了困惑很多投资者和学界人士的投机、投资和赌博的理论关系问题，并指出以风险换收益对于投资者和赌博者的根本不同，投资者是以风险承担换取预期收益，博的是智慧和科学分析，赌博者换的是极端收益，博的是运气，从而提出投资者要树立基于现代风险管理的科学投资观。</span></p>

<p>&nbsp;</p>

<h2><span style="color:#000000;"><strong>二、关于金融机构现代风险管理的基本框架和体系</strong></span></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;现代金融风险管理的发展特点主要在于其专业性、系统性和科学性。陈忠阳教授是我国最早开始对现代风险管理开展系统研究的学者之一，其著作《金融风险分析与管理研究――市场和机构的理论、模型与技术》（2001）是国内早期对金融风险进行的最系统的分析，内容覆盖对金融风险和风险管理的性质、风险分析和定价的理论与模型、市场风险衡量的现代方法、信用风险管理与衡量等。尤其在分析现代风险概念的双侧性和对称性的基础上，首次提出风险的对称性和风险承担不对称性的矛盾，进而分析了对业绩进行风险调整，对盈利设置止盈线以及进行资本充足性管理和风险限额管理的理论基础。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;著作《金融机构现代风险管理基本框架》（2006）进一步系统研究和阐述现代风险管理基本框架，对市场、信用和操作三大风险及其管理进行了专门的分析，涉及的相关技术概念体系可视为现代风险管理框架的技术支柱；并结合新巴塞尔资本协议和我国金融机构风险管理的发展研究了现代风险管理发展对我国的影响和启示。针对我国金融机构风险管理迅速发展过程中面临的种种困惑，论文《金融机构风险管理机制研究》认为其核心在于对现代风险管理机制内容和目标及其有效性的认识，提出任何所谓&ldquo;全面&rdquo;和&ldquo;长效&rdquo;的风险管理机制建设其核心都在于加强风险管理机制的有效性。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;论文《内部控制、对冲和经济资本配置&mdash;&mdash;金融机构风险管理现代机制的整体框架》（2006）进一步指出内部控制机制、对冲机制和经济资本配置机制是金融机构风险管理现代机制整体框架的三个主要组成部分。指出我国金融机构股份制改革进程中&ldquo;全面风险管理（长效）机制&rdquo;的建设要以这三大机制构成的三位一体为基础，以内部控制机制建设为重点，协调发展对冲机制和经济资本配置机制。</span></p>

<p>&nbsp;</p>

<h2><span style="color:#000000;"><strong>三、关于新巴塞尔资本协议和我国基于风险的金融监管</strong></span></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;新巴塞尔协议是基于风险的金融监管理论与实践结合的主要形式，也是国际范围内现代风险管理发展的重要推动力量，对我国金融风险管理现代化的发展产生了重要影响。陈忠阳教授也是我国最早开展新巴塞尔协议和风险监管研究的学者，其相关研究成果在我国金融行业具有广泛持久的影响。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;论文《风险的国际协议与国际协议的风险》（2004）是国内最早对巴塞尔新资本协议进行系统研究的学术论文，分析了新协议的基本目标、实现机制和主要特点，尤其是对风险敏感的资本激励是风险监管的本质，并通过国际协议在全球范围推动了现代风险管理的发展，同时也指出新协议在给我国带来加强金融风险管理的借鉴的同时，由发达国家主导制定的风险国际协议也给我国带来了新的风险和挑战。我国不应该局限和拘泥于资本监管的形式，而是要追求资本监管的本质，即推动金融机构加强风险管理。并且基于这样的观点，对2004年新巴塞尔资本协议（巴塞尔协议II）发布前后西方媒体将我国发布和实施适合我国国情的首个资本管理监管办法解读为&ldquo;中国拒绝接受新巴塞尔协议&rdquo;的错误理解从风险管理理论和发展历史双重视角进行了系统的批驳，这一观点经相关媒体报道和会议交流之后在国内外引起广泛关注。另一方面，针对新巴塞尔协议源自和面向发达国家资本问题和风险管理问题，陈忠阳教授明确提出中国实施新巴塞尔资本协议关键在于追求现代风险管理理念和管理水平的提高，要从风险管理的本质角度实施新协议，而且要本着学习的态度和精神来实施新巴塞尔协议。这一观点被监管部门和业界广泛接受，对我国银行业实施新巴塞尔协议产生了积极的影响和作用。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;论文《我国实施巴塞尔协议Ⅲ的目标定位》（2010）从我国银行业资本问题独特性出发，梳理了巴塞尔协议的目标及其实现机制演变、我国与西方银行业资本问题的差异、我国实施Basel Ⅲ的三层次目标及重点，为我国银行业把握巴塞尔协议Ⅲ技术精髓、实施巴塞尔协议Ⅲ的策略提供了重要参考依据。BaselⅢ提出了基于变量&ldquo;信贷/GDP&rdquo;的逆周期资本缓冲计提机制。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;论文《Basel Ⅲ 逆周期资本缓冲机制表现好吗?&mdash;&mdash;基于国际与中国的实证分析》（2014）指出中国实施逆周期资本缓冲应该结合经济基本面来进行整体设计，而不应仅仅依据BaselⅢ的指导方法，应多维度地选择监测指标，将其与经济基本面结合，不能忽略经济基本面这个最基础的因素，从更宏观、更全面的视角实施逆周期调控，走出一条符合中国自身实际的宏观审慎监管实施路径。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;论文《后危机时代宏观审慎监管研究的最新发展》（2012）对金融危机以来国际上对宏观审慎监管的研究进行了梳理，是后来我国监管当局实施宏观审慎监管政策的重要催化剂和参考依据。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;著作《我国金融风险管理和监管问题研究》（2016）重点研究了当前我国金融风险和监管的热点问题，包括P2P网贷平台的风险、评级与监管，银行业小微信贷与风险管理，股票市场波动，中小银行流动性风险管理，系统性风险与宏观审慎监管，巴塞尔协议Ⅲ修订与巴塞尔协议Ⅳ展望：中国的挑战与应对。该项成果兼具理论性和实践性，内容覆盖了信用风险、市场风险、流动性风险、系统性风险和金融监管等诸多方面，是开展本课题研究的重要经验积累。尤其是在该研究成果支持下与融360公司合作开展的P2P评级项目在2015年初成功预警了易租宝网贷风险，在互联网金融领域产生了积极影响。</span></p>

<p>&nbsp;</p>

<h2><span style="color:#000000;"><strong>四、关于信用风险管理</strong></span></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;陈忠阳教授也是国内最早开展现代信用风险管理研究的学者之一。论文《信用风险量化管理模型发展探析》（2000）和《违约损失率（LGD）研究》（2004）对各信用风险量化模型在全球的发展进行了全面的分析，认为量化模型是现代风险管理的重要特点和发展方向，并为我国信用风险计量和管理的发展分析了现实基础和发展方向。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;专著《金融风险分析与管理研究――市场和机构的理论、模型与技术》（2001）是国内最早系统性研究现代信用风险管理的学术成果之一，不仅对信用量化模型和应用进行了系统研究，而且对国际市场上兴起不久的信用衍生产品（主要是信用违约互换CDS）开展了研究，并指出其在帮助金融机构对冲和管理信用风险的同时，也要防止成为&ldquo;没有驯服的野兽&rdquo;，是国内最早预警信用衍生产品风险的研究成果。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;著作《金融机构现代风险管理基本框架》（2006）更加系统深入地分析了现代信用风险计量和对冲方法的发展及其在信用组合管理新兴领域的应用，尤其是对以CDO为代表信用衍生产品定价和交易机制以及可能带来的风险进行了深入研究。该研究和更早的2001年对CDS的研究是很少见的在美国以CDO为重灾区的2008年金融危机发生前中国对CDO等信用衍生产品及其风险进行系统研究的学术成果。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;此外，论文《我国银行小企业信贷模式与风险管理研究》（2009）分析了现行公司信贷模式导致了银行在小企业贷款发展和风险管理上陷入困境，银行应借鉴国际经验，提高风险管理科技含量，同时结合我国大银行和小银行的不同特点探索建立新的小企业信贷模式。建议&ldquo;Revisions to the Standardised Approach for credit risk&rdquo;（2014）针对巴塞尔委员会（Basel Ⅲ）关于信用风险的修订，认为此次修订没有考虑发达国家市场和新兴市场（如中国）在资本问题方面的差异，并提出了三点建议。该建议是我国唯一对巴塞尔协议（Basel Ⅲ）修订的非官方建议，被巴塞尔银行监管委员会（BCBS）收录并在其官方网站发布。</span></p>

<p>&nbsp;</p>

<h2><span style="color:#000000;"><strong>五、关于市场风险</strong></span></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;VaR模型是市场风险管理的核心方法，也是现代风险管理发展的里程碑。陈忠阳教授是我国最早倡导将VaR模型方法应用于市场风险管理的学者之一。《VaR和金融市场风险管理》（2001）和论文《金融市场风险管理发展探析》（2002）系统研究了VaR模型的技术内涵及其独特的风险管理应用功能，同时也指出了VaR模型方法的局限性，建议用压力测试来弥补不足。陈忠阳教授是国内最早关注到模型风险，在倡导风险量化模型的提出兼顾模型风险管理的学者，也是国内最早提出压力测试的学者，比金融危机之后业界和学术界的广泛关注早了很多年。论文《持续期与商业银行利率风险免疫管理》（2000）认为传统的资金缺口管理缺乏对于资产和负债的利率敏感性的准确衡量，不能准确反映利率水平的变化对资产和负债可能产生的影响，而持续期的引入能够有效提高缺口管理防范利率风险的效果。</span></p>

<p>&nbsp;</p>

<h2><span style="color:#000000;"><strong>六、关于流动性风险</strong></span></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;课题&ldquo;苏州法人银行流动性风险管理的现状及应对策略&rdquo;以苏州辖内6家主要法人银行（苏州银行和5家农村商业银行）为研究对象，全面评估其在流动性风险管理及全面风险管理方面的现状、存在的问题和薄弱环节，并探讨其如何结合自身客户结构、业务模式等方面积极应对所产生的问题，从而有效防范流动性风险，继而提升整体风险管理水平。</span></p>

<p>&nbsp;</p>

<h2><span style="color:#000000;"><strong>七、关于操作风险管理</strong></span></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;论文《现代金融机构操作风险管理研究》（2009）对操作风险的衡量技术和操作风险的管理策略和手段等进行了系统的研究，认为操作风险管理不是传统的内部控制的翻版说法，而是基于现代风险管理理念，伴随着整个金融风险管理专业化和现代化的发展而出现的应对人员、系统、流程以及外部事件带来的风险的一系列风险识别、衡量、管理和监测的专业风险管理体系，其管理策略和信用风险和市场风险一样，也包含内部控制、对冲（通过保险）和经济资本配置等不同的机制和方法。并且，随着操作风险概念的出现，传统信贷管理系统被分解为信用风险管理和操作风险管理系统，信用风险也不再等同于违约风险，操作风险和信用风险都是违约风险的来源。风险管理专业化发展由此更加深入，有限性也进一步提高。</span></p>

<p>&nbsp;</p>

<h2><span style="color:#000000;"><strong>八、关于系统性风险</strong></span></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;金融危机之后，系统性风险获得广泛关注。陈忠阳教授及其博士研究生团队也对此开展了系统的研究。论文《中国系统性风险监测与分析研究》（2012）以资本市场中的跳跃风险为出发点，运用Merton的跳跃模型找到引起中国系统性风险的系统性事件，进而选择反映中国系统性风险的相关指标，首次绘制中国系统性风险地图，有效反映了中国系统性风险的变动趋势。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;论文《国有大型商业银行系统性风险贡献度真的高吗&mdash;&mdash;来自中国上市商业银行股票收益率的证据》（2016）采用相关性分析和CoVaR方法研究中国上市商业银行的系统性风险贡献度，结论表明股份制商业银行、城市商业银行和其他银行的平均相关性高于国有大型商业银行，且股份制商业银行和城市商业银行陷入困境从而引发银行系统陷入困境的概率也高于国有大型商业银行。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;论文《我国金融压力指数的构建与应用研究》（2016）为我国构建了周度金融压力指数（FSI），并利用TVAR模型基于FSI与宏观经济的关系进行了门限和区制分析。该文所构建的FSI指数的走势与样本区间内系统性事件发生情况基本吻合，且其当前数值与门限值比较可以用于判断未来第7个月的经济所处区制，通过指数的变化不仅可以更好地监测我国系统性风险状况，也能对宏观经济走势进行更有效的预警。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;论文《对我国系统重要性银行的市场约束真的有效么&mdash;&mdash;基于9起监管事件的实证研究》（2017）对系统重要性金融机构（SIFIs）存在&ldquo;大而不倒&rdquo;效应以及如何对其进行有效监管进而降低其可能带来的系统性风险展开研究，选取巴塞尔协议第三支柱市场约束这一角度，针对我国的全球系统重要性银行（G-SIBs）股票收益对于2011-2015年期间巴塞尔银行监管委员会、金融稳定理事会以及中国银监会发布的G-SIBs名单和出台SIBs监管政策等共9次监管事件产生的反应进行分析，发现仅有巴塞尔委员会发布更新后监管要求这一事件对相关G-SIBs股票收益产生了显著的负面影响。表明在大部分情况下，市场约束在对我国SIBs的监管中并未起到显著作用，未达到降低该类银行道德风险的效果。</span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1563162294.jpg'), array('src' => '/files/expert/expert_1563162627.jpg'), array('src' => '/files/expert/expert_1563162637.jpg'), array('src' => '/files/expert/expert_1563162644.jpg'), array('src' => '/files/expert/expert_1563162652.jpg'), array('src' => '/files/expert/expert_1563162659.jpg')), 'userId' => '365', 'status' => 'published', 'createdTime' => '1556173370', 'updatedTime' => '1636515641', 'body' => '<p>&nbsp; &nbsp; &nbsp; &nbsp;陈忠阳教授现任中国人民大学财政金融学院教授、博士生导师，TGES-CFRMF发起人，重阳金融研究院高级研究员，美国富布莱特学者；陈教授在金融和风险管理领域从事教学和科研工作近三十年，曾任中国人民大学国际学院副院长、学术委员会主席、金融风险管理学科建设负责人，创办了国内首个金融机构风险管理方向的金融专业硕士和博士研究生项目。</p>

<p>&nbsp; &nbsp; &nbsp; &nbsp;陈教授在金融风险管理方面有丰富的国际交流经历。陈教授2016-2017年在美国加州伯克利大学哈斯商学院做访问学者，2005-2008年担任美国芝加哥伊利诺大学（University of Illinois at Chicago）商学院客座教授，2002-2003年度入选美国国务院富布莱特（FULBRIGHT）驻校学者（Scholar-in-Residence），应邀赴波士顿萨福克大学（Suffolk University）商学院任客座教授，主讲MBA课程&ldquo;金融机构风险管理&rdquo;，1998-1999年被国家留学基金挑选留学英国，在雷丁大学国际证券市场协会科研中心（ISMA Centre, Reading University）做访问学者，研究课题为&ldquo;金融风险管理&rdquo;。陈教授曾担任国际风险管理师协会（PRIMIA）北京分会创始会长、国际期刊Journal of Risk Management in Financial Institutions编委。</p>

<p>&nbsp; &nbsp; &nbsp; &nbsp;陈教授长期致力于推动现代风险管理在我国的传播和发展，不仅受邀为中央党校、北京大学、清华大学、中国科学院、南京大学、浙江大学、复旦大学等高端院校和学术科技机构讲授现代金融风险管理课程，而且与国内金融机构有着广泛深入的交流与合作，近十年来受邀为各类金融机构和论坛发表演讲和进行培训逾百场，其中包括中央汇金公司、中国工商银行、中国建设银行、中国农业银行、国家开发银行、中国农业发展银行、中国进出口银行、招商银行、东方资产管理公司总部、华融资产管理公司总部、中国建银投资公司、中国银行业协会、中国财务公司协会、新华人寿、太平洋财产保险公司和银河证券公司等总部机构。陈教授自2005年发起组织天弈全球专家研讨（TGES）暨中国金融风险经理论坛（CFRMF），已经有2,000多位国内外资深专家发表演讲，20,000多名业界人士参会，成为我国历史长、规模大和专业水平高的金融风险管理精英交流平台。2010年创办的面向金融业界的《风险管理》杂志。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '88', 'name' => '曾宪岩', 'thumb' => 'public://expert/2020/11-04/172929966f0c782195.jpg', 'originalThumb' => 'public://article/2020/11-04/1729299be8c5397475.jpg', 'description' => '中国农业银行云南省分行副行长', 'about' => '中国农业银行云南省分行副行长，曾任农总行公司业务部副总经理、普惠金融事业部副总经理。在信贷管理、小微金融等领域履历比较丰富。公开发表各类专业文章50余篇。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><font color="#000000"><span style="font-size: 16px;"><b>图书</b></span></font></div>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0); font-size: 16px;">2018，《中国商业银行竞争力报告》，中国金融出版社</span></p>

<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><font color="#000000"><span style="font-size: 16px;"><b>论文</b></span></font></div>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px;">2020，运用区块链技术提高商业银行数字化金融服务水平的思考，《农银学刊》第2期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px;">2018，西北地区大型商业银行小微金融可持续发展模式探索，《中国银行业》第12期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px;">2018，新形势下商业银行小微企业金融业务转型发展研究，《农村金融研究》第9期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px;">2018，<a href="https://www.yunzhan365.com/88789553.html">新金融下的人才培训</a>，《金融时报》6月25日</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px;">2017，百年银行危机的背后&mdash;&mdash;《钱商》透出的启示，《中国银行业》第11期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px;">2017，<a href="https://www.yunzhan365.com/86606201.html">践行普惠金融需要人文精神</a>，《中国城乡金融报》第7期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px;">2017，基于金融排斥视角的大型商业银行小微企业金融服务策略研究，《村金融研究》第2期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px;">2016，千家小微企业调查:融资难题成因复杂需银政企合力破解，《中国银行业》第12期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px;">2016，小微融资与金融结构改革，《中国金融》第12期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px;">2014，多重目标平衡下的小微金融，《农村金融研究》第9期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px;">2014，<a href="https://www.yunzhan365.com/86144988.html">多重目标、资产组合和小微金融</a>，《中国城乡金融报》第8期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px;">2014，<a href="https://www.yunzhan365.com/82591036.html">合理引导市场预期 增强可持续发展力</a>，《中国城乡金融报》</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px;">2014，我国小微企业金融服务的考核评价&mdash;&mdash;美国CRA实施考核评价的一些启示，《西部金融》第1期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px;">2013，<a href="https://www.yunzhan365.com/13554951.html">美国CRA实施考核评价的启示</a>，《金融时报》第11期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px;">2012，<a href="https://www.yunzhan365.com/13394874.html">对建立商业银行退出制度的探讨</a>，《中国城乡金融报》第12期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px;">2012，<a href="https://www.yunzhan365.com/62471218.html">资产支持票据开闸:商业银行的机遇与风险</a>，《中国城乡金融报》第8期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px;">2012，<a href="https://www.yunzhan365.com/50347751.html">服务有效性考量商业银行</a>，《中国城乡金融报》第3期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px;">2011，<a href="https://www.yunzhan365.com/64749485.html">从持有到期走向市场交易</a>，《中国城乡金融报》第9期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px;">2011，<a href="https://www.yunzhan365.com/28793053.html">关于实现贷款市场交易的探讨</a>，《农村金融研究》第9期</span></span></p>

<p style="margin-left: 40px;"><span style="font-size: 16px; color: rgb(0, 0, 0);">2002，<a href="https://www.yunzhan365.com/12904254.html">银行持股&mdash;&mdash;解决集团性企业信息不对称的根本途径</a>，《湖北农村金融研究》</span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px;">2001，<a href="https://www.yunzhan365.com/60516565.html">对当前不良贷款监管工作中所涉及几个问题的思考</a>，《湖北农村金融研究》</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px;">2001，<a href="https://www.yunzhan365.com/82946153.html">人而无信 不知其可&mdash;&mdash;漫谈我国个人信用制度的建设</a>，《湖北农村金融研究》</span></span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2 align="justify"><span style="color:#000000;"><strong>一、对线上零售贷款风险防控的挑战的分析</strong></span></h2>

<p align="justify"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 曾宪岩先生在文章《商业银行线上零售贷款风险防控策略》中对线上零售贷款风险防控所面临的挑战做出了精辟的分析。他指出首先是发展与风控之间的矛盾。强调发展最终的目的是在两者之间寻求平衡。但是两者永远是对矛盾体，要发展必须放宽经营条件，而放宽经营条件风险就会上升。放宽政治、经济、文化，无论是从借款对象、金额还是期限来讲，都会提高风险的可能。二是息差收窄。充分竞争的结果体现在价格上，从成本端和收益端两边挤压，最后导致息差收窄，收益降低。三是竞争激烈，在线上零售贷款的领域，除了个别许可之外，很多场景的设计里都可以切入这样的功能。尤其是现在要降低宏观杠杆率，导致正规的传统企业贷款需求日益下降，但很多金融机构要发展业务，就纷纷进军零售领域。所以零售领域线上贷款的竞争其实是越来越激烈。四是监管趋严。《商业银行互联网贷款暂行办法》颁布后，相对原来野蛮生长的时代更加严格和规范。</span></p>

<p align="justify"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;来源：2020（第十六届）中国金融风险经理年度总论坛NO.1：信用分析和评级技术发展与应用&mdash;&mdash;《商业银行线上零售贷款风险防控策略》</span></p>

<p align="justify">&nbsp;</p>

<h2 align="justify"><span style="color:#000000;"><strong>二、对个人线上信贷业务快速发展原因的分析</strong></span></h2>

<p align="justify"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;在文章《商业银行个人线上信贷业务探讨》中，他认为个人线上贷款业务之所以发展得如此迅猛，从外部看，有其深厚的时代背景，它是我国金融发展到一定阶段顺理成章的产物。从客户需求的角度，众所周知商业银行是嫌贫爱富的，但是自从国家大力发展普惠金融后，大家普遍认为金融需求是一种权利，前两年诺贝尔经济学奖得主将普惠金融上升到民主权力，获得金融服务是一项平等权利。所以，国家在补短板的过程中把不协调的薄弱环节补上来，发展个人线上信贷业务。从外部环境来看，数字经济、信息化社会也是个人线上信贷业务发展的催化剂。目前数字化水平飞速发展，无科技不金融，不管是创新一个产品、业务还是流程，如果不考虑数字化转型的需求，那它一定是不适应当前社会需要的。从技术支持的角度，互联网和物联网的兴起将来会使个人线上信贷业务大大扩容。试想，为什么现在不能做大型法人线上贷款业务？是因为信息不对称。但是如果我们身处万物互联的时代，工业物联网和互联网发展起来，那么企业每一项业务都可以翻译成数据，通过云计算立即翻译成银行需要的信息。如果有了信息支持，那么贸易融资、固定资产贷款等都是可以做的。在同业竞争方面，未来物联网时代给个人线上信贷业务提供了更广阔的空间。商业银行个人线上信贷业务近几年发展迅猛，某种程度上是数字化转型倒逼的结果。金融科技公司如支付宝已经占据了小额支付90%的市场，曾几何时，蚂蚁金服、微众银行做的个人信贷业务客户量超过了五大国有商业银行之和。</span></p>

<p align="justify"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;来源：2020TGES系列论坛-07：投资银行业务、私募投资与风险管理（0822-0823）&mdash;&mdash;《商业银行个人线上信贷业务探讨》</span></p>

<p align="justify">&nbsp;</p>

<h2 align="justify"><span style="color:#000000;"><strong>三、对融资难题的原因的分析</strong></span></h2>

<p align="justify"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;在论文《小微融资与金融结构改革》（2016）中，他认为信贷供给的结构不合理，是小微企业融资难的重要成因。2016年前三季度人民币贷款增加10.16万亿元，其中住户部门贷款增加就达4.72万亿元，占46.46%，比上年同期（30.3%）上升16.16个百分点，新增贷款过多进入到房地产相关行业，对小微企业贷款形成挤出效应。即便是投向小微企业的银行贷款，也有很多是单户贷款金额很大，实际规模不小，由于人数较少而划为小微企业的非典型小微企业，因此小微贷款数据的反映比社会对小微企业融资难题的感知更为乐观。此外，商事制度改革激发了大众创新创业的热情，小微企业呈现井喷式增长，进一步加剧了&ldquo;融资难&rdquo;矛盾。2015年末全国小型与微型企业（不含个体工商户）达1500万户，比2014年末增长12%，而2015年全年小型与微型贷款累计发放户数（全金融机构合计）约为140万户，比2014年减少8.6万户，减少5.71%；小微企业户均贷款1579万元，比年初增加299万元，增长近四分之一。换言之，小微企业总量在快速增加，而获得贷款的小微企业数量在减少；同时，新增信贷更多地向规模较大的小微企业（往往是存量客户）集中，对于真正新创的小微企业支持较少。直接融资方面，小微企业微乎其微。小微企业最适合于股权融资，因为股权融资最大的优势是成本低、周期长。但是，中国股权融资市场的痼疾，使得大量的小微企业被排斥在外。2015年非金融企业境内债券和股票合计融资3.7万亿元，比2014年多8324亿元，但小微企业债券融资还只是处于零星试点阶段，金额很小，小微企业在上市公司中更是寥寥无几；即便是以中小企业为主的&ldquo;新三板&rdquo;，到2015年末挂牌企业达5129家（目前已突破9000家，是沪深两地上市公司数量的3倍多），但2015年全年融资金额只有1216亿元，只占非金融企业境内股票融资金额的16%。</span></p>

<p align="justify"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;来源：《中国金融》2016年第24期，《小微融资与金融结构改革》</span></p>

<p align="justify">&nbsp;</p>

<h2 align="justify"><span style="color:#000000;"><strong>四、对发展小微金融模式的分析</strong></span></h2>

<p align="justify"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;在论文《西北地区大型商业银行小微金融可持续发展模式探索》（2018）中，他将小微金融分成了四种发展模式：</span></p>

<p align="justify"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;一是政府增信模式。目前各地政府部门都高度重视解决民营企业、小微企业融资问题，拿出财政资金及其他相关资源，积极支持商业银行开展民营、小微企业信贷业务。目前常见的政府财政引导资金有贷款风险补偿资金、财政贴息资金、产业引导基金、政策性担保、政策性保险、续贷周转基金。</span></p>

<p align="justify"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;二是产业集群模式。随着经济的发展，西北地区逐步形成一大批小微企业集群，主要包括以下几类：一是省会城市和省内主要城市的优质小微企业集群；二是以各类高新区、开发区、科技园、产业园等园区为载体的科技型、创新型、创业型优质小微企业集群；三是优质商圈和龙头专业市场的小微企业集群；四是部分县域的特色产业小微企业集群。</span></p>

<p align="justify"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;三是互联网小额贷款模式。金融科技是打破传统小微信贷业务信息不对称、风险高、成本高桎梏的最有效手段。近年来，大型商业银行按照零售化经营思路，综合运用大数据、信息技术、人工智能等金融科技，推出了基于房贷、纳税等不同金融模型的互联网小额贷款产品。</span></p>

<p align="justify"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;四是供应链金融模式。目前，大型商业银行利用大中型客户多、网点网络覆盖广的优势，将供应链融资作为发展小微金融业务的重点。供应链融资是依托于供应链核心企业信用，根据供应链中企业的交易关系和行业特点、基于货权及现金流为供应链中的上下游企业提供融资的一种模式，可以极大解决小微企业缺抵押、缺担保的问题，有效降低小微企业、民营企业贷款的信用风险。</span></p>

<p align="justify"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;来源：《中国银行业》2018年第12期，《西北地区大型商业银行小微金融可持续发展模式探索》</span></p>

<p align="justify">&nbsp;</p>

<h2 align="justify"><span style="color:#000000;"><strong>五、对我国小微企业金融服务水平考核评价的分析</strong></span></h2>

<p align="justify"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;在文章《我国小微企业金融服务的考核评价&mdash;&mdash;美国CRA实施考核评价的一些启示》（2014）中，他针砭时弊地对我国小微企业金融服务的发展提出了建议：</span></p>

<p align="justify"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;一是完善小微企业金融服务监管数据的系统支持和共享机制。目前，我国有关支持小微企业发展的政策措施分布于工业和信息化部、财政部、科技部、人民银行、银监会、证监会等各部委，数据&ldquo;孤岛&rdquo;现象较为明显：一是部分支持政策措施没有专门的考核评价制度，监管部门没有对相关数据进行规范，数据的可靠性和稳定性无法保证；二是针对小微企业金融服务的监管涉及多个部门或机构，机构之间缺乏系统协调机制，无法对监管数据进行统一规定。</span></p>

<p align="justify"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;二是建立分区域的小微企业金融服务考核评价机制。我国各地区经济发展水平差异明显，金融机构自身情况不一，需要分析当地经济发展情况以及小微企业合理的资金需求，建立分区域的考核评价机制。一是根据各地人口、自然、经济发展的特点，评估各地小微企业金融服务的需求，严格小微企业区域服务职责，定期考核金融机构满足辖区小微企业合理资金需求的状况。二是在监管指标的选择上既要选择具有共性的综合指标，也要考虑各区域在经济结构、自然条件方面的差异，制定能反映各地小微企业金融服务的特性指标。三是考核评价内容要避免僵硬的数量约束，减少固定量化的指标，要在尊重市场的原则下，针对不同区域的金融机构采用不同程度的约束机制，区别对待，灵活现实地提高小微企业金融服务水平。</span></p>

<p align="justify"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;三是根据被监管机构规模，分类制定考核评价内容。目前我国参与小微企业金融服务的机构既有四大商业银行，又有股份制银行，也有规模较小、业务范围较窄的农村合作金融机构、村镇银行、小额贷款公司、典当公司等，应分类制定小微企业金融服务考核评价内容。</span></p>

<p align="justify"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;来源：《西部金融》2014年第1期，《我国小微企业金融服务的考核评价&mdash;&mdash;美国CRA实施考核评价的一些启示》</span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1609737433.png'), array('src' => '/files/expert/expert_1609737488.jpg')), 'userId' => '187', 'status' => 'published', 'createdTime' => '1604482234', 'updatedTime' => '1636515191', 'body' => '<p>&nbsp; &nbsp; &nbsp; 曾宪岩，中国农业银行云南省分行副行长，曾任农总行公司业务部副总经理、普惠金融事业部副总经理。在信贷管理、小微金融等领域履历比较丰富。公开发表各类专业文章50余篇。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '264', 'name' => '张万奇', 'thumb' => 'public://expert/2021/02-24/183056000504751738.jpg', 'originalThumb' => 'public://article/2021/02-24/18305602abbc707535.jpg', 'description' => '北京银行总行风险管理部总经理 ', 'about' => '北京银行总行风险管理部总经理。曾先后担任北京银行支行副行长、北京银行总行部门副总经理等职务。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px; font-weight: bold;">论文</span></span></div>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2012，<a href="https://www.yunzhan365.com/74206500.html">风险管理应与发展战略相匹配</a>，《中国金融》第02期</span></span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、信用风险的压力及趋势</strong>&nbsp;</span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）当前面临的资产质量压力</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 第一，商业银行不良贷款&ldquo;双控&rdquo;压力较大。从另一个角度讲，整个行业有能力把风险处置好，让不良贷款率保持在一个相对比较稳定的水平。第二，上市银行不良贷款生成率上升。2018年面临的资产质量压力和形势不容乐观，从不良贷款绝对额增长、不良贷款生成率、不良贷款处置率以及总和情况考虑，2018年新增不良贷款规模与2017年相比是增长的，这反映了当前整个行业面临的资产质量压力与总体外部形势基本是一致的。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）债券再融资风险短期内难以化解</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>民营企业、上市公司是债券违约的重灾区。由于债券违约增加，AA级债券特别是民营企业债券销售困难，导致民营企业债券到期后无法再融资引发资金链断裂。对于民营企业来讲，不能发债意味着存量债可能发生违约。主要原因在于前期发债过度，企业可以从不同渠道发行债券，包括企业债、短期融资券、中期票据、公司债以及股交中心和金融资产交易所的私募债等。股交中心发行的私募债由理财产品投资，理财新规将股交中心私募债归为非标资产后不能再融资发行。如果发行渠道同时不能发行债券，可能存量债券就得违约，而且不仅存量债券会违约，银行贷款会受到很大的冲击。债券违约导致债券再融资受到冲击，从而加大客户违约，形成恶性循环。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）股票质押爆仓风险短期内难以化解</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>债券违约的规模在整个金融体系内不算大，但是风险传染的影响很大。企业如果股票质押违约，特别是民营企业或者小企业，其他渠道的融资肯定受到冲击，银行贷款和债券发生违约的可能性非常大，这是风险传染。另外，商业银行前期做了一些股票质押的资管产品，如果发生违约，影响也非常大，但是监管部门要求不对其平仓。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;">&nbsp;<strong>（四）外部环境压力较大</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>2018年，经济增速放缓，股市、债市、汇市出现波动，固定资产投资、社会商品零售总额增速较低；房地产价格存在不确定性和区域性问题，中美贸易摩擦导致出口和对外贸易面临不确定性，对于整个经济的预期影响非常大；此外，资管新规出台之后，非标资产等表外风险回表等，使得2018年整个经济环境都面临非常大的压力。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、信用风险管理的策略思考</strong>&nbsp;</span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>虽然说信用风险面临较大的压力，但也有比较有利的因素。最主要的是上市银行的利润总额和利差情况有所改善，特别是大型银行、股份制商业银行的利润情况有所改善。利润、利差改善为下一步化解风险有很好的帮助。从风险的角度分析，有利润意味着有能力核销不良贷款，更主要的应该是要通过提升管理控制新增不良。如何重新评估风险管理策略，可从以下几个方面进行思考。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第一，梳理和评估风险偏好。换言之，董事会是制定激进的发展策略，还是稳健的发展策略。在当前环境下，利润和规模的目标不能太大，要取得股东、董事会、监事会的支持，在发展与风险、规模与效益等问题上达成新的共识，如果董事会层面没有共识，风险管理是无能为力的。另外，要对风险偏好陈述书重新进行调整，对总体风险、信用风险、集中度等风险偏好进行梳理和评估，确定是否需要进行调整。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第二，重新评估资产组合风险。首先是压力测试。压力测试最直观，但在技术上也有很多受限的因素，要执行更加审慎的情景，分析压力测试下的风险薄弱环节。其次是风险评估。从地区、行业、产品、条线、机构等角度对组合风险进行评估，识别出薄弱环节是在长三角地区还是在环渤海地区，是在房地产行业、融资平台还是制造业等。第三是风险排查。实行大数据等金融科技自上而下、实地走访自下而上相结合的风险排查方式，既要依靠引入的技术&mdash;&mdash;金融工具、金融科技等，还要更多地了解经营单位的实际情况，通过对企业的走访，了解该企业未来的发展前景。第四是模型验证。目前已有许多量化风险的工具，需要对模型进行重新校验，并且在新的情况下，不一定要局限于一年或半年的校验时间间隔，要采用最新数据验证模型准确性，根据实际情况对模型进行调整。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第三，及时调整管理措施。客户经理做房地产、融资平台业务都做得很舒服，也形成了路径依赖，对风险变化趋势相对来说是比较漠视的。首先，加强人员培养。要改变当前客户经理对融资平台和房地产的路径依赖，对人员加强管理、加强培训。其次，强化审批。在审批方面，现在中央和监管部门在整治一刀切的压贷、抽贷、断贷，企业与银行建立了信贷关系，如果企业出了问题，银行不能一刀切的方式进行处置，所以商业银行准入客户时一定要看好客户未来新增的业务，看不好尽量不要去做。第三，提前预警。如果客户自我感觉不好时，银行才采取措施收贷，客户肯定不同意，所以需要提前预警，商业银行要放弃最佳退出时机的幻想。最后，加强金融科技、信息系统等基础设施的建设。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>总结而言，无法确定2019年是否会更加困难或者面临怎样的困难，但是可以肯定的是，2018年已经比2017年更加困难，未来面临的形势将更加复杂，希望未来发展会更好，需要我们提前做好风险管理的安排，提前对风险偏好、管理流程等进行梳理，未雨绸缪。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2018（第十四届）中国金融风险经理年度总论坛（11月）</span></p>
', 'elegant' => array(), 'userId' => '438', 'status' => 'published', 'createdTime' => '1614162666', 'updatedTime' => '1627538918', 'body' => '<p>&nbsp; &nbsp; &nbsp; 张万奇，北京银行总行风险管理部总经理。曾先后担任北京银行支行副行长、北京银行总行部门副总经理等职务。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '41', 'name' => '杨一民', 'thumb' => 'public://expert/2019/07-16/134119fd5f2d258527.jpg', 'originalThumb' => 'public://article/2019/07-16/13412000612a817987.jpg', 'description' => '美国Loyal Trust Bank（鼎信银行）创始合伙人，代理CEO，首席风险官和信用官', 'about' => '美国Loyal Trust Bank（鼎信银行）创始合伙人，代理CEO，首席风险官和信用官。曾任Protiviti高级总监合伙人，为美国PNC银行，SunTrust银行创建并领导风险分析部门多年。毕业于北京大学，获芝加哥大学数学博士，卡内基梅隆大学网络硕士和中科院数学所硕士。任明尼苏达大学任终身教授，现兼任香港科技大学实践教授。', 'sticky' => 'index', 'weight' => '99', 'achievement' => '<div style="border-left:5px solid #ff7200;padding-left:20px;"><span style="color:#000000;"><span style="font-size:16px;font-weight:bold;">图书</span></span></div>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2017，Weidong Tian (Editor), Yimin Yang, et al, <em>Commercial Banking Risk Management - Regulation in the Wake of the Financial Crisis</em>; the Chapter of Modern Risk Management Tools and Applications, Palgrave Macmillan US</span></span></p>

<div style="border-left:5px solid #ff7200;padding-left:20px;"><span style="color:#000000;"><span style="font-size:16px;font-weight:bold;">论文</span></span></div>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">Yimin Yang:</span><a href="https://book.yunzhan365.com/qpwi/mmec/mobile/index.html" style="text-decoration:none"><span style="color:#000000;"> </span><strong><em>An Overview of Anti-Money Laundering and Counter-Terrorist Financing Programs and Quantitative Methodologies; </em></strong></a><span style="color:#000000;">Private Equity Review, Nov. 2015</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">Yimin Yang:</span><strong><a href="https://book.yunzhan365.com/qpwi/ccez/mobile/index.html" style="text-decoration:none"><span style="color:#000000;"> </span><em>A Setting Financial Transaction Threshold for Anti-Money Laundering Monitoring; </em></a></strong><span style="color:#000000;">Private Equity Review, Nov. 2015</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">Yimin Yang:</span><a href="https://book.yunzhan365.com/qpwi/lkre/mobile/index.html" style="text-decoration:none"><span style="color:#000000;"> </span><strong><em>Uniqueness of concentration index;</em></strong><span style="color:#000000;"><strong><em> </em></strong></span></a><span style="color:#000000;">Journal of Financial Engineering; June 2014</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">Yimin Yang:</span><a href="https://book.yunzhan365.com/qpwi/apkm/mobile/index.html" style="text-decoration:none"> <strong><em>A methodology for allocating allowance for loan and lease losses (ALLL) under new regulatory environment; </em></strong></a><span style="color:#000000;">Journal of Financial Engineering; April 12, 2014</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">Yimin Yang:</span><a href="javascript:;" style="text-decoration:none"><span style="color:#000000;"> <strong><em>Practical methods for aggregating bank&#39;s economic capital; </em></strong></span></a><span style="color:#000000;">ERM Symposium April 24, 2013</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">Yimin Yang:</span><a href="https://book.yunzhan365.com/qpwi/lkdz/mobile/index.html" style="text-decoration:none"><span style="color:#000000;"> </span><strong><em>A Practical Method for Aggregating Economic Capital using a Gumbel Copula; </em></strong></a><span style="color:#000000;">GARP Quant Perspectives December 31, 2012</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;"><span style="color:#000000;">Yimin Yang:</span><a href="javascript:;" style="text-decoration:none"><span style="color:#000000;"> <strong><em>Diagonal Copulas of Archimedean Class; </em></strong></span></a><span style="color:#000000;">Communications in Statistics &ndash; Theory and Methods; 25 (7); 1659-1676 (1996);</span></span></p>

<div style="border-left:5px solid #ff7200;padding-left:20px;"><span style="color:#000000;"><span style="font-size:16px;font-weight:bold;">其他成果</span></span></div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;"><strong>Quantifying Credit Risk Rating Systems</strong></span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;">Keynote Speaker&nbsp;to 2018 IRFRC-APRIA Joint Conference at Nanyang Technological University of Singapore，新加坡南洋理工,&nbsp;2018</span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><strong>Bank Loan Pricing under Market Interest Rate</strong></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;">Belk College of Business, University of North Carolina, Charlotte, 2017</span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><strong>Model Risk Management,</strong></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;">Society of Actuaries, Annual Meeting &amp; Exhibit, Boston, 2017</span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><strong>Bitcoin and Blockchain Payment System </strong></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;">Federal Reserve Bank, Atlanta, 2017</span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><strong>Anti-Money Laundering &amp; Anti-Fraud Quantitative Modeling </strong></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;">Economics in the Era of Natural Computationalism and Big Data&nbsp;Duke Forest Conference 2016 at Duke University, 2016</span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><strong>Identifying Techniques to Assembly a Consistent Model Validation Process by Setting Standards and Establishing Governance</strong></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;">Model Risk Management for Insurers Conference, New York, 2016</span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><strong>HAM:</strong>&nbsp;<strong>Hierarchical Allocation Method for Economic Capital</strong></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;">International Symposium on Financial Engineering and Risk Management, 广州中山大学管理学院, 2016</span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><strong>Are Banks&rsquo;Credit Losses Pro- or Counter-cyclical? - a new way of thinking </strong></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;">ICFE中国金融工程与金融创新会议,&nbsp;深圳清华大学研究院, 2016</span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><strong>Bank Loan Pricing under Market Interest Rate</strong></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;">第四届国际智能金融会议，中科院重庆分院绿色智能技术研究所,&nbsp;2015</span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><strong>Normed Space for Model Errors</strong></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;">13届中国金融系统工程和风险管理年会,&nbsp;2015</span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><strong>Alternative Modeling</strong></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;">Quant Europe, London, 2015</span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><strong>Quantification of Risk Rating Systems: Keynote Speaker </strong></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;">国际金融工程和金融创新会议,&nbsp;成都,&nbsp;2015</span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><strong>Anti-Money Laundering (AML) Transaction Monitoring</strong></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;">National University of Singapore &ndash; 3rd NUS Workshop on Risk &amp; Regulation,&nbsp;新加坡国立大学,&nbsp;2015</span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><strong>Model Risk Management</strong></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;">Society of Actuaries SOA 2014 Annual Meeting &amp; Exhibit, Orlando, 2014</span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><strong>Energy Lending from Bank&#39;s Perspective</strong></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;">Symposium on Building Energy Uncertainty and Risk Analysis at Georgia Institute of Techology, 2014</span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><strong>Loan Allowance: New regulations, New Methodologies, and New Challenges</strong></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;">国际金融工程和金融创新会议，同济大学, 2014</span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><strong>US Financial Regulation Overhaul </strong></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;">2013国际金融工程会议，苏州大学, 2013</span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><strong>Compliance-driven Risk Quantification and Management</strong></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;">National University of Singapore - Stanford University Workshop, Singapore, 2012</span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、关于信用评级的理论和方法</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 今天的金融业界（包括银行和专业评级机构）和学术界关于信用评级有几个很大的误区和痛点。一是把违约率等同于评级；二是没有意识到每个人口中的&ldquo;信用&rdquo;其实各有不同的定义；三是对评级的迁移重视不足，没有想到这才是导致大家对信用定义不一的主要原因之一；四是对评级在不同时间的一致性（比如评级机构在金融危机前后的评级是否一致）没有深刻的理论论述和和有效的检测方法；五是各个银行，评级机构的评级都是离散的，而不是连续的，使得它们之间的转换和比较变得困难且不准确；六是评级只关注信贷损失计算，没有意识到信用评级代表的是一种短期利益（信贷损失）和长期利益（资本适足率）的交换；七是如何把有关各方包括政府监管机构的观点反映到信用评级的理论和实践中。当然，最根本的问题是各家的评级（包括金融行业的实际评级和学术界的Merton结构型模型评级）是不是能够统一到一个完整的信用理论中。</span></p>

<p style="text-align: justify;"><span style="color: rgb(0, 0, 0); text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><span style="color:#000000;">杨一民博士提出的通用信用评级理论，对上述各个问题提供了完整的理论答案和具体的算法。特别是为银行，评级机构和学术研究提供了一个统一的信用等级评定理论和方法，得到的等级不但与各家的等级所一致，而且具有非常好的时间一致性，特别是具有&ldquo;万有&rdquo;的特性：评级是一个连续的数值，同样的数值表示同样的信用风险，所以再也不需要在各家之间相互转换（不像现在的评级，一家银行的第8级可能等同于另外一家银行的第7.5级）。这个理论的实用性非常强，其独特的算法，可以和现在金融业的信用评级无缝衔接，并且能把现有的评级完美转换成万有信用评级，可以预见，这必将很快成为金融业评级的新标准。</span></p>

<p style="text-align: justify;"><span style="color: rgb(0, 0, 0); text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><span style="color:#000000;">这个理论还有其他重要的应用。比如，我们可以用它来精准计算，一个公司的股价里，有多少是与信用有关的，有多少是与信用无关的。有多少是与长期信用有关的，有多少是与短期趋势有关的，还有多少是与市场风险价格有关的等等。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、</strong></span><span style="color:#000000;"><strong>市场风险测度Expected Shortfall（ES）的问题</strong></span></h2>

<p style="text-align: justify;"><span style="color: rgb(0, 0, 0); text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><span style="color:#000000;">巴塞尔协议修改引入ES来代替Value-at-Risk（VaR）作为市场风险极端值的测度，也就是资本率的计算，其目的是为了强调所谓的Diversification Benefit（多样化利益）。但是这恐怕是出于某种形式的一厢情愿（要求所谓的成为Coherent Risk Measure）。杨一民博士从来不认为在任何情况下都可以假定有Diversification Benefit。看看AOL和Warner Bro.的合并结果，就知道现实世界里有时不但没有Diversification Benefit，还有可能是负值（即反的）。而且ES的计算必须对整个的分布尾部做统计假设（这比VaR的假设要强的多），且计算结果远不如Expected Median等统计量稳定。更糟糕的是，现在最强调的模型风险认证要求做back-test，而ES是不能back-test的。其实这个问题的核心是如何计算两个组合合并之后的资本。真正的解决方法是通过资本率与置信区间的关系入手。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、银行巴塞尔协议信用风险经济资本匹配的方法</strong></span></h2>

<p style="text-align: justify;"><span style="color: rgb(0, 0, 0); text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><span style="color:#000000;">银行在落实巴塞尔协议经济资本计算中最常见的问题是资本的匹配（Allocation）问题，它是所谓的Top-down（自上而下，或者是从整体到个体）的办法。但通常的几个方法（如 Euler方法/Marginal Contribution等）都会产生零或负的资本率。这对银行使用经济资本来衡量效益（Performance Measurement），特别是在单个产品层面上，是个巨大的障碍。解决这个问题的关键，其实与解决Coherent Risk Measure 的问题是一样的，只不过方向相反（Coherent Risk Measure是Bottom-up，自下而上）。杨一民博士的Hierarchical Allocation Method of Capital（HAM）利用实际中信用风险与评级的关系，很好地解决了任何形式（零/负/正）的Diversification Benefit的问题，而且这个方法对ES、VaR，或其他资本计算方法（无论是不是Coherent Risk Measure）都适用。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>四、信贷储备金IFR9/CECL的计算中，两个周期性问题</strong></span></h2>

<p style="text-align: justify;"><span style="color: rgb(0, 0, 0); text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><span style="color:#000000;">新的会计准则IFR9（在美国是CECL），要求银行对信贷损失用前瞻性的方法，计算未来的预期损失，及时调整储备金的水准。事实上，这个计算涉及到两个周期的问题。一个是经济环境的周期，另外一个是信贷本身的周期（一笔贷款，它的起始违约率是很低的，然后逐渐升高，高点过后，再缓慢下降至零）。这两个周期，对数据和建模方法产生了很大的影响。压力测试的建模方法，只解决了经济周期的问题。杨一民博士的信用风险评级理论，正好提供了一个完整的的理论框架来处理这两个周期问题。比如这个理论，不但可以产生跨周期的评级，更可以产生两个违约率：跨周期的违约率（具有时间一致性）和即时违约率（具有前瞻性），而且这些违约率都随信贷周期的变化而改变。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>五、大数据的四个问题</strong></span></h2>

<p style="text-align: justify;"><span style="color: rgb(0, 0, 0); text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><span style="color:#000000;">很多人认为数据越多，结果越好。学术上而言，数据多反而是头痛的事情。比如，信息多不等于有用的信息多。象棋的棋谱再多也提取不出围棋的信息。所以第一个问题是如何得知这些数据中含有有效的信息，就好比挖金矿前先要确定这里面有足够的含金量。第二个问题是如何把有用的信息提取出来，也就是常说的降维。这是个非常难的学术问题，近年来杨一民博士所了解到的比较有意义的工作之一是用拓扑不变量来降维（这正好是杨一民博士的专业方向）。不过拓扑降维不但方法复杂，而且不见得每次能有效。第三个问题是如何避免过度拟合（Overfitting）的问题。过度拟合是预测类模型的最大敌人。杨一民博士的银行生涯做过的和见过的模型，应该有数百。但是基本上很少有预测类模型用超过10个以上的变量的。多了模型就不稳定，就容易发生过度拟合。现在的神经网络等动不动就用上百个变量，它们的预测效果不见得能长久。最后，因为数据量大的缘故，常常只能先局部了解，所以第四个的问题是如何把各个局部结果拼接成整体结果。这常常是个难题（比如地球上每个局部都是平面，但整体是圆的），而且局部结果之间有可能是不一致的。</span></p>

<p style="text-align: justify;"><span style="color: rgb(0, 0, 0); text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><span style="color:#000000;">这几个问题的解决，有一个根本的方法，就是专业知识。特别是当机器学习等变得很普及时，区别就是专业知识的深浅。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>六、区块链（Blockchain）、加密币（Cryptocurrency）与信用问题</strong></span></h2>

<p style="text-align: justify;"><span style="color: rgb(0, 0, 0); text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><span style="color:#000000;">区块链的主要技术特点之一是分布式（Distributed），以便实现点对点（Peer-to-Peer）的操作。区块链的本质是一个分布式数据库，其数据的一致性通过一个共识算法来完成。这个算法可以是简单的（比如投票机制，票多的最受信赖，就是共识），也可以是复杂的（比如解方程机制，最先解出方程的，也就是运算力最强的，就可以最受信赖）。区块链的技术源头不是新的，杨一民博士在Carnegie Mellon University 学习分布式操作系统（Distributed Operating System）课程时，就学过其共识算法。</span></p>

<p style="text-align: justify;"><span style="color: rgb(0, 0, 0); text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><span style="color:#000000;">比特币（bitcoin）是一个区块链（所以是一个数据库），它的共识是用一个叫拜占庭容错算法（通过解某类Hash函数方程的解）来达成。运行这个算法的过程俗称&ldquo;挖矿&rdquo;，因为这个要有强大的运算力（消耗大量的电力），但有可能得到回报（现在是12个半的比特币）。比特币又叫加密币，因为很多人把它与传统货币相比较。现在还有非常多的其他加密币（比如以太币Ethereum），它们又常常叫做通证（Token）。由于加密币的价格波动太大，2017年以来，出现了所谓的稳定币(Stablecoin)。这些稳定币后面一般都有一定数目的资产抵押（极个别是用所谓的算法支持），这样价格可以相对稳定。</span></p>

<p style="text-align: justify;"><span style="color: rgb(0, 0, 0); text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><span style="color:#000000;">那么，稳定币到底是不是货币呢？杨一民博士的观点是：如果抵押的资产价值与稳定币价格比例正好是1比1，那么这是支付系统；如果比例大于1，那么这是投资抵押。如果比例小于1，这个加密币的价格必须还要有其他东西来抵押，这个东西可以是其他资产（包括知识产权等），也可以是信用，比如国家或机构的信用。用信用抵押就具有货币的性质。从这个角度来讲，JPMorgan 的JPCoin 是一个支付系统，Facebook的Libra是个有支付功能的投资系统（因为它的比例是正变化的，但应该保持大于1）。Libra能否成功，不取决于技术因素，而是它的加盟成员能否在世界各地满足各国资本监管比如反洗钱等要求。</span></p>

<p style="text-align: justify;"><span style="color: rgb(0, 0, 0); text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><span style="color:#000000;">信用的引入对区块链去中心化是个破坏，但可以大幅降低共识成本，提高效率。杨一民博士建议考虑引入有限信用，也就是当额度低于一定数目时，可以完全信任（或有银行等的支持）。信用的引入，不但可以极大地提高效率，也可以达成支付的功能。这样的区块链可以有多中心，所以不是完全去中心化，比较合适用来替代未来银行的信贷和支付功能。</span></p>
', 'elegant' => array(), 'userId' => '23', 'status' => 'published', 'createdTime' => '1558707512', 'updatedTime' => '1639097417', 'body' => '<p style="margin-left: 40px;"><span style="color:#000000;">杨一民博士，男，出生于江苏省常州市。</span></p>

<p><span style="color:#000000;"><strong>教育经历：</strong></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;">1992年 芝加哥大学 &nbsp;数学博士</span></p>

<p style="margin-left: 40px;"><span style="color:#000000;">1989年 卡内基梅隆大学 &nbsp;计算机网络硕士</span></p>

<p style="margin-left: 40px;"><span style="color:#000000;">1986年 中国科学院数学研究所 &nbsp;数学硕士</span></p>

<p style="margin-left: 40px;"><span style="color:#000000;">1983年 北京大学数学系 &nbsp;数学学士</span></p>

<p><span style="color:#000000;"><strong>工作经历：</strong></span></p>

<p>&nbsp; &nbsp; &nbsp; &nbsp; &nbsp;<span style="color:#000000;"><strong> 创始合伙人，资深执董，首席风险官，首席信用官&nbsp;&nbsp;美国鼎信银行(Loyal Trust Bank)&nbsp;</strong></span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;鼎信银行是美国佐治亚州第一家以华人为主导的银行，也是美国过去十几年中批准成立的少数几家银行之一。多元文化，多元服务，立足科技，立足亚裔社区，面向全球。</span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><strong>高级总监 &nbsp;美国第六大风险管理咨询公司</strong></span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;杨博士担任公司第一个合伙人级别的高级总监，负责信用风险、市场风险和资本管理，以及金融科技中的大数据和机器学习，主要客户是前50大银行和保险公司。过去曾为美国十大银行中的PNC和SunTrust银行建立并领导了风险分析部门，在对冲基金公司 EBF &amp; Associates 做过投资分析。毕业于北京大学，获芝加哥大学数学博士，卡内基梅隆大学计算机网络硕士和中国科学院数学研究所硕士。进入银行之前，在明尼苏达大学Morris校园任终身教授tenure-track assistant professor。他所服务的咨询公司在全球20多个国家设立超过80家分支机构，为超过60%的财富1000 强及35%的全球 500 强企业提供咨询服务。</span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><strong>Group VP 以及First VP美国SunTrust 银行信用风险分析部门和资本市场投资风险分析部门</strong></span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;美国SunTrust银行为全美十大银行之一，在任期间杨博士组建并主持了信用风险管理部门和市场风险管理部门，负责信用风险分析与市场风险管理相关的工作。主要为银行建立了全面的信用评级系统，经济资本计算及应用系统，CCAR压力测试系统，银行资产债务风险和市场利率风险管理，投资组合风险管理，股市，债券，衍生产品和房贷证券化定价，交易对手风险管理等</span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><strong>VP兼高级经理 &nbsp;美国PNC 银行</strong></span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;美国PNC为全美第六大银行，它旗下的贝莱德（Blackrock）是世界最大的资产管理公司。在任期间，杨博士组建并主持了该银行的信用风险分析部门，落实巴塞尔协议，建立风险预警系统，资本经济和储备金的压力测试，银行资产债务表的管理，和风险参数模型。另外，他还负责建立银行资本市场的CDS交易部门，管理信贷资产的风险对冲，并且直接对公司CFO和CRO负责。</span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><strong>Analyst, EBF &amp; Associates 对冲基金</strong></span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp; 杨一民博士是负责股票交易的数据和策略的定量分析师。</span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><strong>美国鼎信银行(Loyal Trust Bank) 创始合伙人，资深执董</strong></span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp; 鼎信银行是美国佐治亚州第一家以华人为主导的银行，也是美国过去十几年中批准成立的少数几家银行之一。多元文化，多元服务，立足科技，立足亚裔社区，面向全球。</span></p>

<p><span style="color:#000000;"><strong>专业领域：</strong></span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;作为美国第六大风险管理咨询公司的首个高级总监，杨博士负责为大型金融机构客户提供专业风险咨询，服务对象包含商业和零售银行、保险公司、资产管理公司、投资银行和证交所等。杨博士有丰富的信用风险、市场风险、反洗钱和运营风险管理经验，特别是商业信贷风险和投资风险的联结，他既有多年的实践，又有深入的理论研究。同时，他也参与共同领导公司的大数据和机器学习领域的发展。他在以下一些方面发挥了主导作用：</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;1、大型风控合规的实施：帮助银行实现CCAR/DFA压力测试、巴塞尔协议II/III、ORSA，Solvency II、反洗钱、模型风险管理和认证。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;2、风险模型构建：包括风险评级、损失预测、风险参数估计、经济资本、资产负债流动性管理、投资和证券化分析、衍生品交易定价及交易对手信用风险模型等。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;3、信用风险评价系统的建立：包括消费，商业信用风险的双重评级系统。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;4、CDS信用互换资产的交易：包括CDS和证券化定价，信贷的对冲和信用风险的预警。</span></p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '219', 'name' => '周俊', 'thumb' => 'public://expert/2020/11-12/152549d91a21336043.png', 'originalThumb' => 'public://article/2020/11-12/152550e098cc067114.png', 'description' => '中国人寿再保险公司风险管理部/法律合规部总经理', 'about' => '中国人寿再保险公司风险管理部/法律合规部总经理、纪委办公室主任，中国再保险（香港）股份有限公司风险管理与法律合规总监，北京大学理学博士。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp;&nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、关于金融科技下的数据法</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）数据法基本理念</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 周俊在题为《<span style="text-align: justify;">金融科技下的数据保护思考&mdash;&mdash;从数据法谈起</span>》演讲中指出，数据法的特点包括五点。第一，数据法并不属于传统的基本法律部门，是一个典型的领域法，即该法律并不是特别成熟，不具有很强的理论背景。第二，数据法的研究对象广泛，包括兼具人格权益与财产权益的个人信息（数据）、财产权的&ldquo;非个人信息的数据&rdquo;、人格权的&ldquo;隐私&rdquo;。第三，数据法的研究内容主要是数据在其全生命周期中不可回避并且日益突出的隐私及安全等问题。第四，数据法的研究特色主要是数据分级分类保护制度。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>此外，数据法中的关键概念&mdash;&mdash;个人信息与数据是有区别的。个人信息即个人数据，个人信息与个人数据两个概念的出现是各地法律传统和使用习惯所致，并无本质区别，只是表述方式的差异，可以相互替换使用。个人信息与数据存在区别，个人信息是从属于人格权的，而数据是匿名化的不具可识别特征的信息，数据形成了无形财产权。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）金融数据立法及监管</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在国内，在立法层面，金融数据的法律规定主要体现在金融监管部门的政策性文件和部门规章层面，已经形成了初步的规范体系，但层级不高并分布于各部门法中，较为分散。在监管层面，并没有专门的金融立法。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）金融数据保护的问题与应对</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>中国金融数据保护主要问题有六点。第一，数据共享与金融控股公司问题。第二，金融数据的出境监管，包括个人金融数据出境问题、重要数据出境问题、金融数据出境的评估和审批，在国际业务中提出了较大的挑战。第三，金融机构与第三方机构的数据共享和交易，包括金融机构向外部机构共享数据、金融机构服务外包、大型互联网平台对金融机构的数据开放。第四，金融机构使用外部数据的合规问题。如何规范网络爬虫和大数据风控、数据来源合法性审查、三重授权原则。第五，金融数据保护与金融科技。持牌金融机构开展金融数据类业务、金融科技企业开展需要持牌的金融业务。第六，金融数据保护与征信。如何规范数据收集、数据共享、数据使用，目前立法供给不足导致个人征信数据归集无法实现。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>金融企业应对举措可以有以下几点。第一，开展企业数据治理顶层设计。第二，梳理所在行业数据保护相关的法律法规、监管规定、国家标准，即外部约束的边界，着重研究本行业数据保护的特点及特殊监管要求。第三，对数据进行全生命周期的合规管控，包括收集、使用、传输、存储等，制定制度机制、出台数据保护指引、制作数据安全标准条款及合同范本。第四，将数据保护工作前置，强化法律人员在数据合作前端的支持作用。第五，培育业务员工数据保护合规文化，数据来源依法合规、数据处理符合授权。第六，加强法律合规人员对数字经济业务的认知，熟悉基本业态、了解行业趋势。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020（第十六届）中国金融风险经理年度总论坛系列12：科技在金融业务中应用&mdash;&mdash;周俊《金融科技下的数据保护思考&mdash;&mdash;从数据法谈起》演讲实录整理</span></p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、关于</strong><span style="box-sizing: border-box; font-weight: 700;">保险公司全球化过程中的风险管理</span></span></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;周俊在《保险公司全球化过程中的风险管理的思考》指出关于全球化环境下风险管理工作的重点思考有两点：第一，明确&ldquo;业务&rdquo;与&ldquo;机构&rdquo;的区别；第二，明确风险管理面临的挑战。</span></p>

<h4><span style="color:#000000;"><strong>（一）全球化中的&ldquo;业务&rdquo;与&ldquo;机构&rdquo;的区别</strong></span></h4>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;在最早的理解中，全球化、国际化是指把业务做到全球范围。中国人寿再保险公司很早就将做到了全世界，虽然没在境外各地设机构，但也可以说很早就实现全球化了。但是现如今我们大多数理解的全球化，包括我们再保险自身的理解，都认为全球化、国际化是需要把机构设出去的，也就是把经营实体设在境外的叫才称为全球化，这其中则有很大的挑战。如果只做业务，当地的监管部门是不会对公司有太多的要求；而如果在当地设机构之后则完全不一样。这其中需要仔细权衡风险管理的因素。</span></p>

<h4><span style="color:#000000;"><strong>（二）全球化中风险管理面临的挑战</strong></span></h4>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp; 主要应从几个利益相关方来考虑风险管理面临的挑战。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;第一，当地监管机构的要求与内地的区别。例如，内地做风险管理随着偿二代的推出，银保监会经常会有所动作，这样我们也有具体的工作可以对标去开展；而香港对风险管理的要求可能会更高一些，新设机构每天都要向保监会上报，保监会会一直进行监控。此外，随着业务开展，也可能每周、每月、每季度上报，现在是每季度报一次。同时监管的关注度很高，包括业务规划，业务规划的变化，业务规模的进展，利润情况，都是通过风险条线来对接的。香港的监管部门以及新加坡的监管部门，审查非常认真仔细，这给我们的风险管理，包括我们日常经营管理的精细化都提出了更高的要求。这是境内走出去会面临的一个挑战。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;第二，来自母公司或股东方的挑战。以中再为例，现在集团公司对中再寿险都有风险合规条线的考核，把三级子公司的风控合规考核都对接在中再寿险。因此怎么去设定它的偏好，怎么对它进行管理，都有很多的重新思考。出海之后，首先要面临的就是法律法规方面的风险，这是一个很大的风险。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;第三，在跟客户端展业过程中面临的挑战。一些境外监管要求非常明确，比如反洗钱，尽职调查等。虽然业务早在过去就做到了当地，但当真正在当地设机构时感受和要求又不同了。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;第四，与其他合作方在业务合作中面临的挑战。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;来源：<span style="text-align: justify;">2020（第十六届）中国金融风险经理年度总论坛系列15：</span>保险公司风险管理&mdash;&mdash;周俊《保险公司全球化过程中的风险管理思考》<span style="text-align: justify;">演讲实录整理</span></span></p>
', 'elegant' => array(), 'userId' => '320', 'status' => 'published', 'createdTime' => '1605166091', 'updatedTime' => '1636597954', 'body' => '<div>&nbsp; &nbsp; &nbsp; &nbsp;周俊，中国人寿再保险公司风险管理部 / 法律合规部总经理、纪委办公室主任，中国再保险（香港）股份有限公司风险管理与法律合规总监，理学博士，先后毕业于华东师范大学（理学学士）、中国人民大学（经济学硕士）和北京大学（理学博士）。2003年加入中国再保险公司，先后从事再保险定价、再保险业务管理、转分保安排、风险管理、内控合规管理等工作；2019年起，还兼任中再香港公司风险总监和合规负责人。</div>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '168', 'name' => '孙中东', 'thumb' => 'public://expert/2020/11-10/14575646af68511110.jpg', 'originalThumb' => 'public://article/2020/11-10/145756495a95028135.jpg', 'description' => '国际奖励办入库专家，人行科技发展奖评审专家，波士顿咨询全球资深顾问', 'about' => '国际奖励办入库专家，人行科技发展奖评审专家，波士顿咨询全球资深顾问，是国内开放银行的首倡者，多年致力于从事金融行业数字化转型。原中国银行总行副总工程师，两家民营银行副行长、行长。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp;&nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;">一、<strong>大数据时代与大数据时代的银行</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 孙中东先生在《大数据时代与大数据时代的银行》（2014）中指出大数据是改变政府、改变社会、改变银行的重要契机。对于风险管理而言，既是机遇也是挑战。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;">（一）<strong>大数据时代基本情况介绍</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>孙中东先生归纳了在大数据时代发生的基本情况。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>①　数据爆炸式增长。越来越多的人开始在虚拟世界中建立自己的家园，他们在网络上网购、从事电子商务、发表观点等，从移动互联网到物联网都会产生很多数据。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>②　数据资产价值增长。越来越多的人关注到了数据的价值。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>③　数据思维的转变。从探究难以捉摸的因果关系转而关注事物的关联关系，从数据关系里求明确清晰转变到乐于接受数据的纷繁复杂，从少量的样本数据到全量数据，从要求数据准确无误转变到大数据分析思维下数据的精确不是那么的重要了。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>④　大数据的时代特征。大数据来源广泛，有很多渠道。囊括范围大，主要分为结构化数据、半结构化数据和非结构化数据三类。大数据包括四个维度：容量，速度，多样性和确定性。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;">（二）<strong>大数据与银行的关系</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>首先，大数据对银行的价值。其一是银行有构建大数据平台的迫切要求。银行一直试图构建数据，但是由于原有数据质量并不好，存在很多问题。银行非常重视数据，因为利用它能发现数据背后所存在的问题。因此，银行需要多方改善。其二是大数据将在全方位提升银行能力。大体可以起到的作用有：营销支持、风险管理和客户体验，或者进一步分析数据后能够提升银行的支持能力。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>其次，对银行为什么需要大数据进行分析。孙中东先生认为其一是小规模电商解决不了全国大行所肩负的责任的问题，这时银行被迫要了解客户。其二是银行需要为客户提供更好的服务。客户在互联网上生活，银行就也需要出现在微博、微信上，真正做到在客户身边，支持所有新的渠道、技术，融合在互联网虚拟的生态圈里面。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>再次是大数据的应用场景。可以构建客户全景视图，可以通过大数据构建客户与市场洞察类应用，可以通过大数据构建更全面的信用评价体系。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;">（三）<strong>大数据的实践建议</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>对于大数据的实施，孙中东先生有如下四个阶段的建议：第一阶段，应用场景驱动的大数据开发。第二个阶段：各业务系统、各渠道系统等配合大数据改造优化。第三个阶段：管理信息体系下的大数据平台建设。第四个阶段（目标）：以大数据驱动的，实时的、整体联动的银行IT解决方案。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2014，孙中东。 大数据时代与大数据时代的银行，《风险管理》（2014年第一期）</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、开放银行：从开放到赋能</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>孙中东先生等人在《开放银行重构整体价值链》（2019）中指出，开放银行是中国商业银行数字化转型的必经之路，是打造未来一流银行的战略制高点。它不是单纯的产品或技术改造，而是自上而下的数据化经营的转型，包含前中后台的全面变革，是对银行整体价值链的重构和商业模式的重塑。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>简要地介绍一下开放银行。开放银行代表了一种平台化的商业模式。在此模式下，银行通过与商业生态系统中掌握用户资源的合作伙伴共享数据、算法、交易、流程或其他业务功能，触达个人、企业、政府、金融机构等各类终端用户，为其提供无所不在、体验一流的金融服务。开放银行具备以下核心特点：以客户需求为导向、以生态场景为触点、以 API/SDK 为手段，以服务碎片化、数据商业化为特征，以体系化转型为方法。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>与此同时，孙中东先生在《开放银行：从开放到赋能》（2019）中指出了开放银行对银行金融发展的意义并提出了赋能银行的要求。过去的几十年，中国经济飞速增长，但金融供给侧的发展仍旧滞后于经济发展。其中，比较日益突出的矛盾之一是传统银行提供的金融服务无法有效满足小微企业以及居民日益增长的金融需求，需求与供给之间存在鸿沟，旺盛的需求与短缺的金融服务之间存在矛盾。与此同时，各种非正规的网络金融平台泛滥，对维护金融秩序、促进经济的健康发展不利，存在诱发系统性金融风险的隐患。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>为让真正优质的金融服务触达客户，在互联网上摸索展业的银行顺应开放大潮，以&ldquo;开放银行&rdquo;作为桥梁跨越鸿沟，连接客户。在开放银行的实践中，解决需求与供给的矛盾一直是首要的任务，对促进金融业务发展具有重要意义。桥梁连接着银行与客户是解决需求与供给矛盾的基础，银行自身提供的金融服务能力就如同在桥梁上运输的货物，这些货物要能真正匹配上客户的需求，才能从根本上解决矛盾。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>孙中东先生系统地概括了开放银行对银行金融业务发展的意义。第一，帮助银行继续触达客户所在的场景。第二，多维度突破传统零售金融服务的限制。传统的零售服务方式对银行来说有诸多限制，在时间、空间、资源上出于成本回报率的考量，银行无法触及普惠金融，但客户期望普惠服务，进而导致供给短缺与需求旺盛的矛盾。而开放银行使得客户随时随地都在享受银行以低成本提供的优质普惠金融服务。第三，与第三方合作实现金融产品创新。开放银行使第三方与传统银行一起，做出创新、符合客户需求的产品和服务，催生出各种创新的业务模式，对金融业务的发展具有重要意义。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>孙中东先生也指出，开放银行是桥梁，而解决供需矛盾的货物是银行自身的金融服务能力，要能真正匹配上客户的需求，需要运用金融科技实现银行自我赋能、与场景结合的合作赋能、金融产品创新满足产业金融下的生态赋能，以多重赋能催生的金融服务能力，也就是 货物，通过开放银行这座桥梁去触达解决供需矛盾，促进经济发展。多重赋能下的&ldquo;赋能银行&rdquo;体系将是开放银行深化发展的结果，也是金融连通新经济演进的必然要求。包括自我赋能，合作赋能，生态赋能。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<p style="text-align: justify;"><span style="color:#000000;"><strong>来源：</strong><span style="text-align: justify;">&nbsp;&nbsp;</span></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>2019，孙中东。&nbsp;开放银行：从开放到赋能，《银行家》（2019年07期）</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>2019，何大勇，孙中东，陈本强，刘冰冰，谭彦。&nbsp;开放银行重构整体价值链，《中国保险报》（2019年05期）</span></p>

<p style="text-align: justify;">&nbsp;</p>
', 'elegant' => array(), 'userId' => '269', 'status' => 'unpublish', 'createdTime' => '1604991519', 'updatedTime' => '1623120749', 'body' => '<p>&nbsp; &nbsp; &nbsp; 孙中东，国际奖励办入库专家，人行科技发展奖评审专家，波士顿咨询全球资深顾问，是国内开放银行的首倡者，多年致力于从事金融行业数字化转型。原中国银行总行副总工程师，两家民营银行副行长、行长。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '32', 'name' => '胡本立', 'thumb' => 'public://expert/2019/07-16/1037106427d5983833.jpg', 'originalThumb' => 'public://article/2019/07-16/10371068f41e282364.jpg', 'description' => '前世界银行首席技术官', 'about' => '曾任世界银行首席技术官，继后任香港证券及期货事务监察委员会首席信息官、顾问，中国证监会战略及规划委员会委员，中国社保基金理事会高级顾问，惠普中国总咨询顾问等职。胡先生近年来主要关注人、数据和计算机之间在认知和管理上的互动。', 'sticky' => 'index', 'weight' => '0', 'achievement' => '<div style="border-left:5px solid #ff7200;padding-left:20px;"><span style="color:#000000;"><span style="font-size:16px;font-weight:bold;">论文</span></span></div>

<div style="height:12px; float:left">&nbsp;</div>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2020，《DAMA数据管理知识体系指南(原书第2版)》新书征订预告，《项目管理技术》第08期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2019，下一代的数据管理&mdash;&mdash;以人为本，《张江科技评论》第04期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2015，数据驱动与以人为本的统一&mdash;&mdash;关于质量管理上的几点思考，《上海质量》第01期。</span></span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、对人工智能的看法</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 人工智能的发展解决了许多实际问题，如深度学习、机器学习等算法已广泛应用在计算机视觉、语音识别，生物医学影像分析等领域。但这些应用主要还是集中关注于模式识别的问题，还未能涉及概念和语义层的问题。金融风险理论、实践以及金融语言体系中的各种概念，主要还是人的智能的结果，包括金融风险模型的设计，金融风险的管理和治理等。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>人工智能一方面希望用算法和机器来模拟人的智能，另一方面仍需要人对所用来训练它的数据、算法等进行处理。人工智能近年来正朝着与认知科学融合的方向发展。认知科学是一门研究信息如何在大脑中形成以及表达的跨领域学科，也是研究人与数据不断互动的全过程。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>金融风险本身与人和人群的行为密切相关，而认知科学就是研究人的行为。对金融风险的管理需要对认知科学有一定基本的理解。目前，从业者很少会从人认知的角度去分析和阐述金融风险形成的机制和过程，以及所需要的管理方法。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、数字化问题的看法</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>数字化主要是将模拟信号转换成数字信号，通过编码、纠错、加密等方法处理，以解决信号或数据可远距离、无失真传输的问题。数字化技术在解决了远距离通信问题的同时，也解决了计算机高速和精确计算的问题，使人类社会进入了一个全新的数字化时代。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>如今的&ldquo;数字化改造&rdquo;&ldquo;数字化转型&rdquo;&ldquo;数字化重组&rdquo;指的是技术数字化后给业务和管理带来的各种改造、转型以及重组的机会和可能。这些努力的成功不直接或不只与技术的数字化有关，它们的成功更主要与人的因素，和人对大量数据要素的理解、管理和运用有关。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、关于金融数据收集与管理的框架问题</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>随着金融业的发展与深化，各领域、各行业、各部门所产生的数据量越来越大，数据的复杂性和交叉程度越来越高。不管对监管方，被监管方还是市场，都需要，但尚未形成，一个统一的有效和高效的数据收集与管理框架。对此英国央行最近为金融数据收集改革提出的综合性讨论框架会是个很好借鉴。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>目前，存在几个现象和挑战。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>一是现在许多概念和它们相关的数据是跨界的，与已有的有些概念交叉甚至矛盾，以致对它们难以界定。概念与数据的碎片化是一个无法避免的现实，因此，需要有个统一的框架它能对这些概念和数据进行清晰而准确的分类、转换和汇总。若各方只依各方自己的某个场景对数据进行分类，很有可能在另外一个场景下就无法应用。一个系统、整体的框架，如欧盟的统一监管框架，可以使得有关各方能更有序、更透明、更有效地讨论，对各方都需要的标准化的部分达成共识，同时也提供了各方、各场景需要的灵活性。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>二是如何平衡创新机会与风险。各方都需要平衡好创新与风险的关系和时间，若监管过早过严介入，创新可能无法发展；若介入太晚，创新孕育的风险可能造成巨大损失。高质量、高水平的平衡决策过程又需要高质量和及时数据的收集和支撑。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>三是重复讨论的问题。目前，很多问题反复提出、反复讨论，新名词不断出现，但是许多问题都没有取得突破性或实质性的进展，如信息孤岛、&ldquo;打不通&rdquo;等问题。此外，存在一个误区，即认为共享就是共识，但这是两个含义并不相同。即使数据共享了，不同人或机构或行业对同一数据的认知完全可能并不一致。虽然数据共享本身就是一个难题，但共享之后需要的是对相关数据的理解达成共识。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>四、关于《英国金融业数据收集改革》的解读</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>金融企业对良好信息的依赖性很强。更全面、更快、更准确、更有洞察力的信息可以使企业的竞争力大有不同。监管机构如果没有对经济、金融体系和其所监管企业的准确信息，就无法实现货币和金融稳定的目标。与那些受监管的企业一样，监管部门也应利用新技术改进数据的收集和分析，包括从监管报表中获取的数据。《英国金融业数据收集改革》是对于前述问题系统而全面的讨论报告，有很大的学习与参考价值。它旨在阐述当前金融企业数据收集系统所面临的问题，然后确定并探讨一系列可能的解决方案，以便提供一个结构化的框架，供业界反馈和进一步讨论。其中包括数据收集、报告成本、共同的数据输入、报告指令的现代化、架构和治理的变化等内容的探讨。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>可以改变数据收集的结构和管理，从而提高数据收集的效率和效果。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>从&ldquo;推送&rdquo;到&ldquo;拉取&rdquo;数据。卢旺达采用的一种模式涉及从公司使用&ldquo;推送&rdquo;机制提交数据到主管部门使用&ldquo;拉动&rdquo;机制要求公司提供数据。例如，公司可以通过应用程序接口（API）提供数据，银行（央行）和其他相关机构可以连接到API并要求提供数据。API可限制存取数据，将银行（央行）或其他机构可调取的数据限制在其有权存取的数据集内。它还可以对请求设置限制，如数据量和最低聚合水平等。这可能类似于用一个允许银行（央行）直接查询部分共同输入层数据的流程来取代报告编制步骤。以拉动数据取代推送报告，可减少公司签注程序的重复。公司可以只签注一套数据，而不是多份报告。从公司的角度来看，从推送到拉动的方式应该可以将文件的边际成本降低到接近于零，但要确保 API 持续工作，并提供正确的数据，需要一定程度的投资和持续的资源。转向拉动模式还可能需要改变公司的治理方式。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>报告中的中央服务。如果有一个标准化的共同数据输入层，从公司自身数据到报告数据点的映射工作就可以集中进行。在商定了转换规则之后，公司可以自己实施这些转换。另一种选择是由中央服务提供者来执行这些报告程序。中央服务提供者可以发挥各种可能的作用。例如，他们可以将公司的数据转化为报告所需的数据，或者他们可以将数据实际转化为所需的报告。服务提供商的服务对象是整个行业而不是单个公司。服务提供商可以只集中处理部分流程。例如，他们可能只集中解释报告指令。或者，个别公司可以将其源数据映射到中央服务提供商的共同输入层中，然后由服务商转换数据并向银行（央行）提供报告。这种方法也可以与API相结合，使银行（央行）和其他机构能够根据需要从实用工具中提取数据。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020TGES系列论坛NO.4：金融人工智能、数字化金融与风险管理&mdash;胡本立《综合讨论金融数据收集与管理的一个优秀框架&mdash;&mdash;解读英国央行〈<span style="text-align: justify;">英国金融业数据收集改革</span>〉》演讲文稿整理</span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1609747026.png'), array('src' => '/files/expert/expert_1609747038.png')), 'userId' => '14', 'status' => 'published', 'createdTime' => '1557924113', 'updatedTime' => '1649723984', 'body' => '<p style="text-align: justify;">&nbsp; &nbsp; &nbsp; 胡本立，中国人民大学苏州国际学院兼职教授、金融风险管理全球顾问委员会委员，清华大学大数据产业联合会专家理事。曾任世界银行首席技术官，全面负责世行信息系统与技术方案的设计、架构、开发和运行，支持世界银行的战略和业务。继任香港证券及期货事务监察委员会首席信息官、顾问，中国证监会战略及规划委员会委员，中国社保基金理事会高级顾问，HP中国总咨询顾问等职，和担任过中国和印度几个上市公司的独立董事。</p>

<p style="text-align: justify;">&nbsp; &nbsp; &nbsp; 加入国际数据管理协会以后，曾担任协会的董事会顾问委员会委员，并于2012年选为该协会的副主席，负责数据标准方面的工作。胡本立先生拥有物理学学士以及计算机科学硕士学位，并在哈佛商学院完成企业高级主管关于战略、变革管理、金融和财务的培训，近年来主要关注人、数据和计算机之间在认知和管理上的互动。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '54', 'name' => '叶远刚', 'thumb' => 'public://expert/2021/04-13/151110e56cd9761435.jpg', 'originalThumb' => 'public://article/2021/04-13/151110eb1b43393125.jpg', 'description' => '美国期权清算公司（OCC）首席风险官，前道富银行全球市场（SSGM）首席风险官', 'about' => '美国期权清算公司（OCC）首席风险官，美国三叶科技创始人兼CEO；获美国杜克大学博士学位，CFA资格；曾任美国卫士（Guardian）人寿保险公司首席风险官、美国道富银行全球市场（SSGM）首席风险官等职务；参与了2008年美国金融危机后野村证券收购雷曼兄弟，以及包含黑石（BLACKROCK）基金在内的国际上一系列著名资产项目。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp; &nbsp; &nbsp; &nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、风险管理&mdash;&mdash;大债务、大政府和大数据</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp; （一）一百年来美国利率的发展回顾</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 美国短期利率主要是央行的隔夜利率。从100年前到现在，美国利率事实上没有变化多少。但是当中1980年的时候就有一个很大的变化，美国利息涨到将近20%。1929年与1930年，因为金融危机，当时利率就很低。现在因为疫情，美国利率基本上也是0了。这个100年很有意思，利率基本上是没有变动，但是当中变化很多。央行控制经济，利率是一个非常重要手段。利率比较低的时候，说明经济在下降；利率高的时候，经济是在进入萧条之前。比如说在1928年左右，利率很高，大概是4%；到了1930年左右，因为大萧条，利率就是降到0。利率低会刺激经济，但控制经济周期是一个很难做的事情。有时候利率涨得太快，可以造成一个危机；有时候利率放的太低，时间一长就会有通货膨胀。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>回顾美国历史上重要的金融事件或者经济危机，最开始是great depression，就是大萧条。大萧条对美国来说是一个非常大的冲击。跟2008年一样，当时股票市场杠杆率太大，银行给很多公司和市民贷款买股票。所以当时主要是由于股票市场引起的危机。1928年的时候，因为美国中央银行需要控制杠杆率，就把利率抬升了很高；因为抬升得过高过快，就导致了经济崩溃。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>再以后，从1935年到1945年，美国真正脱离经济危机，是因为参加了二战。战争刺激美国经济，从1935年开始，美国经济就复苏往上走；战后美国经济也是非常强劲，继续往上走。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>但是到了1970年，发生了一个重大的事情，美国总统尼克森想要刺激经济，他觉得金本位非常不方便，当然也有很多其他的原因，所以他废除了金本位制度，让纸币和黄金分开了。分开之后产生了很大的通货膨胀，正好1970年左右美国有一个石油危机，因为中东对美国石油禁运，所以美国油价往上涨。要控制通货膨胀的话，利率要增高，所以70年代对美国来说是通货膨胀的开始。到了80年代，通货膨胀达到了最高，利率上涨了20%。从那时之后，通胀就慢慢开始往下走。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>很有意思的是，中国是2001年加入WTO的，美国人认为对他们形成了冲击。现在特朗普对中国发动贸易战，他认为中国抢了美国人的饭碗。实际上他不知道中国加入WTO，给美国带来很多好处。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>其中最大的好处就是使得美国物价往下降。从1990年到现在，美国整个利率是往下走的。虽然美国发行了很多货币，刺激了经济，但是通胀一直往下走。中国是一个原因，当然还有其他科技或者自动化等很多原因。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp;&nbsp;（二）美国债务的持续增长</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>虽然美国的利率从开始到现在，100年大概没有变，但是美国的债务变化很大。每一次危机之后，政府都要干预，干预就是发行货币，刺激经济、股票市场、证券市场。美国money supply所印的钱用 M2衡量的话，最近30年增长率是很快的。美国政府的债务跟它的GDP比的话，现在已经超过了100%。但是虽然发了那么多钱，政府背了这么多债务，美国通货膨胀利率还是非常低。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>美国发行了那么多债务，是谁在买美国的债务？美国的债务不仅是中国在买，日本也有。30%的美国国债都是外国人在买。为什么30%的债务是外国人在买？日本、欧洲虽然债务也很高，但是真正的债务持有人都是本国的。美国是外国人拥有债务，风险比较高一点。因为如果外国人不买美国债务的话，美国利率往上走，经济可能吃不消。但是美国政府不怕，因为美元是处于主导地位的货币。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>美国贫富差距越来越大，为什么跟债务有关呢？因为金融市场总是对富人有利。美国债务很高，政府的债务负担占政府开销的百分比，从以前的5%到现在大概有30%。债务与应付利息越来越多，政府能够帮助的穷人是越来越少。这是一个很大的政治风险。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp;&nbsp;（三）金融危机带来了更强有力的风险监管</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>过去100年的每次危机，对我们风险管理这一行业是有很大帮助的。比如说1929年大萧条之后，格拉斯-斯蒂格尔法案颁布，把商业银行、投资银行分开了，联邦储备银行也有了监管的作用。但是那个时候，风险管理还没有正式化。&nbsp;</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>当时大家觉得，商业银行与投行分开之后，不应该会有太大的问题。但是到了1980，出现了一个Saving &amp; Loan Crisis，这也是在美国历史上一个很大的危机。这个危机主要是跟利率的风险或者资产负债管理有关。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp;&nbsp;（四）通货膨胀并不总是随着利率的下降而上升</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>有一种理论说，美国通胀率下降是跟中国有关。中国经济的增长事实上是出口导向，所以中国经济的增长和美国的利率是成反比的。美国的很多东西都由中国制造，中国制造的成本相对更低。而且中国的供应链很齐全，现在虽然人工成本有所升高，但供应链使得所有的成本仍然很低，&nbsp;中国现在跟美国在脱钩，如果脱钩到一定程度的话，美国的通胀可能会向上走。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>另外一个理论认为，美国通货膨胀率低跟科技发展有关。美国的纳斯达克，就是美国的科技股，从1970年到现在增长率很高。科技公司从刚开始造计算机，到现在造手机，所创造的东西使生产效率提高了很多。以后如果说用人工智能的话，不仅仅是蓝领的工作，白领的工作也可能被机器所代替。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>虽然说从商品的价格来看，美国的价位是低的；但是从另外一个角度来看，看黄金的价格，美国的通胀已经开始了。从1970年开始，从美国把金本位放弃开始，当时一盎司的黄金只要三四十美金，现在是将近2000美金。美国的通货膨胀率在物价上反映不出来，因为中国或者其他发展中国家在帮美国干活，还有科技自动化的原因。但是从黄金角度来说，美国的通胀已经开始了。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp;&nbsp;（五）持续高企的债务会拖累经济增长</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>债务越高的话，对未来经济的负面影响越大。问题是债务到底多高才是一个极限呢？大概债务与GDP的比值到了100%，债务对于国家经济的发展会有副作用。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>日本就是一个非常好的例子。过去二三十年，日本的经济发展不容乐观。尽管也有老龄化等原因，但是总的来说，高债务对经济有很多不良影响。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020TGES系列论坛-04：金融人工智能、数字化金融与风险管理《风险管理&mdash;&mdash;大债务、大政府和大数据》演讲文稿整理</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、关于金融科技的思考&mdash;基于美国寿险公司视角</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp;&nbsp;（一）金融科技的发展趋势</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>银行业是投资金融科技的第一个行业，但最近保险业或保险科技（InsureTech）一直处于金融科技活动的前沿，保险业对金融科技的需求更大。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>全球的金融投资大致可分为支付（Payments）、投资（Investing）、借贷（Lending）和保险（Insurance）四个领域。其中，在支付领域，中国要领先于美国，其规模超出美国10倍，所以未来在支付领域，美国的成长机会更大。在投资领域，美国的资产管理行业有5%以上的资产由AI、量化技术等管理，未来将有越来越多的钱被机器控制。在借贷领域，以消费者借贷为主，金融科技虽然已有发展，但面临很多挑战，其成长开始放慢。在保险领域，保险业金融科技近两年发展较快，美国保险业历史悠久，改变较困难，前期动作缓慢，保险公司的负债期限较长，保险公司需要做出的变动也不大。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp;&nbsp;（二）金融科技对寿险流程的影响</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>寿险产品的业务流程可分为产品推广、营销和顾客体验、承保、理赔、IT和运营五个环节。不同的金融科技对每个环节的影响是不同的。考虑如下四个金融科技技术在保险环节的应用情况：机器自动化 （Robotic Automation）、先进的分析技术（Advanced Analytics）、 人工智能或机器学习（AI/Machine Learning）、区块链和分布式账本（Blockchains and DLT）。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp;&nbsp;（三）金融科技面临的潜在挑战</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>监管不确定性（Regulatory Uncertainties）。监管在美国尤其具有挑战性，因为监管机构对其规则不明确或对市场变化反应迟缓。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>雷声大雨点小（Many thunders, not enough rains）。关于大数据、替代数据和机器学习的影响力有很多炒作，然而，目前没有任何一家能够独立盈利的保险科技公司。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>机器学习和人工智能的局限性（Limitations of Machine Learning and AI）。与工业或制造业数据不同，金融市场数据（如股票价格）是众所周知的难以建模的数据，因为这些数据是非常动态化的。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>替代数据没有魔力（No Magic in Alternative Data）。所谓可提供进一步视角的替代数据不断激增，然而，有些替代数据的价值尚不明确。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》 2019年第3辑：《关于金融科技的思考&mdash;基于美国寿险公司视角》演讲文稿整理</span></p>

<p style="text-align: justify;">&nbsp;</p>
', 'elegant' => array(array('src' => '/files/expert/expert_1611655398.jpg')), 'userId' => '37', 'status' => 'published', 'createdTime' => '1559718886', 'updatedTime' => '1636596338', 'body' => '<p>&nbsp; &nbsp; &nbsp; &nbsp; 叶远刚，博士，特许金融分析师（CFA）。</p>

<p><strong>职业生涯：</strong></p>

<p>&nbsp; &nbsp; &nbsp; &nbsp; 当前职位：美国期权清算公司（OCC）首席风险官，美国三叶科技有限责任公司（TriLeaf Technologies, LLC）创始人和首席执行官，杜克大学驻校主管</p>

<p>&nbsp; &nbsp; &nbsp; &nbsp;&nbsp;2018年 - 2020年2月：美国卫士人寿保险公司（Guardian Life Insurance Co.）首席风险官</p>

<p>&nbsp; &nbsp; &nbsp; &nbsp;&nbsp;2010年&nbsp;-&nbsp;2017年：道富银行（State Street Co.）全球市场首席风险官</p>

<p>&nbsp; &nbsp; &nbsp; &nbsp; 2015年&nbsp;-&nbsp;2010年：野村控股（Nomura Holding Inc）美洲首席风险官</p>

<p>&nbsp; &nbsp; &nbsp; &nbsp;&nbsp;1996年&nbsp;-&nbsp;2004年：PNC金融服务公司（PNC Financial Services Inc）首席市场风险官、财政部和风险部门的高级职位</p>

<p><strong>学术背景：</strong></p>

<p>&nbsp; &nbsp; &nbsp; &nbsp; 2017年至今：杜克大学研究生院<span style="font-family: tahoma, 微软雅黑, 宋体, arial, georgia, verdana, helvetica, sans-serif;">理事会</span></p>

<p>&nbsp; &nbsp; &nbsp; &nbsp;&nbsp;1991年&nbsp;-&nbsp;1996年：曾任纽约州立大学石溪分校、普渡大学、德克萨斯农工大学和德克萨斯大学助理教授</p>

<p>&nbsp; &nbsp; &nbsp; &nbsp;&nbsp;1986年&nbsp;-&nbsp;1990年：James B. Duke Fellow，杜克大学</p>

<p>&nbsp; &nbsp; &nbsp; &nbsp;&nbsp;1991年获得杜克大学数学博士学位</p>

<p>&nbsp; &nbsp; &nbsp; &nbsp;&nbsp;1985年获得复旦大学数学学士学位</p>

<p>&nbsp;</p>

<p>&nbsp; &nbsp; &nbsp; &nbsp; 叶远刚是美国三叶科技有限责任公司的创始人兼首席执行官，该公司基于深入的数学理论，并结合了传统和替代数据集的见解，创建了创新的交易和投资策略，以及风险管理系统。该公司促进了学术研究和工业应用之间更紧密的合作。</p>

<p>&nbsp; &nbsp; &nbsp; &nbsp; 叶远刚目前也是杜克大学驻校管理人员。在这个职位上，他利用自己丰富的行业经验，在课程、教学和研究方面为大学提供建议，特别是在涉及定量金融领域方面。他还教授一门算法交易课程。</p>

<p>&nbsp; &nbsp; &nbsp; &nbsp; 从2018年到2020年2月，叶远刚一直担任总部位于纽约的美国卫士人寿保险公司的首席风险官，这是美国十大人寿保险公司之一，为个人和企业提供6400亿美元的人寿保险政策保护。作为首席风险官，他负责整个企业的风险管理策略及其执行。在此期间，他领导制定了全面危机管理计划，使公司能够顺利度过当前的新冠肺炎疫情危机。</p>

<p>&nbsp; &nbsp; &nbsp; &nbsp; 2010年至2017年，他在位于波士顿的道富银行（State Street Corporation）工作。道富银行是全球第二大托管银行，托管资产达30万亿美元。他是公司两个主要业务部门的首席风险官：道富全球市场和全球交易所。合并后的部门通过为机构资产所有者和管理者提供销售和交易、证券借贷、机构经纪、电子交易和清算、信贷和借贷以及数据和分析解决方案，产生了超过20亿美元的年收入。他负责整个风险管理策略以及在美洲、欧洲、中东和亚太地区的全球分部的执行。他一直致力于在全球范围内建立道富银行的风险管理框架和基础设施，以满足监管要求并支持重大业务扩张。他还领导道富银行成功地管理重大的市场和监管挑战。</p>

<p>&nbsp; &nbsp; &nbsp; &nbsp; 从2005年到2010年，叶远刚担任野村控股（一家总部位于东京的大型全球投资银行）美洲区首席风险官，负责风险管理监督的所有方面，包括市场、信贷和操作风险。叶远刚和他的团队在帮助野村成功渡过2008年全球金融危机中发挥了重要作用。这场危机使野村得以收购雷曼兄弟的大部分股份，并大幅扩大了其在美洲的业务。他也曾担任野村证券投资组合风险的全球主管，负责全球范围内跨区域和资产类别的风险敞口汇总和分析，以识别和减少集中风险。</p>

<p>&nbsp; &nbsp; &nbsp; &nbsp; 1996年到2004年，叶远刚在PNC资产管理公司（美国第六大商业银行，资产超过4000亿美元）度过了八年。他担任的管理职务责任越来越大，最后一个是公司的首席市场风险官。在这个职位上，他负责PNC公司范围内的利率风险、流动性风险和交易风险，包括银行账簿、交易账簿、资产管理和自营投资。在任职期间，他还与PNC旗下的黑石资产管理公司（BlackRock Asset Management）密切合作，开发其风险分析系统。</p>

<p>&nbsp; &nbsp; &nbsp; &nbsp; 从1991年到1996年，叶远刚在几所大学从事数学博士后研究和教学工作，包括德克萨斯农工大学、普渡大学和纽约州立大学石溪分校。他获得了美国国家科学基金会和美国国家安全局在代数几何领域的多年研究资助。</p>

<p>&nbsp; &nbsp; &nbsp; &nbsp; 自2017年起，叶远刚一直任职于杜克大学研究生院<span style="font-family: tahoma, 微软雅黑, 宋体, arial, georgia, verdana, helvetica, sans-serif;">理事会</span>（GBOV）。作为GBOV的成员，他致力于与杜克大学研究生院建立更紧密的行业联系，特别关注数学研究和教学。</p>

<p>&nbsp; &nbsp; &nbsp; &nbsp; 1991年获得杜克大学数学博士学位，1986年至1990年担任James B. Duke Fellow。1985年毕业于中国复旦大学，获学士学位。自2003年以来，他一直是特许金融分析师（CFA）的持有人。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '244', 'name' => '李凡', 'thumb' => 'public://expert/2021/01-04/162747331af1744859.png', 'originalThumb' => 'public://article/2021/01-04/162747361b9f851203.png', 'description' => '阿博茨科技产品VP，中科大硕士', 'about' => '阿博茨科技产品VP，中科大硕士，曾任职微软和海豚浏览器，曾带领团队在20+国家和地区推出个性化新闻客户端，产品各项数据稳居市场第一。作为合伙人参与创立阿博茨科技，负责金融行业产品线，致力于AI技术在金融研究、投资、风控等领域的应用落地。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><font color="#000000"><span style="font-size: 16px;"><b>其他成果</b></span></font></div>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2016，<a href="https://www.yunzhan365.com/86183702.html">区块链+保险的&ldquo;四个机会&rdquo;</a>，《中国保险报》2016年11月8日第006版</span></span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>基于AI的企业风控系统增强的应用</strong></span></h2>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、银行进化路线及银行业务场景的智能化增强方案</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 银行的进化路线可以分为四个阶段。1.0阶段为1472年-1980年，进入金融服务时代，以金融产品为中心，离不开物理网点，关注点仍囿于物理网点中的银行服务。2.0阶段为1980年-2007年，进入自助服务时代，以服务为中心，电子技术延伸了物理网点的触角，电子技术替代人力工作，自助服务标志着银行进入新时代。3.0阶段为2007年-2017年，进入移动互联时代，以客户为中心，随时随地获得银行服务，物理网点不再是用户要去的地方，金融产品的选择权将产生对调，用户将成为与银行关系中的主导者。客户越来越多地进入银行的服务中，诞生出更多个性化需求和个性化数据，也产生了一些问题，即如何更好地利用这些资源为客户提供更好的服务，以及如何利用好在服务客户的过程中产生的大量数据。4.0阶段为2017年以后，进入人工智能时代，以智能服务客户为中心，嵌入生活的智能银行服务，即时、实时的金融服务将成为流行，智能投资顾问和场景介入将为用户提供更好的金融解决方案。Bank1.0至Bank3.0，是基于物理网点的服务渠道扩宽，而Bank4.0则是回归到对银行本质的重新审视，为我们提供了通往未来银行最有可能的路线和创新方法。应用场景包括人工智能（AI）、现实增强（AR）、语音识别设备、穿戴智能设备、无人驾驶、5G通信、区块链等。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>银行业务场景的智能化增强方案有三层。最底层是基于OCRPC、视觉技术赋能，将更多数据融合到体系中，例如照片、视频、文档、扫描件等。中间层基于NPL技术赋能，理解数据本身的含义，将数据变成业务流程中能够直接跟现有模型对接的信息。最上层则是银行核心应用和用户。通过这样的体系，将更多的数据纳入到银行的业务中，提升业务处理的效率和能力，从而让整个业务场景得到更好的增强。</span></p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、银行信贷业务系统增强的应用</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>信贷是商业银行的主要业务，也是其主要盈利的途径，随着互联网技术的不断发展，传统的银行贷款也受到互联网技术的影响，因此必须改进和完善信贷业务的风险管理机制、信贷前后录入审批效率、贷款对象定位，使银行信贷得到良好的发展。公司客户对银行&ldquo;数字化&rdquo;的期望在不断提升，超过70%的企业客户表示数字能力是评估银行对公服务水平的关键要素之一，特别是中小企业更看重在线信贷的产品和服务；其次，银行信贷申请的过程是越来越自动化的，减少人工对申贷资料的处理时间，加快信贷审批流程，是提高银行信贷效率的最有效帮助，自动化信贷服务是互联网金融环境下的必经之路；自动化完成后，推动信贷更加规范化，为了有效地规避风险，银行方面要对申请贷款的对象进行严格把关，利用全方位的财务分析对申贷资料评估，降低不良贷款率；最后，规范化又会推动银行进行数字化升级。银行信贷业务发展形成了规范化、数字化、自动化的正向循环。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>银行信贷业务也存在许多挑战。在业务中，贷前审核和贷后管理，需要客户经理收集企业财务报告，录入并导入信贷风控系统中，这些财务报告包含照片、纸质、PDF等多种格式，客户经理依旧需要线下收集，通过一定方式手动录入到信贷系统中。在这过程中，存在财报录入慢、成本高和风控弱的问题。每年处理上万份报告，每个报告有5百多个科目，人工录入非常费力，每年累计耗时超过5万个小时；报告不清晰，披露不规范，录入人员业务不清晰，粗心大意，都会导致录入数据出错，无法满足财务分析的要求；传统风控模型局限来自于财报、证照等企业提供数据的因子与互联网中的公开风险因子没有有效结合，无法覆盖和预警更全面的风险。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>针对以上提出的问题，我们以信贷业务为核心，提供三大智能化功能提高财报处理能力。一是内容数字化，基于计算机的视觉能力，用机器辅助原来需要人工抄录的过程，提升整个效率，例如自动转成结构化表格、统一会计科目名称、勾稽关系自动校验查漏补缺、会计指标自动对齐等。二是服务在线化，让用户在任何场景下都能使用该服务，方便客户经理在外开展业务。三是风险可量化，将录入好的数据使用内置财务分析模型进行舆情分析、实时全网监控、企业画像分析、风控模型迭代等，尽早地将风险暴露出来。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>具体来说，表格自动解析，基于深度学习算法的&ldquo;卷积&rdquo;计算，有效提升解析准确率，也就是数字化。在录入数据后，要进行科目自动匹配，通常会引入一些专家系统，将常见的15个模板先录入系统，通过标准科目及同义词模型完成持续识别。对于模型未匹配科目，需要进行人工干预，一方面保证录入顺利完成，另一方面让计算机记录下此次匹配，变成一个新的学习素材，再去训练模型，达到越用越准的效果。在所有的指标识别完并录入后，进行勾稽关系自动校验，发现数据错误和科目不平，快速修正。此外，信贷系统还内置三维财报分析引擎实时分析财报数据，结合企业内外部数据实时完成财务数据有效性、趋势性、同业对比分析，提早发现潜在的财务粉饰和欺诈风险，为信贷风控业务提质增效。</span></p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、具体案例</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>某银行股份有限公司，在全球有150家代理机构，企业客户1万家，每年需要录入5-6万份财务报告，财报数量庞大，人工录入慢，且录入准确率不高，返工几率大，风控因子少。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在风险管理部和企业管理部使用了系统后，财报录入准确率高达99%，原本完整录入一份财报需要2小时，现在缩短至10分钟，录入效率提升90%；增加了10多类企业风控因子，能够更好地实现财务分析预警和监控，结合公开的企业画像数据，实时监控工商、舆情、法律诉讼、行政处罚等风险，为风控模型提供有效补充。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020（第十六届）中国金融风险经理年度总论坛系列12：科技在金融业务中应用&mdash;&mdash;李凡《基于 AI 的企业风控系统增强的应用》</span></p>

<p style="text-align: justify;">&nbsp;</p>
', 'elegant' => array(), 'userId' => '377', 'status' => 'published', 'createdTime' => '1609748908', 'updatedTime' => '1627539868', 'body' => '<p style="text-align: justify;">&nbsp; &nbsp; &nbsp; 李凡，阿博茨科技产品VP，中科大硕士，曾任职微软和海豚浏览器，曾带领团队在20+国家和地区推出个性化新闻客户端，产品各项数据稳居市场第一。作为合伙人参与创立阿博茨科技，负责金融行业产品线，致力于AI技术在金融研究、投资、风控等领域的应用落地。</p>
', 'type' => 'senior', 'opened' => '0', 'followed' => '0'), array('id' => '158', 'name' => '吕宇良', 'thumb' => 'public://expert/2020/11-10/1341255b0bc2249995.png', 'originalThumb' => 'public://article/2020/11-10/1341255deb18350344.png', 'description' => '江西裕民银行风险专家', 'about' => '江西裕民银行首席风险专家。超过20年的风险管理从业经验，涵盖了风险管理咨询、金融科技、互联网金融、消费金融、零售信贷、公司信贷。精通智能风控相关的评分模型、大数据算法、风险政策、反欺诈、智能催收，以及新资本协议相关的零售内评、压力测试、经济资本计量等技术，且具有多年管理大规模风控团队的经验。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp; &nbsp; &nbsp; &nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<h2><span style="color:#000000;"><strong>一、智能风控助力银行数字化转型</strong></span></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 目前各个行业的数字化转型都是如火如荼，根据IDC的预测，到明年全球在数字化转型上的投资会达到5.5万亿美元。就我国而言，从中央到各级地方政府在他们的工作报告中数字经济这个词已经被多次提起，也引发高度关注。所以，我国也正在加速进入数字经济时代。银行业作为数字化转型的排头兵，与两三年前的试水有所不同，目前不同规模和级别的银行，都已经把数字化转型作为重点发展项目推进，都要加快数字化转型的步伐，都希望通过转变整个经营模式来抢占先机。通过加强数据分析来对客群进行更好的画像。在前不久刚刚举办的2020年的中国银行业的发展论坛上，六大国有行的行长们纷纷对数字化转型以及如何以科技来赋能金融，表达了高度重视，全行业都在加速推进。</span></p>

<p><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>银行数字化转型中，智能风控能够在以下几个方面助力转型：</span></p>

<p><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第一，普惠金融，拓展客户群体。第二，改进风控，优化资产质量。第三，提高效率，升级客户体验。第四，降低成本，促进轻型发展。</span></p>

<h4>&nbsp;</h4>

<h2><span style="color:#000000;"><strong>二、智能风控 vs&nbsp;传统风控</strong></span></h2>

<p><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>风控模式方面。传统风控更多基于专家经验的人工审批。非常依赖于我们的信审官对于材料的理解把握。信审官会基于他自己的经验来进行相应的判断。而智能风控更多的是以量化的模型以及基于数据分析的策略为主。数据来源方面。传统风控一般基于人行征信以及企业的财务信息进行相应的评估。而智能风控可能除了这些传统的信源之外，还增加了社交网络的信息，行为信息，客户行为信息以及刚才提到的水电、煤、气，税这种政务的大数据，包括刚才提到的物联网大数据等等。数据维度方面。因为传统风控一般是基于刚才说的那些信息源，相对来说这些信息对于风险的识别和评估关系都较强，我们称之为强变量。相应的维度也会比较少一些。而智能风控，社交数据，买点信息等等信息，他们跟风险的关系并不是那么明显。模型类型方面。传统风格可能更多基于专家评分卡，或者基于相应的财务模型。而智能风控可能更多的会基于机器学习或者大数据学习的算法，用这些来进行模型的构建。而在智能风控这边，因为两个方面的原因。第一变量很多，模型里面成百上千的变量，很难去评估每一个变量在里面的真正的作用。另外一个，因为里面其实有非常多的弱相关变量，而弱相关变量跟风险的关系，其实不是那么明显。所以，在智能风控里面，我们对于因果关系的重视程度没那么高，我们相信不管白猫黑猫抓老鼠就是好猫。</span></p>

<h4>&nbsp;</h4>

<h2><span style="color:#000000;"><strong>三、智能风控成效分享</strong></span></h2>

<p><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第一点，大数据让服务小微和普惠金融成可能。第二点，随着人工智能的应用，在相同数据基础的情况下，模型的性能提升20%-30%。第三点，通过智能催收能够把催收成本降低1/3。</span></p>

<h4>&nbsp;</h4>

<h2><span style="color:#000000;"><strong>四、裕民银行智能风控拓扑图</strong></span></h2>

<p><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>总体来说，我们的智能风控系统分为7个层次，由下到上体现了数据、模型以及系统的三元理论或者也叫三大支柱。</span></p>

<p><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>最下面是原始数据层，我们通过原始数据层整合客户在行内以及行外的各种的信息，包括了客户的基础信息，行为信息，以及在外部的征信信息，以及我们外部合作的场景信息，以及客户的社交信息，以及政务大数据等等各方面的信息。</span></p>

<p><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>中间层，我们会对原始信息进行相应的清洗及进行以应用为单位为基础进行划分，把它分门别类的地归到我们的中间层上面去。</span></p>

<p><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>中线上面是我们的集市层。我们知道原始数据一般对于风险的排序不是那么显著，我们通常需要对数据进行加工转换和延伸，产生能够对于风险具有更好的评估和排序的特征变量。基于这些特征变量，以及相应的客户画像标签。对原材料进行相应的精炼，这个工作在整个的风险管理中都是非常重要的。</span></p>

<p><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在这个基础之上是模型层，模型层的话其实是基于刚才说的数据集市的各种变量。这里面有贷前贷中贷后的各种各样的模型，比如说我们就说反欺诈模型，其实这不是一个模型，这其实是有不同的三个模型集群，由不同的客群细分的各种的子模型来组合在一起的。不同的子模型以及各种类型的模型组合在一起组成了我们整个的模型集群。</span></p>

<p><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>所以我们需要风控策略，风控策略建立在模型之上。它不仅仅是模型，它会结合其他因素，这样的话我们就会构建贯穿整个企业信用生命周期的风控策略，来决定对每一笔申请到底应该做什么样的处理。所有的模型策略都是通过我们的风控系统进行相应的部署，这样的话就能够实现对每一个申请都能够进行自动化的调用，以及进行我们刚刚说的秒批秒贷。</span></p>

<p><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>最上面的是我们渠道管理系统，就是说我们的客户是通过我们的APP小程序，公众号、外部网页，甚至是开放银行来获取的。我们其实是站在我们很多的合作机构的背后，这样的话我们合作机构从API给我们进行数据的交互，我们的客户通过这些渠道，向我们提交数据，相应的会被传送到我们的政策服务器里面，会进行自动的像现在审批以及贷中加上贷后的一些处理。</span></p>

<h4>&nbsp;</h4>

<h2><span style="color:#000000;"><strong>五、裕民银行智能风控体系</strong></span></h2>

<p><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>我们的智能服务系统大致分为5大模块：</span></p>

<p><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第一是征信管理平台。刚才跟大家分享的原始数据层是通过征信管理平台来进行相应的配置，这一平台的话能够通过配置实现不同信源调用和接入。各种信源，比如说征信相关信源，我们既涵盖了传统风控体系中的信息，通过人行征信实现。另外，客户也可能在很多机构里面也有一些相应的金融信息，我们是通过中国互联网金融协会体现的。此外，各种各样的黑名单也在我们的平台。刚才提到各种的政务、大数据，像税、水、社保、公积金等等，这些我们都是通过平台来进行相应的配置的。风险管理中，多头的负债及其还款能力极为重要，所以我们也通过资金管理平台接入非常多的多头的信源，以及能够评估客户的还款能力的各方信源。最后，像客户社交网络等方面，我们都是能通过这种我们的平台进行相应的配置。</span></p>

<p><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第二个模块是我们的模型管理平台。模拟管理平台能够实现各种基于机器学习算法的模型的自动地部署和知识的监控，对我们是非常高效的一个工具。</span></p>

<p><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第三个是反欺诈系统。反欺诈其实是我们整个风险管理的第一道关口，反欺诈系统涵盖了设备指纹，帮助我们来识别黑厂，包括冒用等情形。另外还包括活体检测，声纹识别，复杂网络对于我们反欺都是非常重要的工具，包括行为轨迹这些方面。</span></p>

<p><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第四个是策略引擎。策略通过策略引擎部署在我们的风控系统里面的，每一个申请过来之后，不再需要人工进行干预。一般情况下，风险会自动执行。</span></p>

<p><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第五个是智能催收系统。智能催收系统的话大致的功能是包括几个方面，第一是智能分案其实主要是基于在险余额以及可回收金额进行分案。另外基于各种前端催收模型以及晚期的清收模型，以及机器人等等这些技术来进行实现，即智能化的催收。通过智能催收和人工催收实现更好的投产比。&nbsp;</span></p>

<h4>&nbsp;</h4>

<h2><span style="color:#000000;"><strong>六、智能风控的误区</strong></span></h2>

<p><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第一，大数据、算法将完全替代人工？我个人是这么理解的，我们以催收来说，对于早期催收而言，智能催收是能够非常好的来替代人工的。但是对于晚期催收那种需要非常复杂的跟客户有非常多的谈判，目前所谓的人工智能的水平还达不到完全取代人工的程度。第一这些工作其实不能够完全取代，只是说对于稍微简单一些的工作进行取代。另外模型设计、数据清洗、特征工程都有赖于长期以来对业务的认知和经验的积累，不是靠大数据、算法就能自动得到的。就像深度学习里面有一些算法，号称不需要人工就能够自动得到，但我自己的经验可能在金融领域实现的话有些言过其实。可能在某一些专有的特别的领域，比如说围棋领域，可能可以，但是如果要做到通用化的人工智能目前还不具备这样的条件。所以这些事情目前还是需要人工的。</span></p>

<p><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第二，智能风控能化腐朽为神奇，从一堆垃圾中炼出黄金？很多人可能认为有了智能风控，是不是不管质量什么样，总能挑选出好的。这一观点在两类人群里面特别普遍，第一类可能经验不是那么充足，他就会觉得我有了这个东西，我就包打天下了；另一类可能前台业务人员也会过度期望。我个人的理解，只靠这种模型策略是无法从根本上解决风险防控的问题，风险管理的工作必须是要前置的，风险管理必须要介入从最开始的客群选择、产品设计、流程优化、渠道管理，从这些角度出手，再结合我们的模型策略方向等等那些传统的风控东西才能真正地防范风险。所以，风险管理不是一个被动的过程，而是应该是主动有所为的。就像在特性选择上面，如果客群是很烂的，挑出来的投资产品非常差，得不偿失，所以要从根本上解决这个问题。</span></p>

<p><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020（第十六届）中国金融风险经理年度总论坛系列11：智能风控&mdash;&mdash;吕宇良《银行数字化转型中的智能风控》</span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1615276135.png')), 'userId' => '259', 'status' => 'published', 'createdTime' => '1604986920', 'updatedTime' => '1636534849', 'body' => '<p>&nbsp; &nbsp; &nbsp; &nbsp;吕宇良，江西裕民银行首席风险专家。超过20年的风险管理从业经验，涵盖了风险管理咨询、金融科技、互联网金融、消费金融、零售信贷、公司信贷，在业界积累了良好的声誉。不仅精通智能风控相关的评分模型、大数据算法、风险政策、反欺诈、智能催收，以及新资本协议相关的零售内评、压力测试、经济资本计量等技术，而且具有多年管理大规模风控团队的经验。</p>

<p>&nbsp; &nbsp; &nbsp; &nbsp;曾在纽交所上市公司信而富担任副总裁，全面负责风险管理方面的工作。通过产品设计和优化、模型算法的优化、外部数据和最新科技的应用、治理架构的设计，在防范信用风险、操作风险的同时，优化客户体验、提升运营效率、增强市场竞争力。</p>

<p>&nbsp; &nbsp; &nbsp; &nbsp;在信而富任职前曾供职于最大的征信局Experian、浦发银行、上海银行。带领咨询团队为中国和亚太区众多金融机构成功交付各种类型的评分模型、零售内评咨询项目。</p>

<p>&nbsp;</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '221', 'name' => '周向勇', 'thumb' => 'public://expert/2020/11-12/15321609f468952416.png', 'originalThumb' => 'public://article/2020/11-12/15321710d8de132417.png', 'description' => '国泰基金管理有限公司总经理', 'about' => '现任国泰基金管理有限公司总经理，剑桥大学MBA，先后在中国建设银行、中国建银投资公司工作。2011年2月加入国泰基金任总经理助理，2012年11月起任公司副总经理并负责投资研究工作，2016年7月起任公司总经理。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p style="margin-left: 40px;">&nbsp;</p>

<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px; font-weight: bold;">论文</span></span></div>

<p>2020，公募REITs:开辟新时代背景下资产管理行业新蓝海，《清华金融评论》第12期&nbsp;。</p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、主动权益类基金规模变迁</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 主动权益类基金包括wind基金一级分类的股票型和混合型，同时剔除二级分类中的指数型和偏债混合型。主动权益类基金规模变迁主要表现在以下几个方面：</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）2019年以来权益类基金规模涨幅与基金经理人数涨幅差距较大</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>2019年至今主动权益类公募基金管理规模显著增加，最新总管理规模近4.2万亿，2020Q3规模相对2019Q4提升87%，增幅超过2015年80%的最近10年历史最高值，而同期基金经理人数的涨幅远低于2015年，这表明2019年以来主动权益基金经理平均管理规模大幅提升。2019年以来的基金数量涨幅同样明显低于2015年，与2015年规模增长基本来自于新发基金不同的是，今年以来存续基金的规模增长同样贡献较多。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）管理大资金的权益类基金经理显著增加</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>近几年基金经理数量增幅变化不大，但管理超50/100亿规模的基金经理人数显著增加，说明资金越来越往部分明星基金经理集中。最新管理主动权益类基金规模超100亿的基金经理126人，比2019年底大幅提升107%。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）今年出现一批管理规模超300亿的基金经理</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>目前管理主动权益类公募基金规模超300亿的25位基金经理中，仅4位管理规模连续超100亿的经验达5年。大部分基金经理管理大规模资金的经验有限，基本上是借助今年的基金牛市实现规模大幅度提升。2020年多个&ldquo;爆款基金&rdquo;发行，今年新发主动权益类基金规模超100亿的27位基金经理中，有17位基金经理新发产品规模占比超50%。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、大规模权益基金风险分析</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>随着基金规模的快速扩张，且该扩张主要集中于头部基金经理，头部基金经理人均的管理规模迅速扩大是否会带来相应的风险呢？</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）基金规模存在最优边界</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp;&nbsp; &nbsp;&nbsp;</span>我们认为基金规模存在一个最优边界，管理规模不能太小也不能太大。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp;&nbsp; &nbsp;&nbsp;</span>规模较小时，随着规模增加，收益率提升。规模太小可能基金经理的一些策略无法施展，随着规模增加，策略灵活度提升。随着基金规模的增大，基金的交易成本在下降，同时获取数据、研究服务的成本，以及管理成本和间接费用不是随着规模的增长而同比例增加，这些会给基金带来正的规模经济效应。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp;&nbsp; &nbsp;&nbsp;</span>规模超过一定边界值后，收益随规模增加而降低。主要由以下三个方面所导致：一是投资标的不足：规模增加后，需寻找更多投资标的，在缺少足够多优质投资标的时，部分基金经理特别是成长型基金经理不得不改变投资风格投资不熟悉的标的。二是调仓不灵活：不能更快的买入和卖出投资标的。三是策略拥挤度：部分策略，如高换手率策略、新股增强策略在基金规模增加后将失效。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）主动管理规模超过边界可能带来的风险</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp;&nbsp; &nbsp;&nbsp;</span>主动管理规模超过边界可能带来以下三种风险：</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp;&nbsp; &nbsp;&nbsp;</span>流动性风险：规模增加投资组合流动性将降低。大部分基金会将部分或全部新增资金投资于已有股票组合，会造成单只股票持仓过大，基金将不能更快的买入/卖出股票标的，从而面临更大的流动性约束。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp;&nbsp; &nbsp;&nbsp;</span>市场风险：规模增加会加深机构抱团行为瓦解的反应；当前市场估值偏高。公募基金各机构投资理念相似，在近年来结构性行情下，机构倾向抱团持有头部公司股票。在全市场基金规模整体增加的趋势下，资金会向头部公司进一步集中。抱团行为在标的上涨时会促进股价攀升，一旦标的价格回调集中减仓会加深股价下跌幅度。今年以来市场整体估值偏高，若均值回落则会带来市场风险。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp;&nbsp; &nbsp;&nbsp;</span>风格漂移风险：规模增加会迫使投资风格改变。部分产品以往获取相对高收益可能是凭借重仓基金经理较为熟悉的个股、集中持有个别景气度较好的行业以及在管理规模较小时频繁换手，然而规模一旦增加，相应的风格或许难以持续，从而影响产品收益。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、如何降低规模带来的风险</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp;&nbsp; &nbsp;&nbsp;</span>在存在最佳管理规模的情况下，随着管理规模的扩张，我们可以运用以下三个方法来降低风险：</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp;&nbsp; &nbsp;&nbsp;</span>A股市场容量扩大且相对稳健：自2019年以来沪深两市总市值、股票总数的增速显著提升；沪深300日成交金额仅次于2015年，同时换手率也不高，年化波动率处于历史均值水平，市场整体的环境比以往稳健。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp;&nbsp; &nbsp;&nbsp;</span>基金管理模式转变：今年以来多家公募基金公司提出要增加组建基金经理团队管理单一规模较大的产品，我们统计了历史每年团队/个人管理的平均单个产品收益率、回撤以及管理规模，发现团队管理的收益率平均较低，但回撤一般控制的相对较好，平均规模也稍高一些。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp;&nbsp; &nbsp;&nbsp;</span>金融科技赋能：公募基金金融科技的布局可以帮助提升投资管理能力。主要体现在：通过建设一体化的资管系统，统一内外部的数据管理，优化投资决策流程，提高研究员和基金经理的工作效率；在传统数据中增加另类数据维度，通过机器学习提升数据分析能力及量化投资能力；降低被动产品的综合成本，提升定制化指数的能力等。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp;&nbsp; &nbsp;&nbsp;</span>来源：2020（第十六届）中国金融风险经理年度总论坛NO.21：资产管理业务与风险管理&mdash;&mdash;周向勇《权益类基金发展与投资能力匹配的相关风险管理》</span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1611738113.png'), array('src' => '/files/expert/expert_1611738143.png')), 'userId' => '322', 'status' => 'published', 'createdTime' => '1605166382', 'updatedTime' => '1636598035', 'body' => '<p style="text-align: justify;">&nbsp; &nbsp; &nbsp; 周向勇，现任国泰基金管理有限公司总经理。毕业于中国人民大学财政金融学院，剑桥大学MBA。先后在中国建设银行、中国建银投资公司工作。2011年2月任国泰基金总经理助理，2012年11月任公司副总经理，负责投资研究工作，2016年7月起任公司总经理。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '152', 'name' => '刘新海', 'thumb' => 'public://expert/2020/11-10/113230eead00289000.jpg', 'originalThumb' => 'public://article/2020/11-10/113231f4c8e1447235.jpg', 'description' => '全联并购公会信用管理委员会常务副主任/北京信用学会副会长。', 'about' => '全联并购公会信用管理委员会常务副主任/北京信用学会副会长。曾在布鲁塞尔的互联网公司和金融分析公司从事过咨询和数据分析工作，在中国人民银行征信中心有七年工作经验。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><font color="#000000"><span style="font-size: 16px;"><b>论文</b></span></font></div>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0); font-size: 16px;">2020，</span><span style="color:#000000;"><span style="font-size:16px;">数字经济下个人信息保护的挑战和应对&mdash;&mdash;以App违法违规搜集个人信息治理为例，《 中国信用》第10期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0); font-size: 16px;">2020，</span><span style="color:#000000;"><span style="font-size:16px;">《欧洲全面征信信息共享对信贷市场发展作用实证研究》报告解读与分析，《征信&nbsp;》第09期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0); font-size: 16px;">2020，</span><span style="color:#000000;"><span style="font-size:16px;">数字经济下 韩国个人征信立法的最新推进，《中国信用》第08期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0); font-size: 16px;">2020，</span><span style="color:#000000;"><span style="font-size:16px;">疫情对全球个人征信体系的冲击，《中国金融》第15期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0); font-size: 16px;">2020，</span><span style="color:#000000;"><span style="font-size:16px;">数字金融下的消费者信用评分现状与展望，《征信》第05期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0); font-size: 16px;">2020，</span><span style="color:#000000;"><span style="font-size:16px;">区块链：一种新的征信视角与技术架构，《征信》第04期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0); font-size: 16px;">2019，</span><span style="color:#000000;"><span style="font-size:16px;">专业征信机构:未来中国征信业的方向，《征信》第07期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0); font-size: 16px;">2019，</span><span style="color:#000000;"><span style="font-size:16px;">构建数字经济时代新金融信用评分模型，《中国银行业》第07期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0); font-size: 16px;">2019，</span><span style="color:#000000;"><span style="font-size:16px;">小微企业征信互联网服务新模式&mdash;&mdash;以美国硅谷金融科技公司Nav为例，《清华金融评论》第06期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0); font-size: 16px;">2019，</span><span style="color:#000000;"><span style="font-size:16px;">全球视角下的婚恋交友&ldquo;信用+&rdquo;，《中国信用》第05期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0); font-size: 16px;">2019，</span><span style="color:#000000;"><span style="font-size:16px;">完善征信让生活更美好，《中国信用》第04期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0); font-size: 16px;">2018，</span><span style="color:#000000;"><span style="font-size:16px;">百行征信与中国征信的未来，《清华金融评论》第11期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0); font-size: 16px;">2018，</span><span style="color:#000000;"><span style="font-size:16px;">基于征信大数据分析的担保圈风险管理，《征信》第08期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0); font-size: 16px;">2018，</span><span style="color:#000000;"><span style="font-size:16px;">美国顶尖智库怎么看中国信用体系，《中国信用》第08期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0); font-size: 16px;">2018，</span><span style="color:#000000;"><span style="font-size:16px;">欧盟最严数据保护法规对我国金融科技发展的深远影响,《当代金融家》第06期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0); font-size: 16px;">2017，</span><span style="color:#000000;"><span style="font-size:16px;">征信AI:来自人工智能的信用服务，《当代金融家》第12期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0); font-size: 16px;">2017，</span><span style="color:#000000;"><span style="font-size:16px;">电信大数据在信用风险管理中的应用《大数据》第03期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0); font-size: 16px;">2016，</span><span style="color:#000000;"><span style="font-size:16px;">小微企业征信的美国模式，《征信》第12期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0); font-size: 16px;">2016，</span><span style="color:#000000;"><span style="font-size:16px;">面向普惠金融的个人信用评分新趋势《清华金融评论》第12期</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2016，<a href="https://www.yunzhan365.com/65187851.html">互联网经济下的征信</a>，《中国经济时报》中央级</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0); font-size: 16px;">2016，</span><span style="color:#000000;"><span style="font-size:16px;">基于征信大数据的替代信用评分，《征信》第03期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0); font-size: 16px;">2015，</span><span style="color:#000000;"><span style="font-size:16px;">美国个人征信互联网服务新趋势研究，《征信》第12期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0); font-size: 16px;">2015，</span><span style="color:#000000;"><span style="font-size:16px;">传统个人征信机构的大数据征信&mdash;&mdash;以环联为例(下)，《清华金融评论》第10期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0); font-size: 16px;">2015，</span><span style="color:#000000;"><span style="font-size:16px;">传统个人征信机构的大数据征信&mdash;&mdash;以环联为例(上)，《清华金融评论》第9期</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2015，<a href="https://www.yunzhan365.com/79809022.html">担保圈风险的大数据管控</a>，《上海证券报》</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0); font-size: 16px;">2014，</span><span style="color:#000000;"><span style="font-size:16px;">大数据征信应用与启示&mdash;&mdash;以美国互联网金融公司ZestFinance为例，《清华金融评论》第10期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0); font-size: 16px;">2014，</span><span style="color:#000000;"><span style="font-size:16px;">基于企业关联关系的信用风险分析新思路，《征信》第09期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0); font-size: 16px;">2014，</span><span style="color:#000000;"><span style="font-size:16px;">阿里巴巴集团的大数据战略与征信实践，《征信》第10期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0); font-size: 16px;">2014，</span><span style="color:#000000;"><span style="font-size:16px;">大数据挖掘助力未来金融服务业，《金融市场研究》第02期</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0); font-size: 16px;">2013，</span><span style="color:#000000;"><span style="font-size:16px;">互联网金融新模式探析，《金融电子化》第04期</span></span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、基于第二代个人征信系统的信用评分研究</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）央行征信二代对风控的影响</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 央行征信系统是整个信贷市场的重要基础设施。第一代征信系统就是传统的央行征信系统，从2006年上线已经发挥了很大的作用。第二代征信系统也已经上线了一段时间了，其主要是在新的信息技术和数字经济的场景下，将系统性能提高，与时俱进。征信二代的变化也没有想象那么大，它的整体变化主要在于两个方面：一个方面是很大程度要解决系统性的处理效率的技术问题，即非功能问题（所谓功能就是征信服务、征信产品的开发）；另一个方面是解决个人和企业征信系统的互联互通。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）基于央行征信二代的信用评分研究</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>央行二代征信报告和数字解读是风控创新的基础，我们在进行风控的时候首先还是要把征信报告用好，把数字解读用好。在使用央行信用报告时，可以将基于账户明细的200余个数据项分成信用敞口、信用历史、信用负债、偿付能力、逾期记录等几大类，然后再一层一层地细分。信用评分的标准化流程也是经过了很多年的锤炼，是一个比较完善的、比较细致的、比较成熟的一个规范。它包含了定义目标变量、选取样本、决定适用人群、子群划分、建立信用属性、信用属性初选、信用属性转化、模型拟合、模型验证、负向因子生成（可选）、模型定性监测和模型重新拟合与重建等12步。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）新冠疫情对信用评分的影响</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>新冠疫情对整个征信系统、信贷市场的影响是非常大的。国外的征信机构或者是信用评分公司的话它都对疫情带来的新的风险推出了一些相应的产品。比如说FICO弹性指数主要就是对消费者在疫情冲击之后能否还款这种脆弱性做了一个分析和训练。它用的指标还是信用报告的指标，再加上一些宏观的因素，就是目标变量做了一些改变，原来是能不能及时还款，现在就是经济对疫情的反应程度。一般而言，征信评分最重要的变量是用户过去一段时间的逾期状态，但如果用户过去的逾期状态由于外部因素的影响而失真了，那征信评分的效果就会变得很差。这个时候不仅使用者要非常小心，评分的开发者也要想办法避免这个问题。目前解决的思路大概有两条：一条是根据用户实际的还款数据计算用户真实的逾期状态；第二条是把开发信用评分的观察点移到疫情中间，这样才能有效地构造出用户在疫情之前和之中很多借款行为的变化情况，才能更好地预测用户将来的风险。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（四）央行征信面临的新挑战</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>央行征信也在面临着新的挑战。现在我们面临着金融科技信贷和大科技信贷，这些不仅对传统的信贷产生了很大的影响，对征信和信用评分也产生了很大的影响，同时又有高频、小额、短期等更加有挑战的风控场景的出现。此外，个人信息监管也趋严，很多大数据公司目前就不知道该怎么做了，有的也转入地下，这个也不是一个很好的事情。数据是一个资产，我们应该好好地充分利用，不能因为它会产生问题我们就不去使用它。另外，消费者征信服务的需求也会越来越多，消费者需要看自己的信用报告、了解自己的信用情况。此外，互联网安全、网络风险、个人信息泄露等风险越来越严重，也需要得到很好的处理。最后，从2015年开始信用报告的需求量就明显低于信用评分的需求量，在疫情之后，我觉得这种数字化趋势会继续加速，就需要我们有更多的数字化信用风险产品出现。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020（第十六届）中国金融风险经理年度总论坛NO.1：信用分析和评级技术发展与应用&mdash;&mdash;刘新海《基于第二代个人征信系统的信用评分研究》</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、基于关联关系的新维度数据及其应用</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）对数据产业的理解</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>数据产业的热度持续上升，特别是最近将数据要素列为五大生产要素之一，各界非常关注，但是对此的深入理解和研究，国外可能会更超前一点，国内目前只是看到这些表层的数据和商业的模式，背后的逻辑和问题需要更多地研讨。无论是个人征信在内的个人数据，还是企业征信在内的企业数据，很多专家和媒体都持同样的观点，就是数据为王，有数据才能做事情，没数据就无能为力。这个现象跟中国的国情有一定关系，从政府到商业机构到媒体，数据共享的意识普遍比较缺乏。一些大数据公司，手中只有少量数据，它们就自认为非常厉害了，不愿意合作，或者是议价权非常高，这种现象并不健康。目前这些公司的商业发展也都遇到各种各样的瓶颈，因为数据是需要应用的和整合的，否则其价值会大打折扣。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）关联分析示例</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>关联分析基于关联关系进行网络建模，从非线性的系统性的观点来看每个企业的风险特点和金融属性，不同的关联关系可以建不同的网络，关联关系是一个非常重要的因素，这些关系既可以是自然产生的，也可以通过计算得出的。以下是两个产品的示例，一是投资集中度，把广东省每个地级市的投资集中度进行了分析，颜色越深，投资越集中，这可以应用到投资分析和市场监管中。第二个产品的话就是企业之间的关联强度。在银行征信中心工作时，一个被关注比较多的问题就是，企业间关系复杂，但企业间的连接强度如何。问题比较复杂，当时没得出结果，后续在北大讨论出了解决方案，用复杂网络分析上比较复杂的最大流方法，计算得出相对统一的标准化结果，根据投资关系、担保关系等，计算出企业间的关联强度。风险的传播会根据关联强度来进行。另外，企业的影响力也会随关联强度的传播而传播，关联强度对营销和风险管理都有帮助。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）关联分析的应用</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>从理论基础来看，关联图谱的理论基础是复杂网络分析，知识图谱的理论基础是自然语言处理文本挖掘。目标方面，关联图谱的分析服务于风险和投资分析，知识图谱主要解决的是知识管理，搜索和展现等问题。代表性应用上，关联图谱典型应用是COVID-19传染病扩散与防范、担保圈风险管理等，知识图谱的典型应用则是Google知识图谱应用或问答系统。当然，关联图谱和知识图谱是有交叉的，两者都用到了网络建模，还有可视化技术等。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020（第十六届）中国金融风险经理年度总论坛NO.4：大数据及其应用&mdash;&mdash;刘新海《基于关联关系的新维度数据及其应用》</span></p>
', 'elegant' => array(), 'userId' => '253', 'status' => 'published', 'createdTime' => '1604979958', 'updatedTime' => '1636424688', 'body' => '<p>&nbsp; &nbsp; &nbsp; 刘新海，中国并购公会信用管理专业委员会、北京大学金融智能研究中心常务副主任。在比利时鲁汶大学（KUL）获得电子工程博士，中国人民银行金融研究所博士后，英国伦敦政治经济学院（LSE）访问学者。曾在布鲁塞尔的互联网公司和金融分析公司从事过咨询和数据分析工作。在中国人民银行征信中心工作多年，并被评为中国人民银行副研究员。2013年作为创始人之一联合成立了北京大学金融智能研究中心。曾主持国家自然科学基金等国家科研项目三项，曾经在数据挖掘国际顶级期刊IEEE TKDE和人工智能国际顶级期刊IEEE PAMI发表学术文章。回国后在征信和金融风险领域不仅发表专业论文多篇，而且还参与或负责多个重大金融应用项目的研发。目前还是财新网专栏作家。主要的研究方向：征信、风险管理、金融科技、人工智能和大数据挖掘。</p>
', 'type' => 'senior', 'opened' => '0', 'followed' => '0'), array('id' => '291', 'name' => '张天赫', 'thumb' => 'public://expert/2022/01-26/15342841e0d8918935.png', 'originalThumb' => 'public://article/2022/01-26/153428445bae814101.png', 'description' => '誉存科技联席CEO', 'about' => '誉存科技联席CEO，国家工程实验室金融大数据研究中心高级专家，中国信通院智能+学院专家讲师；中国人民大学经济学硕士、中国社科院经济学博士；国内首批CFA和FRM资格持有人；20+年B端金融从业经历，精通风险管理、价值评估、信用科技等领域，历任工行总行授信部副处长、工银租赁MD、私募基金总裁、上市公司董事等。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp;&nbsp;</p>
', 'attachachieve' => '<p>&nbsp;&nbsp;</p>
', 'viewpoint' => '<p>&nbsp;&nbsp;</p>
', 'elegant' => array(), 'userId' => '4788', 'status' => 'unpublish', 'createdTime' => '1643182638', 'updatedTime' => '1643182638', 'body' => '<p>&nbsp; &nbsp; &nbsp; &nbsp;誉存科技联席CEO，国家工程实验室金融大数据研究中心高级专家，中国信通院智能+学院专家讲师；中国人民大学经济学硕士、中国社科院经济学博士；国内首批CFA和FRM资格持有人；20+年B端金融从业经历，精通风险管理、价值评估、信用科技等领域，历任工行总行授信部副处长、工银租赁MD、私募基金总裁、上市公司董事等。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '93', 'name' => '李松民', 'thumb' => 'public://expert/2020/11-05/104650ad4013773005.jpg', 'originalThumb' => 'public://article/2020/11-05/104651b447b6015414.jpg', 'description' => '广州越秀金融控股集团有限公司风险管理部总经理', 'about' => '广州市融资担保中心有限责任公司董事长、法定代表人，工商管理硕士，曾任广州越秀集团有限公司审计部经理，广州越秀金融控股集团有限公司审计部（审计中心）总经理，广州越秀金融控股集团股份有限公司风险管理部总经理。拥有国际注册风险管理确认师、国际内部注册审计师、国际注册管理会计师和ICBRR资格。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp;</p>

<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px; font-weight: bold;">图书</span></span></div>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">[1]绩效审计风险与收益的评价机制《财政监督》</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">[2]浅析金融危机下外向型国有企业集团的财务管理模式《财经界(学术版)》</span></span></p>

<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px; font-weight: bold;">论文</span></span></div>

<div style="height: 12px; float: left;">&nbsp;</div>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size: 16px;"><span style="color:#000000;">2019，</span><a href="https://book.yunzhan365.com/qpwi/ypyo/mobile/index.html" style="text-decoration-line: none;"><span style="color:#000000;">构建现代金融风险管理机制</span></a><span style="color:#000000;">，《中国金融》第1期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2010，<a href="https://www.yunzhan365.com/95876542.html">绩效审计风险与收益的评价机制</a>，《财政监督》第14期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2010，<a href="https://www.yunzhan365.com/43772578.html">浅析金融危机下外向型国有企业集团的财务管理模式</a>，《财经界（学术版）》第10期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2009，<a href="https://www.yunzhan365.com/29660548.html">中国房地产投资信托基金（REITs）的发展策略研究</a>，《中国商界（下半月）》第07期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2009，<a href="https://www.yunzhan365.com/24302918.html">房地产投资风险的模糊综合评价的研究</a>，《现代商业》第17期。</span></span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、区域与行业风险分析（基于客户视角）</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 区域与行业风险受宏观与微观等多方面因素的影响，具有脆弱性、传染性、突发性与可控性的特点。对目前的区域行业，它的风险是什么？现在很重要的是因为我们现在进入了变化的时代，经济发展由原来强调生存和发展，到现在强调安全。这时候多方面的变化会使得整个区域和行业的发展出现分化。就区域行业风险的特点而言，根据我们的经验总结，共包括以下四个方面，一是脆弱性，第二是传染性，第三是突发性以及最重要的可控性。区域与行业风险在整个宏观经济形势的影响下，因为各地区产业模式不同，政策不同，受到冲击也不同，特别是技术更新的颠覆，导致区域行业的风险发生了变化。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>我们分析的目的最终还是为了使金融机构更好的聚焦主业，选择客户，达到一个趋利避害的效果。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>区域风险和行业风险的分析应关注时间和空间维度的变迁。首先行业的区域分布是行业迁移在时间纬度的截面。从区域行业风险分析来看，区域行业风险实际上它是一个有机的统一体，我们这里可以做一个横截面，它在时间和空间上它是动态变迁的。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>区域是不同行业在空间维度的集合。区域内最有竞争力的行业都处于下行周期，区域未来叵测，以东北的辽宁省为例，辽宁是新中国最早建立起来的重工业基地，曾被誉为&ldquo;共和国长子&rdquo;和&ldquo;国家的装备部&rdquo;。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）区域风险分析</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>针对区域风险的分析，我们目前是构建了一个模型，实际上还是用模型去构建。首先，在我们国家，我们认为需要强调紧跟政策，并基于趋势去定基调，这个方面可以引入一些模型，把整个国家按照进行区域分工。运用整个的区域的定位去构建这样一个模型，然后针对这个模型，我们首先做的是先进行定性评价。定性评价要基于多个方面，一个方面是基于区域的分工定位，因为它分工定位不同，它的主要产业是不同的。其他要考虑的因素包括区域的政策法律因素、社会环境因素等。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>定量评价方面，模型的基本框架包括字段选择多样化，输出结果区间映射；让模型对历史区域数据、发达国家经验数据及模拟数据学习，从而不断优化模型，提高有效性。定量评价主要考虑的指标包括区域金融信贷情况、产业发展状况、宏观经济发展状况、人口素质及教育资源以及政府运营能力。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>调整项角度而言，我们还需基于客户视角调整对其区域风险分析。就区域发展特定风险而言，模型对区域发展方向审慎分析，基于客户视角判断与发展方向契合或背离，对特定风险作模型加减分或者一票否决。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）行业风险分析</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>行业风险分析也是要建立一个评分卡的模型，通过定性的分析和定量的分析，来展开整个的行业评级。其中，定性评价需考虑行业环境特征、行业周期与发展阶段以及基于波特五力分析展开行业竞争力分析。而定量评价需要考察资产负债率、净资产收益率等行业基础指标、技术创新指标、经营风险指标以及业务发展指标等。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>其次是行业分析的周期特征项，此为行业分析极为重要的一部分，而一般行业都会有一定的周期性。这里面的核心就是要看这个行业是处于一个什么样的周期阶段，同时对于这个行业里面的企业的创新能力、供求关系进行研究。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>然后行业分析的关联特征项，即不同行业之间存在着联系，产业之间横向融合与纵向渗透相互交织。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>模型还考虑技术特征项，即行业的未来发展还是取决于其自身的核心竞争力，尤其是一些特定的行业。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>同时我们也通过跨行业经营风险调整项来进行模型的调整。跨行业经营兼具正面、负面的影响。就正向的协同缓释风险而言，大型集团间的行业有上下游协同效应及水平协同效应。在评判行业风险时，要考虑协同效应对单一行业风险的缓释。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）行业区域风险管理</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>首先，区域要素及行业要素有强关联效应，仅关注其中一方面是不全面的。这时候我们的行业和区域进行特殊分析。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>当把区域行业风险管理作为决策辅助工具之一时，要结合自身偏好进行综合考虑。权益投资的行业选择应考虑可承受范围内的高风险高收益，相比融资规模，选择体量相对较小的刚起步行业；区域选择方面，不特定约束区域选择，区域内政治、社会环境稳定，政府执行力强，大力发展区域经济，有目标，有行动。债权投资的行业选择应基于未来扩张步伐稳健，有确定的稳定现金流流入，相比融资规模，应选择体量相对较大的成熟行业；区域选择方面，区域风险模型识别风险可能性较小的区域，比如发展完善的湾区、城市群等。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>总结而言，客户视角的区域行业风险管理，除了基于已有数据的审慎回顾总结，更应结合企业未来偏好和使命综合研判行业和区域选择的战略方向，从量/价/期各方面有效地管理风险、创造利润。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020（第十六届）中国金融风险经理年度总论坛-6：宏观与行业风险分析《区域与行业风险分析（基于客户视角）》演讲文稿整理</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、人才团队培养文化及激励约束机制建设</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）风险文化构建</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; <strong>&nbsp; 1、</strong></span><strong>定位</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>当组织建立的时候，一个组织，特别是受监管的金融机构，市场赋予了其愿景和使命。使命包括风险战略和风险偏好，愿景包括风险观和风险文化。风险文化实际上是建立在愿景和使命的战略基础上，这个基础凝聚在每一个阶段，从量化的角度形成风险偏好和风险战略，是动态调整的过程。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp;<strong> &nbsp; 2、</strong></span><strong>标准与路径</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>风险文化的构建有六个特点：全面，聚焦，分类，量化，主动，动态。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong style="text-align: justify;">3、</strong><strong>理念聚焦</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>风险观指导思想，它是所有企业员工共同持有的聚焦理念, 是风险文化发展目标归纳演绎浓缩聚焦, 风险管理精神支柱的量化归宿。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong style="text-align: justify;">4、</strong><strong>治理支撑</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>需要一套从上至下稳定的治理架构的支撑，好的战略容易形成，而好的战略执行是很难形成的。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong style="text-align: justify;">5、</strong><strong>机制保障</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>风险文化中内部控制的着眼点在于提高组织管理能力，从遵循性出发，通过自上而下梳理流程环节的分授权、职责制衡、权限划分等的合理性。要围绕内部环境（组织架构、发展战略、社会责任等）、风险评估、控制活动（资金活动、采购业务等）、信息与沟通、内部监督等进行评价。一般采用穿行测试、抽样核查等方法，以定性分析为主，强调流程的合规性与有效性。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong style="text-align: justify;">6、</strong><strong>政策引领 </strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>开展业务需要政策强制性引领，制定强制性黑名单，明确划分允许与禁止的业务区域。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong style="text-align: justify;">7、</strong><strong>持续强化</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>风险观指导思想，通过业务模式的传导、风险条线的培训和风险条线主动管理风险。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）风险激励约束机制建设</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong style="text-align: justify;">1、</strong><strong>动态均衡</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>激励约束机制，实际上是优胜劣汰，奖优惩劣。对于尽职履责、成绩突出的给予奖励，对于失职渎职、成绩较差的进行惩罚。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong style="text-align: justify;">2、</strong><strong>风险考核</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>建立以定量为主的风险考核体系,定量和定性风险绩效打分卡相结合。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong style="text-align: justify;">3、</strong><strong>停权问责</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>停权机制是一种风险隔离手段，有效行使经营权、职务权可以加强企业管理、提升经营效益。通过切断不当的权力行为，可规避、降低由此带来的风险损失。通过建立停权机制，形成更为主动的风险管理过程制动。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong style="text-align: justify;">4、</strong><strong>刚性长效</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>风险激励约束机制建设要达到刚性长效，必须是：第一，嵌入职业经理人制度，对于各子公司，如果超授权则一定是一票否决；第二，嵌入年度绩效平衡计分卡制度，每年进行动态考核，通过考核强化管理；第三，嵌入递延支付制度，通过递延支付机制，发生风险之后有内部补偿；第四，嵌入跟投与股权激励制度。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）风险管理人才团队培养</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong style="text-align: justify;">1、</strong><strong>目标</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>塑造一个高效的风险管理运营团队最重要的是道德标准，其次是知识技能、专业能力和领导力，最后形成一个人才梯队。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong style="text-align: justify;">2、</strong><strong>工具</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>摸清风险管理人才队伍现状，并根据需要调整优化。从战略输入开始，通过核心组织能力，到战略性职责，最后到风险管理组织现状审视。先有战略思路，然后依照客户和市场需求、经营需要，最后导出风险管理职能。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》杂志2019年第4期。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、供应链金融与信用风险管理</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;">（一）<strong>供应链金融概述</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在过去的5年时间，大家可以看到对于供应链金融，国家在监管引领上出台了系列的政策。从2016年起，国务院首次提出大力支持应收账款融资开始，经过2017年对供应链创新的应用的指导，到2019年银保监会对推动供应链金融服务实体经济的指导意见，一直到今年9月份明确供应链金融应坚持提供供应链产业链运行效率完整稳定，支持产业链优化升级的战略布局。直到现在十四五规划中关于供应链产业链的定位，实际上，供应链金融整个的政策环境是越来越好。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>现在的供应链金融有这样一个特点，就是六大流合一了&mdash;&mdash;资金流、物流、信息流、商流、技术流和人才流，实际上已经做了合一。实际上是从我们中的最前端的原材料的市场，最前端的基础原材料的施展，经过各类的链上企业到最终的我们普通的人的买方市场，最终的客户的买方市场，在过程中可能会经过几个产业链，几个供应链，然后再循环往复进行循环起来。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）供应链金融的信用风险分析</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>供应链金融与传统信贷是有一个差异的，传统信贷我们在信贷过程中关注的是融资人自身的信用风险，关注他未来的还款能力和现在的还款意愿。在供应链金融过程中，它增加了三个特点。第一，供应链金融的过程中，借款人的借款实际上是由下游的订单带来的，是将来的财富。第二，如果我们把供应链金融每一单的嵌套风险能够规避掉的话，形成一个封闭性的，实际上是供应链金融可以稳定的作为我们一类资产来源的一个前提和基础。第三，因为供应链金融是围绕一个核心企业，或者是围绕一类核心产品或者某一类核心服务展开的，所以这种服务这种供应是连续的、健康运转的。实际上它的连续性、持续翻单性也为持续开展金融服务提供了一个连续的市场。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）供应链金融的风险管理</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>供应链金融除了我们本身的信用风险管理之外，我们在履约能力上还需要进行管理。首先，选择正确的产业链；第二，在供应链金融过程中，我们链上的代表企业不一定是核心企业，但是它代表整个链和其他链，或者是和终端市场进行产品交换风险交换的企业，它的表现是很重要的。第三，我们链在整个经济中提供的是不是稀缺的资源、是不是必要的技术，它的技术可替代性实际上往往体现在最终产品上，这块也是需要我们去关注。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>所以在选择供应链金融的信用风险管理的时候，我个人的理解是首先要抓取更具有风险敏感性及时性的信息，对整个产业链的市场风险进行评估。最后是选择链上的关键企业。确定链后，这个链上并非所有的企业都可以，因为有些企业具有很好的替代性。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020（第十六届）中国金融风险经理年度总论坛NO.9：供应链金融和小微企业金融&mdash;&mdash;李松民《供应链金融与信用风险管理》。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>四、房地产投资风险的模糊综合评价的研究</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>根据房地产投资风险指标体系的层次性，评价标准、评价因素存在的模糊性，以及定性指标难以定量化等一系列问题，论文采用模糊评价法对房地产投资风险进行评价，同时吸取混合评价法的思想，融入模糊层次分析法确定风险因素权重，最终建立了模糊综合评价模型。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2009，房地产投资风险的模糊综合评价的研究，《现代商业》第17期。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>五、浅析金融危机下外向型国有企业集团的财务管理模式</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>目前，我国外向型国有企业集团财务管理存在诸多问题，在全球经济萧条的环境下，这些问题日益迫切需要解决。如何构建外向型国有企业集团财务管理的新模式，来顺应企业集团的长远发展，是本文主要讨论的问题。笔者结合当前外向型国有企业集团的实际情况，指出适宜于多数外向型国有企业集团的财务管理模式。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2010，浅析金融危机下外向型国有企业集团的财务管理模式，《财经界（学术版）》第10期。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>六、中国房地产投资信托基金（REITs）的发展策略研究</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>本文就是要通过对我国房地产信托基金的发展研究，探索适合于我国国情的REITs发展模式。从多个方面系统探讨了我国REITs的发展策略，为研究创造发展REITs的良好环境提供参考。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2009，中国房地产投资信托基金（REITs）的发展策略研究，《中国商界（下半月）》第7期。</span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1614923095.png')), 'userId' => '192', 'status' => 'published', 'createdTime' => '1604544433', 'updatedTime' => '1636526484', 'body' => '<p>&nbsp; &nbsp; &nbsp; 李松民，现任广州市融资担保中心有限责任公司董事长、法定代表人。李先生是中共党员，工商管理硕士，会计师职称，拥有国际注册风险管理确认师、国际内部注册审计师、国际注册管理会计师和 ICBRR 资格（银行风险与监管国际证书）。</p>

<p>&nbsp; &nbsp; &nbsp;&nbsp;李先生曾任广州越秀集团有限公司审计部经理，广州越秀金融控股集团有限公司审计部（审计中心）总经理，广州越秀金融控股集团股份有限公司风险管理部总经理。现兼任广州越秀金融控股集团股份有限公司职工监事、广州越秀金融控股集团有限公司职工监事、广州证券股份有限公司监事会主席、广州越秀融资租赁有限公司监事会主席、上海越秀融资租赁有限公司监事会主席、广州资产管理有限公司监事会主席、广州越秀产业投资基金管理股份有限公司监事会主席、广州住房置业担保有限公司监事、广州期货股份有限公司监事会主席、越秀证券控股有限公司董事。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '40', 'name' => '俞勇', 'thumb' => 'public://expert/2019/07-16/170102e275c0413462.jpg', 'originalThumb' => 'public://article/2019/07-16/170103f40ac7350213.jpg', 'description' => '中国农业再保险公司高管，前粤财控股首席风险官', 'about' => '前粤财控股首席风险官。经济学博士。先后在美国摩根大通银行、美国运通公司等从事新资本协议、风险管理、金融衍生品交易与定价模型等工作，曾担任恒丰银行总行首席风险官、平安银行总行风险管理部兼新资本协议办公室总经理、银监会银行监管二部处长等职。拥有丰富全面的国际与国内金融机构经营管理工作经验。', 'sticky' => 'index', 'weight' => '98', 'achievement' => '<div style="border-left:5px solid #ff7200;padding-left:20px;"><span style="color:#000000;"><span style="font-size:16px;font-weight:bold;">论文</span></span></div>

<p style="margin-left: 40px;">2021，<a href="https://mp.weixin.qq.com/s/4JirEE2R18t0CXhXBjizdA">把握风险，赢得未来：对债券投资与现金管理业务的思考</a>，《当代金融家》，第6期</p>

<p style="margin-left: 40px;">2019，<a href="https://book.yunzhan365.com/qpwi/gwew/mobile/index.html" style="text-decoration:none;">中国反洗钱工作的重要进展与新形势</a>，《当代金融家》，第7期</p>

<p style="margin-left: 40px;">2019，金融科技与风险管理，《上海金融》，第6期</p>

<p style="margin-left: 40px;">2019，回望危机：信用衍生品的功能、风险与启示，《金融博览》，第5期</p>

<p style="margin-left: 40px;">2019，<a href="https://book.yunzhan365.com/qpwi/kwle/mobile/index.html" style="text-decoration:none;">金融机构非零售信用风险量化管理之道（四）</a>，《当代金融家》，第5期</p>

<p style="margin-left: 40px;">2019，<a href="https://book.yunzhan365.com/qpwi/zovw/mobile/index.html" style="text-decoration:none;">金融机构非零售信用风险量化管理之道（三）</a>，《当代金融家》，第4期</p>

<p style="margin-left: 40px;">2019，<a href="https://book.yunzhan365.com/qpwi/lqhg/mobile/index.html" style="text-decoration:none;">金融控股公司风险管理:监管变革与能力提升</a>，《清华金融评论》，第3期</p>

<p style="margin-left: 40px;">2019，构建金融控股公司全面风险管理体系，《中国证券报》，3月5日</p>

<p style="margin-left: 40px;">2019，进一步深化对衍生品的认识，《金融时报》，2月13日</p>

<p style="margin-left: 40px;">2019，<a href="https://book.yunzhan365.com/qpwi/staj/mobile/index.html" style="text-decoration:none;">金融控股公司监管体系转型</a>，《中国金融》，第1期</p>

<p style="margin-left: 40px;">2018，<a href="https://book.yunzhan365.com/qpwi/fxue/mobile/index.html" style="text-decoration:none;">缓急相摩，聚散以成：金融控股公司全面风险管理体系建设（上）</a>，《当代金融家》，第11期</p>

<p style="margin-left: 40px;">2018，<a href="https://book.yunzhan365.com/qpwi/cnnz/mobile/index.html" style="text-decoration:none;">未来，将又何去何从：金融控股公司的发展与转型</a>，《当代金融家》，第8期</p>

<p style="margin-left: 40px;">2018，<a href="https://book.yunzhan365.com/qpwi/awly/mobile/index.html" style="text-decoration:none;">金融危机再回首：风险管理应汲取的教训，</a>《当代金融家》，第8期</p>

<p style="margin-left: 40px;">2018，<a href="https://book.yunzhan365.com/qpwi/jcpa/mobile/index.html" style="text-decoration:none;">往者不可谏，来者犹可追：金融机构集中度风险管理（下）</a>，《当代金融家》，第7 期</p>

<p style="margin-left: 40px;">2018，<a href="https://book.yunzhan365.com/qpwi/lcax/mobile/index.html" style="text-decoration:none;">往者不可谏，来者犹可追：金融机构集中度风险管理（上）</a>，《当代金融家》，第6 期</p>

<p style="margin-left: 40px;">2018，<a href="https://book.yunzhan365.com/qpwi/rcjy/mobile/index.html" style="text-decoration:none;">加强金融机构合规体系建设，提升防范化解金融风险能力</a>，《当代金融家》，第5期</p>

<p style="margin-left: 40px;">2018，<a href="https://book.yunzhan365.com/qpwi/viqp/mobile/index.html" style="text-decoration:none;">推进我国金融业综合经营</a>，《中国金融》，第9期</p>

<p style="margin-left: 40px;">2018，金融科技在业务场景和风险管理中的应用，《当代金融家》，第4期</p>

<p style="margin-left: 40px;">2018，<a href="https://book.yunzhan365.com/qpwi/zynx/mobile/index.html" style="text-decoration:none;">商业银行支持实体经济风险管控重点</a>，《新理财》，第3期</p>

<p style="margin-left: 40px;">2018，<a href="https://book.yunzhan365.com/qpwi/gzge/mobile/index.html" style="text-decoration:none;">过去未去 未来已来 系统反思金融危机十年</a>，《当代金融家》，第1期</p>

<p style="margin-left: 40px;">2017，<a href="https://book.yunzhan365.com/qpwi/yxur/mobile/index.html" style="text-decoration:none;">金融危机十年：回望与前瞻</a>，《当代金融家》，第12期</p>

<p style="margin-left: 40px;">2017，<a href="https://book.yunzhan365.com/qpwi/jgep/mobile/index.html" style="text-decoration:none;">粤港澳大湾区：金融机遇和风险之辨</a>，《当代金融家》，第11期</p>

<p style="margin-left: 40px;">2017，取势、明道、优术：金融机构投融资风险防控能力，《当代金融家》，第10期</p>

<p style="margin-left: 40px;">2017，洪荒之力-金融创新推动经济发展方式转变《当代金融家》，第9期</p>

<p style="margin-left: 40px;">2017，无声而生，能长且久：金融控股公司的并表管理（下），《当代金融家》，第8期</p>

<p style="margin-left: 40px;">2017，无声而生，能长且久：金融控股公司的并表管理（上），《当代金融家》，第7期</p>

<p style="margin-left: 40px;">2017，<a href="https://book.yunzhan365.com/qpwi/yfqm/mobile/index.html" style="text-decoration:none;">综合金融集团风险管理之基石一一投资产品风险分级</a>，《银行家》，第5期</p>

<p style="margin-left: 40px;">2017，治本抓源金融机构套期保值的制度安排（上），《当代金融家》，第5期</p>

<p style="margin-left: 40px;">2017，知易行难：金融机构之产品风险管理逻辑，《当代金融家》，第4期</p>

<p style="margin-left: 40px;">2017，银行账户利率风险管理之道（下），《当代金融家》，第3期</p>

<p style="margin-left: 40px;">2017，银行账户利率风险管理之道（中），《当代金融家》，第2期</p>

<p style="margin-left: 40px;">2017，银行账户利率风险管理之道（上），《当代金融家》，第1期</p>

<p style="margin-left: 40px;">2016，金融控股集团的阿喀琉斯之踵:关联交易内部控制及监测（下），《当代金融家》， 第12期</p>

<p style="margin-left: 40px;">2016，金融控股集团的阿喀琉斯之踵:关联交易内部控制及监测（上），《当代金融家》， 第11期</p>

<p style="margin-left: 40px;">2016，求木之长必固其根：新常态下的金融机构资产风险管理，《当代金融家》，第9期</p>

<p style="margin-left: 40px;">2016，大音希声，大象无形：授信后管理为商业银行带来财富（下），《当代金融家》，第8期</p>

<p style="margin-left: 40px;">2016，大音希声，大象无形：授信后管理为商业银行带来财富（上），《当代金融家》，第7期</p>

<p style="margin-left: 40px;">2016，建设稳健的综合金融集团风控管理体系，《银行家》，第4期</p>

<p style="margin-left: 40px;">2016，法兴银行弊案前后一一警惕无处不在的商业银行操作风险，《当代金融家》，第2期</p>

<p style="margin-left: 40px;">2015，民营银行：风险这样自担一一银行处置机制及其在中国现状分析（三），《当代金融家》，第12期</p>

<p style="margin-left: 40px;">2015，大数据与银行风险管理革命，《当代金融家》，第12期</p>

<p style="margin-left: 40px;">2015，摩根大通银行的公司治理，《当代金融家》，第8期</p>

<p style="margin-left: 40px;">2015，信用风险量化模型建设和管理技术，《中国征信》，第8期</p>

<p style="margin-left: 40px;">2015，从&ldquo;干了再算&rdquo;到&ldquo;算了再干&rdquo; 一一谈一谈风险量化模型，《当代金融家》，第7期</p>

<p style="margin-left: 40px;">2015，全面风险管理与新资本协议实施，《中国征信》，第5期</p>

<p style="margin-left: 40px;">2015，在上市的风口内控体系先搭好&mdash;&mdash;中小商业银行上市前要考虑的关键环节，《当代金融家》，第4期</p>

<p style="margin-left: 40px;">2015，上医治未病之病一一商业银行内部规章制度的合规问题，《当代金融家》，第3期</p>

<p style="margin-left: 40px;">2015，民营银行：风险这样自担一一银行处置机制及其在中国现状分析（二），《当代金融家》，第1期</p>

<p style="margin-left: 40px;">2014，民营银行：风险这样自担一一银行处置机制及其在中国现状分析（一），《当代金融 家》，第12期</p>

<p style="margin-left: 40px;">2014，警觉与自觉:管好银行的重大风险，《当代金融家》，第11期</p>

<p style="margin-left: 40px;">2014，<a href="https://book.yunzhan365.com/qpwi/wqwv/mobile/index.html" style="text-decoration:none;">迎接利率市场化挑战构建有效的银行产品定价体系</a>，《西部金融》，第11期</p>

<p style="margin-left: 40px;">2014，美国是怎么处置问题银行的，《当代金融家》，第10期</p>

<p style="margin-left: 40px;">2014，银行产品定价是一项复杂而系统的工程一一以客户关系定价为视角，《当代金融家》， 第9期</p>

<p style="margin-left: 40px;">2014，利率市场化与商业银行资产负债管理，《当代金融家》，第8期</p>

<p style="margin-left: 40px;">2014，有多大本事就干多少事一一商业银行风险偏好实践分析，《当代金融家》，第7期</p>

<p style="margin-left: 40px;">2014，微妙变化正发生一一互联网金融开始冲击银行利润的最大源头，《当代金融家》，第7期</p>

<p style="margin-left: 40px;">2014，商业银行流动性风险管理之道，《当代金融家》，第6期</p>

<p style="margin-left: 40px;">2014，<a href="https://book.yunzhan365.com/qpwi/vtii/mobile/index.html" style="text-decoration:none;">商业银行流动性风险管理体系及其发展状况</a>，《西部金融》，第6期</p>

<p style="margin-left: 40px;">2014，商业银行资本供给、分配管理体系及其应用，《当代金融家》，第4期</p>

<p style="margin-left: 40px;">2014，<a href="https://book.yunzhan365.com/qpwi/tfcy/mobile/index.html" style="text-decoration:none;">巴塞尔资本协议Ⅳ:从迷雾中走来</a>，《西部金融》，第4期</p>

<p style="margin-left: 40px;">2014，通往巴塞尔资本协议Ⅳ的路径，《当代金融家》，第2期</p>

<p style="margin-left: 40px;">2013，商业银行公司治理：新一轮银行改革的关键之棋，《当代金融家》，第10期</p>

<p style="margin-left: 40px;">2013，巴塞尔新资本协议时代的金融机构信贷管理，《中国征信》，第5期</p>

<p style="margin-left: 40px;">2013，加强商业银行债券业务风险管理，《银行家》，第2期</p>

<p style="margin-left: 40px;">2012，<a href="https://book.yunzhan365.com/qpwi/vunj/mobile/index.html" style="text-decoration:none;">人民币CDS产品的定价及其在商业银行中的应用现状</a>，《风险管理》，第6期</p>

<p style="margin-left: 40px;">2012，<a href="https://www.yunzhan365.com/86488796.html">银行需练合规&ldquo;内功&rdquo;</a>，《中国外汇》，第6期</p>

<p style="margin-left: 40px;">2011，<a href="https://www.yunzhan365.com/94874424.html">&ldquo;资产收益权&rdquo;的法律性质及其信托产品的法律风险探讨</a>，《金融时报》，12月19 日</p>

<p style="margin-left: 40px;">2011，<a href="https://www.yunzhan365.com/75989992.html">城市商业银行跨地区经营:模式、动因与风险</a>，《银行家》，第11期</p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、关于金融控股公司风险管控</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）金融控股公司风险及其管控的特征</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>金融控股公司风险管控能力的提升需要外部监管和内部管控的共同作用、形成体系化合力。但长期以来，这方面存在两个典型的困境。困境之一是金融分业监管框架下的套利空间。困境之二是金融控股公司自身风险管理能力不足。目前国际上的金融控股公司经营模式主要有三种，按风险管控方面的特点及监管难易度有所不同。一是纯金融控股型，即控股公司不经营具体业务，仅作为股东对控股子公司行使管理职能；子公司独立经营、独立核算，接受所属监管部门的监管。二是交叉持股型，即银行控股保险，或保险控股银行，母子公司均有金融牌照，母公司经营具体业务，并对子公司进行管理。三是产融结合型，即产业资本控股金融机构，控股公司经营实业。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）金融控股公司风险管控体系的构建</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>总体来说，金融控股公司需要在资本约束理念下，坚持风险与业务发展相协调、风险与收益相匹配的基本原则，推动从单一风险管理向全面风险管理、从控制风险向主动经营与管理风险、从资产负债管理向资本管理、从简单关注风险指标向全过程风险管理、从经验定性管理向定性与定量管理结合、从静态创利和不良考核向动态风险调整后收益考核等一系列转变。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）金融科技驱动的金融控股公司风险管控升级</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在大数据时代，金融控股公司的风险管控需要更加重视对数据的积累、管理和开发，提高从数据中识别风险、运用大数据技术管控风险的能力。目前金融科技的四大代表性技术在风险管理场景下的应用深度有所差异，侧重领域也各有不同，且存在一些交叉。云计算技术为海量数据的运算能力和速度提升带来了突破；大数据风控技术主要应用于互联网金融的信用风险管理领域，解决的是信息不对称问题；人工智能风控技术是在大数据技术的基础上，主要解决风控模型优化的问题；区块链技术主要应用于支付清算等操作风险管理中的技术 安全领域。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》2019年第1辑</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、关于商业银行如何进行重大风险识别与评估</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>新资本协议提出了以风险量化和资本管理为核心的三大支柱，对以三大风险为主的重要 风险类型提出了详细的管理要求，为全面风险管理框架奠定了一个开放式的平台、实现路径 和具体的方法。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）重大风险识别与评估的意义与范围</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>重大风险识别与评估工作在满足内部资本充足评估程序（ICAAP）监管要求的同时，能够进一步提升银行内部管理水平。重大风险识别与评估工作涵盖三部分内容：风险的分类、定义与识别，第二支柱风险的评估，以及分析风险评估结果。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）重大风险识别方法</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>重大风险识别的管理流程包括风险分类与定义、风险全面识别、重大风险认定、持续重检更新四个步骤。风险分类与定义分析根据相关监管指引文件与行业实践进行，同时结合银行的风险轮廓进一步明确。风险全面识别由风险管理部门统筹组织并与各业务条线的专家完成，采用自下而上和组合层面两种方式对不同风险进行识别。重大风险认定需要建立重大风险认定标准，从风险事件发生可能性和影响程度两个角度判断哪些风险是重大风险。持续重检更新每年由风险团队和业务专家完成，基于内外部环境的变化对新的风险因素进行识别，并对已识别的风险进行再评价。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）重大风险评估方法</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>重大风险评估框架首先应区分风险是否可以量化，若可量化，应进行风险状况定量计量 和管理情况定性评估，从而得出评估结论；若不可量化，应进行风险状况定性计量和管理情 况定性评估，得出评估结论。其中管理情况定性评估又包括管理机制健全性和执行有效性评 估两方面。重大风险评估工作步骤包括：①设计风险评估模板；②讨论确定模板指标及权重；③收集相关数据、信息及资料；④根据相关信息填写评估模板；⑤讨论确定风险评估结果；⑥撰写重大风险评估报告；⑦审阅重大风险评估报告；⑧确认重大风险评估报告。对风险状况的量化评估：选取关键风险指标，从指标阈值、与往年比较、与同业比较等方面进行分析，赋予相应的权重及分数，得出风险状况评估结果。与评估可量化的重大风险相比，评估不可量化重大风险对风险状况的评估无法根据量化 指标进行，改进方案之一是从风险来源分析入手，评估银行风险发生的可能性及影响大小，并赋予相应的权重及分数。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》2014年第4辑</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、关于疫情下的固定收益业务投资与风险管理</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）信用债环境的变化</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>永煤等违约事件对于市场的冲击主要是市场担心风险传染和系统性风险。监管部门强调提高政治站位、督促各类主体履行责任，建立良好的地方金融生态和信用环境，确立&lsquo;信用&rsquo;债市的重要地位。从事后回顾来看，金融委定调后，走势低迷的债市信心得以明显提振。在这个大环境下，我的思考是市场面临的压力可能还是会逐渐增大，不会减少，特别是来自监管层的。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）信用利差的定价依据及其隐忧</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第一是中美债券发行人的资质比较。第二是我国债券发行人资质的主体属性对比。平均而言，央企的信用利差明显低于地方国企和其他所有制企业。在新形势下，我们应该如何根据这些信息来研判市场是一个问题。我的判断是：第一，从中短期来看，信用利差趋向合理化。中美利差对比来看，美国投机级的BB有接近500bp的利差，我国对于信用利差的定价仍然偏低。第二，高等级信用风险存在隐忧。国企等债券发行人资质恶化，但市场定价缺乏对其中信用风险的定价，更多的是对其背后隐性担保的信念。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）评级市场的规范化</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>从总体来看，我个人觉得如果我们在评级方面应该强化信息披露机制、规范市场秩序。前者包括两个内容，一是规范评级过程，即保持评级结果一致性，加大评级流程的透明度。二是扩大评级机构信息披露范围，包括强化备案和跟踪报告、强化工作底稿规范、对评级模型和最终结果的差异进行披露等。后者则涵盖许多工作，如加强评级机构客观性和独立性，加强对级别买卖、利益冲突等问题的预防和监督等。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（四）固定收益业务风险管理</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>固定收益业务风险管理必须关注的问题，一是业务边界的语境和语义问题，二是业务管理问题，三是风险认知差异问题，四是投入与发展的匹配问题。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>流动性风险关注因素，一是压力测试，二是估值偏离，三是客户结构和交易能力。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>信用风险关注因素，一是信用分析团队的建设，二是信用风险不能杜绝，三是纪律。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>合规风险关注因素，一是交易价格监控体系的客观合理性，二是系统集成能力，三是告知投资交易团队监控体系的目标指标和关注点。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>固定收益业务风险管理面临的难题，第一是投资业绩与风险管理标准问题，第二是风险标准不能够有特权，第三是业务边界重叠和管理效率。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（五）固定收益业务风险管理热点分析</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>一是杠杆水平是否合理，我个人认为目前债券市场的杠杆水平总体是处在合理范围，但存在结构差异。二是杠杆是否一定存在风险，这是不一定的。三是基金的合理杠杆水平问题。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020（第十六届）中国金融风险经理年度总论坛&mdash;&mdash;俞勇《疫情下的固定收益业务投资与风险管理》演讲文稿整理</span></p>

<p style="text-align: justify;">&nbsp;</p>
', 'elegant' => array(array('src' => '/files/expert/expert_1563255423.jpg'), array('src' => '/files/expert/expert_1563255433.jpg'), array('src' => '/files/expert/expert_1563255440.jpg'), array('src' => '/files/expert/expert_1563255448.jpg'), array('src' => '/files/expert/expert_1563268145.jpg')), 'userId' => '22', 'status' => 'published', 'createdTime' => '1558707339', 'updatedTime' => '1636596891', 'body' => '<p align="justify">&nbsp; &nbsp; &nbsp; 俞勇，经济学博士，前粤财投资控股首席风险官、粤财大湾区金融研究院执行院长，中国人民大学兼职教授、中国政法大学研究员、北京大学风险管理研究中心学术委员会委员、清华大学经济管理学院研究生校外导师；先后在美国摩根大通银行、美国运通公司等从事新资本协议、战略规划、风险管理、证券投资、金融衍生品交易与定价模型、金融科技和信息安 全等工作，曾任恒丰银行总行首席风险官、平安银行总行风险管理部兼新资本协议办公室总经理、中国银行业监督管理委员会监管二部处长，摩根大通银行董事总经理等，参与起草《商业银行资本管理办法》等中国银行业监管法规文件，在国内外发表中英文学术论文近百篇，具有全面的国际金融机构和国内金融机构经营管理工作经验。</p>

<p align="justify"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在中国人民大学和厦门大学毕业出国后，俞勇教授读了硕士和博士，根据自己的爱好选择了资产定价的方向。毕业后他去了美国第一银行，做财务分析方向的工作，通过财务分析来了解市场和客户，同时帮助高管对投资融资做决策。后去了华尔街，做小微企业和零售方向的工作，根据客户消费数据分析客户的还款能力和违约风险。之后到摩根大通，做到MD的位置，在那里对全面风险管理进行了更深入的研究。</p>

<p align="justify"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在2007年金融危机爆发后，欧美经济金融受到了影响，俞勇教授毅然决定将国外学到的金融风险方面的知识引进到中国。他加入中国银行业监督管理委员会，参与制定了商业银行相关的系列监管办法。后调任平安银行总行（原深圳发展银行）任风险管理部兼新资本协议实施办公室总经理，提出了金融控股集团的金融风险管理策略。2014担任恒丰银行总行首席风险官，管理整个银行全面风险工作。两年后，恒丰银行在全国股份银行的风险管理能力排名第三。在此之后，2017年，俞教授受聘为粤财投资控股公司首席风险官，负责集团 全面风险管理工作。俞勇教授从进入风险管理行业，从开始到国外深造，经过政府监管部门和金融机构磨砺，始终认为全面风险管理对于金融集团布局以及整体战略非常重要，风险管理短期效果不明显，长期来看则是一个金融机构的生命线。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '294', 'name' => '张烽', 'thumb' => 'public://expert/2022/02-21/170919f45827956570.jpg', 'originalThumb' => 'public://article/2022/02-21/170919f7f1b8863128.jpg', 'description' => '万商天勤律师事务所合伙人', 'about' => '万商天勤律师事务所合伙人，万商天勤数字法律专业委员会主任。张律师为上海区块链技术协会智库专家，上海区块链技术协会法律专业委员会副主任兼秘书，辽宁省重要技术创新与研发基地建设工程中心区块链应用与研究特聘专家。上海政法学院环境资源与能源法研究中心客座教授和兼职硕士生导师，《上海公证》特邀编辑。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp;&nbsp;</p>
', 'attachachieve' => '<p>&nbsp;&nbsp;</p>
', 'viewpoint' => '<p>&nbsp;&nbsp;</p>
', 'elegant' => array(), 'userId' => '1228', 'status' => 'unpublish', 'createdTime' => '1645434568', 'updatedTime' => '1645434568', 'body' => '<p>&nbsp; &nbsp; &nbsp; &nbsp;万商天勤律师事务所合伙人，万商天勤数字法律专业委员会主任。张律师为上海区块链技术协会智库专家，上海区块链技术协会法律专业委员会副主任兼秘书，辽宁省重要技术创新与研发基地建设工程中心区块链应用与研究特聘专家。上海政法学院环境资源与能源法研究中心客座教授和兼职硕士生导师，《上海公证》特邀编辑。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '127', 'name' => '苟志龙', 'thumb' => 'public://expert/2020/11-06/14191314ba48643481.jpg', 'originalThumb' => 'public://article/2020/11-06/141913176af6344464.jpg', 'description' => '中国民生银行数据管理部模型管理中心总监', 'about' => '中国民生银行数据管理部模型管理中心总监，拥有十余年金融领域数据分析、挖掘建模及场景化应用经验。近年聚焦银行业量化风控领域，在行内多个重要项目中承担风控模型的研发管理及落地支持工作，为行内的零售资产质量优化做出了可观贡献。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left:5px solid #ff7200;padding-left:20px;"><font color="#000000"><span style="font-size: 16px;"><b>论文</b></span></font></div>

<div style="height:12px; float:left">&nbsp;</div>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2020，科技构建零售信贷风险管理体系新思路，《中国银行业》第6期</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2020，机器学习模型管理与在线服务平台，科技成果</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2017，基于人工智能的零售贷后量化风控解决方案，科技成果</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2012，中国民生银行基于数据挖掘技术的高端客户流失风险预测研究，科技成果</span></span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、基于人工智能的可进化风控体系解决方案</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）数据驱动银行业风控变革</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; （一）银行业面临的经营困局。近年来经济进入新常态、利差空间收窄、新资本协议推行，以及互联网金融介入导致的泛同业竞争加剧，这些外在变化导致了银行业经营压力持续增大，商业银行的传统经营及管理模式已开始显得力不从心。（二）银行业的零售风控现状。银行业的零售风控现状首先表现在风控理念陈旧，风险偏好审慎，不能适应时代的变化。其次，中国银行业存在工具错位应用的状况，普遍将内评模型应用于风控实务中，而内评模型一般多采用上世纪FICO公司的评分卡方案，考察风险的信息维度少，过度依赖征信中的历史信用数据，风险知识（模型）加工欠缺深度，效果可优化空间很大。（三）风控的发展趋势。风控技术的传统方案与新兴方案相比，虽然二者在出现时间上有先后顺序，但现在是处于并行存在的发展状态。传统方案的价值所在是对流程的重塑与标准化。新兴方案则是数据驱动型，通过数据与算法，能够非常快速地总结风险模式并提供有效的风险防护。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）全力打造零售新风控能力</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; （一）贷后预警赋能。针对业界普遍存在的主要依赖专家经验、监测手段滞后、风险管理被动和无差异化策略等零售贷后风险管理问题，2017年民生银行自主研发的&ldquo;天眼&rdquo;预警系列模型可以通过前瞻性风险预测和差异化贷后管理，主动退出高风险贷款，闭环持续优化信贷资产质量。（二）贷前准入赋能。在实践普惠金融的过程中，面对下沉客群风险高、信用历史数据少和风险样本有偏等问题，2018年民生银行自主研发出面向下沉消贷客群的准入信用评估方案，该方案采用场景细分模式，通过拒绝推断纠偏，使得模型可服务客群覆盖面更广，风险区分度更好,与行内在线服役的消贷A卡模型相比，本方案中模型的风险区分度有17个点的提升，风险区分度优势显著。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）量化新风控体系建设规划</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; （一）风控本质解读。通过信息加工出相应的风险知识，风险知识需要被不停地迭代，这样的风控，相较于静态的风控，才是有生命力、有效果的。只有通过科学的机制维持风险知识的新陈代谢，才能持续为零售信贷资产业务保驾护航。（二）自进化风控体系规划。Cybernetics引擎层可以对信审流程体系中各模块（其内运行着风险知识）进行&ldquo;体检&rdquo;，如果某个模块出现了问题，Cybernetics引擎层会将信号反馈到模型实验室促使相应风险知识的更新，如此可以使每个模块处于动态的更新机制中，同时也保障了这一套风控体系在运转过程中的&ldquo;风险&rdquo;是可控的。（三）全面升级的授信决策流程。在这个授信决策流中，最重要的思想是通过挑战者模型及替代机制使线上模型处于持续高效的运行状态中，以确保信贷业务运行于有效的风险防护下。（四）灵活且精准的授信决策。第一是尽量获取目标客群的相关信息，从而提升风控模型的风险区分度；第二是在决策线上科学地选择目标点。可以看到，在授信决策中，&ldquo;通过率-违约率曲线&rdquo;扮演着非常重要的角色，也是新贷款产品展业是否可以成功的关键。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（四）亟待解决的问题与展望</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>目前国内银行业建设新风控能力的阻碍主要有三个方面：其一是缺少体系化的数据驱动方法论和支撑工具，其二是缺少科学的实验设计与知识迭代的理念，其三是缺少可支撑试错迭代的制度环境与配套机制。因此，新风控能力建设需要普及数据驱动风控理念，要有配套支持数据科学实验的技术环境及工具，还要建立复合型人力敏捷组织及相应配套机制。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》杂志2019年第6期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、银行业逐步迈入信贷风险管理深耕时代</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）国内零售信贷风险管理现状</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>（一）风险管理理念较为陈旧；（二）风险管理工具错位应用；（三）风险管理陷入滞后和被动。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）零售信贷风险管理问题成因分析</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>对于银行业零售信贷风险管理存在的问题，需要从其本质进行思考。零售信贷风险管理是风险管理人员在管理目标的指引下，通过某些理念、方法论及工具，对信贷生命周期全过程进行干预，以期达成预设目标的活动。那么，我们将从风险管理目标、管理理念、方法论、工具与技术实现等角度进行成因分析。（一）风险管理目标定义模糊；（二）风险管理过程重&ldquo;形&rdquo;轻&ldquo;意&rdquo;；（三）职能藩篱制约技术红利释放。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）民生银行零售信贷风险管理体系的建设实践</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>通过对当前银行业信贷风险管理现状的分析和问题诊断，民生银行重新明确零售信贷风险管理目标，厘清信贷风险管理核心逻辑，科学优化信贷风险管理过程，积极打破部门职能藩篱，全力规划统一的智能可进化信贷风险管理体系。（一）明确信贷风险管理目标；（二）厘清信贷风险管理核心逻辑；（三）优化信贷风险管理过程；（四）打造统一的智能可进化信贷风险管理体系。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（四）银行业零售信贷风险管理体系建设的四点建议</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>目前地问题其一是缺少体系化的数据驱动方法论和支撑工具；其二是缺少科学的实验设计与知识迭代的理念；其三是缺少可支撑试错迭代的制度环境与配套机制；其四是缺少面向业务目标及全局视角的智能风控解决方案的设计文化。因此，新风控能力的建设需要围绕以下四个方面展开：(1)普及数据驱动风险管理的新理念：数据驱动风控的过程中需要高效地获取相关信息、精准的风险知识加工、应用及反馈后的风险知识更迭。(2)配套支持数据科学实验的技术环境及工具。(3)建立复合型人力敏捷组织及配套相应机制：在保障数据驱动风控的效果上，复合型人力组织为达成业务目标提供了更科学的人力资源配置，相应机制为达成业务目标构建出更适配的考核激励制度。(4)宣培基于全局视角的风控方案设计文化。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》杂志2020年第2期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、量化新风控：打造零售银行核心竞争力</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）数据驱动助力银行业变革</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>2013年以来，民生银行逐步规划和建设起精准营销、量化风控、精益运管三位一体的数据挖掘模型体系。营销子模型体系能够基于客户营销生命周期，构建面向不同客群、不同产品、不同业务主题的营销模型，以数据驱动实现智能营销；量化风控子模型体系能够构建覆盖各类零售贷款品种及全生命周期的机器学习系列模型，以此实现智能风控；运营管理子模型体系通过各场景模型的研发与应用，实现降本增效。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）从信贷端打造新零售银行</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>风控领域中的传统统计学习方案采用的是类FICO的方法，即将风险问题投射到低维空间里进行分析，通常其模型较稳定但无法解析复杂风险模式、对数据完整性和有效性要求高。随着大数据及机器学习技术的发展与应用，我们可以借由高阶机器学习技术将风险问题投射到足够高维的空间里进行深入地、透彻地分析。相比于传统统计学习方案，高阶机器学习方案在信息维度和知识加工上都要更胜一筹。它能够完成对风险更精准的识别、制定更灵活的授信策略、实现更优的风险管理效果。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）机器学习驱动的量化新风控方案&mdash;&mdash;以民生银行为例</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>（一）贷前案例。在贷前阶段，目前银行业普遍存在长尾客群风险高、信用历史数据少、管理体系不完善、风险样本有偏倚等问题。针对这些不足，民生银行自主研发了针对长尾客群线上消贷场景的贷前准入信用评估方案。该方案通过诊断分析现有传统内评方案，积极采用高阶机器学习及多项自主技术，实现了更好的准入风险识别。最终该方案获得了超过传统内评方案近30%的性能优势，并且能够为民生银行提供覆盖范围更广、风险区分更好的贷前准入风险防护。（二）贷后案例。以往零售信贷的贷后管理，通常易出现过度依赖经验、风险监测手段滞后、倾向风险事后统计等问题。传统管理方式较为粗犷、缺少差异化策略，有较大的可优化空间。针对目前的贷后管理现状及问题，民生银行设计出了一套贷后风控解决方案，其主要由模型预测、分级管理、早期预警、主动退出和持续优化五个环节组成。这里，模型预测是基础也是核心，模型对于每笔贷款给出精准的风险预警，结合业务场景完成差异化风险管理，通过主动退出等策略持续压降高风险贷款。该方案通过贷后向贷前的知识性反哺形成了良性闭环，持续优化零售信贷资产质量。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（四）量化风控实践的总结与展望</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>一个基础性共识是，银行的核心竞争力是风险管理能力。风险管理本身即是降低不确定性，信息加技术可以很好地用来降低不确定性。在零售信贷业务风控场景中，通过构建新一代的信息基础设施，实现动态摄入信息、动态完成知识加工，可以让风控体系中的知识持续更新、与外界风险及其变化保持同步，这样的风控体系具备了智能化和可进化的属性，可以在与业务共生长的同时，较好的达成业务目标（信贷规模与资产质量均衡下的利润最大化）。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》杂志2020年第5期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>四、大数据时代下零售信贷智能风控体系建设的思考</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）数据驱动下银行业风控升级</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>(一)新时代背景下银行业的经营困局。随着中国经济告别两位数的高速增长，以及其他的外部环境的变化，银行业也逐渐地告别过往十几年的高速增长。银行业过往十几年的高速增长所依赖的时代能力已经逐渐消退。银行业目前正处在一个发展的十字路口，掉入了某种坚守传统和变革创新的夹缝当中，而这个矛盾在风险管理领域就显得特别的突出。（二）待浪再起：智能风控变革。我觉得以下4点工作需要去完成：第一，复合型人力敏捷组织及配套机制。第二，明确利润为导向的风险管理理念。第三，数据量化、动态迭代的风控方法。第四，支持数据科学的实验环境及工具。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）基于负反馈调节的风控体系</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>（一）控制论思想的迁移。具体来说，这种风控体系是一种基于负反馈调节理论的智能风控体系。这也源于我们跨领域地把控制论的一些思想，往银行业的一些风险管理实务上的一次迁移学习。随着普惠金融以及互联网技术的发展，银行信贷业务客群在逐渐下沉，我们线上业务范围也在日渐的增多，随之而来的风险的种类更多，变化也更快。如何保障风险始终可控，而且能够达成刚才我们说的风险管理的终极目标，追求我们信贷业务的利润最大化，是一个重大的问题。控制论当中把这类控制叫什么？叫负反馈调节。我们也是借鉴了这套控制论的名字，在这套风控体系做了应用。那么这套闭环反馈的动态迭代里面，试图打破传统的这种风险管理模式，把利润最大化作为风险管理目标，利用好大数据和人工智能以及各类其他新的信息技术，提升对于风险的识别以及排序的能力。(二)大数据时代下对风控本质的思考。风控 = 信息+知识+迭代。1.相关信息获取。信息是用来降低不确定性的东西。可帮助识别风险模式的信息蕴含于数据中，能获取多少信息决定了风控效果的上限。2.风险知识加工。通过算法加工信息，解构出相关数据要素与风险目标之间的复杂非线性关系，沉淀为可落地应用的风险知识（模型/规则）。3.应用迭代优化。在实操中应用风险知识、检验风险知识并通过闭环反馈持续迭代，完成风险知识的新陈代谢，持续为零售资产业务保驾护航。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）智能风控赋能经营管理决策</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>(一)零售信贷全流程解决方案。（二）贷前：客户准入策略动态调整。(三)贷中：客户价值进一步提升。（四）贷后：客户风险提前预警。贷款风险的劣化过程其实跟人生病的过程有点相像，人生病一定是从亚健康到小病到大病，最后到不治，是这么一个发展过程。所以针对贷后预警系列模型，我们开发了系列模型。它要完成的就是在贷后的生命周期中，以不同时间窗口作为观察，去看潜在风险，去对它的风险提前做出一个预判，来实现对于风险能够尽早预测，能够做到防患于未然。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020（第十六届）中国金融风险经理年度总论坛系列11：智能风控&mdash;&mdash;苟志龙《大数据时代下的智能风控体系实践》</span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1609746719.png'), array('src' => '/files/expert/expert_1609746728.png')), 'userId' => '228', 'status' => 'published', 'createdTime' => '1604643598', 'updatedTime' => '1636522400', 'body' => '<p>&nbsp; &nbsp; &nbsp; 苟志龙，中国民生银行数据管理部模型管理中心总监，拥有十余年金融领域数据分析、挖掘建模及场景化应用经验。近年聚焦银行业量化风控领域，在行内多个重要项目中承担风控模型的研发管理及落地支持工作，为行内的零售资产质量优化做出了可观贡献。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '111', 'name' => '闫振平', 'thumb' => 'public://expert/2020/11-05/1430571c3167126920.jpg', 'originalThumb' => 'public://article/2020/11-05/1430582273cd698114.jpg', 'description' => '微众银行审计部总经理', 'about' => '微众银行审计部总经理，中国计算机用户协会信息科技审计分会副理事长、分会金融大数据应用与治理工作组组长，深圳市内部审计协会专家库专家。在银行信息科技、风险和审计岗位从业20年。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px; font-weight: bold;">论文</span></span></div>

<div style="height: 12px; float: left;">&nbsp;</div>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2020，银行关联交易模型审计探索与实践，《中国注册会计师》第11期。</span></span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、数字化金融</strong><strong>的风险</strong><strong>控制和审计</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）金融科技的组成</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 金融科技的组成分为四项，即IT、DATA、Fin和Risk，IT包括传统的互联网技术以及新兴的区块链分布架构等；DATA就是数据，金融科技离不开数据，没有数据的话也谈不上金融科技；Fin是金融产品，金融产品跟科技数据更好的融合；Risk是风险，金融产品离不开风险。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）金融科技的转型</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>金融科技转型包括七个方面，即业务流程转型、客户契动和体验、产品或服务数字化、IT和交付转型、组织文化、战略和生态系统。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）金融科技的定义</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>中国人民银行对金融科技定义是技术驱动的金融创新，针对金融创新整个战略定位是发展的新引擎、新途径、新机遇、新利器。从实践来看，金融科技是一个利器，但还是要思考三个方面的问题，一是金融产品，二是经营模式，三是业务流程。金融产品是思考怎么去创新，哪些产品是属于金融科技产品。经营模式是思考采取什么样的经营模式，经典的传统的经营模式是否还适合，不过以各个单位在实施过程中的经验来看，金融科技的经营模式跟传统的经营模式不太一样。业务流程是过程性的事项，如果业务流程和岗位职责定位不好，那么对整个金融创新跟运维里面都会带来巨大的影响。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（四）金融科技的发展目标</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>金融科技的发展有四个目标，一是保证金融科技应用的先进可控，二是保证金融服务能力的稳步增强，三是金融风控水平的明显提高，四是金融科技支撑的不断完善。从金融科技的发展目标来看，也能体现出来金融科技对一个银行或者对金融机构的内部建设和发展规划，也应该体现这四个目标。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（五）金融科技的基本原则</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>从合规来看有四个基本原则，即守正创新、安全可控、普惠民生和开放共赢。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（六）金融科技带来的挑战</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>银行互联网贷款管理的暂行办法的解读</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>银行互联网贷款管理的暂行办法中对金融科技数据的要求很高，如果没有有效的对数字数据的风险管控的话，一个产品也很难去实施，因此首先就是对数据的监管，第一要对风险数据进行监管，然后通过数据进行身份认证、风险识别、风险分析、监测预警跟处置。第二是对隐私数据保护，第三是发展规划，即金融机构对数据本身有什么样的建设规划，金融机构必须保障数据的持续获得性和有效性。第四是数据治理</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>其次是对风险模型的管控，第一是需要在认证、反欺诈、反洗钱、合规、风险评估等等这些方面调研模型。第二是模型治理的问题，相当于怎么管好模型，模型该怎么去管，如怎么来评价这个模型有效性，怎样能够在模型治理里面使各岗位有效履职。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>再次是对科技风险的管控，科技风险更加是大家需要关注的风险，不论是互联网贷款还是金融科技，在科技风险方面相对于原先都发生了很大的变化。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>最后是对业务方面的管控，一是要做好消费权益的保护，二是对合作风险的把控，是针对合作伙伴怎样去做一些风险的把握跟评估，三是发展规划的问题，即金融机构怎样去规划产品，怎样能保持发展的定力，这也是从治理层面去看待事项。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、金融科技风险与内控点的建设</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>内控点的建设包括法律法规、战略规划、激励约束、规章制度、操作指引、标准规范、工具建设、技术储备、人才储备和评价监督等10个方面。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第一是法律法规的问题，现在监管很严，创新一定要遵守法律法规。因此法律法规首先是在内控建设中特别要去关注的事项。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第二是战略规划，即想做什么？目的是什么？朝哪方面去建设？规划的问题也是一个非常重要的事项。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第三是激励约束，任何一个创新产品都会有成功会有失败，所以激励约束特别重要。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第四是规章制度，在金融科技里面规章制度是很难建设的，特别是因为现在金融科技发展时间还不是很长，要使一个制度能够跟产品相配套、相挂钩是很不容易的，通常情况下规章制度是滞后于产品本身的发展。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第五是操作指引，在规章制度很难制定的情况下，操作指引有时候会更好一点。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第六是标准规范，在金融创新里面怎样做是合适的，怎样做能更好的控制，需要一些规范建设，在外部的标准规范不是很充分情况下，内部需要做一些标准规范建设。特别是针对一些行业来说，标准规范建设是特别重要的。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第七是工具建设，工具包括很多，模型、风险监控、反欺诈这些都是工具，因此工具建设非常重要，依靠工具才能够让日常的管控更加到位。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第八第九是技术储备和人才储备的问题，技术储备是否到位，人才储备是否有效，也是关系着金融服务的能力的事项。第十是评价监督，一定要有个评价监督体系，作为内控点的建设来说评价监督是非常重要的一个方面。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、金融科技模型风险审计的评价</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>风险来源有两个方面，一个是模型出错，一个是模型误差。模型出错也分为两个方面，一个是结果出错，一个是使用不当，结果出错可能是本身操作风险带来的一些出错了，使用不当可能是使用模型过程中配置和取值错误导致的。模型误差也分为两个方面，一个是模型本身的误差，一个是模型应用的误差。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>规章制度方面，一是要有风险政策跟风险偏好。既然有误差和出错，那么就需要对风险偏好进行设置。二是要严格控制出错的问题，因为出错的问题会带来更大的风险。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>操作指引方面，这里头就有一些管理指引，对这个模型本身，从数据的清洗、数据的获取、数据的评估、数据的安全、数据治理，一直到模型的开发，模型的测试，模型的评估、模型的应用，包括模型的下线，这一系列都应该遵循什么样的一些流程，应该有明确的管理指引去保障整个模型本身得到有效管控。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>标准规范方面，针对不同的产品，针对不同的生态环境，还有针对产品本身的阶段，对模型本身的误差或者本身的一些参数的标准划分都会有一些不太一样的地方。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>战略规划方面，这里有模型治理的问题，因为互联网的特点就是产品为王，这方面的数据也是非常重要的一个战略资源。那么针对这些数据该怎么去应用，不同的产品之间这些产生的数据或者获得的数据该怎么统一管控，这都是要去仔细去规划的问题。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>工具管理方面，这个特别重要，一是过程管控，需要保障整个模型本身的过程得到有效的管理。二是对模型监控，针对各个产品它的模型做持续性的监控。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>模型技术方面，需要考虑这些模型数据该怎么去获得以及如何去研发。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>模型人才方面，针对模型人才里面应该分几类，如模型建设的和模型应用的是不太一样的，建模更加是看一个模型做的好不好，稳定不稳定。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>监督评价方面，包括日常的监督和评审和模型本身的监督和评审，一是应用评价，怎样去看模型使用的好不好，是市场的原因，是模型本身的原因，是数据的原因，还是内部本身决策的原因，以及评价该怎么去做。二是责任认定事项，对经典的传统的这些产品做责任认定，大家都有一些很好的成熟的经验。但是针对模型方面，责任认定应该怎么修正也是一个特别有意思的话题。三是模型审计，如何有效履行模型审计工作，也是在风控过程中一个重点的环节。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020TGES系列论坛-03：内控合规、造作风险管理和全面风险管理《数字化金融的风险控制和审计》演讲文稿整理</span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1611656850.png')), 'userId' => '211', 'status' => 'unpublish', 'createdTime' => '1604557874', 'updatedTime' => '1636595733', 'body' => '<p>&nbsp; &nbsp; &nbsp; 闫振平，微众银行审计部总经理，中国计算机用户协会信息科技审计分会副理事长、分会金融大数据应用与治理工作组组长，ISACA中国专家委员会委员，深圳市内部审计协会专家库专家。在银行信息科技、风险和审计岗位从业20年。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '67', 'name' => '毕万英', 'thumb' => 'public://expert/2021/04-09/133557d2515b230431.jpg', 'originalThumb' => 'public://article/2021/04-09/133557d4a2ec608769.jpg', 'description' => '高腾国际资产管理有限公司总裁、CEO', 'about' => '高腾国际资产管理有限公司总裁、CEO。拥有22年国内外资产管理行业丰富经验。曾任工银瑞信副总经理；曾任嘉实基金首席风险官、投资决策委员会委员和风险管理委员会委员；曾先后任职于美国Vanguard Group、Evergreen Investments、ING Investment等知名资产管理公司。杜克大学MBA、匹兹堡大学工科硕士、CFA全球协会会员，曾任中国基金业协会和中国金融期货交易所专家顾问。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;&nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、中外基金公司风险管理探讨</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 资产管理行业的范围非常广，以国内为例，包括银行资管、券商资管、保险资管等，同时也包括信托、公募基金以及私募基金。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp; （一）国内外基金公司风险管理的相同点</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>基金公司作为资产管理行业的子行业，所面临的主要风险与该行业中的其他机构相类似。同时，它作为二级市场的主要参与者，不管是股票、债券或者衍生品，所面临的最大风险是投资风险，与投资决策的整个流程相辅相成。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;<strong>&nbsp;1、</strong></span><strong>基金公司面临的风险类别</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>投资风险分为几个方面：第一，市场风险，是指由宏观因素如利率、汇率或市场大的波动所带来的风险；第二，信用风险，是对单个股票或单个行业产生影响的风险；第三，流动性风险；除了投资风险外，公募基金也面临所有金融产品都有的风险：法律风险、合规风险，以及操作风险等，需要按照公司的章程制度或者监管法规来进行相应的风险管理。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;<strong> 2、</strong></span><strong>基金公司风险管理体系</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>基金公司的风险管理体系同其他金融机构（比如银行、保险公司）一样，最常见的是4层的风险管理体系，从上至下或者从下至上。第一层是董事会，是公司的最高治理机构，下设公司治理或风险控制委员会。第二层是公司管理层，负责公司日常的经营管理，对公司的所有决策，不管是经营决策，还是风险管理决策，都负有一定的责任。第三层是法律稽核部和风险管理部，是风险管理的主力部门，对风险管理措施具体的制定和执行，或者是跟业务部门的合作，都负有主要责任。最后一层是一线的业务部门。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; <strong>&nbsp; 3、</strong></span><strong>深植于各个业务条线的风险管理职能</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>基金公司从产品设计到投资、交易，再到绩效评估，是一个全流程的过程，因此需要风险管理经理全流程参与。第一步是产品设计阶段，此过程需要风险管理是因为公募基金是一个标准化的产品，一旦产品的要素确定下来，它的风险因素也相应确定。第二，第三步是要对市场、对投资标的做充分的基本面研究、量化研究，通过建立模拟组合的方式做好投资前的准备。第四，第五步偏执行层面，比如对于非标准化的交易，例如银行间交易和OTC交易，风险管理部可以参与对市场上流动性的分析、交易风险的分析等。最后一步是绩效评估，是很多基金公司风险管理部的一项重要工作，即对基金经理的业绩归因、基金组合的风险归因做定期的绩效评估。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; <strong>&nbsp; 4、</strong></span><strong>成熟的风险管理模型和系统</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>公募基金的风险管理是一个与量化分析、数据分析密不可分的专业，会用到很多成熟的风险管理系统与模型。国外常见的有Barra One、Factset、Bloomberg等，国内比较好的则有恒泰、万德。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp;&nbsp;（二）中外基金公司风险管理的差异</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>国内基金公司虽然只有20年的历史，但在起步阶段就很大程度上借鉴与参考了国外基金公司好的经验、规则，以及监管的顶层设计等。因此无论是公司治理还是信息披露，或者是公司的投研框架都与国外发展了四五十年的基金公司有很多相同之处。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>从市场管理规模来看，美国和欧洲这些发达国家市场占主体。中国的市场过去几年增长非常快，一方面得益于改革开放，居民的财富效应在不断增长；另一方面得益于过去几年资管新规的出台，使得越来越多的资金从银行这类传统渠道转移出来，参与到二级市场（比如公募基金行业）中去。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>从执行层面来看，中国目前还处在市场发展初期，因此在很多时候，无论是基金公司的管理人还是基金经理，都易受到短期的KPL绩效考核的影响，导致他们即使知道风险管理的相关常识以及规则的重要性，但在实际操作中也难免会出现一些脱节。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>从基金行业的风险管理环境来看，境内外也存在差异。监管职能方面，国外的资产管理行业主要由证监会管理；而国内由于历史原因，银行资管、信托资管归银保监会管理，而券商资管、基金公司则归证监会管理。本质上看，这些资管行业的业务、风险特征比较类似，但由于是不同的监管体系，在规则与执行层面仍存在差别。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020TGES系列论坛-08：资产管理与投资风险管理《中外基金公司风险管理探讨》演讲文稿整理</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、海外资产管理公司风险管理框架</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>投资风险管理按时间前后可分为事前风险、事中合规风险与事后风险分析报告。投资风险管理除了一些必要的基本面分析和定性判断外，日常工作中我们往往通过量化分析的手段对历史数据进行衡量和分析，这包括四个部分：风险因子、风险量化、压力测试和业绩归因。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2019TGES金融市场风险与投资风险管理高级研讨会:《海外资产管理公司风险管理框架》演讲文稿整理</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、股指期货类型产品的风险管理</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>增强收益型和主动管理的绝对收益产品，比较常见的采用股指期货等金融衍生品来规避下行风险和增强收益。风险管理部门应对参与股指期货交易相关产品的投资策略或套期保值的可行性、有效性，进行充分验证、及时评估，监控督促及时调整风险敞口，定期对投资效果，保证金比例等指标进行客观评估。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>股指期货集中了股票现货市场的风险，而且由于其杠杆性和保证金制度，风险得到放大和集中。具体投资实践中，股指期货主要涉及的风险包括：beta暴露风险、波动性风险、跟踪误差风险、市场风险、保证金风险、合约展期风险、流动性风险以及事件风险等。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》第15辑（总） 2011年 综合第5辑《绝对收益产品和股指期货的风险管理》演讲文稿整理<span style="text-align: justify;">&nbsp;</span></span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1609680937.jpg'), array('src' => '/files/expert/expert_1617865830.jpg'), array('src' => '/files/expert/expert_1617865842.jpg')), 'userId' => '52', 'status' => 'published', 'createdTime' => '1561953144', 'updatedTime' => '1642035311', 'body' => '<p>&nbsp; &nbsp; &nbsp; &nbsp;毕万英，高腾国际资产管理有限公司总裁、CEO，CFA，拥有二十一年国内外资产管理行业丰富经验。毕先生曾任工银瑞信副总经理，负责分管公司风险管理、信息科技和基金运作业务；亦曾任嘉实基金首席风险官、投资决策委员会委员和风险管理委员会委员，并曾在美国ING投资管理公司（美洲区）、Vanguard先锋集团等公司任职。</p>

<p>&nbsp; &nbsp; &nbsp; &nbsp;专业资格：杜克大学MBA、匹兹堡大学工科硕士、CFA全球协会会员，曾任中国基金业协会和中国金融期货交易所专家顾问。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '210', 'name' => '俞宁子', 'thumb' => 'public://expert/2020/11-12/1344259f35ea487569.png', 'originalThumb' => 'public://article/2020/11-12/134426a544a6129920.png', 'description' => '德勤（中国）风险咨询部门金融服务行业资深合伙人', 'about' => '德勤中国风险咨询部门金融服务行业资深合伙人，德勤智慧债券等多个产品合伙人，从业二十余年，为众多金融机构提供创新的风险管理解决方案，专精智能化风控、信用风险管理与信用挖掘、人工智能与自然语言处理、Fintech。先后领导推出德勤智慧债券、德勤财报智评、德勤产业链等多元化产品化解决方案。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px; font-weight: bold;">论文</span></span></div>

<div style="height: 12px; float: left;">&nbsp;</div>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px;">2020， 从宏观经济走势预测消费金融减值风险 《第一财经日报》。</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px;">2019， 适度违约是常态 债市如何完善风险管理《第一财经日报》。</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px;">2016，债券违约风险预警模型探究《中国市场》 . 2016年39期。</span></span></p>

<p style="margin-left: 40px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px;">2016，x中国债券违约大增 亟须建立预警系统《第一财经日报》。</span></span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2><span style="color:#000000;"><strong>信用风险智能管理与监控</strong></span></h2>

<h2><span style="color:#000000;"><strong>一、信用风险管理中的组合方案</strong></span></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 我们在看整个市场的信用风险的时候，虽然近年来有很多新的数据出现，但是整体的思路和框架其实并没有太大的改变。比如一个企业出现问题，就像永煤和华晨，总结起来归因可能会很多，可能是经营不善，可能是管理层的问题，有的是大股东后来支持力度不够。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;归根结底其实就两个原因，一个可能是流动性的原因，短期的偿债性现金流付不出来；还有一个是经营的原因，就是长期的经营不善。</span></p>

<h2><span style="color:#000000;"><strong>二、评级客观化</strong></span></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;城投公司的财务报表中，有些信息是有价值的，比如说融资成本，若想知道非标融资占比到底是多少，需要把所有的非标融资逐笔加总，然后把非标融资和整个融资的规模进行相除，得到非标融资占比。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;融资成本有时不会公布，需要我们对数据进行二次加工。从我的角度来看，一个城投公司去做非标，如果非标的占比在百分之四五十的话，流动性风险会非常高，因为非标融资成本至少在10-12之间，这么高的融资成本对一个城投来说是不太合理的。还有对外担保数据，也在财报附注里，如果担保当中有大量的民营企业，那么民营企业的担保率可能有更多的风险提示作用。&nbsp;</span></p>

<h2><span style="color:#000000;"><strong>三、预警与财报粉饰</strong></span></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;评级可以了解一个行业内哪些企业比较好，哪些企业比较差。评级模型最大的特点是客观。不管认知怎样，评级逻辑一旦定下来，好坏是符合逻辑的。但是信评分析师去做的时候，经常被挑战，在某一些细分行业里边，大家的观点会差距很大。&nbsp;</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;比如说地产行业，如果想问碧桂园或者龙湖和恒大、富力比哪个好？回答可能会比较一致，碧桂园和龙湖肯定是比富力和恒大要好一点，是从信用的角度而不是从经营的角度，那么如果问碧桂园和富力以及龙湖到底谁的信用更好一点？这不太容易回答。龙湖谨慎一点，但要是从客观的数据上去测算，用整体的框架来看，碧桂园可能稍稍比龙湖好一点，为什么会产生这种歧义？我觉得主要是机器和人的区别，机器是完全跟着模型的逻辑框架来走，人却有一些传统的思维，或者说有一些自己对企业的直观感受。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;再看另外的一个例子，华晨汽车，我列了一些在评估的时候考虑的因素，比如竞争优势规模多元化，运营杠杆等等，那么整体考虑方方面面的维度和指标以后，其实华晨分数是不低的。如果谁说之前华晨的评级就一定能够达到很低，我觉得他可能是有个人的成见在里边，或者说是一个马后炮。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;我们有三个产品，一个是做风险的评级和预警的，一个是做财报的粉饰，叫财报制品，还有一个产业链的产品。为了方便，我选取了外评也就是绿色的虚线这条线，华晨一直到什么时候才出问题？它是到了2020年的将近10月10月的时候，突然出现了交易价格下跌，然后评级才下来了，比整个交易价格的下跌有滞后性。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;为什么大家会更看重隐含评级？因为隐含评级中的估值是通过交易价格来达到的，从这个角度说，交易价格有一定的用处，这种状况下，要是看评级公司的评级，外评下调肯定是来不及的，但看交易价格发现异常以后，机会也小了，因为到60多块了，后面就很快到40多块了。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;我们做了一个预警曲线，叫预警指数，也就是这根实线，我们首次把华晨放到中高预警，是在2019年的10月，但当时是一个脉冲式的，下到了中高预警，在准入线上面，触碰到准入线，但很短就回去了，这个不能作数。往前延伸，到了2020年初，实际上再一次进入了中高风险，在我们的体系里就是红色这根线。在这一块中高风险进入了准入线以下，然后一直持续就没有上来过。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;这个时间点交易价格一直是在90多块，如果大家的内部规则是一个强规则，比如预警到这个等级是需要抛出的，那么这个时间点的确是可以抛出的。到2020年的4月17号以后，进入了高风险，高风险持续一段时间，整个交易价格就断崖式下跌。</span></p>

<h2><span style="color:#000000;"><strong>四、基于公开大数据进行动机导向的财报粉饰风险分析</strong></span></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;我们用纯模型来解决问题，但纯模型也有问题，最大的一个挑战是：坏的企业可以罗列出来，比如被交易所和证监会处罚过，加上被银监会，或者地方政府明确处罚过，这样的企业肯定有作弊行为。但是好的企业怎么定位？现在上市公司和发债企业加起来有1万多家，这些公司虽未被处罚，但报表一定是真的吗？这很难分析，在做这种变量分析的时候，0-1变量可能是有瑕疵的。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;在这个角度上，我们是从审计本身的规则角度出发，加上我们对于财报数据前几年的分析，做人工智能识别，通过聚类把类似财报情况的企业聚在一起，如果有一个企业已经出现了比如说大股东占款，那其他企业一定也有这样的问题，但是还有一些企业聚在一起不确定是何行为，分析后我们跟财务专家沟通，如果财务专家能够认可这种行为，我们也把这种行为放到我们的行为引擎里。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;首先有一个企业画像，如果企业的成长性，以及行业不一样的话，整个企业的财务表现也不一样的，我们把企业的财务表现分成两块，一是财报的异常引擎，比如说高存高贷、大股东关联交易，还有营收和税收的背离，还有一些地区的毛利率，有大量背离。比如尔康公司在柬埔寨的分公司，当年的毛利率是88%，但全国大概只有40%多，这可能有问题。二是外部事件，比如说医药企业，他的药被医保拉出去了，他不公告或者一致性检查没有通过。还有像频繁更换审计师，很多作假企业，在作假之前都存在连续更换审计师的情况，而且审计师的排名在中注协越排越低，如果审计师出具了保留意见，公司立刻把审计师换掉。这些公司作假的嫌疑非常大。</span></p>

<h2><span style="color:#000000;"><strong>五</strong><strong>、产业链案例</strong></span></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;前面我们从评级、预警、财报角度来看，当时交易价的变化已经发生了，那么再往前看一点会不会有一些其他的问题，我们从产业链的角度去看。比如活牲畜行业，活牲畜是在我们的系统里边属于4级分类，在万德的4级分类里边也有，万德在4级分类中大概能做到150个产品，我们在4级分类中能做到760多个产品。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;但我们的行业里没有活猪行业，因为我们所有的数据都是从报表里来的，活猪是不会在报表里有明细的，但是我们可以把它归类到活牲畜下面，对于猪行业，我们认为景气度是高的，是上升的，那么上游所有的行业是不是都上升了？好像是的，下游是不是也都上升？好像不是的。餐饮、特色风味小吃的景气度的确是上升的，原因是To&nbsp;C端，定价权高，有一些景气度是下降的，比如说双汇，雨润，因为熟肉制品是B&nbsp;To B机制。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;再往下细分的看，我们分多个维度看，行业景气度是1个维度，我们来看企业数量、增长率、市值、企业盈利能力、行业盈利能力、行业竞争分析、行业的进入壁垒，比如说资产壁垒、专利壁垒以及研发壁垒，每年的研发投入、议价能力、行业周期分析，包括它的行业偿债能力和整体行业的分析，单看一年可能意义不大，我们看一个时间序列。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;最后我们给活猪行业打了三个标签：竞争激烈、低壁垒、周期性行业。对于食品行业，白酒毛利率很高，乳制品也不错，黄酒也不错，这些大家看看股市就明白了，哪一些行业的景气度高，股价表现也是不错的。活牲畜毛利或者说盈利能力其实并不是特别高。市场上的企业，牧原大概是100%做猪的，但大部分企业比如像正邦、天邦这些公司除了做猪之外，还做猪饲料，还有收费制造加工，这一块的毛利是非常低的，纯粹是一个人力密集型行业。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;很多企业规模越大，毛利越高，比如说生物医药行业。但是猪行业毛利率是下降的，随着企业规模变大，无法随着规模的扩大获得更高的利益，行业内可能存在恶性竞争。我们把猪行业分成三个周期，从10年开始到11年、12年是个小周期；然后从13年开始到14年、15年、16年是个大周期；我们现在从17年开始，到今年是一个高峰，超过了0.34%的当时的一个ROE的行业的高峰值，但是掉下来也很快，因为猪肉价格在掉。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;对于活猪这样一个周期性行业，一旦猪肉拐点成立，这些去年在活猪行业快速扩张的养殖业企业，在未来一段时间里会碰到很大的还款压力。举两个例子，一个是牧原集团，它的行业应付利息非常高。牧原本身也是养猪的行业龙头，它的有息债务并不高，甚至比较低的，但应付利息高这说明什么？我觉得它的融资成本会非常高，说明牧原杠杆加得厉害，融资成本还高，一旦毛利率下来，他的还款能力面临很大挑战。正邦也是一样，扩张很快，从行业的5名之后迅速成为了行业三甲，但问题是猪肉价格如果一直在涨当然没有问题，但如果猪肉价格明年下跌，正邦的还款压力会非常大。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;来源：2020（第十六届）中国金融风险经理年度总论坛系列11：智能风控&mdash;&mdash;俞宁子《信用风险智能管理与监控》</span></p>
', 'elegant' => array(), 'userId' => '311', 'status' => 'published', 'createdTime' => '1605159890', 'updatedTime' => '1636596724', 'body' => '<p style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;俞宁子：德勤中国风险咨询部门金融服务行业资深合伙人，德勤智慧债券等多个产品合伙人，从业二十余年，作为信用风险管理领域的顶级专家，为众多金融机构提供创新的风险管理解决方案，其服务对象包括：中国证监会、国泰君安、中信建投、广发证券、招商银行、银河证券、工商银行等，专精智能化风控、信用风险管理与信用挖掘、人工智能/自然语言处理、Fintech。先后领导推出德勤智慧债券、德勤财报智评、德勤产业链等多元化产品化解决方案。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '276', 'name' => '孙宇熙', 'thumb' => 'public://expert/2021/09-16/155536830ed1888059.png', 'originalThumb' => 'public://article/2021/09-16/15553685ae9b011573.png', 'description' => 'Ultipa Graph 创始人&CEO', 'about' => 'Ultipa Graph 创始人&CEO，世界级高性能系统及大数据与云计算专家，20余年硅谷和北京跨国公司与创业公司经验；曾任Allhistory.com的首席执行官、EMC CCOE首席技术官、EMC中国研究院院长、Splashtop OS首席架构师（Chrome OS前身）、哈尔滨工业大学计算机学院兼职教授，持有50+美国及中国专利；清华大学计算机专业理学学士，圣克拉拉大学工学硕士。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp;&nbsp;</p>
', 'attachachieve' => '<p>&nbsp;&nbsp;</p>
', 'viewpoint' => '<p>&nbsp;&nbsp;</p>
', 'elegant' => array(), 'userId' => '1475', 'status' => 'unpublish', 'createdTime' => '1631778964', 'updatedTime' => '1638771971', 'body' => '<p>Ultipa Graph 创始人&amp;CEO，世界级高性能系统及大数据与云计算专家，20余年硅谷和北京跨国公司与创业公司经验；曾任Allhistory.com的首席执行官、EMC CCOE首席技术官、EMC中国研究院院长、Splashtop OS首席架构师（Chrome OS前身）、哈尔滨工业大学计算机学院兼职教授，持有50+美国及中国专利；清华大学计算机专业理学学士，圣克拉拉大学工学硕士。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '49', 'name' => '袁先智', 'thumb' => 'public://expert/2019/07-16/101956c74b40844068.jpg', 'originalThumb' => 'public://article/2019/07-16/101956c9a60b365918.jpg', 'description' => '数联铭品科技有限公司（BBD）高级副总裁兼首席风险官', 'about' => '数联铭品科技有限公司（BBD）高级副总裁兼首席风险官，中山大学管理学院和苏州大学金融工程研究中心讲座教授，上海市和四川省在金融工程和金融科技方面的特聘专家。曾任美国毕马威风险管理咨询负责人、中国/香港德勤财务咨询负责人、美国德州能源交易公司总监和加拿大蒙特利尔银行集团总部风险管理部经理。', 'sticky' => 'index', 'weight' => '0', 'achievement' => '<p>&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;&nbsp;</p>

<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px; font-weight: bold;">论文</span></span></div>

<div style="height: 12px; float: left;">&nbsp;</div>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size: 16px; color: rgb(0, 0, 0);">2020，在金融科技中基于人工智能算法的风险特征因子筛选框架的建立和在期货价格趋势预测相关的特征因子刻画的应用 《安徽工程大学学报》 2020年04期。</span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2019，基于LM检验的小型工业企业债信评级模型及实证《管理工程学报》2019年01期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2016，大数据架构下企业内部信用评级的实证研究《系统工程学报》2016年06期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2016，银行操作风险计量、预警、溯源关键技术开发与应用 科技成果。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2014，中国资产管理行业风险管理现状与建议《中国市场》2014年41期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2012，<a href="https://www.yunzhan365.com/19534066.html">如何开展风险管理咨询</a>《中国期货业协会会议论文集》。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2011，<a href="https://www.yunzhan365.com/99934817.html">大宗商品价格风险管理的问题和挑战</a>《中国期货业协会会议论文集》。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2009，<a href="https://www.yunzhan365.com/13746374.html">金融风险管理的新挑战及次贷危机的启示</a>《管理评论》2009年03期。</span></span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、关于普惠金融支持小微企业服务线的产品创新与风险管理</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）</strong><strong>关于</strong><strong>支持小微普惠金融业务创新线上发展的全息画像工具的建立</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 文章《普惠金融在支持小微企业服务线的产品创新与风险管理方法与案例分享》提到，互联网的核心竞争力在于征信环节。案例公司在金融科技创新的本质和核心点在于三个方面。首先是异构异源数据的融合。异构异源数据的融合指融合政府&ldquo;小数据&rdquo;，促进&ldquo;大数据&rdquo;的小而美。其关键步骤为数据采集、数据集市、数据清洗、数据挖掘、数据分析及数据可视化。并且，有以下六大优势：第一，分布式，平台能够方便快捷地得到部署；第二，私有性，BBD自身拥有多达500台的私有服务器；第三，API接口丰富，可接入多种类型数据；第四，挖掘能力，平台能够自动挖掘数据的内在属性；第五，复杂网络，平台能够找到属性之间的时空关系；第六，动态性，平台能够捕捉数据实时变化。其次是全息画像图谱的建立。企业全息画像由全面新鲜适用于企业的数据构建，包含2000多个非结构性相关联性数据源。企业关联方指与目标企业发生投资及管理行为关系的自然人（公司），任何2个公司可能产生的关系有4种，由此形成了网络图谱。由此，我们可以得到基于大数据的动态全面信用风险全息画像。BBD也在此基础上进行了创新，建立信用风险的X光片到核磁共振图谱，这也是变革的关键一步。最后是基于风险基因指标解读。基于异构异源数据的融合、全息画像图谱的建立及基于风险基因指标的解读，BBD建立了全息画像（HIGGS）平台，其功能主要有信用报告、企业画像、云信监控及关系探寻。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）</strong><strong>关于</strong><strong>支持小微企业风险基因解读的&ldquo;U-型现象&rdquo;新理论的建立</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>袁先智专家通过对U型现象模型和创新理论的介绍，总结了两点结论：一是，在小微企业的发展过程中，如果投资者太少或者太多，这对小微企业的成长演变都不好，这种现象称为&ldquo;U形现象&rdquo;；二是股权有极大差异化的公司是好的公司，反之是不好的公司（比如具有等量股权的公司不会形成比较好的激励机制）。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）</strong><strong>关于</strong><strong>支持小微普惠金融业务创新线上风险管理动态信用评估体系的建设</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>袁先智专家提出，第一是大数据风险决策模型的建立，其具有全面和动态的特征，包括准入模型、评分模型、决策模型及贷后预警模型。第二是BBD动态信用评估体系框架的建立，其核心模型主要包含以下三部分：首先，财务指标评分模型结合传统的信用评估方法，基于企业的高纬度财务指标，分行业对基础的因子模型进行指标筛选和评分，从而构建完善的财务评分模型；其次，财务欺诈识别模型通过金融大数据方法对基础财务指标进行风险特征的多维度分析，构建了财务异常指标识别体系，建立了对应财务指标的财务欺诈识别模型；最后，智能企业征信模型基于BBD公司全息画像（HIGGS）系统为工具的风险基金提取方法对企业进行全方位动态指标检测体系，以全量企业数据为基础建立。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》杂志2020年第5期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、关于人工智能算法针对刻画企业财务欺诈风险特征的筛选框架</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>文章《基于人工智能算法针对刻画企业财务欺诈风险特征的筛选框架的建立和应用》从金融科技的大数据思维出发，结合人工智能 （AI） 中的吉布斯抽样 （Gibbs Sampling）算法分享如何建立针对刻画企业财务欺诈风险特征的筛选框架。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）基于吉布斯抽样的随机搜索方法&mdash;&mdash;风险特征提取</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>袁先智专家指出，非结构化特征的提取首要问题是解决坏样本不够的问题。其次，在介绍工具时，重点介绍了吉布斯算法，并强调使用此方法要注意的两点：第一，在理想上要求有无穷多的坏样本的样本来得出特征结论。若没有足够的坏样本可以用足够有限的部分样本代替，每一个样本中有一个OR值，反推无穷大的样本中，通过aic或者bic的一个标准保证这个样本在标准误差比较两倍的标准误差小于5%。第二，非结构化推断特征推断的时候，传统的统计学的方法用不上，很多国内外的文章用统计学的方法把非结构化的变量当成一个因子放在统计学里面，用统计学的方法会丢掉很多信息。此外，袁先智专家还介绍了支持吉布斯算法的标准，即AIC &amp; BIC，以及CAFÉ体系&mdash;&mdash;刻画欺诈的非结构化特征的高度关联的风险特征提取。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）关于建立刻画企业财务欺诈风险特征的筛选框架</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>文章提到，针对 &ldquo;（财务）欺诈&rdquo;进行甄别和预防的预警解决方案，至少从下面三个维度进行分析和处理：一是公司本身的财务指标（公司的商务运营），二是公司的董监高（公司的治理框架），三是支持日程管理的内外审计管理和执行功能。袁先智专家通过对完善的治理框架的解读提出，模型的结果是高度关联且有敏感性的，这是一个区间的概念，不是某一个点，且股权结构是影响公司财务欺诈风险的最重要的原因。此外，袁先智专家还表示，内外审计的治理框架和整个运营效率中的许多数据通常是不可得的。如果做一个很好的审计，可以发现作假，但外部审计和内部审计的数据非常有限。因此欺诈公司的欺诈永远存在，公司的好坏和董事会有没有完善的治理框架没有关系。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020（第十六届）中国金融风险经理年度总论坛NO.11：智能风控&mdash;&mdash;袁先智《基于人工智能算法针对刻画企业财务欺诈风险特征的筛选框架的建立和应用》</span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1611655309.png'), array('src' => '/files/expert/expert_1611655322.png')), 'userId' => '31', 'status' => 'published', 'createdTime' => '1558918686', 'updatedTime' => '1636597467', 'body' => '<p>&nbsp; &nbsp; &nbsp; 袁先智，数联铭品科技有限公司（BBD）高级副总裁兼首席风险官。同济大学风险管理研究所金融工程教授、博士生导师，中山大学管理学院和苏州大学金融工程研究中心讲座教授，上海和四川&ldquo;千人计划&rdquo;项目金融工程和金融科技方面特聘专家。曾任美国毕马威风 险管理咨询负责人、中国 / 香港德勤财务咨询负责人、美国德州能源交易公司总监和加拿大蒙特利尔银行集团总部风险管理部经理。多家学术专业杂志编委。任中国系统工程学会金融系统专业委员会副主任委员等职。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '224', 'name' => '祝世虎', 'thumb' => 'public://expert/2020/11-12/153626a5b9a3291914.png', 'originalThumb' => 'public://article/2020/11-12/153626ab2a3b522174.png', 'description' => '光大信托信息技术部副总经理、数据中心总经理', 'about' => '光大信托信息技术部副总经理、数据中心总经理，曾任光大银行智能风控中心副主任；北京大学第一批人工智能专业的博士，毕业后在一直从事风险管理相关工作，目前主要工作领域为：智能风控、互联网金融等。在智能风控领域，祝先生拥有十余项算法专利，相关论著被多家媒体发表，并多次获得人民银行、银保监会的奖项，多次作为主讲嘉宾参与国内外智能风控的论坛。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px; font-weight: bold;">论文</span></span></div>

<div style="height: 12px; float: left;">&nbsp;</div>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2013， 中国光大银行基于新资本协议的监管资本管理系统 &nbsp;科技成果</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2009， Novel similarity measures for face representation based on local binary pattern 《Journal of Harbin Institute of Technology》 2009年02期</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2006， 自学习智能决策支持系统《系统仿真学报》2006年04期</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2006，基于神经网络与专家系统的智能决策支持《系统电光与控制》 2006年01期</span></span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>银行模型风险管理体系的构建与实践</strong></span></h2>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、警惕模型的&ldquo;摇身一变&rdquo;</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; （一）模型应用的&ldquo;一日千里&rdquo;。近十年，模型在银行业的应用可以说是一日千里，银行的模型已经由 Basel 模型在资本计量的应用、IFRS9 模型在拨备计提的应用，发展到人工智能和机器学习模型及其在数据分析、信贷审批、决策推断、客户管理等多领域的应用。（二）模型风险管理的&ldquo;一夜成名&rdquo;。国际上，美联储发布了《模型风险管理监督指南（SR11-7）》，并与《年度全面资本分析和审查（CCAR）》等严格的监管措施相结合，为美国银行建立了模型风险管理的规范，这个规范后续由美国推广到了欧洲，又推广到了亚洲，并逐步发展成为行业标准。（三）警惕模型的&ldquo;摇身一变&rdquo;。模型管理没有集中化，模型资产分散，银行缺乏对全行模型状态的掌握；模型开发、验证流程管理不规范，模型应用监控体系不完善；模型的数据及特征管理缺乏统一性，数据缺少有效整合无法发挥效能，特征无法形成有效共享和复用，数据与模型的交互缺少顶层设计；模型部署敏捷性不足，无法有效应对市场及流量的变化。</span></p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、模型与模型风险</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>（一）模型的定义与范围。按照美联储《模型风险管理监督指南（SR11-7）》的定义，模型是&ldquo;应用统计、经济、金融或数学理论、技术和假设将输入数据处理为定量估计的量化方法、系统或途径&rdquo;。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>（二）模型风险的定义。按照美联储《模型风险管理监督指南（SR11-7）》的模型风险的标准定义：&ldquo;模型的使用总是会带来模型风险。模型风险是基于有缺陷或误用的模型输出和报告做出决策的潜在后果。&rdquo;这一定义后来成为了模型风险的行业标准定义。</span></p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、美国模型风险管理体系</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>（一）美国模型风险管理的方法论。美国模型监管体系围绕着&ldquo;有效挑战（Effective Challenge）&rdquo;建立了一套行之有效并且可以复制的方法论，挑战者必须具备能动力、胜任力、影响力三大要素。（二）美国模型风险管理的具体要求。美国的模型风险监管体系对模型风险管理的具体要求体现在以下五个方面：模型清单（Model Inventory）、模型开发（Model D e v e l o p m e n t ） 、 模 型 实 施 与 使 用 （ M o d e l Implementation and Model Use）、模型验证（Model Validation）、模型监控（Model Monitoring）。（三）国内模型风险管理的发展现状：1.重科技平台而轻组织架构；2.重效率管理而轻风险管理；3.重个体风险而轻整体规划。</span></p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>四、模型管理平台的建设</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>（一）模型管理平台的四大目标：1.模型和特征的信息化管理；2.模型开发的流程化管理；3.模型验证和监控的自动化；4.依托模型管理平台实现模型人员的&ldquo;尽职免责&rdquo;。（二）模型管理平台的十大功能模块：1.模型资产管理模块；2.模型开发流程管理模块；3.自动化模型测试模块；4.自动化模型验证模块；5.模型报告与报表服务模块；6.模型预警模块；7.可视化模块；8.用户角色及权限模块；9.文档管理模块；10.系统管理模块。（三）模型管理平台的逻辑架构：首先，数据工厂统一汇总银行的大数据资源，规范数据来源、数据口径、数据标准和存储架构，并实现内外部数据有效整合；其次，特征工厂从数据层进行特征萃取并形成稳定的特征层；再次，模型工厂从特征层进行模型的开发工作；最后，由模型服务平台向全行提供&ldquo;模型服务&rdquo;。</span></p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>五、构筑模型风险管理体系</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>（一）模型风险管理的组织架构：第一道防线&mdash;&mdash;模型的开发和使用部门；第二道防线&mdash;&mdash;模型的验证部门；第三道防线&mdash;&mdash;内部审计部门。（二）模型风险管理的政策体系：1.设计良好的风险传导机制，将模型风险有效整合进银行的风险偏好，纳入银行全面风险管理体系；2.模型技术部门需从以技术为主的职能定位过渡到模型风险管理的管理定位；3.需要建立一套模型风险管理团队与高级管理层合适的沟通方式，以便与高级管理人员交流技术话题。</span></p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>六、银行面临的挑战：人才</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>人才的严重短缺是一大挑战，因为该领域的人员不仅需要数据科学和高级分析技术方面的专业知识，还需要风险管理和业务经验。在金融生态系统中，科技公司、金融公司、互联网公司、银行都在争夺这一类技术人才。所以，如何在激烈的竞争中吸引和留住人才，是银行面临的主要挑战。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》杂志2020年第6期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>智能风控助力客户营销</strong></span></h2>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、银行智能风控概述</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>（一）智能风控三条军规：第一，智能风控必须是一个全周期的管理，智能风控涉及贷前、贷中、贷后，永远不要认为只用一个准入模型就能管住一个贷款产品和客户；第二，风险就是要找到机会和损失的黄金分割点。不良是一定会发生的，没有收益才是银行最大的风险。风险和收益必须要兼顾；第三，智能风控需要上升到银行的战略层面，无论是智能风控的工具，还是智能风控的手段，无论是客户还是银行的收益，一定是为银行的战略去服务。（二）智能风控模型。风控与三个指标相关，一个是客户，一个是利润，一个是风控。也就是说我们的模型要在满足这三个风控指标的基础上，还要满足监管。风控模型要找到4个指标的黄金分割点，或者说是在满足监管指标的情况下，找到其他三个指标的黄金分割点。</span></p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、对客户的触达优先于客户白名单</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>客户营销最忌讳的就是项目化。项目推荐一个上百万人的白名单交给银行让其触达毫无用处。首先，白名单存在有效区；其次，做出白名单之后交给银行，银行触达结果没有反馈，导致白名单的模型无法更新。所以，我认为银行最大的问题不在于出白名单，也不在于做白名单。做一个良好的客户营销需要贷前、贷中、贷后三个模型。第一个模型是白名单模型，第二个模型是产品模型。第三个是渠道模型，或者说叫做触达模型。</span></p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、智能风控贷前、贷中、贷后模型</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>（一）贷前模型，既是银行风险和客户的入口，又是银行利润的入口，要找到这三者之间的一个黄金分割点。第二个关键问题是贷前模型包含什么？贷前模型分成两个维度，一个是风险维度，一个是客户维度。风险维度对应的是标准化模型。（二）贷中模型，在贷中最适合做客户挖掘。第一点，贷中之后，客户在银行就有几个月的表现期，也就有数据，这就使得做客户营销的时候不完全依赖于外部数据，第二点，有收益时，成本就不是成本，若没有收益，成本完全是成本。贷中的收益有两个，第一个降低了不良，如果贷中做客户挖掘出来上百亿的贷款，就有了价值，成本就不再是成本了。</span></p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>四、智能风控助力客户营销具体流程</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>触达能力最关键。首先需要导数据，把银行的所有行为数据全导完。做客户画像要用行为数据，只有行为数据才能支撑更好的触达模型。同时构建一个特征库，叫做客户触达或者客户营销或者产品特征库，三个特征库整合在一起。客户、产品和营销特征库整合在一块，形成一个特征体系之后，把这个特征体系带入贷中模型。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>实际中，我们在三家分行做了实验性的试点，第一家分行实验白名单是否可行，结果我们的白名单是传统的客户经理选客户数量的30倍。我们在第二家分行实现闭环销售，即在第二家分行按照白名单，打每个电话，发每个短信，都要取得监控结果，结果效果更好。同时我们还知道了哪些客户可以触达，哪些客户不能触达了，这些结果返回去迭代了我们的白名单模型，形成了反馈。在第三家分行，我们扩展了触达方式，借鉴了信用卡的这种权益触达，也通过客户画像，找到一些适合权益触达的客户，直接触达600万以上的私行客户。&nbsp;</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020（第十六届）中国金融风险经理年度总论坛系列11：智能风控&mdash;&mdash;祝世虎《智能风控助力客户营销》</span></p>
', 'elegant' => array(), 'userId' => '325', 'status' => 'published', 'createdTime' => '1605166638', 'updatedTime' => '1636598112', 'body' => '<p>&nbsp; &nbsp; &nbsp;&nbsp;祝世虎，光大信托信息技术部副总经理、数据中心总经理，光大集团数字化协同实验室资深研究员，曾任光大银行智能风控中心副主任、主任科学家；北京大学第一批人工智能专业的博士，毕业后在一直从事风险管理相关工作，目前主要工作领域为：智能风控、互联网金融等。在智能风控领域，祝先生拥有十余项算法专利，相关论著被多家媒体发表，并多次获得人民银行、银保监会的奖项，多次作为主讲嘉宾参与国内外智能风控的论坛。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '155', 'name' => '刘志玲', 'thumb' => 'public://expert/2022/06-05/1321597062de736557.jpg', 'originalThumb' => 'public://article/2022/06-05/132159740e38855243.jpg', 'description' => '建信金科金融科技创新中心副总裁', 'about' => '建信金科金融科技创新中心副总裁，2000年在美国Gallup公司任研究员助理，2002年加入美国征信局Experian任分析科学经理，2010年任FICO公司中国区副总裁和亚太区高级总监，2015年初加入SAS任大中华区RI部总经理。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp; &nbsp;</p>
', 'attachachieve' => '<div class="jiaoliu-chengguo-area">
<div class="unit-name">其他平台成果</div>

<div>
<div class="jiaoliu-item">
<div class="item-main">
<div class="date">2016年</div>

<div class="main">
<div class="main-title flex-column">
<div class="title-text">消费信贷行业的数据获取与隐私安全</div>
</div>
</div>
</div>

<div class="item-foot">来源：第二届普惠金融CRO全球峰会</div>
</div>

<div class="jiaoliu-item">
<div class="item-main">
<div class="date">2013年</div>

<div class="main">
<div class="main-title flex-column">
<div class="title-text">风险管理工具需求将大增</div>
</div>
</div>
</div>

<div class="item-foot">来源：<a href="http://finance.people.com.cn/n/2013/0116/c70846-20219037.html">2013年01月16日人民网《费埃哲：风险管理工具需求将大增》</a></div>
</div>

<div class="jiaoliu-item">
<div class="item-main">
<div class="date">2012年</div>

<div class="main">
<div class="main-title flex-column">
<div class="title-text">中国人民银行征信中心与美国费埃哲公司在京举行合作协议签字暨个人评分研发项目启动仪式</div>
</div>
</div>
</div>

<div class="item-foot">来源：<a href="http://www.pbccrc.org.cn/zxzx/zxdt/201310/5f77c7f798a74775ba1f8d92ac1e227c.shtml">2012-09-17 中国人民银行征信中心</a></div>
</div>

<div class="jiaoliu-item">
<div class="item-main">
<div class="date">2012年</div>

<div class="main">
<div class="main-title flex-column">
<div class="title-text">企业融资：找到合适的位置</div>
</div>
</div>
</div>

<div class="item-foot">来源：<a href="https://www.yicai.com/news/2059338.html">2012-09-07第一财经日报《企业融资：找到合适的位置》</a></div>
</div>

<div class="jiaoliu-item">
<div class="item-main">
<div class="date">2012年</div>

<div class="main">
<div class="main-title flex-column">
<div class="title-text">关注中小企贷款</div>
</div>
</div>
</div>

<div class="item-foot">来源：<a href="https://finance.qq.com/a/20120530/000594.html">2012年05月30日国际金融报《费埃哲：关注中小企贷款》</a></div>
</div>

<div class="jiaoliu-item">
<div class="item-main">
<div class="date">2012年</div>

<div class="main">
<div class="main-title flex-column">
<div class="title-text">数据不完善掣肘中国银行业风控</div>
</div>
</div>
</div>

<div class="item-foot">来源：<a href="http://www.nbd.com.cn/articles/2012-05-23/655592.html">2012-05-23每经网《费埃哲：数据不完善掣肘中国银行业风控》</a></div>
</div>

<div class="jiaoliu-item">
<div class="item-main">
<div class="date">2012年</div>

<div class="main">
<div class="main-title flex-column">
<div class="title-text">小微企业贷款成为各商业银行关注热点</div>
</div>
</div>
</div>

<div class="item-foot">来源：<a href="https://www.financialnews.com.cn/yh/gd_89/201203/t20120326_4644.html">2012年03月26日 金融时报《驶向新的&ldquo;蓝海&rdquo;小微企业贷款成为各商业银行关注热点》</a></div>
</div>
</div>
</div>
', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;">一、<strong>大数据时代的全面风险管理</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 随着经济发展转型加速，金融改革持续深化，构建先进的风险管理体系成为银行的核心竞争力之一。与此同时，数据海量快速增长和大数据技术的日益成熟使得基于大数据分析的银行业全面风险管理成为可能。大数据时代，如何有效收集、存储、分析、使用大数据，实现商业银行风险管理的系统化、标准化、流程化，并最终做到批量化的目标？</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>刘志玲在《大数据时代的全面风险管理》中指出，风险管理的过程是一个金字塔，由四部分组成：数据、模型、应用、落地。在新的经济形势下，商业银行要实现全面风险管理，需要做到实现底层数据多元化、分析建模专业化、决策应用批量化和标准化、落地实现系统化、流程化。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（</strong><strong>一</strong><strong>）</strong><strong>数据层面</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在数据层面，金融行业面对大量的内部数据和外部数据，如何为我所用？除了数据采集和存储之外，一定要有数据分类和数据汇总，只有在分类和汇总之后，才能更充分地运用数据的价值，数据所代表的规律才能更好体现，从而为有效的风控手段打好基石。目前如何让既丰富多彩又五花八门的数据给商业带领价值，成为有用的数据？这一定要从数据的特点入手，一是准确；二是全面；三是时效性；四是突破性。传统银行业和保险业除了各类静态数据，交易系统中产生的大量数据，这更是宝藏，做数据挖掘、分析和商业应用时，必不可少，尤其在信用风险防范领域。 而企业内部应该全力做到企业内部数据的共享，并要有效整合和应用。但是在互联网+的时代，传统渠道数据也许慢慢已经不能满足商业需求和全面风控管理，互联网和移动互联网带来更多的非结构化数据，也需要传统金融企业纳入数据收集的范畴，尤其在市场拓展和欺诈防范领域会发挥其作用。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（</strong><strong>二</strong><strong>）</strong><strong>模型开发</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>数据之后是模型开发，评分模型和风险因子的建设是量化风险管理的基础工具。模型的实质就是通过数据分析 压缩数据信息提炼数据规律，了解过去和预测未来。商业银行在风险管理模型中要根据自己数据的可获取性和充足性选择适当的统计方法，尤其要结合业务实际。要用统计手段，满足业务需求，不论是模型的细分还是模型所用到的有效变量。银行风险管理内容主要包括三大类：信用风险、操作风险和市场风险，目前尤其是信用风险和操作风险的量化管理体系的建立和完善，是各家银行和保险行业需面对的，及需采取行动的。对于反欺诈模型设计和开发来说，更是对技术和业务专业都需要较高的要求。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（</strong><strong>三</strong><strong>）</strong><strong>业务应用</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>有了模型还要有业务应用，而业务应用才是模型和风险因子发挥效用的体现方式。要达到标准化和批量化，同样需针对不同的业务产品、不同的业务需求、不同的人群或账户特征、不同的风险容忍度等，设计和开发有业务意义的策略规则，在市场开拓、申请进件、申请欺诈防范、贷后管理、交易欺诈防范和催收管理不同的信用生命周期阶段，逐步建立完善强劲的决策管理策略。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>当然，无论风险因子和模型多强大，无论策略规则多契合业务实际，要想使之发挥充分有效的作用，一定要建立决策管理平台，部署落地风险因子、模型和策略，要真正用起来，实现系统化和流程化。而在应用的过程中，又是不断完善数据积累，优化模型和策略的过程。所以决策平台的扩展性和管理能力至关重要。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2015，SAS刘志玲. 大数据时代的全面风险管理，《中国金融电脑》（2015年12期）</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;">二、<strong>监管非条条框框 合规须提高风险管理水平</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>刘志玲在&ldquo;以大数据技术为依托防控金融风险&rdquo;2018数博会&ldquo;数控金融&rdquo;论坛，发表题目为数据透视金融的演讲。会议围绕如何利用大数据、区块链等前沿金融科技，贯彻落实全国金融工作会议精神，破解监管难题坚决防控金融风险进行了深入研讨。　</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>刘亚玲指出不管是监管也好，金融机构也好，数据公司也好，技术研究公司也好，其实在做数据采集、数据收集、技术研究、金融应用的时候，一定不会说我应该怎么样。当你在想我应该怎么样的时候，其实有一个规矩在约束自己。这个规矩如果上升到监管领域的话，就是监管合规。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2018，刘志玲. 数据透视金融，&ldquo;数控金融&rdquo;论坛</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;">三、<strong>浅谈反欺诈体系建设</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（</strong><strong>一</strong><strong>）</strong><strong>欺诈风险概述</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span></span>1.<span style="white-space:pre"> </span>申请欺诈风险统一视图。申请欺诈风险包括第一方欺诈和第三方欺诈，第一方欺诈是申请主体盗取了或是编制了一定的虚假信息进行欺诈。第三方欺诈简而言之就是伪冒，看到的信息都是对的，但是背后申请的主体并不知道他的信息被伪冒了，被盗用了，这时造成欺诈叫第三方欺诈。内部欺诈也是发生欺诈的一个场景，无论发生的种类、场景，还是模式，都会有内外勾结的现象，所以内部欺诈是一个永恒的话题。</p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span></span>2.<span style="white-space:pre"> </span>欺诈发生场景多种多样。欺诈发生的场景一定是多种多样的，不论是申请欺诈，还是交易欺诈，或者是不同的业务形态或是场景，欺诈体现的模式也是不太一样的。</p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（</strong><strong>二</strong><strong>）</strong><strong>反欺诈体系</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>1、面对挑战考虑的重点。做反欺诈体系的时候务必要考虑到是企业级的，要有一定速度，要防范内部内外勾结，做到一定的优化统一。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>2、申请欺诈主要类别。申请欺诈的覆盖面非常广，它包括不同类型。第一种是地方欺诈，申请者歪曲了或者是造假了部分资料或者全部资料，来骗取信贷机构新的贷款、新的资金。第二种是养额度现象，一般来说骗子前6个月到9个月行为都会正常，或者把自己的信用记录表达得非常好，其目的就要养起额度。最后一种是第三方欺诈，你看到的信息都是对的，但是被人冒充、伪冒了。而第三方欺诈往往又占据了整个申请欺诈的40%，所以抓地方欺诈的任务还是挺艰巨的。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（</strong><strong>三</strong><strong>）</strong><strong>反欺诈体系系统实施</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第一，通过整体分析改善检测。第二，运用网络高级分析识别团伙和关键点。第三，交易反欺诈高阶模型-神经网络模型介绍。第四，反欺诈体系系统实施路径图。第五，反洗钱解决方案流程。第六，平衡收益和风险，制定实施规划。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：刘志玲. 浅谈反欺诈体系建设 2020年年度论坛：NO.17：内部控制和操作风险管理</span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1621417834.jpg'), array('src' => '/files/expert/expert_1621417844.jpg')), 'userId' => '256', 'status' => 'published', 'createdTime' => '1604986185', 'updatedTime' => '1735915880', 'body' => '<p>&nbsp; &nbsp; &nbsp; 刘志玲，建信金科金融科技创新中心副总裁，2000年在美国Gallup公司任研究员助理，2002年加入美国征信局Experian任分析科学经理，2010年任FICO公司中国区副总裁和亚太区高级总监，2015年初加入SAS任大中华区RI部总经理。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '139', 'name' => '金祖胜', 'thumb' => 'public://expert/2020/11-09/11273683d426388923.jpg', 'originalThumb' => 'public://article/2020/11-09/1127368a2378995896.jpg', 'description' => '美国Bunker Hill保险公司分析部负责人', 'about' => '现任Bunker Hill保险公司分析部负责人，毕业于中国科大数学系和美国普渡大学统计系。曾任美库尔(Merkle)咨询有限公司分析主管，Targetbase咨询有限公司资深分析主管，麦肯锡分析专家和美国国际集团(AIG)高级分析总监。有20多年在金融服务、通讯、药厂和零售方面的商务决策、预测建模和实施的经验。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp;</p>

<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px; font-weight: bold;">论文</span></span></div>

<div style="height: 12px; float: left;">&nbsp;</div>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">1992，线性模型回归系数的自适应估计，硕士论文。</span></span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>数据科学在保险产品的实施和应用</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）</strong><strong>数据驱动赋能保险产品</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 一般而言，在美国传统的保险公司，申请保险时需要填很多表格，以前的产品里需要问150多个问题，例如是否养狗、房屋里是否有游泳池等等，由此评估申请人风险，最后进行保费的收取。这种情况下耗时就比较长，一般需要进行15到30分钟的填表，然后再开始定价。而目前的产品是完全数据驱动的，故目前到网站上只要进来填写地址等信息，只需要几秒钟的时间就可以完成定价，即在客户来到公司查询自己的保费是多少钱，后台已经将保费计算完毕。同时，在推广到全国的目标下，这个产品已经从六千万的保费到现有的2.5亿保费，在3年间翻了两倍。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）数据科学在产品客户生命周期中有重要应用</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; <strong>1、</strong></span><strong>潜在客户</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>如果要针对房屋出售保险，就要对每一个房屋建立模型，计算其潜在风险，而这种风险不向监督机构报备，因为这是非约束下的风险，即根据机器学习、深度学习等各种模型得到的风险不需要报备。此外还有一个定价模型，而定价模型则需要向银保监会报备。这种定价模型与之前的模型也不太一样，因为这些模型有时使用的变量较少，或者模型是线性的，这是由于报备时必须解释每一个变量，要解释每一个变量的区间。这样就需要有很多的模型。此外，还要考量谁会对产品产生兴趣，这就需要响应模型。而在响应模型上，有一般的商业模型，也有直邮的响应模型，还有数字的响应模型，在各种渠道都有模型来支持。同时，对于房屋还要研究竞争者的可能定价，这也有很多的模型支持。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;<strong> 2、</strong></span><strong><strong>客</strong>户投保与产品定价</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在投保的时候，也需要针对客户优化的模型。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; <strong>3、</strong></span><strong>客户管理</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>客户管理主要包括两个部分，首先是投资，因为收取的保费，除了银保监会规定的预留金，都需要进行投资。受限于公司规模，投资上是委托其他人进行。但是在理赔、欺诈索赔、代偿这些方面，都有相应的模型支持。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; <strong>4、</strong></span><strong>客户续签</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>最后，从生命周期的角度，当客户最后达到一年时，肯定要考虑续约。此时就需要客户流失的模型来进行估计，谁有可能不续约，有多大可能不续约？以及在续约时，由于对客户了解更多，此时会再建一个风险模型。根据新的模型，就可以分辨出适合续约的客户。在这种情况下，公司的损失率大体在10%，而对于能收回部分基本上是没有取得成本（acquisition cost）的。而且续约相比新的保单，一般而言更加有盈利能力。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）目标群体的寻求方向</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>目标群体的选择主要有三个方向：一是盈利性。如何确定盈利性？公司收入主要来源于保费，而定价模型是通过银保监会报备的。报备的模型需要的变量相对较少，且需要可解释性。而要考虑风险和费用时，风险需要单独建立模型，即所谓真正的风险（True&nbsp;risk）。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>二是竞争力。只有盈利性也不行，例如对客户都收取1万保费就可以保证盈利性，但相对的没人会选择投保。所以还要考虑和竞争对手比较时，价格上是否有竞争力，而价格的比较就涉及定价模型的比较。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>三是预算的承受能力。尽管客户具有可盈利性，也可能有竞争力，但客户也可能第二年就不再续约。而获客成本很高，平均一个保单，可能需要五六百美元，而一年的保费也就一千多美元，如果只带一年则肯定亏本。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（四）数据源与模型预测性改进</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>模型起着十分重要的作用。如果盈利性预测做的不对，就对客户选择产生了直接误导，而在竞争力等方面也是类似的。因此，类似生存曲线的一系列模型都要考虑预测的准确性，并且一定要不停地改进。改进中非常重要的就是数据源。数据科学，数据是基础。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（五）新的方法、平台与工具</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>语言的种类不重要，必需的是效率。员工写的代码一定要可复用，即可以下次再用，所以需要建各种不同的包。在语言上非常重要的是三个方面：变量的选择与处理、建模的选择与评估，以及可再用性。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（六）多样的数据分析方法</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;<strong> 1、</strong></span><strong>学习目标</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在这方面，实验设计较为常用。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; <strong>2、</strong></span><strong>描述性分析</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在描述性分析上，即对数据进行描述时，常用的方法有因子分析、聚类分析等等。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; <strong>3、</strong></span><strong>预测性分析</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>模型使用最多的还是预测性分析，例如线性回归、逻辑回归，保险用的比较多的有严重性、频率等模型要件，这都是线性回归；而后是是否出现风险，客户对我是否有兴趣等等，这都是逻辑回归方面的问题。此外，也有生存分析，即客户持续多久，即前面提到的预测生存曲线，计算现金流，使用NPV的方法进行决策等。另外一个相对使用较多的就是决策树，例如Gradient&nbsp;Boost&nbsp;Model、extreme&nbsp;GBM、随机森林等，这些也是较为成熟的方法。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（七）产品业务团队的配合</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>数据科学的市场上目前的问题是市场较为热门，所以人员流动比较多。这时我们就需要将我们的项目标准化，即获得的成果是公司的而不是个人的，不能因为人员流动就无法运营。正如中国的一句老话，&ldquo;铁打的营盘流水的兵&rdquo;。公司需要变成一个铁打的营盘，进来的&ldquo;兵&rdquo;马上就可以工作，完成后员工可以离开，但成果都还在，所以基本上所有的流程都是很标准的。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>因此，项目设计是最关键的。例如，样板应该如何设计？需要每个人工作的流程一致，但项目可能不一样。具体而言，样本如何设计？目标变量是什么？预测指标是哪些？这都是需要设计的。设计完成后就需要建模，建模以后就可以产生新变量。对此也有不同的代码，将不同的数据源进行结合，这都是流程化的工作。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：TGES2020前沿讲座系列-12 ：保险公司与风险管理《数据科学在保险产品的实施和应用》演讲文稿整理</span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1609748613.png')), 'userId' => '240', 'status' => 'published', 'createdTime' => '1604892944', 'updatedTime' => '1636524720', 'body' => '<p style="text-align: justify;">&nbsp; &nbsp; &nbsp; 金祖胜，现任Bunker Hill保险公司分析部负责人，毕业于中国科大数学系和美国普渡大学统计系。曾任美库尔(Merkle)咨询有限公司分析主管，Targetbase咨询有限公司资深分析主管，麦肯锡分析专家和美国国际集团(AIG)高级分析总监。有20多年在金融服务、通讯、药厂和零售方面的商务决策、预测建模和实施的经验。在大数据应用于风险分析、客户生命周期管理和产品营销等方面有比较深刻的理解。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '115', 'name' => '陈公越', 'thumb' => 'public://expert/2020/12-31/103109d52ff2092451.png', 'originalThumb' => 'public://article/2020/12-31/103109dd8677391473.png', 'description' => '凯美瑞德高级顾问，杭州巨慧达科技总裁', 'about' => '凯美瑞德高级顾问，杭州巨慧达科技总裁；专注于决策分析和风险管理领域，涵盖市场风险、信用风险、操作风险、组合管理等方面。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px; font-weight: bold;">图书</span></span></div>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size: 16px;">2011《金融风险测量和全面风险管理&mdash;&mdash;理论应用和监管》上海科学技术出版社</span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、新资本协议合规工作探析</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 很多人认为达到了巴塞尔协议规定的最低资本要求，完成了第一支柱下的合规工作就完成了巴塞尔协议的整体合规工作，但是事实并非如此。因为巴塞尔协议的中心思想是以风险的衡量来管理资本，不是单单地达到资本要求就可以了，而是应该和公司的内部管理、资本计划、资本管理结合在一起。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><strong>（一）新资本协议合规工作概况</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;新资本协议开始起草的时候，原意只是对第一支柱和其中的信用风险部分做一些补充；这时的规则比较简单，并没有加入操作风险的相关内容。但是20世纪90年代操作风险在北美和欧洲已经进行了比较广泛地讨论，而1988年的巴塞尔协议中并没有这部分内容，所以业界专家普遍认为应该将操作风险纳入新资本协议的框架当中。最初的时候是将市场风险、信用风险以外的风险都归纳为操作风险，但最后通过讨论得到的结果是将操作风险放到第二支柱。尽管在新巴塞尔协议中第二支柱的篇幅只占了10%，但是银行的合规工作大部分都是在第二支柱的框架下进行的。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><strong>（二）第一支柱下内部评级法的合规要求</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;针对第一支柱的合规要求，新巴塞尔协议有一个明确的要求，即要求金融机构有一个稳健的体系来验证合规，而且合规评估的内容要有准确性和连贯性：准确性比较容易理解，而连贯性往往很难把握。连贯性的意思就是说我们的工作不能止于合规的完成，而是要保证它的持续进行。面对此次金融危机，包括巴塞尔委员会在内的各大监管机构针对合规验证都提出了一些具体的原则性指导，概括起来大致体现在以下几个方面。第一，要预测，评估银行风险管理的量化能力。第二，合规验证应该更多地由银行自身来完成。第三，合规和验证是一个重复的过程，应该时时进行。第四，合规验证方法不应该是单一的、通用的、机械的。第五，合规验证的过程和结果要有独立的审核。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><strong>（三）第二支柱合规工作概括</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;第二支柱有三个目标。目标一：确保金融企业具有充分的资本金来应付经营过程中面临的所有实质性风险。目标二：确保金融企业开发出较佳的&mdash;&mdash;有时也称最佳的风险管理技术来检测和管理风险。目标三：确保金融企业将内部资本充足性评估过程的结果整合进经营和决策过程。其次，第二支柱的四条原则在不同程度上也存在一些问题。其中第一条原则是银行要做到的，比方说银行必须针对其风险状况评估整体资本充足性的程序，以及维持资本水平的策略，这就是我们常说的ICAAP （Internal Capital Adequacy Assessment Programs, ICAAP，内部资本充足率评估程序）。另外三条则主要是针对监管机构的。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;来源：《风险管理》杂志2010年综合第3期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、银行智能移动科技与中小微企业信贷业务发展和管控</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><strong>（一）移动科技与智能获客的重点：普惠金融</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;在目前的情况下，如何将算法、模型，甚至风控系统，前端的业务部门甚至后端的服务部门连接起来？这需要跟他们进行有效的沟通，解决系统的问题。其中最大的应用是在中小微或者普惠金融方面。但在零售方面，特别是单体零售客户也有需求。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><strong>（二）银行普惠金融业务：智能移动银行</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;首先是普惠金融，普惠金融虽然可以归纳为零售，但只要是公司类型的法人，监管还是会按照公司的合规要求进行，造成服务出现了很多困难，其中关键就是高成本，首先反映在前期的尽调成本非常高。另外，中小微企业的门店、材料、管理都是非常不正规或不标准的，所以很多数据字典化的工作是一个挑战，对客户经理有很多要求。除了算法、系统的制约，当前的银行设备非常笨重，这些设备如果要拿到客户现场去做服务，一是笨重，二是没有集成化。为了达成整体的服务流程，需要好几套不同的设备满足服务要求，怎么样达成像公文包一样整合进来的设备？这就是智能制造的挑战。形成了智能制造的设备，就可以通过移动智能终端和智能外设来进行贷前智能尽调、合同签订、日常工作、贷后绩效考核等等，帮助客户经理、帮助银行提高管理水平，提高客户经理的生产力。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><strong>（三）智能移动银行业务的系统建设</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;经过调研，其实绝大部分技术已经相对成熟，但是在整体系统工程角度，这方面仍然是空白，没有哪家服务厂商能够做得非常好。不能因为系统的更新影响到人员的使用。同时也要有顶尖的工业设计，智能设备的外观等也要和工作相符合。一套顶尖移动设备的制造能力像系统化工作，有各种技术的集成。在主要的问题中，一是通讯技术，移动互联网的封闭安全对接，是监管跟银行非常看重的方向。第二个是OCR的人工智能技术，例如单据的识别，通用性的平台或者通用性的技术还是比较多的，但是真正有效的服务就不行。此外，在专业有效的移动内网解决方案上，虽然目前4G有四种解决方案，例如PPTP、OPENVPN、WireGuard、L2TP等等，在5G环境下如何实现内容对接？这对于我们挑战更大。总的来说，最后真正要达成的是综合解决方案，一是便携式信息采集与传输，二是便携式图像采集，匹配定制化的系统、操作终端。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><strong>（四）智能贷后风控的实时监控</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;在实践中还有像贷后实时监控、风控的管理服务。例如远程的实时监控，可以监控仓储货物的变化，再用算法算出风险。还有制造业上，例如电表，零售场景人流量的控制，农业上也有耕种的服务等等。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;来源：2020（第十六届）中国金融风险经理年度总论坛NO.3：零售金融与小微企业金融&mdash;&mdash;陈公越《银行智能移动科技与中小微企业信贷业务发展和管控》</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、FRTB系统实现的关键技术和难点</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><strong>（一）FRTB介绍</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;FRTB是金融业监管机构 (BCBS)对银行关于&ldquo;市场风险的资本要求&rdquo;的规则框架最新（2019）的全面改革。FRTB引入了一套极其复杂的标准化监管资本的计算方法，称为SBA(Sensitivity Based Approach)。FRTB于2019年1月开始实施，2022年1月为标准方法达标最终时间，2023年1月为内部模型方法最终达标时间。巴塞尔委员会选择了一个内部相互依赖的机制来对交易账户的市场风险进行管理。它对内部模型法的要求做了更新，另外对于管理的流程的要求更为苛刻。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><strong>（二）FRTB标准法与内部模型法</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;对于FRTB标准法，在新的FRTB标准法框架下，需要对各类衍生产品、金融工具的风险进行划分。首先，将金融工具归类到风险类别与风险因子，例如Delta风险、Vega风险与曲度风险等；接下来，在风险因子层面，计算对应风险因子中所有金融工具的加权净敏感值，在大类层面，汇总每个大类的加权敏感值；最后在风险类别层面，加总计提风险资本。另外，还要考虑违约风险计提和剩余附加计提。对于内部模型法，内部模型法最大变化之一在于更加严格的批准流程。FRTB内部模型法最大变化之二在于整个银行实质性风险因子更一致的识别。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><strong>（三）FRTB的核心技术</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;FRTB核心技术支撑要素有：基于风险因子的分析、逐笔交易为中心/统一的组合分析、动态模拟/预测，支持实时组合分析及复杂的金融模型灵活应用。在标准法下，也有估值模拟的要求，例如曲线风险或非线性的风险。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;来源：2020（第十六届）中国金融风险经理年度总论坛NO.14：金融市场业务、衍生产品与市场风险管理&mdash;&mdash;陈公越《FRTB系统实现的关键技术和难点》</span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1609679768.png'), array('src' => '/files/expert/expert_1609679786.png')), 'userId' => '216', 'status' => 'published', 'createdTime' => '1604566174', 'updatedTime' => '1638280811', 'body' => '<p>&nbsp; &nbsp; &nbsp; 陈公越，金融智能投研及风险管理解决方案专家，杭州巨慧达科技总裁，上海巴刻汀科技合伙人。曾任职于Algorithmics（IBM）产品研发部，曾任摩根士丹利资本国际咨询部副总裁，惠誉集团惠誉咨询服务/奥格公司咨询部首席顾问，加拿大BPS公司咨询部董事、大中华区负责人，惠誉集团奥格公司咨询部亚太区领导顾问。专注于决策分析和风险管理领域，涵盖市场风险、信用风险、操作风险、组合管理等方面。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '51', 'name' => '刘贤荣', 'thumb' => 'public://expert/2020/12-16/095927febb81462489.jpg', 'originalThumb' => 'public://article/2020/12-16/09592802338b627611.jpg', 'description' => '中国建设银行数据管理部副总经理', 'about' => '中国建设银行数据管理部副总经理，中国金融风险管理专家委员会委员。20年银行数据管理工作经历，参与过企业级数据仓库、新一代核心系统等系统建设，熟悉金融统计、监管统计、银行资本计量，在金融数据治理和数据应用方面有丰富经验。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp;</p>

<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px; font-weight: bold;">论文</span></span></div>

<div style="height: 12px; float: left;">&nbsp;</div>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2015，挖掘数据资源 助力精细化管理，《金融电子化》第10期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2014，构建数据质量治理体系的思考，《金融电子化》第04期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2010，<a href="https://www.yunzhan365.com/12576902.html">完善商业银行信息披露体系</a>，《中国金融》第17期。</span></span></p>

<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><span style="color:#000000;"><span style="font-size:16px;"><strong>科研成果</strong></span></span></div>

<div style="height: 12px; float: left;">&nbsp;</div>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2009-09～2010-08，中国建设银行风险加权资产(RWA)计算及新资本协议监管报表系统</span></span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、数据风险新面临的挑战</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 可以从将数据作为一个生产要素的角度去尝试描述数据风险。基于数据整个生命周期来看，从数据的产生，到数据的整合、应用、存档、销毁，每一个环节都会遇到不同的风险问题。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>比如，当我们获取数据时面临的几个问题：一个是当银行从外部单位拿到数据支持银行内部的管理、产品的创新或流程的改造时，银行无法知道外部单位对数据的治理能力能否达到银行的要求；第二个问题是当银行获取数据时还需要考虑到数据的合规性，尤其是获取个人客户数据时必须得到两方面的认可，即客户的许可和公司合规获取客户信息的许可；第三个问题是，银行拿到合规数据的情况下无法保证数据的连续性。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在获取数据之后，对数据进行传输和整合时，银行会面临的最大的问题是数据质量问题，可以说，数据和数据的交叉验证和数据本身的反欺诈会成为未来风险管理里的两大挑战。当有大量的数据存入数据库后，由于这是有价值的数据，此时会面临数据安全的问题，例如银行的征信信息非法泄露在过去几年时间成为一个巨大的社会问题。数据风险本身就会带来巨大的挑战，数据风险会成为未来风险管理中需要被关注的问题。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、银行数据应用深度不断提升</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>过去的几年，金融科技在很多方面改变了银行的业务模式，其中最具颠覆性的，是以大数据为代表的各种金融科技的应用改变了很多传统上线下的、事后的甚至滞后很长时间的信息收集模式，使银行风险管理可以使用的数据更加实时、细致和全面。银行在解决系统性风险方面相比过去也有了很多改变，譬如现在很多银行都推出了线上的小微快贷类产品，这些代表性的产品相较于过去线下审批模式，能更好地解决小微企业这个庞大客户群体的信息不对称问题。在个人贷款方面，传统的产品，例如信用卡和消费贷款，需要客户在填表和审批等流程上消耗较长时间，相较之下，现在的个人快贷类产品只要在APP里进行操作，客户就可以很快地获得授信。可以说，金融科技日渐改变着整个金融业和银行业的发展方式。从银行的实际情况来看，大数据已经在银行业里得到了非常深刻的应用，包括客户画像，定制化客户关系、流程与产品，信贷风险分析与管理，交易与资产管理决策，反欺诈和合规管理等。银行应用数据的深度和宽度上与过去相比发生了很大变化，可以认为银行进入了数据应用的4.0时代，即银行的产品和服务越来越基于实时数据支持进行可行化定制。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、数据风险管理框架与治理架构</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>为了更系统地应对数据风险，银行应当搭建数据风险管理框架，从治理架构与制度流程出发，对四大子风险，即数据质量风险、数据合规风险、数据使用风险和数据安全风险，进行针对性的管理，同时确保数据基础设施能够为数据风险提供坚实的基石。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>怎样建立数据风险管理框架？其实银行在数据风险管理的过程中仍然需要遵守传统风险管理的逻辑。银行的前台和后台是数据的采集者和使用者，数据管理部门则是数据真正的管理者，后端的审计部门是最后的防火墙。但是数据风险管理相对于其他传统风险管理也有自身的独特性，例如，由于数据本身是技术的重要的组成部分，那么银行就需要对相关的基础设施领域保持密切的关注。这些基础设施可以包括数据库，数据技术，以及数据治理框架等。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>数据风险治理架构，即涉及谁对数据风险负责的问题。去年银保监会发文《银行业金融机构数据治理指引》，明确表明在数据治理整个大的架构中需要公司不同管理层的参与来解决问题。在未来几年银行金融科技应用更为深入的情况下，如上文所提及的新型的风险可能会对银行业提出巨大的挑战，也可能成为风险管理领域中的热门的话题。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>四、数据风险管理的四个角度</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>（一）数据质量风险。在金融科技应用的时代，数据作为银行越来越重要的生产要素，需要保证生产要素的质量，如果数据质量出现问题，那基于此的很多模型或产品就会出现问题。所以未来银行数据质量治理可能需要巨大的成本，例如需要建立数据治理委员会的管理机制，这一机制将聚焦于重要数据的质量问题。重要数据如反洗钱的数据、个人信用风险的数据、线上信贷中获取的外部数据等，数据质量治理可以从数据的准确性、完整性、及时性、连续性和真实性等质量指标上进行考量。可以推测，数据质量本身可能会成为今后数据风险管理上的一个热点讨论话题。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>（二）数据合规风险。第二个面临的挑战是数据合规的问题，尤其像工农中建这样的跨地区或跨国家经营的银行，会在数据合规问题上面临巨大的挑战。从国内来看，存在以《个人信息保护法》为代表的对个人数据隐私保护的法律法规。从国际上来看，存在以《通用数据保护条例》（GDPR）为代表的对数据合规要求的规范。例如银行一旦违反GDPR的规定，则会面临巨额罚款，这样的罚款会对整个集团的资产负债表产生影响，其影响程度可见一斑。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>（三）数据使用风险。第三个挑战是在数据使用问题上。一方面数据本身的使用给银行带来了价值，但另一方面如果数据使用不慎，则会给银行带来很大的风险。例如当客户经理发现了模型的漏洞时，客户经理会将这种漏洞有意或无意地传递给客户，由于造假骗数据系统的成本比造假骗审计的成本要低很多，就可能促使客户选择数据造假。对不同来源的数据的交叉验证，数据的完整性，数据的反欺诈的问题越来越成为银行在使用数据中需要面对的非常重要的问题。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>（四）数据安全风险。银行在过去会有数据丢失损坏或者数据泄露，但这都未曾被视作一个重要的问题。但是如果仔细评估GDPR的本质要求，银行就需要考虑一个重要的判断，即&ldquo;数据到底是谁的&rdquo;这样一个问题。如果数据是客户的资产，则在银行沉积的数据资产应该是由银行替客户保存的，这是不能丢的。数据安全风险还涉及数据泄露的问题，如果有数据泄露，银行不仅会受到来自客户的疑问，还会受到监管的罚款和合规管理能力质疑。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》2020年综合第2期</span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1609751029.png'), array('src' => '/files/expert/expert_1609751040.png')), 'userId' => '33', 'status' => 'published', 'createdTime' => '1559195087', 'updatedTime' => '1651810091', 'body' => '<p>&nbsp; &nbsp; &nbsp; 刘贤荣，中国建设银行数据管理部副总经理，中国金融风险管理专家委员会委员。20年银行数据管理工作经历，参与过企业级数据仓库、新一代核心系统等系统建设，熟悉金融统计、监管统计、银行资本计量，在金融数据治理和数据应用方面有丰富经验。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '134', 'name' => '季春江', 'thumb' => 'public://expert/2020/11-06/15412883ee66020432.png', 'originalThumb' => 'public://article/2020/11-06/154128866812096975.png', 'description' => '天星数科（原小米金融）首席风险官，前宜人金科宜人金科首席风险官', 'about' => '天星数科（原小米金融）首席风险官，前宜人金科宜人金科首席风险官；毕业于人民大学贸易系及美国犹他州立大学，拥有经济学硕士与计算机科学硕士学位。曾担任美国花旗银行决策科学部总监、花旗银行及摩根大通银行风险管理部SVP，执行总监。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp; &nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<h2><span style="color:#000000;"><strong>一、风险管理是信贷业务的核心</strong></span></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 对于信贷行业来说，有几个传统的信贷风险。首先是客户的还款意愿，主要是欺诈风险，有第一方欺诈、第三方欺诈等细节。其次传统的信用风险，牵扯到还款能力、经济状况。这是传统信贷风险中最核心的两方面。除此之外，近年来逐步显现并被风险管理人员重视的还有合规风险、信誉风险以及操作风险。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;其次中国市场在信贷风险方面具有特殊性。一是高速发展的市场环境的变化，每天的竞争环境、产品环境和客群环境都发生着非常大的变化，从而给信贷行业的从业者带来更多挑战。二是客户对信贷金融产品的理解有待提升，这与市场的发展息息相关。因为我国金融服务产品的概念发展时间相对较短，对于从业人员是一个不断探索和更新的过程，对于客户也是一个不断认知和理解的过程。当客户对产品的理解存在不足或者有偏差和误解时，可能引发一些特殊的风险。三是监管规范的演进。这些年监管为市场的成熟和发展做出了很多贡献，但是在前进的道路上存在一些波动，也对市场造成了一些影响，这属于发展过程中的烦恼。四是数据质量的挑战。数据是信贷风险管理的一个重要基础，从数据和可以看到的信息出发去进行风险的管理和规范，这是一个基础的方法，但是市场上数据的质量是一个挑战。</span></p>

<p>&nbsp;</p>

<h2><span style="color:#000000;"><strong>二、风控体系助力抵御信贷风险的不确定性</strong></span></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;如何抵御信贷风险的不确定，主要应从以下四个方面着手。第一点，风控从产品定位开始，这是全流程把控的概念。产品设计决定了目标客群的选定，而目标客群的选定决定了风险的边界。整个风控其实是从产品设计就开始了，不能只局限于自己日常工作之内的范畴，要对市场和产品有很清晰的理解并结合在一起，这实际上定义了风控的边界。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;第二点，数据模型是风控最重要的工具。特别是现在这样一个大数据风控的时代，出现了海量的数据源、新的信息，并且技术的发展也为数据的采集、存储、衍生及运用提供了技术支持。大数据、AI、机器学习等技术的兴起确实提供了非常强大的抓手和支持，数据的深度、广度和丰富度都比过去有了革命性的演变，技术手段上能够实现为风控业务服务。但这里也存在一个新的问题，即过度依赖于新型机器学习、模型及算法，因此要时刻警惕数据模型的局限性。因为数据模型的基础假设是利用数据模型寻找过去发生事件中的共性，并假设这一共性在将来会重复。这在大部分情况下是事实，也是从业人员利用大数据模型进行风控的理论基础，但这并不是百分之百成立的。当存在不同的市场环境时，旧有的环境并不会重复。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;第三点，策略与模型的配合搭建数据决策的稳定框架。传统银行业务中，有强大的策略驱动/政策驱动的风控模型，政策是定性的概念，而策略是定性和定量结合的概念，既要有方向性也要量化，这是搭建稳定框架的一个提升。当面临重大的市场变化、政策变化、客群偏移、理解偏差甚至底层数据不可预测的巨大变化时，数据模型是对系统性偏移的纠正和限制措施，保证风控的稳定性，不至于出现灾难性的后果。因此，提倡策略与数据模型的配合来搭建数据决策的稳定框架。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;第四点，风控系统风险的管控及操作的管控，也就是端到端的流程把控来降低操作风险。假设机构设计了一个非常完美的策略或框架，在实施的过程中几乎不可能百分百正确，总会出现各种各样的偏差。如何将这种错误或偏差造成的不确定性最小化，就是所谓的流程把控来降低操作风险，这也是在操作风险概念定义下非常重要的方面。</span></p>

<p>&nbsp;</p>

<h2><span style="color:#000000;"><strong>三、风控体系的搭建</strong></span></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;从风险管理全周期来看，主要包括5道防线：获客、信息收集、中央审批、贷中监控以及贷后管理。其中，获客方面主要是销售环节置入风险评估，确保客户定位准确，进件信息真实完整；信息收集主要是高效收集客户信息并核查客户、资料、信息及意愿真实性；中央审批主要是中央集中审批，依次经过系统信息整合、反欺诈、评分、人工审核等环节；贷中监控主要是通过数据监测、电话回访等，对客户准确判断，进行风险预警或增值服务；贷后管理主要是对逾期客户进行及时管理，有针对性进行催收。同时，整个操作流程层面的支持包括风控系统层、业务操作层、合规风险层。</span></p>

<p>&nbsp;</p>

<h2><span style="color:#000000;"><strong>四、数据质量的挑战</strong></span></h2>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;数据质量的好坏判断主要可以从五个维度定义。一是合规性，即确保数据本身没有问题。二是覆盖率，即对目标客群具有良好的覆盖率。就算再好的数据源，如果对目标客户的覆盖率只有10%-20%，那么对实际的风险管理并没有什么帮助，因此达到一定量级的覆盖率是很重要的。三是准确性，目前市场上数据的准确性确实有待提高。四是区隔力，即对风险的区隔力。有些数据虽然看起来很好，但区隔力不强，或者集中度太高，70%的人都落在一个区间，那么数据的可用价值其实有限。五是稳定性，无论从数据使用的范围、底层的结构以及各方面维度的稳定性，目前的市场都存在问题，很多数据源在稳定性上都没有保障。</span></p>

<p><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;就目前来看，部分模型所存在的局限性并不是模型本身的问题，而是数据质量存在问题。在市场里存在各种经验和教训，不要过于强调数据模型，虽然它是重要的工具，但是要时刻警惕和清醒地认识到它的局限性以及可能造成的偏差和后果，这在日常实践中是要时刻注意的。</span></p>

<p align="justify"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;来源：2020（第十六届）中国金融风险经理年度总论坛（11月）</span></p>
', 'elegant' => array(), 'userId' => '235', 'status' => 'published', 'createdTime' => '1604648542', 'updatedTime' => '1636524360', 'body' => '<p>&nbsp; &nbsp; &nbsp; 季春江，天星数科（原小米金融）首席风险官，前宜人金科宜人金科首席风险官；毕业于人民大学贸易系及美国犹他州立大学，拥有经济学硕士与计算机科学硕士学位。曾担任美国花旗银行决策科学部总监、花旗银行及摩根大通银行风险管理部SVP，执行总监。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '64', 'name' => '石智勇', 'thumb' => 'public://expert/2020/12-17/175156c951c6123134.jpg', 'originalThumb' => 'public://article/2020/12-17/175156cc0a8d408465.jpg', 'description' => '农业银行总行风险管理部副总经理', 'about' => '中国农业银行总行风险管理部副总经理，天津大学金融工程博士，在信用卡、个人与中小微企业信贷、供应链融资、大数据风控、公司与机构金融、资产管理等领域拥有近20年的风险计量与管理经验。牵头农业银行巴塞尔新资本协议实施工作，建立了农业银行内部评级体系、RWA计量体系等。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left:5px solid #ff7200;padding-left:20px;"><span style="color:#000000;"><span style="font-size:16px;font-weight:bold;">图书</span></span></div>

<div style="height:12px; float:left">&nbsp;</div>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2007，《国有商业银行制度创新和风险管理》，中国物资出版社。</span></span></p>

<div style="border-left:5px solid #ff7200;padding-left:20px;"><span style="color:#000000;"><span style="font-size:16px;font-weight:bold;">论文</span></span></div>

<div style="height:12px; float:left">&nbsp;</div>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2013，PD模型开发中的关键技术方法，《中国金融》第17期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2011，<a href="https://www.yunzhan365.com/14540352.html">我国商业银行实施新资本协议的有关思考</a>，《农村金融研究》第03期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2010，<a href="https://www.yunzhan365.com/59711864.html">建立和完善商业银行内部评级验证体系</a>，《中国金融》第15期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2006，<a href="https://www.yunzhan365.com/35859228.html">关系型信贷、信息不对称与信贷退出博弈</a>，《西安电子科技大学学报（社会科学版）》第02期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2005，<a href="https://www.yunzhan365.com/23629053.html">重构国有商业银行内部控制组织结构的思考</a>，《金融理论探索》第05期。</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">1995，<a href="https://www.yunzhan365.com/98147756.html">国家专业银行与国有商业银行的不同点</a>，《农金纵横》第02期。</span></span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、LPR改革的影响与应对</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 此次LPR定价机制改革对于疏通利率传导机制，降低实体企业融资成本，能够起到多大作用？</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>从市场利率影响因素看，三个因素支持利率下行。一是社会平均利润率。考虑到当前社会平均利润水平并不高，不支持过高的贷款利率。二是经济周期。当前中国经济总体处于底部区域，迫切需要降低实体经济的融资成本，不支持利率持续上行。三是商业银行竞争。多数银行会以此为契机抢夺信贷资源，进而促使利率进一步下行。两个因素限制利率下行空间。一是风险成本。当前，商业银行利差水平（NIM）总体处于较高水平。但考虑到经营成本中，风险成本占了较大比重，来自利润的压力，有可能使部分商业银行提高风险偏好、提高贷款利率定价。二是通胀预期。考虑通胀预期，当前贷款利率总体存在较强的上升需求。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>本次改革将银行业和经济运行、银行业市场竞争方向和竞争格局将产生什么影响？</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>短期看，一方面，会引导市场贷款利率下行，降低实体经济融资成本，减少财务支出，提高盈利水平。另一方面，会降低社会公众理财收益预期，促进民间投资，扩大消费。长期看，利率市场化进程的不断发展，使我国金融业从外部环境到内部结构都面临着一系列重大变革。一方面，提高了利率定价的市场化程度，有利于促进资金资源的优化配置、提高金融机构的经营活力；但另一方面，商业银行的定价管理、风险管理、资产选择、资本充足率压力将会进一步凸现。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》2019年第4期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、金融开放与风险管理</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp;<strong> &nbsp;</strong>&nbsp;</span>金融开放对金融机构（风险管理）的影响与应对</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>对商业银行风险管理而言，短期内影响有限。一方面，目前开放内容未超出市场预期，主要是取消外资金融机构业务范围限制，为其提供更为宽松、自主的制度环境。另一方面，近年来通过持续深化改革，我国商业银行经营管理不断改善，国际化程度不断提高，抵御风 险和外部冲击的能力明显增强。就风险管理而言，风险识别、计量和管理能力显著提升。体制机制上，通过对接国际规则，深入实施巴塞尔协议，已初步建立全面风险管理体系。关键风险指标上，相比国外银行，国内银行整体资本质量较好、资本充足率较高；贷款不良率较低，拨备覆盖率较高。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>长期来看，机遇大于挑战。机遇主要体现在三方面：一是有利于国际社会更好了解、客观评价我国商业银行经营管理和风险状况，也有利于我国商业银行更好融入、更多参与国际竞争，提高在国际金融市场中的影响力。二是有利于我国商业银行学习、借鉴国外优质银行在经营理念、产品创新、金融服务、科技发展等方面经验，进一步提升金融服务实体经济特别是民营小微企业的能力。三是有利于促进我国商业银行加快完善风险治理和防控机制，进一步优化风险管理工具和相关制度，提升风险计量核心能力，加强资本、流动性、利率、汇率等重点领域风险管理。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》2019年第3期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、《中国金融稳定报告（2019）》解读</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>进一步推进防范化解重大金融风险攻坚战，逐步完成从风险治标向治本的过渡</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>未来一段时期，为实现2020年攻坚战的顺利收官，小康社会的全面建成，防范化解重大金融风险攻坚战将 进一步向纵深推进，逐步完成从风险治标向治本的过渡，并在系统性风险防控的制度机制上做出安排，包括：一是完善现有政策法规，改进监管框架，将互联网 科技企业控股形成的互联网金融控股集团以及金融市场基础设施、金融机构第三方技术服务商纳入监管范围。二是有序处置重点金融控股集团风险，着力化解地方中小金融机构风险，完善系统重要性金融机构监管，积极探索以存款保险为平台，建立市场化法制化的金融机构 退出机制。三是全面清理整顿金融秩序，打击非法金融机构和非法金额活动，整治地方交易所违规开展业务，推动交易所有序整合撤并。四是防范金融市场异常波动风险，阻断跨市场、跨区域、跨境风险传染，防范金融市场异常波动和共振，主动做好预期管理，建立金融委办公室新闻发言人制度。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》2019年第6期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>四、新冠病毒疫情对金融机构经营管理的影响和应对</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong><span style="text-align: justify;">&nbsp; &nbsp; （一）</span>我国新冠大疫对金融机构业务和风险管理的影响</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>新冠疫情对银行的资产质量带来了一定的负面冲击，特别是对中小金融机构和互联网金融机构。但是总体来看，对整个银行系统的风险影响是短期的、有限的。短期看，中小微企业贷款质量可能将有所恶化，个人经营性贷款违约率短期或阶段性上升；区域性金融机构、互联网金融机构和消费金融机构受之影响较大。长期看，&ldquo;国际关注的突发公共卫生事件&rdquo;对国际贸易和供应链布局调整的压力不容忽视，对资产质量的影响是长期和深远的。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp;&nbsp;<span style="text-align: justify;">（二）</span>我国新冠大疫与应对给金融机构风险管理的启示</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; 第</span>一、风险信息是风险管理的基础，风险信息越真实、准确、及时和完整，风险决策越科学、越高效。第二、风险价值观比风险管理本身更重要。面对风险的态度决定风险管理的深度，面对&ldquo;灰犀牛&rdquo;，心存侥幸是灾难性的。风险共识取得越晚，化解风险的成本越高。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》2020年第1期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>五、大额信用管理：额度管控、风险信息共享与策略协同</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp;&nbsp;（一）前言</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>随着集团化、多元化趋势的演进，企业行为更加复杂化，使信息不对称的情况愈发突出。在新资本协议框架下，风险的未知领域可以视为非预期损失。通过实施新资本协议，商业银行建立了完善的风险管理体制机制，风险计量技术也得到了极大的提升。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp;&nbsp;（二）大额风险的管理难题</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>大额风险对金融集团而言，复杂度较高，其加总与管理十分复杂。甚至有大型集团借款人发生违约时，金融机构对整个集团的授（用）信不甚清楚，需要向客户询问的情况。对大额风险进行较好的管理，需要金融集团下各单位对风险统一定义、对风险偏好统一管理、对经营策略合理干预。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp;&nbsp;（三）大额信用管理：客户识别与额度管控</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>识别关联交易对手方时，实际控制权、资金流来源上的依赖和偿债义务的关联都至关重要。在大额风险的管理上，限制额度是较为有效的举措。一种做法是，根据交易对手信用等级，可设定最高风险承担额，作为集团、或分行（子公司）对该组交易对手的风险承担的最高上限。当分行（子公司）对单一客户授信超过额度限制时，可以有两种选择：一是进行本层级的风险分散，发起组建本层级行的内部联合贷款，或者匹配相应数量的低风险业务进行对冲；二是将风险向上一层级分散，对超出本级风险限额的部分，申请由上级行承担限额外贷款的拨备和管理责任。上述机制可以使大额客户的风险在内部得到分散，避免过度集中。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp;&nbsp;（四）大额信用管理：风险信息共享与策略协同</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; <strong>1、</strong></span><strong>风险信息共享机制设计</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>一是明确风险信息共享的客户范围。二是明确主办机制。三是规定共享信息内容，可包括风险信息与决策信息。四是规定信息公开的频率和时间要求。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>2、风险信息共享流程</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>一是对共有大额客户进行标识。二是风险信息的公开和更新。三是风险信息的查询，对查询范围、内容、权限等进行限制。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>3、策略协同机制</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>一是设定协同目标。二是明确协同步骤。三是建立回看机制。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>4、效果评价</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在上述机制设计、政策流程和策略制定的基础上，各机构应各司其职，切实履职。分行、子公司均应持续对本机构及下设机构客户的风险信息共享和策略协同的执行情况进行评估，并向集团总部汇报。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》2020年第6期</span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1611655730.jpg')), 'userId' => '47', 'status' => 'published', 'createdTime' => '1561527305', 'updatedTime' => '1636535582', 'body' => '<p>&nbsp; &nbsp; &nbsp; &nbsp;中国农业银行总行风险管理部副总经理，天津大学金融工程博士，在信用卡、个人与中小微企业信贷、供应链融资、大数据风控、公司与机构金融、资产管理等领域拥有近20年的风险计量与管理经验。牵头农业银行巴塞尔新资本协议实施工作，建立了农业银行内部评级体系、RWA计量体系等。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '35', 'name' => '王勇', 'thumb' => 'public://expert/2021/04-09/1336237e326e804906.jpg', 'originalThumb' => 'public://article/2021/04-09/1336248162d0444111.jpg', 'description' => '天风国际证券董事长', 'about' => '天风国际证券董事长，曾任天风证券首席风险官兼首席信息官，光大证券首席风险官，加拿大皇家银行风险管理部董事总经理。王勇博士著有《金融风险管理》，翻译了《期权、期货及其他衍生产品》《区块链：技术驱动金融》《商业机器学习》《区块链巴别塔》等多部著作。王勇博士毕业于西安交通大学，持有加拿大达尔豪斯大学数学博士学位，持有CFA和FRM证书。', 'sticky' => 'index', 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><font color="#000000"><span style="font-size: 16px;"><b>图书</b></span></font></div>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;">2014，《金融风险管理》，机械工业出版社。</span></p>

<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><font color="#000000"><span style="font-size: 16px;"><b>论文</b></span></font></div>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size: 16px;">2017，从MBIA看信用衍生品，中国市场如何应对，《当代金融家》第02期</span></p>

<p style="margin-left: 40px;"><span style="font-size: 16px;">2015，创新形势下券商风险管理的挑战与应对，《创新与发展:中国证券业2015年论文集》&nbsp;</span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、证券行业风险管理实践</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 自营投资业务在熊市市场削减规模是很容易做到的，但在牛市市场，削减规模会有一定的阻力。做自营投资业务要看到两方面，即正面和反面，只有把正面反面都要看的很清楚才能做好自营投资业务。风控真正的精髓不在于如何预测市场，如何预测风险，而是在于一个公司出现风险的时候，这个公司有承担并化解风险的能力。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）证券行业主要业务及收入结构</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>证券行业主要经营业务包括传统中介业务、资本中介业务和资本型业务。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在证券行业的收入构成中，经纪业务占的收入比例仍然非常高，超过三分之一，传统投行中资产管理业务是新兴的业务形式，但是整个比例非常高，自营证券投资、融资融券的收入比例虽然不是最高，但是增长趋势非常大。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）证券行业业务风险矩阵</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>证券公司面临的四大风险包括市场风险、信用风险、流动性风险和操作风险。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）证券行业业务与资本监管环境</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>我国资本监管尚未改革，模式落后、 束缚业务发展</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>我国证券市场对净资本进行监管的很多指标并没有考虑到风险的内涵，只是反映风险一些具体走向。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>另外中国证券行业对于规模方面进行监管，证券公司为了进行风险对冲，把风险管好会在监管上受到一定的惩罚，这非常不适合证券公司的长远发展，所以监管的进化是证券公司亟待解决的问题。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（四）证券行业风险管理实践</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>风险金字塔为全公司所用，它为识别和评估我们的业务、产品、新项目的风险提供了一个平台。在金字塔的顶部，风险的控制操作性最小；在金字塔的底部，风险的控制操作性很强</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>《证券公司全面风险管理规范》和《流动性风险管理指引》管理规范的出台是国内证券行业风险管理监管转型的重大进步,&nbsp;有逐渐靠拢巴塞尔协议的趋势，证券行业正在努力达到规范要求，但要完全达标，仍有一定差距</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>证券行业甚至是银行业实施全面风险管理所面临的挑战包括风险管理文化、风险人才管理机制和信息化水平的提高。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》2014年&nbsp;第4辑，&nbsp;证券行业风险管理实践</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、证券行业金融科技实践</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）证券行业金融科技应用现状</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>对于证券行业，在科技方面的投入实际上是严重依赖于厂商的,&nbsp;导致证券行业本身同质化严重，在科技研发方面也趋于同质化，这是从根本上阻碍证券行业加大科技研发投入的原因。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>证券行业在金融科技发展发面也做了许多工作，可以分成以下几个层次： 企业云应用。其次，在数据变现能力。最后，在智能自动化方面，在证券行业，无论是清算还是运维都需要将其用起来。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）金融科技与传统信息技术区别</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>金融科技是指机构运用移动互联网、云计算、大数据、人工智能等各项能够应用于金融领域的技术，帮助提升金融行业运转效率，重塑传统金融产品、服务与机构组织。在管理效率和业务效率的提升上，现在金融科技可以做到将业务、运营和技术进行一个全面的整合。金融科技的发展目标可以从六个板块说明：第一，零售板块；第二，大资管板块；第三，投资银行板块；第四，风控板块；第五，合规板块。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）金融科技业务发展目标</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>要通过金融科技，优化运营流程，提升流程无纸化、智能化、自动化程度，降低人力成本和运营成本，提高运营效率。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（四）从数据治理到数字化治理</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>数字化治理人员需要在系统产品不断增加的同时，持续对数字平台进行监控，并将新增系统功能整合到数字平台中去。审核主要有以下要点：</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>1、&nbsp;变更控制</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>2、&nbsp;安全审核</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>3、&nbsp;责任制</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>4、&nbsp;业务连续性</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>5、&nbsp;进度</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》2019年&nbsp;第4辑：证券行业金融科技实践</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、证券从业人员风险管理基础知识体系建设（沙龙研讨）</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）关于风险管理基本理念和框架</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>结合自身的工作经验，在风险管理理念有两个方面值得重视：一方面是内部控制、合规以及风险管理的关系，它们的边界在哪？在行业内，出现了风险事件，风险管理从业者背锅是一个很普遍的现象，其背后实际上是三者概念与理念认识上的混乱，而这种现象有悖于在全公司范围内构建共同的风险管理目标和价值观。二是证券行业缺乏一个对净资本进行整体的计量的规范和共识，整个行业依据风险偏好对风险资源分配参差不齐，每个公司的做法不一样，如果在这方面能有一个理念上的引导和提升，相信对于风险管理与业务发展战略的有机融合具有重要的指导意义。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）信用风险管理</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>证券从业人员应该了解风险管理基础知识体系中信用风险的基本内容，如内部评级、交易对手信用风险。证券从业人员要把很多基本概念弄清楚。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）流动性风险管理</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>同意陆亚总关于流动性风险计量的观点&mdash;&mdash;证监会是走在前面了。一般从业人员把包括宏观指标在内的基本的流动性风险计量指标了解清楚就可以。此外，信用风险和流动性风险的转化也可以适当了解。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（四）操作风险和声誉风险管理及其他</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>关于操作风险和声誉风险管理，虽然我国证券行业还没有出台相关指引，但证券业协会已经就指引的建立做了准备工作，其中声誉风险管理已经向各证券公司发布了征求意见稿。而对于数据治理和科技风险，目前已成为证券公司风险管理需要重点关注的内容，巴塞尔委员会已经就此发布过相关规则，目前证券业协会也在不断推进数据治理指引的相关工作。战略风险和政策风险对于证券公司也非常重要。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》2020年&nbsp;第4辑：证券从业人员风险管理基础知识体系建设（沙龙研讨）</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>四、大中台&mdash;&mdash;证券公司数字化转型的决战地</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）证券行业金融科技发展概述</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>金融服务行业的发展可以根据信息技术在其中扮演角色的不同，大致分为三个阶段：业务流程信息化、互联网金融和金融科技。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）机构数字化转型面临的壁垒</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>数字化治理涉及金融服务主推产品、产品整合、产品变更、安全性、业务连续性等多个内容，在这个过程中最主要的依据是数据，我们需要有数据治理的理念。数据治理涉及数据质量、数据安全、数据维护等。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）数据治理、CDO+CAO</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>公司妥善的管理数据是如此的重要，如果数据管理得非常糟糕，那么经营的效率、盈利就可能大受影响。首席数据官（CDO）和首席数据分析官（CAO），是数字化企业资源的管理师和调度师。首席数据官负责数字化战略规划，领导公司数据化治理委员会工作，对数字化项目进行监控、决策，提出建议。首席分析官领导数据治理工作，发现数据价值并制定可行方案，对公司数字管理进行全局管理，从数据需求与数据价值角度审核新项目，更重要的是数据价值的挖掘。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（四）关于大数据应用的思考</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>大数据具有大量化、多样性、快速化、价值高的特点,可为企业提供创新的业务洞察力。大数据是金融科技应用的磐石，对于风控、资讯、投研、用户洞察都起到了核心支撑的作用。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（五）大中台&mdash;&mdash;数字化转型的决战地</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>证券公司的信息化发展包括三个阶段，系统化，集成网络化，智能化。券商想要提升自己服务能力最关键的一点是成为价值创造者。让技术成为价值创造者，与价值链上下游相关者进行信息化绑定，创造新的业务协同价值，成为企业战略决策的先导者而非跟随者。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020TGES系列论坛-04：金融人工智能、数字化金融与风险管理（0801-0802），大中台&mdash;&mdash;证券公司数字化转型的决战地， （全文稿）</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>五、金融机构风险偏好、风险战略与全面风险管理</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）金融风险管理的发展演变</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>1、风险管理的发展历史就是一部金融危机、金融机构风险事件的历史。总体而言，风险管理主要历经三个阶段：传统风险管理阶段；现代风险管理阶段；全面风险管理阶段。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>2、过去三十年，大规模金融危机、局部金融风险爆发使得金融风险的管理理论和实践革新得受到重视，并取得了进步。这期间的行业系统性风险屡见不鲜，这些事件都对推动了风险管理理念与实践的发展。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>3、巴塞尔协议一直在不断的发展完善过程中，从Basel 1.0主要关注信用风险到Basel 2.0将市场风险和操作风险考虑在内。Basel 3.0新增杠杆率与融资流动性监管指标，首次制定了交易对手信用估值调整（Credit Valuation Adjustment，CVA）风险监管资本规则，并提出了高级法和标准法两种资本计量方法。Basel 4.0在风险管理的一些思路上进行了革新。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）金融行业主要面临的风险</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>1、主要业务的转变</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>总体而言，当前金融机构主要业务体现出四个&ldquo;变&rdquo;与一个&ldquo;不变&rdquo;。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>2、金融机构风险地图</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>首先，金融机构所面临的风险最底层是一些基础性的风险如不良贷款触发的信用风险，资金波动造成的流动性风险，&ldquo;黑天鹅&rdquo;事件引发的市场风险等，还包括一些其他风险如金融集团交叉风险。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>其次，在这些基础性风险之上，可能会触发操作风险，这与技术性风险往往是相关的。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>再次，为了业务发展，金融机构可能会有策略风险、名誉风险、竞争风险和监管机制方面的法律风险等。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>最后则是金融机构会面临的系统性风险。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;">（三）<strong>金融集团风险管理关注要点</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>1.&nbsp;集团管控的三种常见模式&nbsp;（按集权程度从低到高分为）</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>-&nbsp;财务管控：财务信息、财务风险</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>-&nbsp;战略管控：在财务管理的基础上增加战略协同管理中心</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>-&nbsp;运营管控：在战略管理的基础上增加集中运作管理中心，以管理日常运营并通过职能部门实现纵向管理</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>2.&nbsp;子公司风险管控重点</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>-&nbsp;&nbsp;风险信息报送机制建设</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>-&nbsp;&nbsp;风险限额和授权体系的建设</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>-&nbsp;&nbsp;系统与流程的整合</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（四）金融机构风险管理原则</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>1、从风险报告的角度，也可用金字塔来阐述公司所面临的整体风险，这对公司建立一个整体的风险管理文化是非常重要的。全员参与是确保风险管理成功的基础。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>2、金融机构风险偏好体系需要从监管约束、自发约束、风险限额、风险组合度量等四个层面进行构建。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>3、风险偏好并不一定是一成不变的。董事会可以允许超额情形的发生，但无论如何，监管硬性规则不能违背。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>4、风险偏好阐述举例</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>5、统一的风险管理框架</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（五）证券行业风险矩阵及风险管理实践</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>1、利用证券行业风险矩阵</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>2、关注监管应对针对行业风险的变化，监管部门在努力改善其监管模式。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>3、明确限额管理职责限额管理与前述风险偏好体系具有一定相关度，其分为公司整体、业务部门、交易小组三个层面。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>4、落实三道防线机制</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>5、运用风险指标与风险报告</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020TGES系列论坛-03：内控合规、造作风险管理和全面风险管理（0725-0726）， 金融机构风险偏好、风险战略与全面风险管理，（全文稿）</span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1608601443.jpg')), 'userId' => '17', 'status' => 'published', 'createdTime' => '1557924464', 'updatedTime' => '1636536930', 'body' => '<p>&nbsp; &nbsp; &nbsp; 王勇博士，天风国际证券董事长，曾任天风证券首席风险官兼首席信息官，光大证券首席风险官，加拿大皇家银行风险管理部董事总经理。王勇博士著有《金融风险管理》，翻译了《期权、期货及其他衍生产品》《区块链：技术驱动金融》《商业机器学习》《区块链巴别塔》等多部著作。王勇博士毕业于西安交通大学，持有加拿大达尔豪斯大学数学博士学位，持有CFA和FRM证书。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '165', 'name' => '申志华', 'thumb' => 'public://expert/2020/11-10/1452579c9476828607.jpg', 'originalThumb' => 'public://article/2020/11-10/145258a0109e400636.jpg', 'description' => '普洛斯金融集团副总裁', 'about' => '普洛斯金融集团副总裁，前上海聚均科技有限公司首席大数据官/CDO，CFA，美国加州大学伯克利分校统计学硕士和经济学博士。曾任平安银行零售风险技术总监兼大数据决策管理部总经理、中国民生银行总行风险管理部高级专家、美国富国银行中小企业部风险管理副总裁、美国运通公司计量分析高级研究员、复星金融服务集团副总裁、掌星宝联席总裁。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp; &nbsp; &nbsp; &nbsp; &nbsp;&nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、中国中小企业和供应链金融服务模式探讨</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）最近几年互联网金融发展出现的问题分析</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;1、关于P2P方面的问题，P2P的问题在于借用了美国的LendingClub模式，但没有进行风险隔离。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;2、金控集团存在的一些问题。金控集团很多由互联网企业产生，但这些企业自身没有存款来源，需要靠借入银行资金做信贷，实质形成了资金批发业务，所以同样会推高企业融资成本。而且因为金控集团受企业规模和评级影响，业务规模必然会受到限制，对金融集团的发展也是一个挑战。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;3、企业做金融的问题。我们经常看到中国有一定实力和规模的企业都成立了相应的金融团队。但问题在于做金融的企业在专业团队、牌照上都没有太大优势，企业自身提供的资产有限，而且政府并不支持企业做金融，监管政策也还是希望企业做好实体经济，金融做好对企业的服务。还有一个不可忽视的重要因素是，企业不能为竞争对手提供资产和服务。这都导致了企业做金融很难做大做强。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;4、金融机构的问题。金融机构往往因为体制、管理和技术等原因，无法深入产业链交易流。贸易背景的真实性一直是困扰金融机构的很大问题，并经常在这个方面暴雷。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）中国中小企业融资遇到的问题</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;1、中国中小企业的融资中面临非常大的挑战，融资难、融资贵的问题还是没有得到很好的解决。有以下三个主要方面。一是中小企业主体信用不足，实力不强，属于弱势群体，无法满足面对银行贷款时的抵押和担保要求；二是信息不对称问题。中小企业和金融机构之间存在严重的信息不对称，假账、假报表盛行，资金挪用程度高，银企互信度低；三是信息化程度低科技能力弱。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;2、金融机构在中小企业金融服务中也存在挑战和痛点，也可以概括为三个方面：看不清，摸不透，不信任。看不清指产业链错综复杂；摸不透指底层资产不透明，缺乏技术手段获取实时一手数据和有效的风险预警的能力，缺乏监控底层资产的能力；不信任指主体信用不足。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;3、中小企业和供应链金融服务中也碰到很多挑战。一是单一数据问题，一些数据供应商也解决了一部分信息不对称问题；二是专业团队问题，中小企业和供应链金融服务是一个专业要求高的业务，需要整合很多资源，团队往往需要跨领域的知识精英。但传统企业延伸做金融服务普遍不具备专业化的金融服务团队；三是资金来源问题，要降低企业融资成本，为中小企业提供普惠金融服务，金融机构必须要有稳定和低廉的存款来源。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）宏观经济环境和监管形式的新变化</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;一是监管政策越来越清晰；二是金融基础设施建设得到重视和加强；三是互联网平台生态发展；四是技术进步；五是产业数字化成为新的发展趋势。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（四）产业金融将迎来第三阶段</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;总结问题挑战与变化之后，我们可以认为产业金融即将迎来第三阶段。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;1、产业金融1.0阶段只服务单一机构，采取点对点服务模式，传统金融机构服务于产业链龙头企业，通过线下方式进行尽调、评级、财报、授信。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;2、产业金融2.0阶段是在此基础上的衍生，主要依靠核心企业的主体信用担保。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;3、产业金融3.0阶段，要求服务产业链所有企业，全产业链封闭场景中交易数字化、透明化、可控化，除了传统的审查考核之外重点关注交易过程，不再需要主体信用增信。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（五）中小企业金融服务模式探讨</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;从国内来讲，受目前阶段政策影响，社会承担很大的贷款利率下沉压力，资金成本高的金融机构在下一轮的竞争中会受到不利影响，很多高息放款机构会遭到淘汰。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（六）国外企业做金融的案例</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;企业做金融很少能够真正将金融业务做大做强，有三个较为典型的国外企业做金融的案例。一是沃尔玛的&ldquo;零售+信用卡&rdquo;模式；二是福特汽车金融。福特的案例体现了产业支撑力不足的汽车金融困境；三是GE Capital。GE的产业资本与金融资本融合产生了协同效应。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（七）金融科技在供应链金融模式发展中可以发挥更大的作用</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;传统征信报告、财务财报技术都已经比较成熟，但是不能真正解决交易底层穿透和贸易背景真实性问题。要解决这些问题，需要应用新的技术对供应链金融赋能。当前重要的金融科技包括五项：ABCD+I，即AI（人工智能）、Block-Chain（区块链）、Cloud-Computing（云计算）、Big-Data（大数据）、IoT（物联网）。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;大数据技术可以应用在很多方面。一是数据挖掘匹配多种数据源；二是多维度分析和验证信息，降低信息不对称；三是分级预警、量化授信，精准把控风险；四是敏感性分析研究。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（八）对中小企业和供应链金融服务模式升级的思考</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;一是需要打通产业链，更深入到产业链的交易和经营环节，把产业链上下游的信息化进行链接，帮助金融机构获得更有价值的实体经济的资产。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;二是连接多方数据信息，打破信息孤岛，解决金融机构和企业之间的信息化不对称问题。推动现在的企业为主体的征信模式升级为以交易为核心的大数据模式。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;三是突破目前单纯依靠抵押和担保的传统授信模型，改为更多结合企业底层资产的交易信用模式，在授信模式和产品上进行创新，解决中小企业没有担保和抵押的问题。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;四是利用物联网、大数据和人工智能的新的智慧科技来解决底层资产的跟踪、真实性和资产透明化的问题。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;五是通过商票、标准化票据和ABS等金融产品来拓展更加广泛的资金渠道，让票据交易所等金融市场发挥更大的作用，发挥直接融资的作用，让更多的金融机构参与进来。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;六是团队需要进行金融、技术和产业的知识经营结合，需要跨界的人才。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; &nbsp;</span>来源：2020TGES系列论坛-07：中小微企业和零售普惠金融与风险管理&mdash;&mdash;申志华《中国中小企业和供应链金融服务模式探讨》</span></p>

<h2 style="text-align: justify;">&nbsp;</h2>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、关于提高商业银行小微业务风险管理的若干思考</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;银行业的发展离不开实体经济的发展。小微企业近年来取得了快速发展，成为推动经济和社会和 谐发展不可或缺的重要力量。通过大力发展小微金融业务，银行可以实现客户多元化、促进中间业务发展、提升盈利能力。越来越多的商业银行将业务增长点定位于小微客户，近两三年来小微金融服务日渐成为中国银行间群雄逐鹿的重点。然而，风险管理问题一直是制约小微金融服务的瓶颈，银行只有真正了解把握小微企业的风险，切实提高小微业务风险管理水平，才能使小微金融服务进入可持续和健康发展的轨道。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;对此申志华博士提出了以下建议：</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;（一）建立与小微业务相适应的发展战略和理念</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;（二）建设和小微业务发展相适应的组织管理模式</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;（三）加强风险量化管理体系建设</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;（四）推行批量化作业的销售和管理模式</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;（五）积极开展产品创新和特色服务</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;（六）强化小微客户动态风险管理</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;（七）推进小微客户的特色化研究，建立专业化服务团队</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; &nbsp;</span>来源：《风险管理》杂志2012年第5辑</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、借鉴银行风控模式，助力P2P市场稳健发展</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;申志华博士认为，P2P网贷平台与传统银行在运 营和商业模式存在着较大区别。P2P网贷平台将自己定位成&ldquo;中介&rdquo;机构，重视如何促成借贷双方交易，可能缺乏足够的动力深入了解借款方的偿还意愿和偿还能力。而银行则不同，银行体系因为对存款和贷款客户实施了有效的分离，对每笔贷款出现逾期不良，银行直接承担了经济损失和财务压力。因此银行有很强的内在动力把每一笔贷款做好审核把关，对贷款进行严密监控，对逾期贷款就加大力度进行催收，最大程度地降低损失。作为&ldquo;发挥中介&rdquo;作用的P2P很容易形成风险管理力量不足，而投资者明显无法直接监督客户用款，这是导致P2P目前贷款风险高、利率高、P2P公司倒闭率高的一个原因。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;基于此，结合P2P网贷平台的实际发展情况，可以从以下几个方面可以参考银行的风险管控措施：</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;首先，对贷款用户的准入门槛进行严格筛选。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;其次，对贷款的资金用途严格把控。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;第三，建立物理网点，接触和了解客户。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;第四，注重流动性管理。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;第五，建立有效的催收体系。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; &nbsp;</span>&nbsp;来源：《风险管理》杂志2014年第3辑</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>四、我国新冠大疫与应对给金融机构风险管理的启示</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;1、好的风险管理体系一定要经历经济波动的考验和危机事件的冲击。经得住考验的金融机构才是真正风险管理能力过关的机构。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;2、这次疫情也暴露了我们公共医疗卫生体系、疫情反馈传导和宣传决策机制的一些不足和短板。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;3、这次疫情对我国的企业也是一场大考，很多企业因为储备不足、现金流不充沛导致面临倒闭，很多僵尸企业会加快清场，但对一些行业也带来了业务机会。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; &nbsp;</span>&nbsp;来源：《风险管理》杂志&nbsp;2020年第1期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>五、新时代下的供应链金融业务新发展和智能技术应用前景</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;供应链金融产品主要有应收、应付、存货、信用类等，目前信用类产品较多，例如信用贷和流动贷款。总体上，供应链金融的潜在风险可以分为企业信用风险、上下游企业信用风险、贸易真实性风险、业务操作风险、物流监控风险和抵质押资产风险。在供应链金融业务上，风险管理的一个显著特点是环节多，体现风险多元化的特征。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;供应链金融的发展，技术、金融和产业三者的融合是关键。技术是支持，产业是重心，金融是手段，三者在供应链金融中的深度融合将是供应链金融未来发展的趋势。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;供应链金融技术应用前景</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;（1）金融科技各自发挥优势，形成聚合能力</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;（2）研究和应用前沿的人工智能技术和算法</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;（3）技术应用&mdash;电商平台的自动化审批</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp;<span style="text-align: justify;">&nbsp; &nbsp; &nbsp; &nbsp;</span>来源：《风险管理》杂志2020年第4期</span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1611657502.JPG')), 'userId' => '266', 'status' => 'published', 'createdTime' => '1604991187', 'updatedTime' => '1642033741', 'body' => '<p>&nbsp; &nbsp; &nbsp; 申志华，普洛斯金融集团副总裁，前上海聚均科技有限公司首席大数据官/CDO，CFA，美国加州大学伯克利分校统计学硕士和经济学博士。曾任平安银行零售风险技术总监兼大数据决策管理部总经理、中国民生银行总行风险管理部高级专家、美国富国银行中小企业部风险管理副总裁、美国运通公司计量分析高级研究员、复星金融服务集团副总裁、掌星宝联席总裁。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '126', 'name' => '高磊', 'thumb' => 'public://expert/2020/12-29/161723337954507649.jpg', 'originalThumb' => 'public://article/2020/12-29/1617233e389d016573.jpg', 'description' => '京东数字科技风险管理中心小微风险部', 'about' => '京东数字科技风险管理中心小微风险部，负责小微金融风险管理，有效利用互联网个人及商户高频、准确、实时、可追溯的交易及行为信息，创建对小微企业偿债能力、偿债意愿的新评价体系。高磊女士拥有近20年中、美金融机构风险管理经验，曾任职于NASDaq、美国银行、民生银行等公司。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp; &nbsp; &nbsp; &nbsp; &nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、大数据在风险管理中的应用</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 数字化转型是当下的热门，金融机构和其他传统机构都纷纷进行数字化转型。数字化转型的优势和好处可以用4C来概括。一是通过差异化的全渠道的覆盖，强化客户关系，以客户为中心，做统一的客户信息管理。不管是从什么渠道获取的客户，都要把信息放在一起，做统一管理。二是构建先进的跨产品及场景的平台，加强综合经营服务。做到产品的交叉营销。对适当的客户，在适当的时间为其推荐适当的产品，实现千人千面。三是端到端数字化的流程改造，提升客户体验。传统的金融产品或交易线下占比较多，通过数字化转型，提升客户体验，把部分流程或者全流程提到线上，对机构和客户来说都是效率的提升。四是大家比较关注的建立用户驱动的大数据平台，提升产能和风控。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>大数据数字化转型可以具体关注几个方面，刚才提到的风险智能是一部分，还包括运营智能、客户智能。还有财务智能，关注的主要是成本控制。从发达国家的经验来看，第一步主要是风险的智能化，之后再做到运营的智能化，最终关注的是成本精细化，每个客户的成本要可以精细化的计算出来。但目前来说，基础的建设或者说数据的支持都还做不到这一点，这应该是金融业下一步提升效率，降低成本的重要的发展方向。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020（第十六届）中国金融风险经理年度总论坛NO.4：大数据及其应用&mdash;&mdash;高磊《大数据在风险管理中的应用》</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、如何解决小微企业融资难、融资贵</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）小微企业为什么融资难？</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>首先我国的小微企业其实是以这种劳动密集型的产业为主，比如说是批发零售、制造和服务业，门槛比较低，而且竞争非常激烈，所以总体来说是稳定性比较差的。然后，我们的小微企业的平均寿命也只有三年，所以相应的本身的风险就比较高。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）我国小微金融存在的问题及建议</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第一个，有效信贷需求不足，其实这指的是什么？就是说刚才提到的我们的平均寿命短，我们的银行其实做这种信贷业务其实都是希望是可持续的，所以一般传统银行来做小微企业这种授信的时候，一般都要求的是至少要成立三年以上，但实际上真正小微企业能存活到三年以上的，就是不足30%，所以自然而然就有70%的小微企业其实是不能获得银行的授信的。第二是，其实目前我们国家也有一些知识密集型的创新型的小微企业，然后它们也是存在着很多的融资的缺口，但是现在我们直接融资的方式其实还是不是很充分，有一定的短板的。然后第三个，有一个问题就是说，如果小微企业过度授信的话，可能导致它的增加其资产性的投入，而不是生产性的支出。所以说在授信的过程中，大家往往会比较谨慎，就在额度的管控上会比较严格，但是有的时候其实不太能够满足真正某些小微企业的经营的需要的。第四个的话就是说，如果过度地依赖金融补贴的话，可能会扭曲小微企业的良性运行。真正的我们要支持可持续的话，其实还是应该是对它的风险有一定的把控，才是一个可持续的经营的业务。最后一个是，过于宽泛的划分标准，导致资源被强势群体吸收。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）如何运用数字技术解决小微企业融资难</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>主要包括三个方面：第一个就是我们的风险画像，因为前面提到了由于信息的不对称，所以金融机构对企业的这种经营情况及风险很难做出一个明确的判断。我们怎么把小微企业画像画得更完全，使得我们授信的或者金融从业者可以对它更加深入的掌握，这是一个非常重要的。第二个就是刚才提到的资金用途的确认，其实我们如果能够确认它相应的资金用途，我们对风险也是可以有很大的把控的。第三个其实之前也提过，就是说我们要降低获客及运营的成本。我们如何来做小微企业的画像呢？其实我们是有几个原则，即全息式、模块化、可扩展和交叉验证。全息式是指的就是说我们要全，是数据获取的范围要全，因为传统的方式比如说征信，传统方式是最先开始是财务报表，但是因为小微企业的财报不是很完善，后面会衍生到比如三品三表的收取方式。小微企业的画像不能光看一个一个截面，我们一定要考虑到它当前是属于哪一个生命周期点，然后它相应的资金需求的用途其实也是不太一样的。还有就是行业的分析，因为在宏观经济的影响下，其实小微企业的承压能力是远远小于大中企业的。还有一大块模块就是关联的网络，关联网络大家都比较关注，但是一般情况下，对于企业来说，我们会看投资融资、上下游、子公司、母公司这样的关联网络。但小微企业的人和企业其实是很难分得开的，所以我们这里面会加上企业的关系、企业和人的关系以及人和人的关系，那会建立一个更加广泛和复杂的关联网络，然后综合去评判整个小微企业它本身的一个经营状况，或者说它的未来发展的情况。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020（第十六届）中国金融风险经理年度总论坛NO.9：供应链金融和小微企业金融&mdash;&mdash;高磊《如何解决小微企业融资难、融资贵》</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、金融科技与银行合作模式探讨</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）金融科技的定义</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>金融科技的英文名称为FinTech（Financial Technology），其重点在于&ldquo;科技&rdquo;。从广义的金融科技的定义来看，只要是为金融服务的技术都可以叫做金融科技。但是金融科技在中国是一个新兴的热门词汇，强调的是其创新和动态的概念。它特指以科技驱动金融创新，用技术迭代金融体系，进而提升金融服务效率、降低运行成本的一类技术。简而言之，金融科技就是通过新兴的技术来提升金融业务的效能。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）金融的发展即科技的发展</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>虽然金融科技是一个新的词汇，但科技与金融的交汇却不是第一次。实际上，金融的发展就是科技的发展。历史上二者始终不离不弃，擦出不少火花，科技改变了金融的格局，而金融的发展又加深了对科技的需求，二者相辅相成，相得益彰。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）如何做好金融科技</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>做好金融科技，首先要具备行业的专业知识。金融科技是为金融行业服务的，因此一定要明白金融是怎样运作的，要知道金融业务中的痛点是什么。其次，金融科技作为一种科技手段，要配备非常完善的基础设施建设。因为目前金融科技主要关注数据，AI就是实现数据化、智能化的过程，所以这种数据分布式的服务器就是非常重要的一类基础设施。其底层基础设施可以实现对所有数据的收集，且按照一定规则实现了通用底层能力的打造与模块化、标准化的管理、迭代，中间层则是利用算法等技术包装出产品来为金融服务。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（四）金融科技与金融行业的合作</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>金融科技需要聚焦在某一方面，即单点突破。例如设计一个反欺诈的产品，产品的底层构建需要与反欺诈相关的一些设备类的工具，比如设备指纹、生物探针、滑块验证、人脸识别、证件识别等；同时还需要一些诸如声纹识别、上下行短信等线上的智能核验技术，这类工具和技术共同构成系统的实施决策引擎。此外产品还基于大量的数据积累，并在此基础上形成一些机器学习的模型，最后还需要加以实时的监测，在经历多年的实验、研究之后，才能最终形成一套比较完善的产品。除了使用一些现成的工具，采用平台效应也是一种可行的合作方式。这种平台效应，可以对各方都产生积极的作用。对于资金端的金融业而言，形成了多元化的资金投资的渠道，风险资产实现表外化，资产对接效率也可以得到提升。对于资产生成方即平台自身而言，不仅服务成本下降了，资金的来源更加广泛，而且由于大量的数据积累，对核心企业的风控能力也有所提升。而对于核心企业而言，可以更好地加强与上下游企业的管理上的联系性，改善企业自身的现金流，提高供应商的生存能力。而对于上下游小微企业来说，通过金融科技的服务实际上可以为更多小微企业进行金融服务，其融资成本会大大下降，融资过程会更加便捷和快速，大大提高了小微企业的融资能力。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（五）金融科技的发展现状</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第一，这主要是由于我国金融还没有完全实现市场化。这实际上不利于金融科技的发展，因为只有在完全市场化环境竞争相对激烈的情况下，才能真正体现金融科技给传统金融的赋能，才能体现出由于新科技的应用而降低的成本在定价差异方面的竞争力。第二，是基于整个国内的信用环境。截至目前，我国的大型银行仍然很难接受利用外部的云端技术来实现信贷功能的方式。因此，这也为如何有效提升金融科技实力，从而服务于传统金融行业提供了值得探索的方向。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》杂志2020年第5期</span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1614249593.jpg'), array('src' => '/files/expert/expert_1614249598.png')), 'userId' => '226', 'status' => 'published', 'createdTime' => '1604643262', 'updatedTime' => '1636516820', 'body' => '<p style="text-align: justify;">&nbsp; &nbsp; &nbsp; 高磊，京东数字科技风险管理中心小微风险部。近20年中、美金融机构风险管理经验，曾任职于NASDaq、美国银行、民生银行等公司。在美国银行负责信用卡、个人消费、小微信贷等业务的风险计量的建设和管理策略的制定及实施，对超过美国50%以上人群的信用卡业务进行营销、授信、价值提升等管理，并获得&ldquo;应用宏观经济指标校准零售信用风险预测模型&rdquo;的专利。在民生银行任职期间，主持对公、零售、小微信贷资产巴塞尔信用风险评估体系、RFIS9、RARCO体系的设计、实施及应用。2019年加入京东数科后，负责小微金融风险管理，有效利用互联网个人及商户高频、准确、实时、可追溯的交易及行为信息，创建对小微企业偿债能力、偿债意愿的新评价体系。</p>
', 'type' => 'senior', 'opened' => '0', 'followed' => '0'), array('id' => '39', 'name' => '彭一凡', 'thumb' => 'public://expert/2019/07-16/113749d0e61d002016.jpg', 'originalThumb' => 'public://article/2019/07-16/113749d3424d395037.jpg', 'description' => '波士顿咨询公司（纽约）风险管理部董事总经理', 'about' => '波士顿咨询公司（纽约）风险管理部董事总经理。曾任美银美林交易对手风险量化模型及管理高级顾问、香港美林（亚太）证券结构化产品部总监，在美国金融界从业20余年，先后在美国惠誉评级公司、瑞士信贷第一波士顿银行等担任部门副总裁、总监等职。近十年专注交易对手风险与模型风险测度的理论探讨与实践。', 'sticky' => 'index', 'weight' => '96', 'achievement' => '<div style="border-left:5px solid #ff7200;padding-left:20px;"><span style="color:#000000;"><span style="font-size:16px;font-weight:bold;">论文</span></span></div>

<div style="height:12px; float:left">&nbsp;</div>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2019,Forecasting Chinese corporate bond defaults: A comparative study of market vs accounting- based models, Frontiers of Economics in China.</span></span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2><span style="color:#000000;"><strong>一、AI在风险管理中的应用：新的范式和挑战&mdash;&mdash;以中国债券违约预期为例</strong></span></h2>

<h4><span style="color:#000000;"><strong>（一）AI的本质及其与机器学习的区别</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>1、AI的本质</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; AI系统和其他简单的分析系统有两点本质的区别，分别是迭代性（Iterativeness）和适应性（Adaptiveness）。其中，迭代性是指根据系统状态的改变及误差修正，多次调整系统的参数，从而逼近最优结果的过程。适应性是指该过程是一种交互式的，即系统根据输出自动调整输入。调整不需要人工干预，而是通过结果自动进行反馈。这种根据输入与输出自动反馈的系统是人工智能的一个重要标志，这是一种学习的过程。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;<strong>&nbsp;</strong></span><strong>2、机器学习与传统统计方法</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>传统统计方法（Traditional&nbsp;Statistical）一般是简单的输入输出，是在对问题和数据的基本特征已有相当的认知的或对数据特征先做出某种的假设来进行的。通常来说，对模型形式也会根据某种理论或常识给予假定，建模之前会采用抽样、减少输入、降维等方法减少数据量。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>机器学习（Machine Learning）不需要对问题和数据做出预先假设，在学习之前不需要减少数据量。旨在解决数据量和高维度问题，模型形式也无需提前提出。但另一方面机器学习要求数据量比较大，对数据的质量也要求比较高，采用有偏的数据进行学习，得出的结果不一定比传统统计方法好。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>3、机器学习的基本分类</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>机器学习包括三大类，分别是监督学习（supervised&nbsp;learning）、无监督学习（unsupervised learning）以及半监督学习（reinforcement learning）。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在监督学习中，算法得到一组包含标签的&ldquo;训练&rdquo;数据，比如交易数据集，可能某些数据点包含欺诈性/非欺诈性的标签。该算法将&ldquo;学习&rdquo;一种通用的分类规则，用于预测余下的不在训练集中的数据分类为欺诈性/非欺诈性。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>无监督学习是指提供给算法的数据不包含标签，要求算法通过识别簇（clusters）的方式寻找规律。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>半监督学习又称为强化学习（Reinforcement learning），属于有监督和无监督学习之间的一种模式。在这种情况下，提供给算法一个没有标签的数据集，为每个数据点选择一个动作，接收有助于算法学习的反馈信息（可能来自人类）。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>4、AI</strong><strong>与机器学习的区别</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>主要区别在于AI是通过机器学习的结果来做出决策，不用人工干预，可以自己做决策。机器学习是模仿人类学习的办法，从数据中发现目标实体（人或市场变量）行为模式及趋势，挖掘和发现关联性，找到复杂数据之间的范式与关系，不对这种关系做预设，但不参与最终决策。如何使用及解释机器学习的结果一般仍由人来决定；而人工智能一般指机器可依据自己的学习自主做出行为决策。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;">（<strong>二）AI在风险管理领域的主要应用</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>AI在风险管理领域的主要应用包括四个方面：一是以客户为中心（或&ldquo;前台&rdquo;）的应用，包括自动信用评分及精算决策系统；二是以运营为重点（或&ldquo;后台&rdquo;）的应用，包括资本优化、模型风险管理和市场影响分析；三是金融市场的交易和资产组合管理；四是人工智能和机器学习在监管科技方面的应用，包括金融机构合规（regulatory compliance,&nbsp;RegTech）或监督（supervision,&nbsp;SupTech）。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）AI</strong><strong>和机器学习在风险管理中的挑战</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第一，&nbsp;适用数据的可用性。数据通常存放在跨部门的孤岛中，可能在不同的系统上，并且可能存在限制数据共享的内部政治和监管问题。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第二，&nbsp;是否有熟练的工作人员来实施这些新技术。在技术方面，数据是一个主要问题，机器学习是从数据中学习技术，而数据的来源还要依赖于人。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第三，&nbsp;完全自动化的危险。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第四，&nbsp;透明度问题。因为模型在输入数据和输出决策之间的隐藏层的基础上进行工作。这种类型的黑匣子系统不利于有效的风险监督，并且可能导致监管合规性问题，尤其是在证明模型有效性方面。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第五，&nbsp;道德问题。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（四）什么是机器学习不能做的</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>一般而言，机器学习识别的模式仅仅是相关性，但机器学习不能推得因果关系（causality）。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;<strong>&nbsp;</strong></span><strong>来源：</strong>《风险管理》2019年第5期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、风险信息在股市和债市之间的传递&mdash;&mdash;兼论资本结构套利及莫顿模型在中国的适用性</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）风险管理的第一要务是信息优化</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>风险管理的第一要务是进行信息优化，不消除信息不确定性无法进行风险管理。信息的来源有很多，其他领域信息的交互和传播也会造成市场的波动。正是由于风险因素错综复杂的相互作用，使得危机在不同领域爆发，最终导致系统性的风险事件，演变出全面的信贷危机，造成不可预测的后果。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）莫顿模型建立了债券市场和股票市场的联系</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>股票收益率和信用风险溢差相关，有充分证据表明，股票收益率与CDS溢差的变化呈负相关，而波动率和杠杆率的变化与CDS溢差变化成正相关。莫顿模型作为一个理论模型可以将债务与股权很好地联系起来。莫顿模型在理论上将债务和股票联系起来，都归结为企业总资产的期权，极大地扩展并丰富了期权理论。可以通过期权理论计算出资产价格达到行权价的概率，即企业总资产足以清偿负债的概率，而这一概率实际上就是违约概率。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）KMV模型计算违约概率的问题</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>1997年美国旧金山市KMV公司以Black-Scholes公式和莫顿期权模型为理论基础建立了KMV模型，通过企业股权价值及其波动率求解出企业资产的市场价值及其波动率，用于计算企业预期违约概率。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>但实际上KMV模型在现实应用中存在很多问题。首先，人们普遍认为KMV模型高估了债券价格，低估了信贷收益率，结构模型所隐含的信用利差远低于数据显示的水平，信用价差和预期违约损失之间的这种巨大差异就是所谓的&ldquo;信用价差之谜&rdquo;。其次，静态结构模型预测的杠杆率远高于现实生活中观察到的杠杆率，企业动态改变资本结构的能力可能是一个重要的影响因素。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（四）针对中国市场，KMV模型需做出适当改进</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>由于中国市场结构的特殊性，我们在应用KMV模型研究中国企业的违约概率时需要对模型做出适当的改进，并对结果进行校正。结合莫顿模型违约距离和传统的会计变量对中国市场上的债券违约进行实证研究发现，当莫顿模型结合其他市场变量，包括一些宏观变量和部门变量之后，得到的结果更加有效。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>归根结底，KMV模型为分析债市与股市表现之间的关系提供了一个很好的工具，如何有效利用债券市场和股票市场的信息并采取行动还是风险管理中的重要议题，值得我们进一步的研究与思考。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020TGES系列论坛-01：金融市场交易与市场风险管理-彭一凡《风险信息在股市和债市之间传递》</span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1564048959.jpg'), array('src' => '/files/expert/expert_1564048965.jpg'), array('src' => '/files/expert/expert_1564048973.jpg'), array('src' => '/files/expert/expert_1564048979.jpg'), array('src' => '/files/expert/expert_1564048985.jpg')), 'userId' => '21', 'status' => 'published', 'createdTime' => '1558707141', 'updatedTime' => '1636535362', 'body' => '<p>&nbsp; &nbsp; &nbsp; &nbsp;彭一凡先生现任波士顿咨询公司（美国）风险建模部董事总经理。获国防科技大学数学与系统工程学士、中国科技大学信息与自动控制硕士、美国天普大学计量经济硕士与金融经济博士。</p>

<p>&nbsp; &nbsp; &nbsp; &nbsp;彭一凡先生具有丰富的金融风险管理工作与研究经历，曾任美银美林交易对手风险量化模型及管理高级顾问，香港美林（亚太）证券结构化产品部总监，在美国金融界从业20 年，先后曾在美国惠誉评级公司，瑞士信贷第一波士顿银行和荷兰银行等多家国际著名银行担任部门副总裁、总监等职。长期兼任纽约金融研究所，宾夕法尼亚州立大学、新泽西罗格斯大学客座教授。彭先生多次回国讲学，给国内大型机构如中投证劵中国银行等提供培训，曾帮助国内信用评级公司君维诚建立定量评级系统并兼任顾问，协助创建国内风险管理论坛等。</p>

<p>&nbsp; &nbsp; &nbsp; &nbsp;主要研究领域为信用组合建模（利用非模拟方法计算经济资本）、期权的定价和波动性预测及其交易、信贷交易策略、证券化建模、以权益挂钩的结构化产品的盯市惯例、利率建模和固定收益组合管理、金融数据和统计套利的经济计量分析等。</p>

<p><strong>教育背景：</strong></p>

<table align="center" border="1" cellspacing="0" style="width:557px;">
	<tbody>
		<tr>
			<td style="width:189px;">
			<p>美国天普大学</p>
			</td>
			<td style="width:227px;">
			<p>金融经济 博士</p>
			</td>
			<td style="width:141px;">
			<p align="right">1992.09&nbsp;- 1995.05</p>
			</td>
		</tr>
		<tr>
			<td style="width:189px;">
			<p>美国天普大学</p>
			</td>
			<td style="width:227px;">
			<p>计量经济 硕士</p>
			</td>
			<td style="width:141px;">
			<p align="right">1990.09&nbsp;- 1992.05</p>
			</td>
		</tr>
		<tr>
			<td style="width:189px;">
			<p>中国科技大学</p>
			</td>
			<td style="width:227px;">
			<p>信息与自动控制 硕士</p>
			</td>
			<td style="width:141px;">
			<p align="right">1985.09 - 1987.07</p>
			</td>
		</tr>
		<tr>
			<td style="width:189px;">
			<p>国防科技大学</p>
			</td>
			<td style="width:227px;">
			<p>数学与系统工程 学士</p>
			</td>
			<td style="width:141px;">
			<p align="right">1981.09 - 1985.07</p>
			</td>
		</tr>
	</tbody>
</table>

<div style="clear:both;">&nbsp;</div>

<p>&nbsp;</p>

<p>&nbsp;</p>

<p><strong>工作经历：</strong></p>

<table align="center" border="0" cellspacing="0" style="width:557px;">
	<tbody>
		<tr>
			<td style="width:200px;">
			<p><strong>波士顿咨询集团/风险模型部</strong></p>
			</td>
			<td style="width:236px;">
			<p><strong>高级经理/总监</strong></p>
			</td>
			<td style="width:121px;">
			<p align="right"><strong>2014.09</strong><strong>&nbsp;- </strong><strong>今</strong></p>
			</td>
		</tr>
		<tr>
			<td colspan="3" style="width:557px;">
			<p>&nbsp; &nbsp; &nbsp; &nbsp; &nbsp;1. 负责信用风险模型评估；</p>

			<p>&nbsp; &nbsp; &nbsp; &nbsp; &nbsp;2. 操作风险咨询项目管理；</p>

			<p>&nbsp; &nbsp; &nbsp; &nbsp; &nbsp;3. 企业范围风险管理框架策略设计。</p>
			</td>
		</tr>
		<tr>
			<td colspan="3" style="width:557px;">
			<ul style="list-style-type:circle;">
				<li>近期（三年）咨询服务客户：瑞士联合银行UBS，花旗银行Citibank，友邦保险公AIG，巴克莱银行Barclay Bank，摩根斯坦利Morgan Stanley</li>
			</ul>
			</td>
		</tr>
		<tr>
			<td style="width:200px;">
			<p><strong>美国银行美林证券，纽约</strong></p>
			</td>
			<td style="width:236px;">
			<p><strong>市场风险战略专家 总监</strong></p>
			</td>
			<td style="width:121px;">
			<p align="right"><strong>2011.08 - 2014.08</strong></p>
			</td>
		</tr>
		<tr>
			<td colspan="3" style="width:557px;">
			<p>&nbsp; &nbsp; &nbsp; 1. 评估和重新设计金融风险系统知识库；</p>

			<p>&nbsp; &nbsp; &nbsp; 2. 为主要的经纪人风险模型管理用户验收测试（UAT）；</p>

			<p>&nbsp; &nbsp; &nbsp; 3. 开发基于有效的经济资本运算原型的模型；</p>

			<p>&nbsp; &nbsp; &nbsp; 4. 管理大型数据咨询以及P&amp;L的归属报告。</p>
			</td>
		</tr>
		<tr>
			<td style="width:200px;">
			<p><strong>毕马威，美国</strong></p>
			</td>
			<td style="width:236px;">
			<p><strong>定价咨询组</strong>&nbsp;<strong>高级市场风险咨询顾问</strong></p>
			</td>
			<td style="width:121px;">
			<p><strong>2010.04 - 2011.08</strong></p>
			</td>
		</tr>
		<tr>
			<td colspan="3" style="width:557px;">
			<p>&nbsp; &nbsp; &nbsp; 1. 对客户提供风险分析和评估的服务，以协助客户完成财务报表报告和风险管理实践，方法包括利率衍生（掉期及互换期权），货币及商品期权，公司债券，市政债券，主权债券及其他固定收益证券；</p>

			<p>&nbsp; &nbsp; &nbsp; &nbsp;2. 计算信用价值调整以应对不良交易对手在金融交易（利率掉期，CDS）中存在的风险；</p>

			<p>&nbsp; &nbsp; &nbsp; &nbsp;3. 为有价证券（如可换股票据，私募债券，通货膨胀交换等）提供坚实合理的价值评估；</p>

			<p>&nbsp; &nbsp; &nbsp; &nbsp;4. 为结构性产品（RMBS，CMBS），CDS，CDO提供模型输入的合理评估。</p>
			</td>
		</tr>
		<tr>
			<td style="width:200px;">
			<p><strong>美林证券（香港公司），美国</strong></p>
			</td>
			<td style="width:236px;">
			<p><strong>投资风险及定价核算部总监 D</strong></p>
			</td>
			<td style="width:121px;">
			<p><strong>2007.03 - 2010.03</strong></p>
			</td>
		</tr>
		<tr>
			<td colspan="3" style="width:557px;">
			<p style="margin-left:8.5000pt;">主要负责结构性产品及其衍生品的风险定价与投资战略分析，这些产品大多是依据客户对收益-风险权衡需求而设计的个性化产品，大多建构于亚太区股票及债券为初级资产之上，也有部分北美及欧洲利率产品。</p>

			<p>&nbsp; &nbsp; &nbsp; 1. 对各类投资产品的市场损益及其主导风险驱动因素进行定量跟踪、计算；</p>

			<p>&nbsp; &nbsp; &nbsp; 2. 为客户个性化产品提供风险分析及情景分析说明；</p>

			<p>&nbsp; &nbsp; &nbsp; 3. 对行内交易员的定价参数实施独立核定；</p>

			<p>&nbsp; &nbsp; &nbsp; 4. 对（产品售后）之风险对冲效果及损益进行定量评估；</p>

			<p>&nbsp; &nbsp; &nbsp; 5. 对衍生品交易账目上流动性不强之资产实施定期&ldquo;公允价值&rdquo;计算；</p>

			<p>&nbsp; &nbsp; &nbsp; 6. 负责流动性风险及建模误差风险之准备金之估算；</p>

			<p>&nbsp; &nbsp; &nbsp; 7. 负责协调香港、纽约、伦敦交易数据，以保障定价方法的一致性；</p>

			<p>&nbsp; &nbsp; &nbsp; 8. 协助提供相关分析以满足监管部门之要求；</p>

			<p>&nbsp; &nbsp; &nbsp; 9. 风险管理与交易相结合，以确保交易正确运行（即合适的定价模式符合投资条款清单）；</p>

			<p>&nbsp; &nbsp; 10. 使用SAS，MS SQL进行大量的数据咨询（交易属性信息）；</p>

			<p>&nbsp; &nbsp; 11. 实施GARCH期权定价模型（Heston 2001）为定价外来自动波动过程标记的股权衍生品产生波动平面；</p>

			<p>&nbsp; &nbsp; 12. 以更灵活的方法处理金融风险损益归属；</p>

			<p>&nbsp; &nbsp; 13. 改进Black Sholes和本地波动模型；</p>

			<p>&nbsp; &nbsp; 14. 负责数据完整性的维护，每日/每月价格测试和股票/固定收入/信贷结构性产品的市场评论：CDO，CPDO，CPPI，PDP等。</p>
			</td>
		</tr>
		<tr>
			<td style="width:200px;">
			<p><strong>独立顾问，美国</strong></p>
			</td>
			<td style="width:236px;">
			<p><strong>信用风险模型与投资</strong></p>
			</td>
			<td style="width:121px;">
			<p><strong>2003.07 - 2007.05</strong></p>
			</td>
		</tr>
		<tr>
			<td colspan="3" style="width:557px;">
			<p>&nbsp; &nbsp; &nbsp; 1. 搭建中小企业租赁信用管理模型；</p>

			<p>&nbsp; &nbsp; &nbsp; 2. 巴塞尔协议内部实施；</p>

			<p>&nbsp; &nbsp; &nbsp; 3. 计算银行的经济资本、信用评级分配在各子部门；</p>

			<p>&nbsp; &nbsp; &nbsp; 4. 用非仿真方法加总计算投资组合的损失分布(即风险加总），从而提高计算速度与效率。</p>
			</td>
		</tr>
		<tr>
			<td style="width:200px;">
			<p><strong>美国惠誉评级公司，美国</strong></p>
			</td>
			<td style="width:236px;">
			<p><strong>结构性产品部总监 D</strong></p>
			</td>
			<td style="width:121px;">
			<p><strong>2002.04 - 2003.05</strong></p>
			</td>
		</tr>
		<tr>
			<td colspan="3" style="width:557px;">
			<p>&nbsp; &nbsp; &nbsp; 1. 负责结构性产品的信用等级评估及其定量分析；</p>

			<p>&nbsp; &nbsp; &nbsp; 2. 负责制定风险加总的方法及流程管理；</p>

			<p>&nbsp; &nbsp; &nbsp; 3. 主持若干关于违约相关性测量的研究；</p>

			<p>&nbsp; &nbsp; &nbsp; 4. 主持与巴塞尔协议有关的内部研究，如外部评级可靠性对经济资本的影响。</p>
			</td>
		</tr>
		<tr>
			<td style="width:200px;">
			<p><strong>瑞士信贷第一波士顿银行，美国</strong></p>
			</td>
			<td style="width:236px;">
			<p><strong>高级分析师 VP</strong></p>
			</td>
			<td style="width:121px;">
			<p><strong>2000.04 - 2002.03</strong></p>
			</td>
		</tr>
		<tr>
			<td colspan="3" style="width:557px;">
			<p>&nbsp; &nbsp; &nbsp; 1. 信用产品售前分析与测算；</p>

			<p>&nbsp; &nbsp; &nbsp; 2. 管理并使用利率收益曲线模型对利率衍生品市值进行敏感度分析；</p>

			<p>&nbsp; &nbsp; &nbsp; 3. 负责评价与测试行内所使用之损益系统及由第三方提供之交易软件；</p>

			<p>&nbsp; &nbsp; &nbsp; 4. 负责培训初级分析师。</p>
			</td>
		</tr>
		<tr>
			<td style="width:200px;">
			<p><strong>荷兰银行，美国</strong></p>
			</td>
			<td style="width:236px;">
			<p><strong>利率产品风险部副总裁 VP</strong></p>
			</td>
			<td style="width:121px;">
			<p><strong>1997.02 - 2000.04</strong></p>
			</td>
		</tr>
		<tr>
			<td colspan="3" style="width:557px;">
			<p>&nbsp; &nbsp; &nbsp; 1. 负责提供与利率风险对冲有关的决策支持分析；</p>

			<p>&nbsp; &nbsp; &nbsp; 2. 房贷证券化产品的交易战略及盈亏分析；</p>

			<p>&nbsp; &nbsp; &nbsp; 3. 房贷提前偿付比率之计量经济学预测；</p>

			<p>&nbsp; &nbsp; &nbsp; 4. 政府债券衍生产品与投资组合的研究与策略分析。</p>
			</td>
		</tr>
		<tr>
			<td style="width:200px;">
			<p><strong>英国石油公司，美国</strong></p>
			</td>
			<td style="width:236px;">
			<p><strong>退休基金管理高级分析师</strong></p>
			</td>
			<td style="width:121px;">
			<p><strong>1996.01 - 1997.01</strong></p>
			</td>
		</tr>
		<tr>
			<td colspan="3" style="width:557px;">
			<p>&nbsp; &nbsp; &nbsp; &nbsp;1. 负责建立评价及筛选第三方基金管理人员的程序及业绩衡量方法；</p>

			<p>&nbsp; &nbsp; &nbsp; &nbsp;2. 负责将资产最优分配模型的建立和修改；</p>

			<p>&nbsp; &nbsp; &nbsp; &nbsp;3. 对不确定性的退休基金的支付及长期风险投资收益之间的匹配关系与定量化分析；</p>

			<p>&nbsp; &nbsp; &nbsp; &nbsp;4. 对于总投资组合中股票与债券投资比例进行经常性的定量分析。</p>
			</td>
		</tr>
	</tbody>
</table>

<div style="clear:both;">&nbsp;</div>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '160', 'name' => '聂昕晖', 'thumb' => 'public://expert/2020/11-10/1345393acf85089064.jpg', 'originalThumb' => 'public://article/2020/11-10/1345393e4cb6146766.jpg', 'description' => '长城国瑞证券风险管理部副总经理（主持工作）', 'about' => '长城国瑞证券风险管理部副总经理（主持工作），曾任湘财证券风险管理总部总经理助理；CFA、FRM；曾先后供职于宏源证券风险管理部、申万宏源证券资产管理事业部、中融信托信托创新部，在风险管理、资产管理、资产证券化等业务领域具有较为丰富的理论和实践经验。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp;&nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、中小型非银金融机构内评模型建设难点</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 在《基于层次分析法的内部信评模型建设》（2019）一文中，聂昕晖先生认为，近年来，非银金融机构随着债券投资、非标融资业务的不断发展以及风险管理能力的不断提升，非银金融机构尤其是证券公司和基金公司普遍开展内部信评（以下简称&ldquo;内评&rdquo;）模型的建设和探索，已完成内评模型建设并投入实际应用的金融机构，在业务实践中也起到了较好的辅助业务决策、降低信用风险的作用。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>他指出，中小型非银金融机构在运用统计量化模型开发内评模型时，往往会不同程度面临下述难点：</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）违约数据不足</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>他指出，证券公司、基金公司、信托公司等非银金融机构信用风险主要集中于债券投资和非标融资业务，但这两部分业务在运用统计模型开发内评模型时首先面临的困境就是违约数据稀少，数据量难以支撑统计建模。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）缺乏量化人才</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>他同时强调，非银金融机构特别是中小型非银金融机构风险管理团队量化人才较少甚至缺失，如若没有长效的人才培养和激励机制，难免面临风险量化人才流失的风险。在这样的背景下，若仅依赖偶尔招聘到的量化人员冒然开发统计量化模型，当模型开发人员离职时，难免面临模型无人持续维护的局面。而内评模型作为内评体系的基础，牵一发而动全身，模型方法论一旦确定不易频繁大幅调整，尤其是以基于违约概率（PD）估算的统计量化模型向专家打分模型转化，极端情况下可能会导致大部分内评体系推翻重建。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）前中台信息不对称</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>他总结，前中台信息不对称主要体现在两方面：一方面，风险管理人员普遍缺乏业务经验，哪些指标对评估企业信用风险更有效、各项指标背后代表的业务逻辑是什么，风险管理人员没有前台业务人员的理解深刻；另一方面，前台业务人员对风险量化模型接触较少，模型是如何开发的、模型是否有效，前台业务人员往往不清楚，在内评模型推广应用时难免会遇到不同程度的阻力。</span></p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、</strong><strong>中小型非银金融机构</strong><strong>内评模型业务应用</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>鉴于前述内评模型建设难点，聂昕晖先生提出非银金融机构尤其是中小型非银金融机构可考虑选择层次分析法（Analytic Hierarchy Process，AHP）构建内评模型。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>内他提出，评模型开发完毕后，要将其纳入业务决策之中，构建内部评级体系，内部评级体系建设是一项长期化、系统性工作，包括组织架构、信息系统、辅助工具、制度体系、人才培养、文化建设等多方面内容，主要措施包括如下三点：</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）内部信用评级委员会建设</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>聂先生认为，内评模型推广实施后，往往会出现内评模型结果与业务部门存在争议的的情况，内评模型也需要定期维护与不断修订完善，可设立内部信用评级委员会（以下简称&ldquo;内评委&rdquo;），集体决策内评结果争议及内评模型修订等内评事项。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）信息系统建设</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>他指出，虽然基于层次分析法构建的内评模型可通过Excel方式实现，但Excel制作的内评工具存在操作便捷度不高、内评工作耗时较长、内评结果难以统一管理等缺陷，仅依赖以Excel为基础的内评工具，会不同程度面临业务决策效率低、统一管理难度高、业务推广阻力大的问题。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）辅助工具建设</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>同时，他还强调，除了内评模型以外，应注意财务舞弊识别、舆情监控等辅助工具的建设，并将财务质量、舆情信息等辅助工具结果纳入内评模型框架体系，作为确定最终内评结果的依据之一。近年随着金融科技的发展，舆情监控已成为金融机构普遍使用的风险监测工具，舆情信息具有高频、实时的特点，能够一定程度起到提前预警风险的作用。但在舆情信息使用过程中，要注意舆情风险的分级。同时，除财务舞弊识别、舆情监控等已在非银金融机构普遍或正在推广应用的工具外，应关注知识图谱等各类新金融科技工具的发展和应用，不断提升风险识别和评估能力。</span></p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三</strong><strong>、证券</strong><strong>公司</strong><strong>风险管理</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在《证券从业人员风险管理基础知识体系建设》（2020）中，聂先生强调，尽职调查和舆情监控对信用风险管理具有重要的作用。尽职调查方面，证券公司传统业务集中于股票、债券等上市品种，除了投行业务之外，对尽职调查的探讨并不多。但随着近年证券公司融资融券、股票质押、高收益债投资、非标投资等业务的发展，仅依赖公开资料开展授信或投资决策是远远不够的，需要更多的通过现场尽调、访谈等工作，开展风险识别和评估工作。舆情监控方面，随着信息技术的发展，舆情监控在及时甚至提前发现潜在风险方面的作用愈发凸显，例如被执行人信息、大额诉讼、股权变更、媒体重大负面报道等都是一些关键信号。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>他指出，操作风险管理中，一方面应掌握操作风险评估的三大工具，即风险控制自我评估、关键风险指标、损失数据收集；另一方面应强调内部控制在操作风险管理中的重要作用，金融机构很多风险事件的发生，回过头来看，往往是因为内部控制没有做好。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>同时，他还强调，战略风险近几年虽然行业谈的比较少，但对于证券公司却很重要。证券公司在开展业务前，应充分考虑资源禀赋问题，在人员、系统、制度等各方面都做好评估和安排。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在文章《创新环境下证券公司风险管理发展方向》（2012）中，聂先生指出，目前，国内大部分证券公司风险管理工作已步人第二个阶段，但主要以定性分析为主，定量分析能力的提升将成为证券公司风险管理应对创新环境新要求、新挑战所需完成的非常重要的一步。具体而言，主要包括单一风险因子的建模、总量风险的计量、风险承受能力的度量、压力测试的运用、风险偏好和风险容忍度的量化、RAROC（Risk Adjust Return of Capital，经风险调整的资本收益率）的计算等系列风险量化工作。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>他指出，为适应证券公司业务和产品创新要求，证券公司需要从自身业务经营角度出发，构建符合自身业务经营特点的数量模型，开展总量风险计量，以便更准确、真实地估算公司业务经营所承担的风险大小并加以管理。除此之外，还需在组织架构、风险监控模式等方面进行必要设计和转变，以适应总量风险管理模式。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>同时，他还认为，证券公司风险管理工作虽然已步入以风险分析为主的第二阶段，但由于风险分析开展时间尚短，近几年，我们多数证券公司风险管理工作仍呈被动式的指标监控为主的特征，且风险限额指标主要围绕合规监管指标来考虑设计，内部风险限额指标有限且大多基于经验主观设定，风险管理仍很大程度上是以满足监管为导向，而非从证券公司自身业务经营角度来管理风险。这一方面与过去证券行业管制较高有关，另一方面也同证券公司风险管理工作发展历史短、风险管理以风险监控为主、定量分析能力不足等因素有关。随着证券行业综合治理的完成和管制的逐步放松，证券公司风险承担职能将得到更多体现，如何通过风险选择，合理承担风险获取最大化收益将成为证券公司业务经营和风险管理工作的核心问题。主动风险管理包括四项核心技术：风险选择、风险配置、风险绩效评估、风险转移对冲。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<p style="text-align: justify;"><span style="color:#000000;"><strong>参考文献：</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>[1]2020，证券从业人员风险管理基础知识体系建设，《风险管理》（2020年04期）</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>[2]2019，基于层次分析法的内部信评模型建设，《风险管理》（2019年04期）</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>[3]2012，创新环境下证券公司风险管理发展方向，《中国证券》（2012年04期）</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>四、企业资产证券化业务风险管理</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;">（一）<strong>业务简介</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>1.&nbsp;<strong>我国资产证券化业务格局</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>资产证券化业务可以分为信贷资产证券化与企业资产证券化。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>2.&nbsp;<strong>我国资产证券化业务发展历程</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>ABS业务在我国的起始时间非常早。2013年企业ABS的业务量仍非常少，直至2014年由审核制改为备案制，业务数量才出现了飞速增长，企业ABS在所有ABS中的占比一直维持在50%左右。截至今年二季度，该业务存量规模已经达到两万多亿，其规模比信贷ABS大得多。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>3.&nbsp;<strong>企业资产证券化业务存量情况</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>我们可以看到目前企业资产证券化业务的存量分布情况，所有基础资产的规模大概达到21万亿，其中80%为应收账款类，大约有10%集中在不动产类，少量为基础设施类。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）主要风险点</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>1.&nbsp;<strong>两个疑问</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>对于资产证券化业务存在两个疑问，一是ABS业务到底是投行业务还是资产管理业务，二是它的基础资产是标品还是非标品。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>2.&nbsp;<strong>他山之石可以攻玉：信托机构</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>我将信托公司在非标投资领域比券商做得好的地方进行了总结。在投前，中台会与前台共同参与重点项目尽调。在投中，信托公司会在产品成立前，OA流程中审核评审会、合规风控意见落实情况；产品成立后，中台跟进业务部门项目增信措施的落实情况。在投后，会有部门监督业务部门的履职，根据投后管理方案，履行投后管理职责，投后履职材料及时提交中台部门，避免业务部门没有做投后管理。中台不定期参与现场回访。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>3.&nbsp;<strong>主要风险点</strong></span></p>

<ul style="list-style-type:square;">
	<li style="text-align: justify;"><span style="color:#000000;"><strong>应收账款类</strong></span></li>
</ul>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>ABS业务底层资产的属性是非标的，券商对其认识与管理的专业能力与信托公司存在较大差距，未来随着规模的不断扩大，券商进行ABS业务是否会像进行非标业务时发生大量暴雷现象是很难说的，因此现在需要我们夯实能力。</span></p>

<ul style="list-style-type:square;">
	<li style="text-align: justify;"><span style="color:#000000;"><strong>基础设施类</strong></span></li>
</ul>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>基础设施类是一个弱资产。券商在得到基础设施类的资产证券化项目后，首先需要和律师讨论这个资产到底是什么。</span></p>

<ul style="list-style-type:square;">
	<li style="text-align: justify;"><span style="color:#000000;"><strong>CMBS类</strong></span></li>
</ul>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>类CMBS与信贷CMBS存在一些差异，企业领域的类CMBS是先找一家信托公司发行信托贷款，与金融性物业贷相似，也是有n年的期限，还款来源来自其现金流，不过抵押率可能会比金融性物业贷更高，类CMBS监管上一般不超过70%，现在大部分集中在60%左右。</span></p>

<ul style="list-style-type:square;">
	<li style="text-align: justify;"><span style="color:#000000;"><strong>类REITs</strong></span></li>
</ul>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>类REITs是私募基金获得一个项目公司100%的股权，并发放一笔借款，这笔借款的作用在于避税，同时资管计划会持有私募基金100%的份额。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）难点与建议</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>监管政策上，近几年来，券商做ABS最大的一个问题是其保障融资人还款意愿的抓手很弱，ABS本身是一个私募产品，更多地类似于PPN，它不还款不会造成公开市场的波动，所以在抓手上是很弱的。业务环境上，目前业务竞争非常激烈，投前要做很详细的尽调，投后需要很强劲的管理，收入是很难覆盖成本的。机构履职上，中介机构中除了券商以外，还有信托、银行等机构，但大家都不是想办法去履行自己的责任，而是相互推诿。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>对此我提出以下建议：人行征信、不动产抵押向证监体系开放；建立资产转让、附属权益统一登记制度；提高资产证券化产品信息披露公开度；加强行业自律，讲&ldquo;武德&rdquo;，不以低价格、低标准作为竞争力；金融机构自身，放弃&ldquo;信仰&rdquo;式投资与管理，加强项目实质风险管控。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020（第十六届）中国金融风险经理年度总论坛-NO.8：证券和投资类机构风险管理&mdash;&mdash;聂昕晖《企业资产证券化业务风险管理》。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>五、基于层次分析法的内部信评模型建设</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;">（一）<strong>中小型非银金融机构内评模型建设难点</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>1.&nbsp;<strong>违约数据不足</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>证券公司、基金公司、信托公司等非银金融机构信用风险主要集中于债券投资和非标融资业务，但这两部分业务在运用统计模型开发内评模型时首先面临的困境就是违约数据稀少，数据量难以支撑统计建模。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>2.&nbsp;<strong>缺乏量化人才</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>非银金融机构特别是中小型非银金融机构风险管理团队量化人才较少甚至缺失，如若没有长效的人才培养和激励机制，难免面临风险量化人才流失的风险。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>3.&nbsp;<strong>前</strong><strong>中台</strong><strong>信息不对称</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>前中台信息不对称主要体现在两方面：一方面，风险管理人员普遍缺乏业务经验，没有前台业务人员的理解深刻；另一方面，前台业务人员对风险量化模型接触较少，在内评模型推广应用时难免会遇到不同程度的阻力。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）层次分析法内评模型建设探索</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>鉴于前述内评模型建设难点，非银金融机构尤其是中小型非银金融机构可考虑选择层次分析法（Analytic Hierarchy Process，AHP）构建内评模型。层次分析法开发内评模型的一般步骤包括指标构建及筛选、专家指标打分、权重计算、一致性检验和修订专家打分（如需）五个步骤，具体方法在各类运筹学教科书上都有记载，不再赘述。在此着重介绍笔者运用层次分析法开发内评模型过程中遇到的一些难点及解决方案的一些尝试。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>1.&nbsp;<strong>信息不对称难点的解决尝试</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>为解决前中台信息不对称的难点，可邀请相关业务部门专家共同开发模型，业务专家建议邀请工作3年以上、有条件的情况下可以邀请工作5年以上的业务部门核心骨干共同参与，前述人员通过长时间从事一线业务，形成了自己独到的信用风险识别和评估方法，是金融机构最宝贵的资源之一。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>2.&nbsp;<strong>指标打分工作量巨大的解决尝试</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>按传统方法进行打分工作量巨大，会占用业务专家较多的时间，难以避免会降低业务专家参与内评模型建设的积极性；同时，按传统方法打分，同一上层指标控制的子指标较多时，往往很难形成一致性矩阵，且较难修订打分结果以形成一致性矩阵。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>为解决这一难点，笔者尝试对指标直接进行评分，首先将指标对企业信用风险的影响程度分为一般重要、较为重要、非常重要三个等级，每个等级再按轻、中、重分为三个子等级，如此确定指标分值为1～9。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）层次分析法内评模型实证结果</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>非银金融机构构建内评模型，一个重要应用是指导债券投资，区分不同主体发行的、同一外部信用评级的债券风险大小，进行风险排序。本文以债券作为内评模型实证检验的对象。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>1.&nbsp;<strong>外部评级分布特征</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>通过实证分析，外部信用评级与企业规模的相关性较大，选取净资产行业占比和营业收入行业占比两项指标进行加权用以衡量企业规模。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>2.&nbsp;<strong>层次分析法</strong><strong>内评模型实证</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>本文从两个维度检验内评模型的效果，一是企业规模排序不符合外部评级结果的企业，内评模型的评分结果；二是2019年出现评级下调或纳入观察名单的企业，内评模型的评分结果。</span></p>

<ul style="list-style-type:square;">
	<li style="text-align: justify;"><span style="color:#000000;"><strong>企业规模排序差异检验结果</strong></span></li>
</ul>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>企业规模评分较高但外部评级（表格中灰色区域）低于同等或较低企业规模评分的企业，内部评级评分普遍较差；而企业规模评分较低但外部评级高于同等或较高企业规模评分的企业，内部评级评分普遍较优。</span></p>

<ul style="list-style-type:square;">
	<li style="text-align: justify;"><span style="color:#000000;"><strong>2019年负面信用事件检验结果</strong></span></li>
</ul>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>2019年出现评级下调或纳入观察名单信用评级可能下调的企业，近两年内部评级评分普遍较差。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（四）内评模型业务应用</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>1.&nbsp;<strong>内部信用评级委员会建设</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>内评模型推广实施后，往往会出现内评模型结果与业务部门存在争议的情况，内评模型也需要定期维护与不断修订完善，可设立内部信用评级委员会（以下简称&ldquo;内评委&rdquo;），集体决策内评结果争议及内评模型修订等内评事项。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>2.&nbsp;<strong>信息系统建设</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在内评模型开发完毕并试运行一段时间后，有条件的机构可开发内评信息系统，将内评模型、审批流程嵌入信息系统中。同时，在信息系统开发过程中，应关注数据质量的建设，提升内评模型使用数据的准确性。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>3.&nbsp;<strong>辅助工具建设</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>除了内评模型以外，应注意财务舞弊识别、舆情监控等辅助工具的建设，并将财务质量、舆情信息等辅助工具结果纳入内评模型框架体系，作为确定最终内评结果的依据之一。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》杂志2019年第4期。</span></p>
', 'elegant' => array(), 'userId' => '261', 'status' => 'unpublish', 'createdTime' => '1604987393', 'updatedTime' => '1636535006', 'body' => '<p>聂昕晖，长城国瑞证券风险管理部副总经理（主持工作），曾任湘财证券风险管理总部总经理助理；CFA、FRM；曾先后供职于宏源证券风险管理部、申万宏源证券资产管理事业部、中融信托信托创新部，在风险管理、资产管理、资产证券化等业务领域具有较为丰富的理论和实践经验。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '240', 'name' => '汪强', 'thumb' => 'public://expert/2020/12-27/21445795e3ae593686.jpg', 'originalThumb' => 'public://article/2020/12-27/21445798d441736117.jpg', 'description' => '万达信息股份有限公司资本运营部副总经理', 'about' => '万达信息股份有限公司资本运营部副总经理，原横琴人寿保险有限公司风险管理部负责人，曾任职中国人寿、中再集团等，具有十几年保险行业风险管理工作经验。近期亦作为协办单位的成员参与保监会偿二代二期工程相关研究。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp; &nbsp; &nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<p>&nbsp; &nbsp; &nbsp;</p>
', 'elegant' => array(), 'userId' => '337', 'status' => 'unpublish', 'createdTime' => '1609076833', 'updatedTime' => '1612872004', 'body' => '<p>汪强，万达信息股份有限公司资本运营部副总经理，原横琴人寿保险有限公司风险管理部负责人，曾任职中国人寿、中再集团等，具有十几年保险行业风险管理工作经验。近期亦作为协办单位的成员参与保监会偿二代二期工程相关研究。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '153', 'name' => '刘学锋', 'thumb' => 'public://expert/2020/11-10/11483755e81d672149.png', 'originalThumb' => 'public://article/2020/11-10/1148375b7f5f230125.png', 'description' => '中国银行司库高级业务经理', 'about' => '中国银行司库高级业务经理。1993年进入银行业，拥有商业银行业务、MIS、管理工作经验。职业背景涉及司库运营、市场风险管控、资产负债管理、MIS系统建设等领域，对商业银行经营和IT系统建设有深入的体会和理解。曾任高级财务经理、高级风险经理、高级分析师，境外一级分行市场风险主管、司库VP，境内二级分行副行长。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp;&nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>商业银行资产负债管理与流动性管理的业务逻辑</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>一、资产负债管理与流动性管理的脉络</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp; &nbsp;&nbsp;</strong>资产负债管理和流动性管理的脉络图正如图1所示。实际上，流动性管理主要是集中在资产负债表上面，即ALM。资产负债管理它的管理目标是安全性、流动性、效益性这三性统一。这三性统一要落实到流动性和资产负债表上，中间需要有一个媒介和桥梁，也就是具体通过什么手段去实现，而这个手段实际上最后还要落实到资金手段上面，即资金交易。资产负债管理三性统一是目标，而我们在实务中所遇到的管理手段主要是一些关键的绩效指标、关键的风险指标，也即KPI和KRI。譬如在总分支机构这种银行构架下，每个年初会下达许多指标，然后一直到年度中间和年末都需要随时监控这些指标。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp; &nbsp;&nbsp;</strong>最初，资产负债表管理在国内提得并不多，但是资产负债表管理在国际化银行里是一个比较普遍的做法。在国际化银行里面，有一个叫司库的部门，这个部门主要的工作是在资产负债表上面做一些资金交易，也即负责看护资产负债表，而它看护资产负债表的手段则是通过各种各样的资金交易，譬如拆入、拆出、投资、融资，包括表外的衍生品、利率掉期、货币掉期、外汇掉期等常用的手段。期间，其中每一笔交易它会仔细考量或衡量它的量、价、险这三个要素。所以资产负债管理最后落实到资产负债表上，它是通过交易去落实的，最终资金交易里还要通过量、价、险的平衡权衡去实现的。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp; &nbsp;&nbsp;</strong>具体而言，资产负债表上的流动性实际上是在于两个方面，一方面是日间的缺口，日间的流动性缺口是保支付的，也即头寸管理。日间头寸就是一收一付，银行所有的资金运动，最后都会落实到收和付两个动作，收款多少付款多少，两者轧差之后，银行的钱多还是钱少，就是你的头寸有余还是头寸不足，盯住日间头寸也叫日间头寸管理。另一个方面是未来的到期期限的管理，期限缺口就是未来各期限的到期的资金流可能出现的现金流缺口问题。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp; &nbsp;&nbsp;</strong>实际上ALM和BSM两者的业务逻辑是完全一致的，两者都是需要权衡收益和风险，然后再确定规模与结构，无论是交易层面还是ALM的KPI、KRI层面都需要考量这些因素，然后通过具体的数量和价格的选项的调整，实现量价险的综合最优解。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp; &nbsp;&nbsp;</strong>当落实到资产负债表管理上，还需要考虑到在资产负债表上不但有流动性风险，还有市场风险。流动性风险主要盯住两个缺口，也就是上文所提到的日间流动性日间头寸缺口和未来的到期的现金流缺口。市场风险则要关注两个方面，一个是利率风险，另一个是外汇风险或外汇敞口。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>二、期限错配风险</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp; &nbsp;&nbsp;</strong>期限错配的管理中有很多的风险，只要在这张表里有了期限错配，就会存在利率风险、汇率风险、流动性风险，所以说所有的风险是由于有了期限才可以看到风险。通常而言，在多数的财务报表上，我们很难看见其中存在的期限错配，它只关心比如说货币资金或各种资产负债表内外的项目，而并不关心期限。而实际上，正常的资产负债管理和资产负债表管理是一定要关注期限的，所以这也是从管理会计角度去看资产负债表。如果是从资金角度去看，就要关注流动性，实际上就是若资金充足那么流动性就很好，而资金管理在银行里通常是有部门去管的，管理资金需要考虑到日间的头寸缺口和未来的现金流的缺口，即各个期限到期之后都要有足够的资金去满足业务需求。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>三、集中度风险</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp; &nbsp;&nbsp;</strong>另一个需要关注的就是集中度。因为很多时候我们在资产负债管理的时候，由于过度重视KPI、KRI指标，但是如果缺少从资金交易角度去考虑的话，就会忽略其中很多风险。特别是在资金方面，如果过度依赖某个资金来源，或者资金运用方面，即过度集中于某一项的资产运用。比如说把所有的钱全砸到了地方债或者某些债券上面，或者说资金来源完全依靠市场的各种MLF、SLF去押券融资，这说明流动性就存在很大的问题了。对于集中度的问题，如图2所示，也可以用一辆车来做个比喻，如果把银行比喻成一辆车的话，或者将业务比喻成一辆车，那么集中度则可以比喻为一块温度表，资金不能过度集中在某几个产品上面。以上就是一个总体从资产负债表上看，资产负债管理与流动性管理的业务逻辑，其中还会衍生出来市场风险，市场风险就包括利率和汇率两种风险。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>四、外汇风险</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp; &nbsp;&nbsp;</strong>外汇敞口主要来源于三方面，一是远期未交割的头寸，二是估值的盈亏，三是当期的损益，即落账的当期损益。如果一笔交易没有具体落账，比如做了一笔掉期，虽然近端已经是落账了，但远端还没到期，未来的A、B货币还要再换回来，所以远端的敞口是一直敞着的，这属于外币的敞口头寸。提到外币敞口这块，要提一个关键概念叫本位币，本位币它不是本国货币，它只是指本位币。本位我们知道就是金本位，银本位，全球最早是从金本位制度过渡来的。目前，全球的计价货币实际上是美元。对外汇交易来讲，美元事实上是一种无风险货币。但是如果对于我们中国而言，人民币也会被认同是没有风险敞口的。所以当我们把人民币定位成本位币时，即使拿着美元，这时候美元也成了风险敞口。所以在外汇敞口计量的时候，要注意本位币到底是以美元作为本位币，还是以人民币作为本位币。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>五、日间头寸管理</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><strong style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</strong>日间头寸有主账户和辅账户，收付款都需要通过这些账户。正常情况下，主账户不能缺钱，如果主账户缺钱则需要及时到市场融资拆解进来，把它补足。辅账户则是代理行代为收付款的，如果辅账户缺钱，则需要从主账户及时把钱拨付过去，这就是资金调拨的概念。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>六、头寸监控和资金安排</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><strong style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</strong>头寸监控，即抚平日间头寸缺口；期限缺口，即抚平期限资金缺口，是一个全行监控的概念。<br />
<strong style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</strong>综上所述，资产负债管理目标是保证一个比较良好的资产负债表的状态，资本约束正是重资本和轻资本之间的业务逻辑。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<p style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp; &nbsp;&nbsp;</strong>来源：2020（第十六届）中国金融风险经理年度总论坛-23：资产负债管理和流动性风险管理《资产负债管理与流动性管理的业务逻辑》演讲文稿整理</span></p>
', 'elegant' => array(), 'userId' => '254', 'status' => 'published', 'createdTime' => '1604980329', 'updatedTime' => '1636534621', 'body' => '<p>&nbsp; &nbsp; &nbsp; 刘学锋，中国银行司库高级业务经理。1993年进入银行业，拥有商业银行业务、MIS、管理工作经验。职业背景涉及司库运营、市场风险管控、资产负债管理、MIS系统建设等领域，对商业银行经营和IT系统建设有深入的体会和理解。曾任高级财务经理、高级风险经理、高级分析师，境外一级分行市场风险主管、司库VP，境内二级分行副行长。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '95', 'name' => '刘冰', 'thumb' => 'public://expert/2020/11-05/1053073c1664241998.jpg', 'originalThumb' => 'public://article/2020/11-05/10530844742a783857.jpg', 'description' => '诚通基金管理有限公司董事总经理投资管理部总经理', 'about' => '诚通基金管理有限公司董事总经理投资管理部总经理，筹建设立中国国有企业结构调整基金（中国最大的私募股权基金，总规模3500亿元），目前投资管理金额1000多亿元。刘冰是中国人民大学研究生，中国注册会计师、总会计师资格、高级会计师、上市公司董事会秘书资质持证人，科技部、中关村科技园等评审库专家。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、投资风险管理（PE市场） </strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;我们把整体风控从前到后的步骤都履行得非常严格。其实我个人认为风控是贯穿整个投资环节过程中的，但是为了进行职能划分和过程的管控，我们把它分成前、中、后三个环节。我们认为所有的环节均来自投前的风控，也就是说前面的底子没有打好，上层的结构没有弄好，那后边所做的事情很难有效果。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）投前阶段风险管理</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;投前的风控管理主要分三个阶段，第一是投资策略，第二是投委会，第三是激励机制。简单从投资策略角度来说，主要有四个层面。第一是行业的选择。第二个层面是阶段的选择。第三是投资方式方法的选择。第四是项目的限制。在投前阶段的第二个风控点是投委会制度。我们最看重的就是投委会制度，我们认为专业和独立的投委会是一个投资机构的灵魂。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;&nbsp;核心点有三个：一是人员的构成。二是权限的设置。三是组织运作。如果说投委会制度是一个投资机构的核心制度，那么激励机制就是确保核心制度能够高效、有活力执行的途径。首先，我们所有的人员是通过市场化的方式进行聘任，包括我本人。其次，我们所有的业绩考核都是真刀真枪，无论是投资团队每年的投资规模、投资业绩，还是中后台的整个风控指标和募资指标的完成程度，都是有实际量化的考核要求。再次，我们有全面的跟投要求，且跟投的要求是约束大于激励的。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）投资阶段风险管理</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在投中阶段，核心以及最后的成果是体现在合同签约，而其重点是尽调决策。在尽调决 策中，核心点就在于整个流程的设计和把控。在尽调决策阶段，我们机构主要有三个标准动作，第一是立项，这个是常规的；第二是综合论证，这个是比较特殊的；第三是投委审批。在合同阶段主要是确定投委会和论证会两个层面对于核心条款的落实，以及严谨的签约用印仪式。通常，核心条款分两个层面，一个是直投层面，一个是资金层面。最后就是资金交割，资金交割主要是为了最终落实财务部门的实质性审核机制。原来财务部门的交割主要是履行一个程序审核，后来我们觉得在这存在着一定的风险点，因而实行了实质审核。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）投后阶段风险管理</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>投后阶段实际上存在一个大问题，即投资团队负责投资，投管团队负责投后，而这样的分工容易存在着利益和职责划分不明晰的问题。我们的实践是，投资团队对最终的投资结果负责，投管团队对投后治理事项的业务处理进行负责。这也就要求我们在签合约的时候，必须要尽最大的可能去争取信息披露以及外派人员的权利。只有掌握了知情权，才能在后面的控制权、收益权以及退出决策时做出有效的控制。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》2020年第2期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、瑞幸咖啡财务造假事件的启示</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>投资者尽调的问题与教训近期全球资本市场上，瑞幸造假事件又一次上演皇帝新衣的闹剧，如同一面镜子，照出人性百态。纷繁喧嚣中，有几个关键词值得思考。一是常识。每个人都有常识，常识不难发现，却最容易被忽视。我们没有动心瑞幸，就是因为我平时喝咖啡，也买咖啡喝，顺便对比了一下国内几种典型的咖啡业态，靠着常识发现这家公司宣传材料里种种不实之处，也就早早回避这场灾难。二是财报。复盘瑞幸，我们从2019年二三季度财务报表，可以非常简单分析出来，瑞幸属于财务可疑的公司，从而避免后面错误的投资决策。而后浑水报告指出的疑点，都可以在财报找到例证。三是方法论。我很认可浑水的这份报告，不是因为报告结论是否正确，而是认可报告采用的研究方法，非常接地气！实践、实际、实在，没有高深理论，没有复杂模型，也没有深喉爆料，有的只是大量一手调研数据和信息，真实可信，触手可及，简单明了。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》2020年第3期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、PE市场投资风险管理</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）基金投资的实践</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>诚通基金管理公司作为中国国有企业结构调整基金的管理人，这5年来做了许多事情。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在最初的两年多，我们在子基金层面投了将近20个项目，主要是为了解决资金投放的压力，同时确保资金投放的安全性以及有足够的收益这三个需求。我们通过定增、战略配售这几个层面，投资了300亿左右的一级半市场项目。投资这些项目的原因主要有两点：第一，这些项目本身都是一些标准化的产品，对团队的整个尽调业务判断以及风险把控要求不高；第二，在这些项目中，我们选取央企或者市场化的龙头企业作为标的来进行投资，相对稳健，收益较为良好。到了2018年下半年，随着中美贸易战的开打，国家也提出了重点发展科技，尤其是硬科技的需求，作为私募股权投资的国家队，我们也同时肩负着这样的使命。我们在整个投资领域和投资标的的方法上做了一次较大的调整，调整主要分为两个层面。第一，在投资领域，我们在继续进行混改以及进行央企的结构调整的基础上，在战略新兴领域做了较大的投资布局。第二，除了子基金和一级半市场的项目，我们重点开始对一级市场进行投资，目前一级股权市场上，我们所投资金达200亿左右，最后形成了&ldquo;四四二&rdquo;的投资资产组合的布局。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>回过头来看，我们得出了几个结论，第一个结论就是以沪深300指数为标准，目前我们国家基金在二级市场所投的项目以及一些一级市场的项目，绝大部分都跑赢了大盘，取得了比较好的成绩，尤其是在推动结构调整、战略性新兴产业布局这方面发挥了很大的作用。第二个结论就是，当初基金成立时，其使命为推动供给侧结构调整，解决央企和重要国企的转型升级问题，现在回顾过去，我们用5年的时间实现了这样的目标，80%以上的资金都投放到了央企和地方国资，还有一部分投到了一些在国际国内处于龙头地位的市场化的企业。展望未来，我们基金所面临的问题就是在新经济时代认知的转型。我认为在这一方面没有捷径可走，我们所要做的就是不停地学习，通过学习来成长，同时要和国内国际顶级的同业朋友进行多方面交流，通过交流碰撞来提升自己的认知。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）投资风险管理</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>投前阶段的投资策略是一个投资机构的灵魂。投资策略的特点就是严谨和谨慎，这也应该是有着国资背景的投资机构本身就应当具备的东西。投资阶段的风险管理核心体现在对于流程的设计和把控，投资阶段大致可以分为尽调决策、合约签订以及资金交割三个主要流程。我个人认为，所有的核心风险在投资实现（即把钱投出去）的那一瞬间就已经算是最终落地，投资实现后所做的所有事情都相当于打补丁，这很难能够改变一个项目的实质，所以真正的风险是在投前。作为一个投资机构，它真正的投前风险是在于资产组合，投资策略里所包含的投资领域和投资阶段最终会决定整个投资风险的程度。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020TGES系列论坛-06：投资银行业务、私募投资与风险管理&mdash;&mdash;刘冰《PE市场投资风险管理》</span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1621566778.jpg'), array('src' => '/files/expert/expert_1621566787.jpg'), array('src' => '/files/expert/expert_1621566957.jpg')), 'userId' => '194', 'status' => 'published', 'createdTime' => '1604544864', 'updatedTime' => '1636527199', 'body' => '<p>&nbsp; &nbsp; &nbsp; 刘冰，诚通基金管理有限公司董事总经理投资管理部总经理，筹建设立中国国有企业结构调整基金，该基金是中国最大的私募股权基金总规模3500亿元，目前投资管理规模1310亿元。刘冰是中国人民大学研究生，中国注册会计师、总会计师资格、高级会计师，是科技部、中关村科技园等评审库专家，哈工大硕士论文导师。刘冰拥有二十多年资本市场经验和十多年高管履历，先后就职北京国资和国家级投资机构，熟悉国内资本圈，拥有千亿级市场化母基金募、投、管、退全程经验，曾经主导、参与数百亿元投资且行业覆盖金融、高端制造、房地产、环保、医疗等行业， 在投资公司、实业企业、私募股权投资有丰富的工作经验。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '118', 'name' => '陈文学', 'thumb' => 'public://expert/2020/11-05/165938a6d96b833775.jpg', 'originalThumb' => 'public://article/2020/11-05/165938acfece295836.jpg', 'description' => '杭州联合银行正行级调研员', 'about' => '杭州联合银行正行级调研员，前义乌农商银行党委书记、董事长，高级经济师，金华银保监行业协会副会长，义乌市金融学会副会长。从事农村金融工作33年，曾任杭州联合银行风险合规部总经理、董事副行长，浙江省农信联社业务处副处长等职务。主持开发杭州联合银行贷款利率定价系统、个人风险评价系统和小企业风险评价系统等。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left:5px solid #ff7200;padding-left:20px;"><span style="color:#000000;"><span style="font-size:16px;font-weight:bold;">图书</span></span></div>

<div style="height:12px; float:left">&nbsp;</div>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">主持设计浙江省农信系统信贷合同文本和相关文本</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">参与团中央和中国银行业监督管理委员会组织的编写《青年创业贷款手册》</span></span></p>

<div style="border-left:5px solid #ff7200;padding-left:20px;"><span style="color:#000000;"><span style="font-size:16px;font-weight:bold;">论文</span></span></div>

<div style="height:12px; float:left">&nbsp;</div>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2019，<a href="https://www.yunzhan365.com/33469402.html">打造主题特色支行建设特色品牌</a>，《中华合作时报》 第11期</span></span></p>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2011，<a href="https://www.yunzhan365.com/20611550.html">浅析农村信用社向商业银行转型过程的风险控制</a>，《金融经济》 第3期</span></span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、关于家族式民营企业信用风险透视和防范</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;">（一）<strong>家族式民营企业发展的优劣势与其他企业相比</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;<strong>&nbsp;</strong>家族式民营企业具有独特优势，比如所有者与管理团队之间的高度信任，因为所有者和管理者团队都是自己家里人，此外家族式民营企业也拥有突出的成本控制力和投资的长期导向，这些优势在企业初创阶段提供了极强的生存能力，并在成长过程中给企业以稳定而持续的助力，因为一户人家会集中所有的资金与资源放在企业当中。但是，随着企业规模的不断扩大，市场竞争的日益加剧，以及技术进步速度加快，家族式民营企业的局限性也日益突出，这主要表现为公司治理存在较大缺陷，因为家族企业主要的管理人员都是家里人，其他人员很难进入到核心管理岗位，导致公司对家族以外的人员缺乏凝聚力，难以得到最优秀的人才，此外还有以人情代替制度、难以严格实行科学管理等问题。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;">（二）<strong>潜在的信用风险隐患</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>首先是公司治理的不健全。家族式民营企业公司治理结构往往都是不健全的，内部控制 制度不落实，决策权、行政权、财务权高度集中于实际控制人及其家族人员手中。第二是盲目扩张的风险。第三是资本运作的风险。第四是关联企业风险。第五是银企之间信息不对称。第六是新兴产业风险。第七是资金抽逃或挪用贷款风险。第八是股东纠纷引发的风险。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;">（三）<strong>家族式企业信用风险的防范对策</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>针对家族式民营企业授信业务，商业银行要坚持以下原则：审慎选择，择优支持；控制份额，减少集中度；全面考量，拿不准、看不清的项目坚决不做。针对家族式企业我想提出三个策略：第一是家族式企业的客户甄选策略，客户的甄选策略，是银行信贷风控的第一道&ldquo;门槛&rdquo;。第二是行业授信策略。从&ldquo;行业&rdquo;维度讲，商业银行应当优先叙做行业信贷投向指引中积极增长类、选择性增长类行业，业务叙做须严格按照相关行业政策制度的具体规定执行。第三是企业的信贷产品策略。信贷产品的合理使用，可以在一定程度上有效降低民营企业的信贷风险，起到防控信贷风险的目的。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》2019年第6期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、关于普惠金融下的普遍性风险防范对策</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）我国普惠金融的现状</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>当前是我国发展普惠金融的关键时期，根据银保监会同人民银行、国家发改委、财政部、证监会等推进惠普金融发展工作机制成员单位发布的《中国普惠金融发展情况报告》，五年来，我国普惠金融发展主要取得了如下四方面的成果：1.基础金融服务覆盖面不断扩大；2.薄弱领域金融可得性持续提升；3.金融服务的效率和质量明显提高；4.金融扶贫攻坚成效卓著。我国普惠金融事业虽取得了显著的成绩，但也面临着不少挑战，亟待进一步理清发展思 路、统筹发展全局。目前我国推行普惠金融面临的突出问题如下：1.金融服务覆盖不均衡，结构性排斥有待全面化解；2.民间借贷与信用借贷并存，劣币驱逐良币效应有待根除；3.输血型借贷主导而造血型借贷不足，金融供给侧导向有待改善；4.普惠金融服务的可得性受到制约，逆向资金流动有待扭转；5.普惠金融目标群体意识不强，金融消费者保护机制有待健全。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）普惠金融下的普遍性风险</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>1、银行原因：（1）对普惠金融认识不足；（2）对普惠金融缺乏科学的考核机制；（3）推行普惠金融方法不多；（4）银行间的无序竞争；（5）银行员工参与违法放贷。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>2、借款人自身原因：（1）借款人过度负债；（2）追求高收益盲目投资；（3）法制观念淡薄，参与借冒名贷款；（4）金融知识缺乏，参与高利贷；（5）参与赌博挥霍。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）防范普遍性风险的对策</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>1、充分认识普惠金融的重要性。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>2、建立科学的考核机制。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>3、加大对农民的金融知识宣传。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>4、充分利用大数据实现精准普惠。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>5、规范银行间有序竞争</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>6、坚决打击逃废债行为。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》2019年第1期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、关于杭州联合银行风险经理管理机制的探索实践及启示</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;">（一）<strong>运行模式与初步成效</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>1、风险经理委派制</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;<strong>&nbsp;</strong>第一，明确了杭州联合银行试点推行风险经理制的执行初衷，是&ldquo;为了加强杭州联合银 行辖属各支行的信贷风险管理，完善内控监督机制，提高信贷资产质量，促进本行的稳健经 营和规范发展&rdquo;。第二，明确了风险经理由总行派驻到辖内各支行（总行营业部），对支行各项信贷业务进行专业化的风险识别、分析、评估、控制和管理。第三，确定了风险经理的职能定位。第四，明确了风险经理的岗位考评的基本方法。第五，明确建立了教育培训机制。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;<strong>&nbsp;</strong></span><strong>2、风险经理分片集中制</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;<strong>&nbsp;</strong>根据杭州联合银行设计并推行的风险经理分片集中的基本框架，将各支行按地理位置分成 5 个片，各片区（或委派支行）均确定一位管理能力、业务水平及责任较强的风险经理作为分片负责人，承担对相应的分片风险经理进行日常考勤及工作纪律的监督等管理工作。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; <strong>&nbsp;&nbsp;</strong></span><strong>3、风险经理分类集中制</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;<strong>&nbsp;</strong>将全行风险经理（不包含委派异地支行的风险经理）分设为主审人员（审查岗）和风险经理（检查岗），主审人员履行信贷审查职责，由总行授信评审部负责管理；风险经理履行信贷检查职责，由总行风险管理部负责管理。人员到位后，由目前的分片委派模式调整为集中办公模式，节约了信贷管理成本、降低了岗位职能交叉重合程度、有利于提高风险经理专业化程度和人力资源管理效能。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;<strong>&nbsp;</strong></span><strong>4、初步成效</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;<strong>&nbsp;</strong>一是全行风险管理理念不断深化。二是风险管理&ldquo;桥梁作用&rdquo;得到了发挥。三是风险防控能力有效加强。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）实践中的难题</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;<strong>&nbsp;</strong>第一，风险经理的设置不能完全到位。第二，风险经理所涉及的风险管理领域过于狭窄。第三，风险经理缺乏约束权力。第四，风险经理与客户经理之间的关系没有理顺。第五，风险经理的素质参差不齐，进入退出及专业培训机制仍待持续完善。第六，对风险经理管理模式的认识不一致。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）应对策略</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; <strong>&nbsp;&nbsp;1、必须牢牢把握风险经理管理模式的核心要义。</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;<strong>&nbsp;</strong>一是风险经理管理模式的选择必须符合行情。二是应培育良好的风险管理文化，为风险经理制的运作创造良好的外部环境。三是应协调好客户经理与风险经理之间的关系，实现商业银行业务发展与风险管理并重的目标。四是必须重视对风险经理的培养，尽快建立一套科学有效的风险经理认证体系。五是通过建立风险经理问责制，提高风险经理的责任心。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; <strong>&nbsp; &nbsp;&nbsp;2、对风险经理的要求。</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;<strong>&nbsp;</strong>一是要独立审查，提出自己的意见。二是必须把工作重心放在事前决策和事中控制方面，并重视现场调查和检查的重要性。三是有必要加强对于客户经理日常行为的监控，有效遏制操作风险。四是要加强学习，提高自身素质。五是要加强与支行沟通。六是要实现信息共享，及时反馈。七是要勇于承担责任。八是要有奉献精神。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; <strong>&nbsp; &nbsp;&nbsp;3、对支行的要求</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;<strong>&nbsp;</strong>首先，要充分配合风险经理的工作。其次，要充分沟通。最后，要加强信息反馈。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; <strong>&nbsp;&nbsp;4、对职能部门的要求</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;<strong>&nbsp;</strong>第一，要加强对风险经理的培训和指导。第二，要做好协调工作。第三，要定期召开座谈会。第四，要及时总结出可复制的风险经理管理模式。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;<strong>&nbsp;</strong>来源：《风险管理》2013年第1期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>四、关于双循环下小微企业的风险防范</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）&ldquo;双循环&rdquo;格局下小微企业面临的风险</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;<strong>&nbsp;</strong>1、订单减少的风险；2、企业转型风险；3、技术提升风险；4、产品研发风险；5、人员结构调整风险；6、市场开发风险；7、产品定价风险。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）&ldquo;双循环&rdquo;格局下小微企业何去何从</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;<strong>&nbsp;</strong>如果我们放弃了小微企业，那么这些企业可能就会造成资金短缺，也会影响我们银行的信贷资产质量。如果小微企业继续转型经营的话，那么这样就存在着一个很大的风险，也就是要增加投入。在转移过程当中我们前面讲的几大风险必须要考虑好，如果这些风险没有考虑，就去转型的话，可能就会产生更大的风险。在这个过程当中，小微企业困难机遇是存在的，只有抓住其适应双循环的新格局，才能扭转困局、涅槃发展。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）如何帮助小微企业在&ldquo;双循环&rdquo;格局下成功破局</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;<strong>&nbsp;</strong>我们义乌农商银行作为地方性的金融机构，我们农商银行有着层级少、灵活性强、决策链条短、响应速度快的优势，与小微企业有天然的相容性，是支持小微企业的主力军。所以我们义乌农商也始终坚持&ldquo;支农支小&rdquo;的战略定位，始终保持&ldquo;做业务最实、与民企最亲、离百姓最近&rdquo;的经营理念。在&ldquo;双循环&rdquo;格局下，从5个方面出发，全力助推小微企业成功破局。1.发展普惠金融，培育小微经济消费市场。2、打通内循环供应链，激发小微企业活力。3、落实惠企政策，畅通小微企业融资&ldquo;血脉&rdquo;。4、加大金融支持，助力小微企业转型升级。5、加强员工培训，提高小微企业员工素质。</span></p>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp;<strong>&nbsp;</strong>来源：2020（第十六届）中国金融风险经理年度总论坛NO.9：供应链金融和小微企业金融&mdash;&mdash;陈文学《双循环下小微企业的风险防范》&nbsp;<strong>&nbsp;</strong></span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1611736015.png'), array('src' => '/files/expert/expert_1612952927.jpg'), array('src' => '/files/expert/expert_1612952939.jpg'), array('src' => '/files/expert/expert_1612952952.jpg'), array('src' => '/files/expert/expert_1612952973.jpg'), array('src' => '/files/expert/expert_1612952981.jpg')), 'userId' => '219', 'status' => 'published', 'createdTime' => '1604566784', 'updatedTime' => '1636515441', 'body' => '<p style="text-align: justify;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; 陈文学，</span>杭州联合银行正行级调研员，前义乌农商银行党委书记、董事长，高级经济师，金华银保监行业协会副会长，义乌市金融学会副会长。从事农村金融工作33年，曾任杭州联合银行风险合规部总经理、董事副行长，浙江省农信联社业务处副处长等职务。主持开发杭州联合银行贷款利率定价系统、个人风险评价系统和小企业风险评价系统<span style="text-align: justify;">、浙江省农信联社小额贷款卡和新信贷管理系统，主持设计浙江省农信系统信贷合同文本和相关文本；参与团中央和中国银行业监督管理委员会组织编写的《青年创业贷款手册》，并被团中央和中国银行业监督管理委员会聘任为青年创业服务团成员；被浙商总会金融服务委员会聘任为浙商总会金融服务委员会金融顾问。</span></p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '116', 'name' => '陈宏峻', 'thumb' => 'public://expert/2021/01-03/213837d2879d876682.png', 'originalThumb' => 'public://article/2021/01-03/213837d57051469329.png', 'description' => '长亮科技海外事业部总裁', 'about' => '现任长亮科技海外事业部总裁，有将近30年的从业经验，曾就职于澳大利亚Department of Treasury & Finance，负责债券发行相关的利率风险管理工作；之后负责美国科技公司SunGard大中华区的业务，曾经在澳大利亚，日本，韩国，新加坡，马来西亚，中国(包括香港，台湾，澳门)等多个国家及地区实施过银行的资金和风险管理项目。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><font color="#000000"><span style="font-size: 16px;"><b>论文</b></span></font></div>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;">2018，流动性风险管理 中国商业银行如何&ldquo;交作业&rdquo;，《资本市场》 第8期。</span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、利率市场化下商业银行的大司库管理</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 如果将银行的运营比作驾驶一辆汽车，那么资产负债管理相当于汽车的导航系统，外部定价、FTP和经济资本管理则相当于方向盘，成本分摊相当于后视镜。在高速行驶时，驾驶员可能无暇注意后视镜，但要注意导航系统，同时握好方向盘，并根据导航信息进行适时调整。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在中国，利率管制的时代即将结束。2014年3月两会期间，周小川行长透露存款利率的开放已在计划之中。这表明利率市场化即将到来。本文着重分析了利率市场化对国内商业银行可能产生的冲击，并简要分析了如何建立大司库体系以应对利率市场化，同时简析了大司库体系的功能和作用。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）利率市场化的冲击</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>2014年3月两会期间，周小川行长透露存款利率的开放已在计划之中，很可能近一两年就能实现。利率市场化呼之欲出。这将对我国长期以来依靠国家规定的存贷利差获取稳定盈利的广大银行类金融机构带来巨大的冲击和挑战。从国外利率市场化的实践中，我们可以清楚地感受到利率市场化对金融机构的冲击。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; （一）</span>国际经验。&nbsp;根据国际经验，在推行利率市场化后的3-5年，利差将收窄50-100个基点。（二）中国实际发展情况。业内人士认为，当前我国存款利率全面放开的节奏正在变缓。其原因有三：一是相当数量的银行不具备在利率市场化条件下的定价能力；二是由于相关金融产品的缺乏与不足，我国金融市场上的利率标杆没有完全形成；三是国家有关于利率市场化的相关配套政策不完善。（三）利率市场化对中国银行业的挑战。利率市场化对商业银行带来的冲击将主要表现在两个方面：一是对银行盈利能力的挑战，实质上就是对净利差的管理能力的挑战；二是对银行风险管理能力的挑战，即对利率风险、流动性风险、信用风险和操作风险的管理方面的挑战。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）利率市场化下的大司库建设</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>司库的职能大致可分为5类，一是内部定价（或资金转移定价，FTP），二是外部定价（或客户关系定价，RPM），三是流动性风险管理，四是资产负债管理（ALM），五是经济资本管理（EC）。资金转移定价（FTP）是上述五项职能的基石，其将利差切为存款利差、贷款利差和由期限错配导致的核心利差，其中核心利差导致的利率风险和流动性风险集中于总行司库部门管理。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>（一）资金转移定价（FTP）可以与银行各部门绩效考核挂钩。（二）流动性风险管理。一个完整的流动性风险管理应该包括流动性、流动性风险以及结构化管理这三个层次。（三）资产负债管理。商业银行资产负债管理是指银行以有限的资金，在兼顾安全性、流动性、获利性及分散性的情况下，进行最适当的资产与负债的分配。资产负债管理可以从公允价值波动和收益波动两个角度进行分析。（四）外部定价管理。外部定价或称客户关系定价，就是商业银行确定其对外公布的存贷款利率。（五）经济资本（EC）管理。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）大司库管理路线图</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>银行司库体系应首先做好资金转移定价（FTP），之后是外部定价、资产负债管理、经济资本管理，最后是成本分摊。最终，做到以RAROC分析替代ROE分析，以对未来损失的最佳预测替代历史追溯性的拨备，采用对风险敏感的经济资本替代传统资本。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》杂志2014年第4期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、后疫情时代金融科技在东南亚银行落地及实践</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>长亮科技是国内最大的银行核心系统的提供商，我们用了大概三年半的时间在东南亚帮助了15家银行做数字化转型，所以我分享的主题就是后疫情时代金融科技在东南亚银行的一些实践和落地的经验。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）数字经济的影响</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>从中国十多年数字化转型历程来看，17年以前中国的一场非典可能在一定意义上加速了中国的数字化转型历程，经历了从电商到第三方支付，再到第一批私人银行的历程。因此，对比当前海外较为严重的疫情，人们也在想在后疫情时代，这场新冠病毒是否会加速全球的数字化转型。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>最近马云在外滩论坛的演讲备受关注。对于Fintech，我个人的观点是两者最终应该是一个合作的关系，而不是银行变成技术公司或技术公司变成银行来相互竞争。术业有专攻，银行自身有几百年来自己的一些独有技能和经验，银行最核心的竞争优势在于管理风险，在于GRC&mdash;&mdash;Governance，Risk&nbsp;Management和Compliance，马云炮轰的这些东西正好是银行的一些强项，但是这些互联网公司也有很多银行没有的东西，例如技术、数据、潜在客户信息等。金融机构和互联网公司最终应达成一种合作，互相利用对方所长之处来共同服务于实体经济，服务于得不到传统银行服务的弱势群体，实现普惠金融。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）Bank4.0</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>中小企业融资难融资贵的问题在东南亚尤为明显。例如马来西亚有三大民族：马来人、印度人和华人，语言、宗教、文化各不相同，就会形成许多信息孤岛，使得银行的服务更加难以触及弱势群体。根据马来西亚的统计，整个家庭月平均收入在2000马币以下的低收入人群达到了整个马来西亚的40%，因此贫困问题在东南亚国家是十分严重的。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>Brett&nbsp;King的《Bank4.0》提出了一个观点叫做&ldquo;Banking Everywhere, Never at a Bank&rdquo;，即&ldquo;没有银行，但却无处不在&rdquo;。银行经历了从1.0到4.0的发展历程：Bank1.0时代是离不开的物理网点，这时地点和时间都受网点的限制；Bank2.0时代则产生了ATM，时间上没有了限制，但地点依然有限制；Bank3.0时代则是网银，随时随地可获得银行服务；到了Bank4.0时代，则是嵌入生活的智能银行服务，但这并不是简单地从网银变成手机银行，而是银行通过合作获取合作伙伴的渠道，把银行的服务嵌入到劳苦大众的日常生活当中。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）在东南亚银行的实践</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>马来西亚第一大银行叫MAYBANK，第二大银行是CIMB银行，在整个东南亚的影响力非常大，是整个东南亚较早做数字化银行的一家传统银行，也是我三年以前带着长亮出海做的第一个客户。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>菲律宾是农村包围城市的数字化转型第二站，当时在菲律宾根本没有网点，也没有数字化银行的概念，只是在2017年时获得了银行牌照。菲律宾央行规定一年之内必须开业，所以我们大概花了八、九个月时间把它从从无到有建立起来。它类似于微众银行没有网点，一个总行下面有两台ATM机器。整个东南亚有很多&ldquo;现金文化&rdquo;，因此我们解决的第一个问题就是如何处理现金。我们将它连接了大概25,000多个其他银行的ATM机器，只要这些ATM上面有Visa的logo就可以免费取现，然后利用eKYC就可以开户，解决了客户问题。针对存现，我们打通了大概有8000多个711店，人们就可以通过这些711来存现。针对获客问题，菲律宾电信运营商Globe下有一个十分受欢迎的手机钱包GCash，大概有几百万活跃客户，我们就把智能存款的产品直接嵌到了GCash中，这些活跃用户只要点两三下就可以变成CIMB的客户，很快就在短短半年之内获得了50万的用户，一年半的时间大概已经到了250万用户。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>很多银行虽然对国内这十几年的数字化转型很感兴趣，但是又不敢更换传统的核心系统。套一层所谓的数字化渠道，主要以手机银行为主这种方式往往不可行，但是完全替换核心又有很高的风险，因此我们就提出了一个建立双核的概念。双核概念就是传统核心不变，在传统核心旁边再建一个数字化核心，把数字化渠道这些外层嵌入到大众的日常生活中，但是这一套独立的系统要和原来的旧核心进行对话，包括总账、客户信息、监管报送等。这样做的目的是先用很快的速度建立一套新的东西，从而用数字化核心去吸引劳苦大众等从前接触不到的客户。第二阶段就是想办法吸引旧核心中的零售客户等现有客户，特别是小微客户，让他们慢慢在新核心中开账户，进行转移。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020（第十六届）中国金融风险经理年度总论坛系列5：金融科技创新和展望&mdash;&mdash;陈宏峻《后疫情时代金融科技在东南亚银行落地及实践》</span></p>

<p>
<audio controls="controls" style="display: none;">&nbsp;</audio>
</p>
', 'elegant' => array(array('src' => '/files/expert/expert_1609681402.png')), 'userId' => '217', 'status' => 'published', 'createdTime' => '1604566309', 'updatedTime' => '1623119639', 'body' => '<p>&nbsp; &nbsp; &nbsp; 陈宏峻，现任长亮科技海外事业部总裁。陈宏峻有将近30年的从业经验，曾就职于澳大利亚Department of Treasury &amp; Finance，负责债券发行相关的利率风险管理工作；之后负责美国科技公司SunGard大中华区的业务，曾经在澳大利亚，日本，韩国，新加坡，马来西亚，中国(包括香港，台湾，澳门)等多个国家及地区实施过银行的资金和风险管理项目。陈宏峻也曾在澳大利亚大学任教金融课程，现在兼任美国国际职业风险经理人(PRMIA)董事。</p>

<p>
<audio controls="controls" style="display: none;">&nbsp;</audio>
</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '281', 'name' => '胡殿明', 'thumb' => 'public://expert/2021/11-09/114217977eb8010228.jpg', 'originalThumb' => 'public://article/2021/11-09/1142179ac8cd439165.jpg', 'description' => '感易智能创始人、CEO', 'about' => '感易智能创始人、CEO。中科大硕士。曾任异构智能技术总监、百度智能数据中心首任架构师，在数据智能方向拥有超过10年的研发及落地实践经验。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp;&nbsp;</p>
', 'attachachieve' => '<p>&nbsp;&nbsp;</p>
', 'viewpoint' => '<p>&nbsp;&nbsp;</p>
', 'elegant' => array(), 'userId' => '1192', 'status' => 'unpublish', 'createdTime' => '1636429365', 'updatedTime' => '1636598713', 'body' => '<p>&nbsp; &nbsp; &nbsp; &nbsp;感易智能创始人、CEO。中科大硕士。曾任异构智能技术总监、百度智能数据中心首任架构师，在数据智能方向拥有超过10年的研发及落地实践经验。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '136', 'name' => '蒋剑平', 'thumb' => 'public://expert/2020/11-06/15444198efe0609361.jpg', 'originalThumb' => 'public://article/2020/11-06/1544419b7dc5215792.jpg', 'description' => '中国农业银行总行普惠金融事业部处长', 'about' => '中国农业银行总行普惠金融事业部处长。高级经济师，风险管理师，中国人民大学经济学硕士。曾任职于中国农业银行总行研究室、产品研发部、温哥华代表处。在相关刊物发表战略规划、普惠金融、风险管理、国际业务等领域论文二十余篇。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp;&nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、对区块链的分析</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 蒋剑平先生在文章《区块链在小微企业金融服务中的创新及应用》（2020）中指出，随着区块链出现公有链、联盟链和私有链的区分，我国对区块链的态度从对公有链的观望、怀疑和否定，转向对联盟链的肯定、规范、倡导和参与，区块链技术在我国进入了以联盟链为主的大规模应用和产业化发展时代。开展区块链创新需要重视的四个问题：</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>（一）探索建设BaaS平台。</strong>随着一个机构内部区块链应用项目越来越多，往往会出现缺乏资源共享、难以内部协同、研发效率低以及运维成本高等问题。针对这些问题，目前领先金融机构都在积极推进区块链服务平台（BaaS）建设。作为底层技术平台，BaaS平台能够提供权限控制、联盟管理、灵活部署、可视化监控运维、应用研发组件支持、全流程场景搭建等一站式在线服务，实现业务快速上链，同时也是金融机构区块链技术输出的基础。为此，随着区块链应用项目从零探索向大规模布局发展，商业银行应该成立专门团队，联合外部区块链专业技术提供商，研究建设BaaS平台，为本行各领域广泛推进区块链应用项目提供技术平台基础。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>（二）积极寻找联盟伙伴。</strong>与外部多方合作共建联盟链，是商业银行小微企业信贷区块链创新的主要方式。与公有链的去中心化不同，联盟链是相对中心化架构，要实现联盟链落地，首要的是找到合作伙伴，并与联盟各方达成合作共识，确定中心节点，签订合作协议，实现共同设计、共同建设、共同应用。为此，要抓住大的应用场景，积极与相关方进行沟通，推动业务、技术、数据等合作，构建以场景应用为中心的商业联盟。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>（三）综合运用各项金融科技。</strong>区块链与5G、物联网、云计算、大数据、人工智能技术在金融科技应用上紧密相关，存在显著的因果关系。5G解决大容量数据实时传输问题，是物联网、区块链、大数据等技术应用的基础；物联网实现源头数据的大量生成和采集，解决数据来源可信问题；区块链实现物联网产生的大数据的分布式存储，解决了数据存储可信问题；云计算和大数据实现存储数据的加工和处理；人工智能显著提高了数据分析挖掘能力。因此，要发挥区块链技术的巨大作用，必须对各项金融科技进行总体布局、全面探索、综合运用。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>（四）高度重视安全合规问题。</strong>作为一项新兴科技，既要鼓励创新，不断突破，也要在发展过程中注重制度、标准、法规层面的建设，加强安全性、合规性管理，确保长期健康发展。</span></p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、对大型商业银行普惠金融数字化转型的分析</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在文章《大型商业银行普惠金融数字化转型中的问题与思考》（2019）中，他认为数字化转型是实现商业可持续的必由之路。传统小微企业信贷业务模式存在银企信息不对称、经营成本高、缺乏有效抵押担保、操作效率低等问题，不具有可持续性。数字化转型可以有效解决上述问题，其带来的变化主要有以下三个方面：</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>（一）金融科技带来了全新业务发展模式。</strong>一是有利于扩展客户范围，银行传统上按照&ldquo;二八定律&rdquo;，主要服务于20%的高价值头部客户，但是金融科技使商业银行可以覆盖&ldquo;长尾客户&rdquo;，更好地开展普惠金融业务。二是有利于推进精准服务，运用大数据、云计算、人工智能技术，商业银行能够对客户进行精准画像，实现第三方引流，提供一站式服务，开展客户全资产管理。三是有利于加强风险控制，商业银行近年来借助金融科技，创新大数据风控模式，建立自动化预警系统，显著提升了小微业务风险管理水平。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;<strong>&nbsp;</strong></span><strong>（二）大数据改变了银企信息不对称状况。</strong>当前，数据信息几何级数增长，工商、税务、房产、水、电、气、司法、海关、供应链等各方面数据越来越多，越来越全。各个公共信息平台对接互联显著加速，与小微企业信用评价相关的各类信息交互、共享和整合明显加强。同时，各数据产生机构和大量第三方金融科技公司对各类数据进行清洗、加工和整理，数据质量不断提高，数据可用性不断增强。上述背景下，商业银行能够摆脱对财务报表的过度依赖，更多依靠&ldquo;三品三表一流水&rdquo;等多维度信息对企业进行全面把握、综合判断。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>（三）国家信用体系建设显著改变了企业行为。</strong>中国已将国家信用体系建设上升为国家战略，在互联网、大数据技术支撑下，推进速度很快，成效非常显著。国家发改委牵头建设的信用中国已经有超过350亿条企业和个人信用信息，对失信行为的多部委联合惩戒机制已初步建立，今后失信企业将寸步难行。社会信用体系的建设显著地规范了企业行为，降低了企业的违约意愿，为商业银行小微金融业务健康发展提供了良好的外部条件。</span></p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、对小微金融服务的分析</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在文章《商业银行深化新时代小微金融服务的思考》（2018）中，他认为加强小微金融服务是经济新形势下商业银行的主动选择。一方面，金融脱媒持续推进，利率市场化进程加快，对商业银行依赖于大企业的经营模式带来严峻挑战。另一方面，在互联网和高科技发展推动下，市场资源配置方式在很多领域正在发生颠覆性改变，大众创业、万众创新，新兴市场领域和市场主体不断出现，小微企业客户群体不断壮大，有技术、有产品、有市场、管理好的小微企业日益增多。技术进步改变了商业银行小微金融服务的约束条件。随着信息技术的进步和互联网经济的发展，传统小微金融服务成本高、风险大、银企信息不对称等问题得到极大缓解。一是社会信用体系建设取得实质性进展。人民银行征信系统、全国信用信息共享平台、金融信用信息基础数据库的开发和建设，工商、税务、海关等方面数据的完善和共享，小微企业信用管理的联合激励和惩戒机制的建立和推广，都极大改善了小微金融生态环境。二是企业本身信息越来越丰富。商业银行不再单纯依赖财务报表，而是运用大数据技术综合分析财务数据、工商税务数据、上下游往来数据、水电使用数据、平台交易数据、银行结算数据、企业主个人相关数据，对小微企业进行精准&ldquo;画像&rdquo;，从源头控制风险。三是现代金融科技带来了银行自身业务模式和管理方式的变化。商业银行全行集中、全国联网的 IT系统极大地促进了数据的内部高效流动和外部互联互通，扩大了银行管理半径，提高了运作效率，降低了运营成本。互联网、大数据、云计算等信息技术也使商业银行创新成本节约、风险可控、效益良好的小微信贷业务模式成为可能。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<p style="text-align: justify;"><span style="color:#000000;"><strong>来源：</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>[1]2020，区块链在小微企业金融服务中的创新及应用，《中国银行业》（2020年05期）</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>[2]2019，大型商业银行普惠金融数字化转型中的问题与思考，《中国银行业》（2019年10期）</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>[3]2018，商业银行深化新时代小微金融服务的思考，《农业金融研究》（2018年07期）</span></p>

<p style="text-align: justify;">&nbsp;</p>
', 'elegant' => array(array('src' => '/files/expert/expert_1609748492.png'), array('src' => '/files/expert/expert_1609748504.png')), 'userId' => '237', 'status' => 'unpublish', 'createdTime' => '1604648719', 'updatedTime' => '1623120221', 'body' => '<p>&nbsp; &nbsp; &nbsp; 蒋剑平，中国农业银行总行普惠金融事业部处长。高级经济师，风险管理师，中国人民大学经济学硕士。曾任职于中国农业银行总行研究室、产品研发部、温哥华代表处。在相关刊物发表战略规划、普惠金融、风险管理、国际业务等领域论文二十余篇。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '300', 'name' => '江峰', 'thumb' => 'public://expert/2022/03-09/182306a4d77c469874.jpg', 'originalThumb' => 'public://article/2022/03-09/182306a76ca7446881.jpg', 'description' => '中电金信助理副总裁', 'about' => '中电金信助理副总裁，曾任职头部金融科技公司、四大咨询机构、商业银行和上市金融IT公司。对金融科技作为金融机构数字化转型中的技术支撑有深刻理解，曾主导过多家银行信贷风险全流程管理的解决方案输出及实施，在信贷风险IT建设领域拥有超过17年的研发及落地实践经验。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp;&nbsp;</p>
', 'attachachieve' => '<p>&nbsp;&nbsp;</p>
', 'viewpoint' => '<p>&nbsp;&nbsp;</p>
', 'elegant' => array(), 'userId' => '5689', 'status' => 'unpublish', 'createdTime' => '1646821389', 'updatedTime' => '1646821389', 'body' => '<p>&nbsp; &nbsp; &nbsp; &nbsp;中电金信助理副总裁，曾任职头部金融科技公司、四大咨询机构、商业银行和上市金融IT公司。对金融科技作为金融机构数字化转型中的技术支撑有深刻理解，曾主导过多家银行信贷风险全流程管理的解决方案输出及实施，在信贷风险IT建设领域拥有超过17年的研发及落地实践经验。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '196', 'name' => '徐天石', 'thumb' => 'public://expert/2020/11-11/153557de9466922301.jpg', 'originalThumb' => 'public://article/2020/11-11/153558e595c2942046.jpg', 'description' => '德勤咨询银行领域的合伙人', 'about' => '德勤咨询银行领域合伙人，前波士顿咨询公司全球合伙人兼董事，金融机构战略转型负责人。徐先生在风险管理方面有二十多年的经验，曾任麦肯锡咨询公司全球副董事合伙人、毕马威咨询公司合伙人、埃森哲咨询董事总经理及高级行政官、标准普尔风险咨询大中国区总裁。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp; &nbsp; &nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、风险治理视角下的金控集团全面风险管理</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; &nbsp;英美典型的大型的金控集团，或者是银行控股的金融公司，在全球有区域管理中心，区域中心下面有分支机构，这是一种典型的矩阵制管理结构。通过对国内外控股集团风险管理模式的分析，可以得出控股公司的风险管控职能定位主要在风险的并表管理、对成员单位的风险监控与支持服务、以及集团自身的风险管理。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）国际视角下的金控集团风险管理</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; &nbsp;</span>现在全球主流的管控模式基本上是母公司管理附属子公司的管控模式：不是100%把握每一笔交易，每一个指令，每一笔风险，而是基于战略监控性来进行把控。战略监控性控制的难点跟重点，就是如何去考核战略性子公司。其中一个就是风险偏好是否符合集团整体风险偏好，是否符合集团整体的一个战略取向。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）治理框架体系</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; &nbsp;</span>治理框架结构的顶层是风险战略的设计。制定战略的时候，风险尽量要考虑进来。风险跟战略是不可分离的。战略制定中风险是可以带来价值的&mdash;&mdash;既有做好战略风险的一个防范，又能把风险体现在战略里面。实质上风险偏好是指导业务怎么去做。第二层则涉及到相关治理体系&mdash;&mdash;包括三道防线的设置，包括董事的一些制度性安排。第三层叫做工具系统。实际上工具系统中包含一个很重要的东西&mdash;&mdash;也就是跨行的统一的风险视图，本质上是金融企业的一个仪表盘，展现全面风险的这些风险的一些敞口，包括风险管理的薄弱环节。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）风险文化培养的方式</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; &nbsp;</span>那么如何迅速改善一家银行或者一家金控集团的风险文化，使其以风险为主来加强风险管理与控制，董事会可以采取12项全面风险管理举措，将全面风险管理提升至最高标准。第一个途径是高管自身要带头问责，做好问风险问责。第二个是梳理风险热图，现在大家很担心的一点就是董事会在风险管理上不专业。第三个是确定大赌注在哪里。第四个是综合情境的分析，综合情绪分析，不单单是依靠一条线或者两条线的业务线单纯的跟母公司汇报。第五个是建立风险评估流程。第六个是实时指标的检测体系。第七个是引领战略的一个宣贯。第八个是将风险融入业务。第九个是明确治理架构。第十个是母公司需要保持与高管层的合作。第十一个是营造并检视风险文化，监督管理层对组织的风险文化进行诊断，并制定改进的方法。第十二个是优化高管的薪酬结构。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（四）当下集团风险管控的内容</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; &nbsp;</span>通过对国内外控股集团风险管理模式的分析，可以得出控股公司的风险管控职能定位主要在风险的并表管理、对成员单位的风险监控与支持服务、以及集团自身的风险管理。风险并表管理，包括风险战略与偏好管理、风险识别与评估管理、专项风险整合分析、资本计量与分配、限额管理、风险报告、风险应急预案。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; &nbsp;</span>来源：《风险杂志》2019年第4期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、风险、合规与内控</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）前瞻性的合规内控监管文件</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; &nbsp;</span>在2004年，银监会就发布了《商业银行内部控制评价试行办法》，要求规范和加强对商业银行内部控制的评价，督促银行进一步建立内部控制体系。2006年，银监会又出台了《商业银行合规风险管理指引》，提出商业银行应当建设强有力的合规文化、有效的合规风险管理体系以及有利于合规风险管理的三项基本制度。虽然银监会、中国人民银行、国资委等部委多次出台文件规范商业银行合规和内控体系建设，但是近年来银行的合规问题依旧层出不穷。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）金融机构的合规管理</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; &nbsp;</span>金融机构应当以符合其规模、复杂性、结构和运营的方式制定&ldquo;合规义务&rdquo;文件，而其中的合规义务信息应当包括合规要求、可以包括合规承诺。合规风险是因为金融机构违反法律、监管要求、行业协会要求及行为准则等造成的风险，其是基于信用风险、市场风险、操作风险三大风险之上的更基本的风险。同时，合规风险也常与声誉风险相关联。商业银行进行合规管理的主要目标是促进银行实现发展战略、保证经营管理合法合规、保证银行资产安全可靠。很多银行在其风险偏好中明确表示，对合规风险零容忍。为了实现有效的合规管理，商业银行等机构应当建立起完备的合规体系和合规人才队伍。合规本身是一门科学，其管理可分为识别、管控、监测、补救、报告等环节。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）金融机构的内控管理</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; &nbsp;</span>商业银行内控管理主要包含五个要素：一是环境要素。二是信息沟通机制因素。三是控制活动要素。四是风险要素。五是监督要素。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（四）合规与内控的关系</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; &nbsp;</span>合规和内控都是银行风险管理的主要措施，都具有动态性、全面性的特征。合规与内控涵义相通、目标相近、过程关联、方法趋同，共同促进银行的可持续发展。内部控制与合规管理虽然涵义相通，但也存在一定的不同点。内控工作以满足企业内在经营需要而开展，由企业内部发起并制定，更关注企业的日常经营以及各部门与经营相关的内部内容。合规工作则是以企业经营行为不违法违规为目的，更为关注企业与外部发生联系的行为。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（五）操作风险与合规、内控的关系</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; &nbsp;</span>操作风险与内部控制有着内在联系，控制操作风险有利于内部控制实现经营管理目标、财务报告目标与遵循目标。而内部控制能够更好地对应对操作风险内生性、人为性的特征，且内部控制是银行管理操作风险的基础。但是二者又在重点、对象、目标上有不同的关注点。操作风险强调&ldquo;区别&rdquo;管理，重点在于针对内外部事件区分出可承担的风险、可转移的风险，进而采取不同的管理手段，其目标相对单一。内部控制则强调控制机制建设，要求针对内部组织架构中的各个部分建立内部控制政策和程序。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（六）风险管理体系的建设</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; &nbsp;</span>金融机构应当建立完善的公司治理、风险管理及合规审查体系，以此来提升公司风险控制职能的效率和有效性。在体系中，董事会及执行管理委员会负责设定整体政策与风险基调。而根据企业风险政策和态度，管理层来设定各种风险控制功能的职责、管理组织风险性的共同目标、风险结构等。进而，各职能部门基于共用的流程、技术和知识，履行各种风险和控制功能的职责，努力管理好目标组织的风险。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; &nbsp;</span>来源：2020TGES系列论坛-03：内控合规、造作风险管理和全面风险管理&mdash;&mdash;徐天石《风险、合规与内控》</span></p>
', 'elegant' => array(), 'userId' => '297', 'status' => 'published', 'createdTime' => '1605080230', 'updatedTime' => '1636595524', 'body' => '<p>&nbsp; &nbsp; &nbsp; 德勤咨询银行领域合伙人，前波士顿咨询公司全球合伙人兼董事，金融机构战略转型负责人。徐先生在风险管理方面有二十多年的经验，曾任麦肯锡咨询公司全球副董事合伙人、毕马威咨询公司合伙人、埃森哲咨询董事总经理及高级行政官、标准普尔风险咨询大中国区总裁，点融网的首席风险官。拥有美国伊利诺伊大学香槟分校金融学硕士学位，是北京师范大学统计学院兼职硕士生导师。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '137', 'name' => '蒋亚萍', 'thumb' => 'public://expert/2020/11-06/154550eaa5ef488796.png', 'originalThumb' => 'public://article/2020/11-06/154550ed2f48485602.png', 'description' => '毕马威独立顾问，iModX首席风险官首席风险官', 'about' => '现任毕马威独立顾问，iModX首席风险官。蒋女士先后在加拿大几大银行工作二十多年，在风险管理，量化模型，巴塞尔协议的合规评估及内部审计等领域有丰富的知识和经验。蒋女士是特许金融风险管理师，拥有数学博士学位，是中国科学院数学所博士后。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp;&nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、压力测试的背景和定义</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 压力测试是一项关键的风险管理工具，涉及重大风险的识别度量、风险缓释对冲策略的确定，以及压力状况下银行资本充足性、生存能力、韧性的评估。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>关于压力测试的方法，除自上而下与自下而上以外，还有一种逆向工程法（反向压力测试），该方法预先设定严重到足以挑战银行生存能力的压力结果，然后反推确定可能导致此结果的压力时间和场景。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>从压力测试的发展情况来看，可以将其分为四大类。第一层是针对某一特定部门和投资组合的小范围敏感性分析。第二层涵盖多部门/多组合的大范围敏感性分析。第三、四层从场景分析出发，第三层主要针对某一特定组合或单一风险因子，而第四层则是涵盖多部门、多投资组合甚至整个银行的场景分析，是真正的全面压力测试。</span></p>

<h2 style="text-align: justify;">&nbsp;</h2>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、压力测试的关键监管法规和方法</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>最早的监管法规是巴塞尔委员会2009年出台的压力测试原则，它于2018年进行了更新。然后是为众人所熟悉的美联储要求的CCAR，除此以外，美联储还有另一项名为DFST的压力测试方法，不同于CCAR的对象是资产在500亿美元以上的大银行，该方法主要针对资产在100亿到500亿美元之间的中小型银行。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>加拿大也有类似的监管法规，全称叫OSFI&nbsp;E-18&nbsp;Guideline，其中规定了全面压力测试的相关要求。除此以外，欧盟、国际货币基金组织也都有对应的压力测试法规。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、压力测试的含义</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>压力测试与一般的风险管理有所区别，它旨在深入分析在可能发生的极端情况下隐含的风险因子，以及它们与产品和资产组合损失（如贷款损失和客户行为）的关系。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>压力测试并不预测普遍或期望条件下的损失，它更关注尾部损失，关心极端情况出现以后，会有什么样的灾难出现、最大的损失会有多大。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>四、压力测试</strong><strong>的风险</strong><strong>量化模型</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>通常在做风险分析，包括市场风险、信用风险以及操作风险的分析时，可以参考以下图1的实线区域，通过使用一些数据，绘制出损失分布图，分布图中要计算预期损失（相对年均值预期损失）和目标置信度下的损失值。该目标置信度的选择取决于银行自己的违约度，一般为99.9%，也可以是99.95%、99.97%等。当放入压力测试的场景后，由于损失增大、尾部拉长，整个损失分布图会向右移动（红色虚线部分）。此外，压力测试的风险量化模型还涉及压力测试下的预期损失、非预期损失（目标置信度下的损失和预期损失的差）等。值得注意的是，市场风险一般不考虑均值，由于其被普遍默认为是0；而信用风险和操作风险要考虑均值，所以它的非预期损失需要扣除预期损失均值。</span></p>

<p style="text-align:center"><img alt="" height="306" src="/files/default/2021/02-20/1133106803dd035337.png" width="524" /></p>

<p style="text-align: center;"><span style="color:#000000;">图1&nbsp;压力测试前后的损失分布图</span></p>

<h2 style="text-align: justify;">&nbsp;</h2>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>五、ERM和EWST的演变过程</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>全面压力测试（Enterprise-Wide&nbsp;Stress&nbsp;Testing，EWST，又称整体压力测试或企业全面压力测试），应看作是全面风险管理的一个部分。全面风险管理的功能始终在逐步发展和完善，从最开始的监控、合规目的，渐渐演变成价值保护、降低风险损失，最后发展到如今风险管理的目的是创造价值。全面风险管理的演变是随着市场变化及监管法规的完善逐步形成的，全面压力测试也同样，它是随着全面风险管理的发展而发展的，并且在金融危机以后变得更为重要。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>压力测试开始于根据简单的因子扰动做敏感性分析，到单一部门自己做基于市场风险、信用风险等单个风险的压力测试，逐渐发展成全面的压力测试。</span></p>

<h2 style="text-align: justify;">&nbsp;</h2>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>六、EWST面临的几大挑战</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第一，银行或公司需要建立完备的EWST管理框架。第二，要设定有意义且相关的压力场景和实施EWST的整体方法。第三，由于压力测试基于模型，因此需要开发相关的模型，并且能够完成独立模型的检测。第四，要创建健全、灵活、可扩展的技术系统设施，能够接受不断调整的压力场景与新产品，同时还要建立完整统一的数据库。第五，要建立有效的内部操作流程和内部控制程序。第六，要评估压力测试结果的反馈信息（例如宏观和微观），从而能够将这些压力测试的结果有效地应用到资本配置、资本规划、战略制定或各个业务部门中去，使压力测试结果起到实际作用。第七，全面压力测试面临专业人才需求冲突，意指相同的专业人才需求与其他同类部门相冲突。</span></p>

<h2 style="text-align: justify;">&nbsp;</h2>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>七、EWST</strong><strong>能力成熟度模型和标杆分析</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>EWST能力成熟度模型主要用于将自己的压力测试水平与同行相比较，分析两者之间的差距和产生差距的具体地方，并给出比较后的统计结果。该模型有四个成熟度级别，从单一零碎的（Fragmented）到行业领先的（Leading&nbsp;Practices）。这些级别需要用一定鉴别标准进行判断。</span></p>

<p style="text-align:center"><img alt="" height="219" src="/files/default/2021/02-20/1134444c9196747584.png" width="496" /></p>

<p style="text-align: center;"><span style="color:#000000;">表1 未来全面压力测试能力成熟度的目标级别</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>表1从六个角度出发，分别是监管、场景方法、模型、系统和数据、流程和控制、报告和使用方法，再根据四个不同的成熟度级别，进行标杆分析，然后与同行业或跨行业比较。图中有蓝、红、绿三个点，红点表示同行业的平均状况，蓝点表示自己所处的位置，绿点表示目标水平，通过该图可以看出自己与目标水平之间的差距。银行参与问卷调查，调查中涵盖针对六个角度给出的不同衡量标准，银行回答调查中的相关标准，然后将问卷调查情况进行统计分析、打分，最终得以确定自己所处的位置，以及与目标水平之间的差距。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020（第十六届）中国金融风险经理年度总论坛（11月）</span></p>
', 'elegant' => array(), 'userId' => '238', 'status' => 'published', 'createdTime' => '1604648800', 'updatedTime' => '1636524558', 'body' => '<p style="text-align: justify;">&nbsp; &nbsp; &nbsp; 蒋亚萍，现任毕马威独立顾问，iModX首席风险官。蒋女士先后在加拿大几大银行工作二十多年，在风险管理，量化模型，巴塞尔协议的合规评估及内部审计等领域有丰富的知识和经验。蒋女士是特许金融风险管理师，拥有数学博士学位，是中国科学院数学所博士后。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '179', 'name' => '汪晓帆', 'thumb' => 'public://expert/2021/11-10/172711f789ad955211.png', 'originalThumb' => 'public://article/2021/11-10/172712043da8805817.png', 'description' => '中国民生银行供应链金融事业部副总经理', 'about' => '中国民生银行供应链金融事业部副总经理。银行业工作近三十年，历任中国民生银行沈阳分行行长助理、东北区域信贷审查官、华中区域信贷审查官，在商业银行信贷风险管理，产品研发等方面有较深入研究。华南理工大学经济学学士，清华大学EMBA，CPA。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><font color="#000000"><span style="font-size: 16px;"><b>论文</b></span></font></div>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2009，</span><span style="font-size:16px;"><a href="https://www.yunzhan365.com/78149399.html">信贷高增长的&ldquo;表&rdquo;与&ldquo;里&rdquo;</a>，《银行家》第3期&nbsp;</span></span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、赊销融资风险管理框架</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）赊销交易类型及特征</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 赊销本质上是信用销售，即购买人先获得货物，然后在规定的期限内付款或分期付款。在这一过程中，商品发出后所有权即发生了转移，而卖方也同样获得收款的权利，商品销售完成，双方产生债权债务关系。但也存在特殊的情况，如卖方要求保留商品所有权。通常来说，从交易双方的类型来分，赊销存在核心企业与分销商、分销商与终端客户两种形式，即B to B和B to C。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>从赊销的特征来看，卖方赊销赊的是货，取得的是收款权，这本质上是卖方风险与收益的平衡。因为卖方采取赊销的策略可以获得扩大销售的收益，但同时也要承担买方无法及时足额偿付赊销款的风险，故而属于商业策略的风险与收益的平衡。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）商业机构赊销风险管理</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>这里主要可以分为以下五个方面：一是商业机构如何根据所面临的商务环境确定基本政策；二是商业机构如何进行赊销的限额和期限管理；三是商业机构会采取哪些控制手段进行风险管控；四是商业机构在做出赊销行为之后，如何进行信用跟踪；五是商业机构在面临坏账的时候，会如何处理。在这五方面中，商业机构所采取的行为与金融机构相比，既存在相似性，也存在自身的特点。这也是金融机构在进行赊销融资的过程中，所需要考虑的问题。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）赊销融资风险管理框架</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>这里主要包括以下几个关键点：一是根据商业情况，银行应该确定怎样的融资方式；二是这些融资方式里面会存在哪些基本的风控理念；三是为了实现这些风控理念，应该有哪些关键的技术支撑；四是如何通过一套体系来实现风险管理。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（四）产融结合</strong><strong>&nbsp;共创共赢</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>首先是厂商与银行之间实现优势互补，其次是联防联控，共商对策。银企双方基于各自掌握的经销商情况，监测风险，及时预警及信息互通，并快速反应，双方采取相应的风控措施，化解或共担风险，最大限度地降低预期损失和非预期损失。最后是信用创造价值。银企合作模式下，可新增信用或传递信用给产业链上下游企业，进而提升整个链条交易体量，新增经济附加值。银企商三方均可从增值中获益。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020TGES系列论坛-07：中小微企业和零售普惠金融与风险管理&mdash;&mdash;汪晓帆 《供应链赊销场景融资风险管理框架》</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、供应链金融中的风险管理再造</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）背景：环境巨变</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>供应链金融的整个风险环境的变化，主要有三个方面：<br />
<span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第一是技术进步。目前供应链业务的发展，都是依托于整个新的信息技术的进步而生存的，大量的采用线上化的作业方式，采用大数据的方式，这里头能够用到的技术就包括了人工智能、区块链、大数据、云计算、物联网、5G等等。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第二个是整个目前产业界的生态有一个重新的塑造的过程，也是利用了这些技术进步的手段。从开发的现状来看，很早期就出现了服务物联网，包括金融机构也是早期的服务互联网的实践行业。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第三个由于互联网的出现，使得银行的服务从属地化的客户变成了跨地域的客户群。那么在客户的需求方面的话，原来我们的客户对银行包括一些金融机构的需求，主要是受财务因素所驱动。到现在的话，已经开始由简单的产品服务变成产品和场景相结合的场景化的服务。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）理念：创新升级</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第一，因为供应链金融是依托于交易而产生的一种金融行为。交易是不是能够正常的被履行而实现由货币到实物、由实物再到货币的过程？这么一个资产转换是不是能够成功？是整个风险管理的一个根本的基础。那么就需要去考察整个交易行为，这里头就存在着行为理论。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第二，供应链金融是依托于具体交易而产生的金融性，那么就会存在着这个叫资产转换的风险，就是指货币转成实物再转成货币的过程当中，它的转换成功率是一个什么情况？那么在这个过程当中就会产生商流、物流、资金流和信息流这么四个流。那么通过这四个流的管控、侧重，很大程度上他就会比较好的能够去进行风险的测量。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第三，我们传统的运用评级理论来进行的违约概率的估算，它的周期往往是以一年周期为标准，甚至会有更长，因为包括有中长期的这些评级。但是在供应链金融的基础上的话，往往它的期限是很短的，可能会是3个月6个月，也可能会是一个月乃至一周。那么传统的这些基于主体信用评级的这些分析方式，往往会不适应供应链的创新。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）流程：协同再造</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>需要风险管理的流程的再造，包括有金融机构、核心企业和链上客户的。那么对于金融机构来讲，那么它需要把风险管理具体的融入到业务过程当中，包括风险的数据采集、数据的分析、管控的模型、监测的模型以及预警处置等等这些信息，需要跟业务更好的融合在一块才能够真正实现价值。另外还需要去把风险管理流程跟业务流程和企业之间，银行之间，还有包括第三方协同者之间进行端到端的流程再造。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>另外就是整个流程的再造过程当中，不仅仅是存在一些信贷的风险，还会涉及到账户的管理、结算的管理、反洗钱的管理这些诸多的风险，通过这个场景化的这些手段能够通过重新的再造整个得以提升。对于供应链上的核心企业也需要进行一些协同化的再造，以适应供应链自身的发展，也适应供应链金融的发展。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020（第十六届）中国金融风险经理年度总论坛NO.9：供应链金融和小微企业金融&mdash;&mdash;汪晓帆《供应链金融中的风险管理再造》</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、合作共赢谈大公司业务与小微信贷</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）小微经济体经济关系解析</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>1.&nbsp;资源、关系和价值循环</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>当代经济实质上是由不同的资源和关系构造而成的经济主体为了实现各自的价值，通过物流、资金流、信息流、管控流互相作用的一系列循环往复的活动。在这个活动中，人、财、物和技术是作为资源要素存在的，价值传递（价值链）是作为运行机制存在的，四个流（物流、资金流、信息流、管控流）是作为基本运动形态存在的。因此，我们可以通过价值传递和四个流来描述各经济主体间的经济关系。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><strong>2. 小微经济体的基本类型</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>（1）大经济体延伸型。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>（2）经济关系独立型。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>（3）经济关系混合型。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）小微信贷的市场定位</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>业务目标的不同决定了市场定位的不同。在小微信贷市场上，不同的银行、不同的机构有不同的目标：有的是为了获取单纯的信贷收益，比如小贷公司，他们没有结算的能力，也没有其他综合服务能力，主要经营是获取信贷收益；有的主要是承担社会责任，如国家开发银行和一些政府机构，主要拿规模出来让别人帮他做；有的是为了获得综合回报，如商业银行。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）合作共赢的重要意义</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第一，较好地解决客户来源问题。在良好的大公司业务基础上进行客户延伸，短期内带来了庞大的小微信贷客户群。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第二，较好地解决抵押依赖问题。通过跟大公司客户的合作，可获取与大公司客户合作的小微客户在经营和财务等方面的诸多信息，能较好地解决信息不对称的问题，还可以掌握资金流向从而强化风险控制。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第三，较好地解决运营成本问题。通过与大公司业务合作，可以从一开始就划定好自己的客户圈子，深入研究这群客户的风险特点是什么，要监控哪些指标、分析哪些信息，最后形成一个集群开发的政策。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第四，较好地解决合理定价问题。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第五，有利于提高风险管理效果。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第六，能够提升大公司业务的竞争力。可以为大公司客户提供整合价值链的契机；提升大公司业务的竞争力和收益水平</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》2011年第6期</span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1611657738.png'), array('src' => '/files/expert/expert_1611657753.png')), 'userId' => '280', 'status' => 'published', 'createdTime' => '1605066592', 'updatedTime' => '1636536440', 'body' => '<p>&nbsp; &nbsp; &nbsp; 汪晓帆，中国民生银行供应链金融事业部副总经理。银行业工作近三十年，历任中国民生银行沈阳分行行长助理、东北区域信贷审查官、华中区域信贷审查官，在商业银行信贷风险管理，产品研发等方面有较深入研究。华南理工大学经济学学士，清华大学EMBA，CPA。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '107', 'name' => '杨贵院', 'thumb' => 'public://expert/2020/11-05/1141277d8ee7304111.jpg', 'originalThumb' => 'public://article/2020/11-05/114128845955025064.jpg', 'description' => '上海农商行法律顾问、兼任总行合规内控部总经理', 'about' => '上海农商银行总法律顾问兼总行合规内控部总经理，同时兼任上海仲裁委员会、上海国际贸易仲裁委员会仲裁员、中国金融风险50人论坛（CFR50）专家组成员、上海立信会计金融学院客座教授等职；自1997年起从事银行风险管理工作，2010年-2016年担任上海农商银行风险管理部总经理，从事银行风险管理、合规、内控工作二十余载。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><span style="color: rgb(0, 0, 0);"><span style="font-size: 16px; font-weight: bold;">论文</span></span></div>

<div style="height: 12px; float: left;">&nbsp;</div>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2019，对商业银行合规管理与金融法治建设的思考，《银行家》第05期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2013，流程银行建设路径选择，《中国农村金融》第14期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2010，<a href="https://www.yunzhan365.com/88607681.html">&ldquo;流程银行&rdquo;:通向&ldquo;客户银行&rdquo;之路&mdash;&mdash;关于农村中小金融机构与&ldquo;流程银行&rdquo;的对话(下)</a>，《中国农村金融》第02期。&nbsp;</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2010，<a href="https://www.yunzhan365.com/44895813.html">构建&ldquo;流程银行&rdquo;正当其时&mdash;&mdash;关于农信社与&ldquo;流程银行&rdquo;的对话(上)</a>，《中国农村金融》第01期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2008，<a href="https://www.yunzhan365.com/50683181.html">上海农商行的合规建设实践</a>，《银行家》第02期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">2006，<a href="https://www.yunzhan365.com/84461448.html">规矩立 定方圆&mdash;&mdash;上海农村商业银行合规风险管理经验扫描</a>，《中国农村信用合作》第09期。&nbsp;</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size: 16px;">1998，<a href="https://www.yunzhan365.com/49298728.html">关于健全商业银行信贷委员会的构想</a>，《上海金融》第05期。</span></span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>金融乱象整治与银行合规建设的再思考</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp; &nbsp; </strong>金融乱象的逻辑演变及特征：银行业目前面临四个方面的突出问题，其中两个问题与今天的内容密切相关：一是负责人提出银行的部分市场乱象有所反弹。众所周知银行业最近在轰轰烈烈地进行对前三年银行市场乱象统一的&ldquo;回头看&rdquo;；二是银行业违法违规行为时有发生，尤其提到最近报道的涉及多家银行的假黄金事件。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><strong style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</strong>银行对于乱象的治理、整治是任重而道远的。从乱象的时间脉络来看，大致可以将其分为三个阶段。第一个阶段是2015年至2016年，第二个阶段是2017年至2019年，第三个阶段则是从2020年开始，将其简单分为1.0、2.0和3.0。实际上从目前来看，监管部门对金融乱象没有明确的定义，在所有的指导性的文件里都没有明确提到什么是金融乱象。其出处是习主席在2017年的金融工作会议以及中央政治局会议上的称呼，具体指出要深入扎实整治这种乱象，防止监管和银行猫鼠一家的现象，但对监管安全的定义则到现在也没有明确的说法。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><strong style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</strong>银行业金融乱象有三个关键词，一是&ldquo;因为违法违规行为导致的&rdquo;。如果是真正的合规经营，则不会存在乱象的一个诱因，即违法违规。第二个关键词是&ldquo;传导&rdquo;，其指出风险不仅在银行业内循环，还广泛地传导至其他一些金融业，尤其是信托、保险、证券，以至社会经济生活的各个方面。第三个关键词是&ldquo;社会混乱&rdquo;，其指出金融乱象造成的结果。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><strong style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</strong>尽管2017年才正式地使用&ldquo;乱象&rdquo;进行描述，但实际上从2015年开始&ldquo;两个加强、两个遏制&rdquo;，以及2016年开始的对&ldquo;两个加强、两个遏制&rdquo;的&ldquo;回头看&rdquo;，都可以认为是乱象的一个前期阶段，故可以统一为1.0阶段。尽管那时没有&ldquo;乱象&rdquo;的称呼，但实际上监管的一系列的整治都可以视为是对乱象的整治，&ldquo;两个加强&rdquo;就是加强合规建设与内控建设，&ldquo;两个遏制&rdquo;就是遏制银行违法违规的冲动，都和乱象密切相关。从2017年的&ldquo;三违反、三套利、四不当、十乱象&rdquo;开始，尤其是罗列了银行在机构、高管、制度业务方面的乱象，才有&ldquo;乱象&rdquo;的全面称呼，故往后的行动都是围绕乱象的整治来展开的。由此才有2018、2019年的整治以及2020年的&ldquo;回头看&rdquo;。以上就是银行乱象的大致的时间脉络。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><strong style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</strong>从外部成因、从乱象存在的土壤来看，它有两个重要的诱因。一是从2008年开始，在我们经济金融生活中所熟知的金融盛宴；二是分业监管。这两个土壤导致了银行违法违规的冲动，以及乱象的形成。而银行业在其中某种程度上助推了金融盛宴的发展。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><strong style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</strong>新情况下银行合规管理的特征：第一个特征是银行的严合规与&ldquo;六稳&rdquo;&ldquo;六保&rdquo;并行不悖；第二个特征是银行的合规标准日趋统一，前几年的银行合规较难开展，主要有几个方面的突出问题，比如多头管理、新旧并存、层层加码等。且农商行和城商行或是股份制银行相比，还有自己的要求，给人以杂乱无序之感。；第三个特点是严合规展现出一定的灵活性，不像原先那么死板，无论是银保监会的2020年的28号文，还是在2019年的155号文都体现出一定的灵活性。但也存在执行机构它在执行时不一定按照文件进行的情况；第四个特征是合规重点有所转移。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><strong style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</strong>银行合规管理新挑战：第一个挑战是如何从形式合规转向实质合规；二是从这两年监管发布的文件和乱象整治的项目文件来看，合规被提升到一个新的高度。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><strong style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</strong>银行的合规人员要适应新的情况、形势，至少应该有三个方面的要求，即三个三。第一个三是银行合规官要懂法律、懂业务、懂融合。只了解法律法规，却不了解业务的话，则很难成为一名优秀的合规官，反之亦然。所以有很多监管部门的官员在银行的表现不被多数人认可，其中一个重要原因就是对银行业务的了解和融合需要过程。第二个三是银行合规人员要有智商、情商、风险商。第三个三是合规人员要善于发现风险、识别风险、处置风险,或者说报告风险。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><strong style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</strong>银行合规管理策略：从外部的情况来看，必须要有持续的强监管、严问责，而且还要往一体化监管的路上走。尽管我们说从一行三会到一行两会是一个进步，原来从央行分出证监会、保监会、银监会也是进步，从混业到分业是个进步，但现在从分业到半混业，也是一个进步。当然，个人认为中国早晚还是要成立统一的经管会，即金融监督管理委员会。应当顺应目前发展的大势，因为银行也要改革要开放，银行要真正要保证金融稳经济稳，真正要解决银行的问题，从外部环境来看大监管是必然的。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><strong style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</strong>从内部来看，对商业银行来说也是三句话：守底线、存戒具、育文化；我觉得大部分情况下银行的合规，我们可以关注四个方面，首先是要反思，再思考银行合规要怎么样做到从高层率先垂范；此外是机制的建设与评估。合规人员机制是不是真正实现了独立、专业，这直接导致合规发挥作用的不同，如果合规管理还是放在风控部门、风险合规部，从理论上来说这样的合规管理是不独立的，因为风险本身也需要合规去监督与评价，尤其贷款审批里也有一些合规上的评价，所以如果将二者合二为一，由一个领导分管，本身就是合规不够独立、不够纯粹、不够专业的一个表现。当然，小微银行人少、资源有限，也是一个因素。；第三个要解决的是合规的再思考问题，即考核要到位；最后一点是合规风险要早发现、早处置、早报告。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><strong style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</strong>来源：2020TGES系列论坛-03：内控合规、造作风险管理和全面风险管理《金融乱象整治与银行合规建设的再思考》演讲文稿整理</span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1611656615.png')), 'userId' => '206', 'status' => 'published', 'createdTime' => '1604547831', 'updatedTime' => '1636595822', 'body' => '<p style="text-align: justify;">&nbsp; &nbsp; &nbsp; 杨贵院，金融EMBA、法学硕士。自1997年起从事银行风险管理工作，目前担任上海农商银行总法律顾问，兼任总行合规内控部总经理。同时兼任上海仲裁委员会、上海国际贸易仲裁委员会仲裁员，中国金融风险50人论坛（CFR50）专家组成员、上海立信会计金融学院客座教授等职。2010年&mdash;2016年担任上海农商银行风险管理部总经理。此前在上海银行信贷管理部、合规部任职。在任职风险管理部总经理期间，牵头组织全面风险管理体制机制的完善与实施，健全各类风险管理流程和制度，推进巴塞尔新资本协议在农商银行的探索与应用。在任职合规内控部总经理期间，牵头组织推动全行流程银行建设，推进合规管理示范行，深化内控、案防、反洗钱与法律事务管理，致力于健全政策制度与流程的全覆盖。从事银行风险管理、合规、内控工作二十余载，近年来在相关论坛及多家农信省联社、农商银行、城商银行、股份制银行等内训授课两百余次，相关内容包括《银监会全面风险管理指印解读及其实施》《商业银行全面风险管理与合规经营》《商业银行信贷风险管理》《商业银行资本管理新规的挑战与应对》《商业银行法律风险与应对》《商业银行合规内控案防管理实务》等。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '99', 'name' => '石涛', 'thumb' => 'public://expert/2020/11-05/11071869dc5c275224.jpg', 'originalThumb' => 'public://article/2020/11-05/11071970852f075742.jpg', 'description' => '中国邮政储蓄银行总行风险管理部助理总经理', 'about' => '中国邮政储蓄银行总行风险管理部总经理助理，中国人民大学会计学博士，高级经济师，金融风险管理师（FRM）、金融理财师（AFP）。曾在中国农业银行总行、四川省自贡市政府（挂职）、四川省科技厅（挂职）、中国邮政储蓄银行等单位工作，对全面风险管理、信用风险管理、市场风险管理、科技金融有深入研究。', 'sticky' => null, 'weight' => '0', 'achievement' => '<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><font color="#000000"><span style="font-size: 16px;"><b>论文</b></span></font></div>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size: 16px;">2014，地方政府性债务问题研究，《农村金融研究》第01期。</span></p>

<p style="margin-left: 40px;"><span style="font-size: 16px;">2011，IASB金融工具减值准则最新进展评析，《财会通讯》第10期。</span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、全面风险管理探析</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）何时提出全面风险管理&mdash;&mdash;全面风险管理的历史沿革</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 风险管理体系大致有三个来源。一是来源于企业管理，包括安全生产和质量控制，这方面有相应的标准，比如ISO31000《风险管理指南》、美国RIMS《风险成熟度模型》、澳大利亚-新西兰ASNZS4360《风险管理》等，其中澳大利亚-新西兰的标准提出很早，启发和推动了ISO标准的产生。二是来源于内部控制，或者说是公司治理领域，包括COSO《企业风险管理框架》、英国FRC《公司治理准则》和《风险管理、内部控制及相关财务报告指南》等；三是金融风险管理，包括BCBS《巴塞尔协议》、IAIS《保险核心原则》中都有相关规定。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）什么是全面风险管理&mdash;&mdash;全面风险管理内涵框架</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>从国内来看，2016年，银监会印发《银行业金融机构全面风险管理指引》首次提出了一个规范性、指导性和综合性的指导文件，对风险管理体系进行了比较完善的全面的阐述。其内容中提出银行业金融机构建立全面风险管理体系，采取定性和定量相结合的方法，识别、计量、评估、监测、报告、控制或缓释所承担的各类风险的活动，可以理解为对于全面风险管理的定义。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>全面风险管理的特征首先是全面覆盖，风险类型上覆盖信用风险、市场风险、流动性风险等九大类风险，流程上包括所有业务环节，机构上包含所有分行、子公司各类机构，而且需要共同参与，不仅是风险部门的事，也是全体员工的事，更是董事会、高管层的事。另外定义中还明确了要建立全面风险管理体系框架、完善管理流程，而且提出相应的技术方法。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>银监会2016年印发的《商业银行全面风险管理指引》中可以提取出全面风险管理的基本特征，包括四项原则（匹配性、全覆盖、独立性、有效性）、五大要素（风险治理架构；风险管理策略、风险偏好和风险限额；风险管理政策和程序；管理信息系统和数据质量控制机制；内部控制和审计体系）、六个流程（识别、计量、评估、监测、报告、控制或缓释）、六个责任（董事会最终责任、董事会监督责任、高管层执行责任、业务条线直接责任、风险管理条线检测和管理责任、审计条线审计责任）、九类风险（信用风险、市场风险、流动性风险、操作风险、国别风险、银行账户利率风险、声誉风险、战略风险、信息科技风险）。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>具体从风险类型上来看不仅包括信用风险、市场风险、流动性风险、操作风险、国别风险、银行账户利率风险、声誉风险、战略风险、信息科技风险等九大类风险，还包括其他风险，比如集中度风险、合规风险、法律风险等。在风险管理流程上有识别、计量、评估、监测、报告、控制或缓释六个流程。在全面风险管理体系方面有五大要素：风险治理架构；风险管理策略、风险偏好和风险限额；风险管理政策和程序；管理信息系统和数据质量控制机制；内部控制和审计体系。</span></p>

<h4><span style="color:#000000;"><strong>（三）如何开展全面风险管理</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>我们从风险管理体系架构角度来讨论如何进行全面风险管理。一是要建立风险治理架构。从风险治理制衡和运行两个机制来看。制衡机制主要关注权力在两会一层、三道防线和分、子机构之间的分配。风险管理的运行机制主要包括考核、问责、评价、报告等方面。考核是指挥棒，一定要体现风险；问责包括激励与约束双向措施，要将受益与成本明确分开；评价上包括机构评价与部门评价，还包括对风险水平的评价与对风险管理能力的分别评价，因为一个机构或部门面临风险高一方面可能是管理能力的问题，另一方面还可能是客观经营环境的问题；报告不仅是一个信息传递的方式，还体现了责任的传导，接受报告者要进行相应的决策、处理。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>二是要健全风险管理政策、制度。在风险政策方面，风险政策包括风险战略、风险偏好、风险策略、风险限额等。我认为战略和策略应当有所区分，是因为战略具有长期性、系统性、根本性的特征，而策略往往是一定时期的权宜之计。风险战略和风险偏好是相对稳定的长期的规划，由董事会审批并监督执行。风险策略和风险限额往往非常具体，由高管层审批并监督执行。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>三是要建设风险管理系统、方法。风险管理方法主要包括三个方面，第一个方面是数据治理，数据是金融风险的量化基础，所以数据治理非常重要，要做好数据的收集、清洗、整合、挖掘、应用，要充分利用内部数据和外部数据。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第二个方面是技术方法，大数据、人工智能、云计算等金融科技的创新对风险管理有很大的促进和提升作用，改变了风控方式。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>第三个方面是系统建设，如今风险管理依赖于系统，因为现在需要处理的数据量往往很大，单靠人工难以处理，而且还有相应的制衡和控制需要通过系统来实现，所以系统主要起到提高效率和流程控制的作用。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020TGES系列论坛-03：内控合规、造作风险管理和全面风险管理《全面风险管理探析》演讲文稿整理</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、关于风险管理基本理念和框架</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>现在国际上有关风险管理的基本体系和框架主要有三个 ：第一是从企业管理，安全生产、 技术质量控制角度所构建的体系，包括 ISO、美国 RIMS 等 ；第二是来自于会计或者内部控制角度所构建的体系，包括 COSO、英国 FRC 等 ；第三是从金融的角度来风险管理，包括巴塞尔委员会所发布的巴塞尔协议、国际保险监督官协会 (IAIS) 保险监管核心原则 (ICP) 等。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>风险管理基础知识体系可以从两个维度来构建：一是可以参考银监会所公布的全面风 险风险管理指引，从三个要素来构建，即风险治理和架构、风险管理的政策和流程、风险管 理的系统和工具；二是可以从风险管理的流程来构建，即识别、计量、评估、监测、控制等 方面。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>风险管理首要应该是守底线，为业务画了一个&ldquo;圈&rdquo;，在&ldquo;圈&rdquo;内不应该对业务的运作做过多的干涉。风险的配置应该是各个业务的一个合力。就如同运筹学所述一样，设置一个目标函数（类似风险价值的最大化）和约束函数（限额，即不同超过多少） 最终求出一个共同的解，进而形成风险在各个资源的分配。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》 2020年 第 4 期：《关于风险管理基本理念和框架》演讲文稿整理</span></p>
', 'elegant' => array(), 'userId' => '198', 'status' => 'published', 'createdTime' => '1604545646', 'updatedTime' => '1636535550', 'body' => '<p>&nbsp; &nbsp; &nbsp; 石涛，中国邮政储蓄银行总行风险管理部总经理助理，中国人民大学会计学博士，高级经济师，金融风险管理师（FRM）、金融理财师（AFP）。曾在中国农业银行总行、四川省自贡市政府（挂职）、四川省科技厅（挂职）、中国邮政储蓄银行等单位工作，对全面风险管理、信用风险管理、市场风险管理、科技金融有深入研究。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '92', 'name' => '季元', 'thumb' => 'public://expert/2021/01-04/161511fda491301647.jpg', 'originalThumb' => 'public://article/2021/01-04/161512015043465449.jpg', 'description' => '百融云创首席风险官，清华大学金融大数据中心理事', 'about' => '百融云创首席风险官，清华大学金融大数据中心理事。毕业于清华大学，数学博士。目前负责百融云创大数据和人工智能业务。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp;</p>

<div style="border-left: 5px solid rgb(255, 114, 0); padding-left: 20px;"><font color="#000000"><span style="font-size: 16px;"><b>论文</b></span></font></div>

<div style="height: 12px; float: left;">&nbsp;</div>

<p style="margin-left: 40px;"><span style="font-size:16px;">2018，大数据技术助力消费金融美好生态，《清华金融评论》第01期</span></p>

<p style="margin-left: 40px;"><span style="font-size:16px;">2016，移动网络安全防护技术，《数字技术与应用》第11期。</span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、&ldquo;产业+科技+金融&rdquo;探索小微金融新模式</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 小微金融业务的风险控制是银行长期以来的痛点，银行之前采用的传统模式对小微金融进行风控均没有获得理想的结果。随着产业互联网的发展，&ldquo;产业+科技+金融&rdquo;探索出小微金融新模式。包括金融科技案例实践、产业互联网金融业务实践案例、工业互联网金融业务实践、政府型融资平台业务实践。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020TGES系列论坛NO.07：投资银行业务、私募投资与风险管理&mdash;季元《&ldquo;产业+科技+金融&rdquo;探索小微金融新模式》</span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1609748149.png')), 'userId' => '191', 'status' => 'published', 'createdTime' => '1604544288', 'updatedTime' => '1623119237', 'body' => '<p>&nbsp; &nbsp; &nbsp; 季元，百融云创首席风险官，清华大学金融大数据中心理事。毕业于清华大学，数学博士。从事银行风险管理近十年，谙熟风险计量、资产组合管理、零售和对公业务风险策略等。曾任职于中国光大银行风险管理部和信用卡中心，在金融行业大数据和人工智能应用、传统金融机构的数字化转型等方面有深刻的理论研究和实践经验。目前负责百融云创大数据和人工智能业务，致力于通过应用替代性数据和先进算法，推动信用体系的创新，破解个人和小微企业的普惠金融难题。</p>
', 'type' => 'senior', 'opened' => '0', 'followed' => '0'), array('id' => '78', 'name' => '徐凡', 'thumb' => 'public://expert/2020/09-27/1723451270de367470.png', 'originalThumb' => 'public://article/2020/09-27/17234514f97d938957.png', 'description' => '盛宝金融科技有限公司总经理', 'about' => '盛宝银行大中华区首席执行官、全球执委会委员，美国哥伦比亚大学博士。曾任纽约花旗银行总部全球金融市场部资深交易员，中国光大银行资金部副总经理、中国光大银行风险部市场风险总监，中信保诚人寿保险有限公司总经理助理、资金运用部门负责人、首席投资官。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp; &nbsp; &nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<h2><span style="color:#000000;"><strong>投资与风险管理</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp; （一）投资与风险管理的目的</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><span style="text-align: justify;">&nbsp;</span>投资的流程，可以简述为筹措资金，制定合同，支付资金，执行合同，收回资金。抛开具体的细节，投资的最终目的，就是希望达到收回的资金远大于支付的资金。投资的原则是尽可能提高收回资金的数额及其可靠性，保证投资之后一定能盈利，所以投资本身就是风险管理的过程。在决定投资后，需要制定详细的投资计划，并且坚决执行。投资计划包括投资目标、容忍度、投资时限、品种选择、人员选择、进程监督、计划调整的预案、如何处理投资风险等。完备的投资计划/机制是投资不断成功的必要组成部分。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp;&nbsp;（二）投资中的风险管理</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>&nbsp;对投资进行风险管理，目的是为了确保尽可能安全的完成投资任务，尽可能扩大收益，并且将亏损控制在一定范围内。首先要做到风险的识别。最常见的风险是信用风险，信用是最常见的风险起源，可以说几乎所有的风险都来源于信用。其次是流动性风险，它是最致命的，流动性问题的出现很容易导致公司倒闭。第三是市场风险，它是市场成熟后才有的产物，是风险最常见的表现形式，可能会带来亏损，但是很少直接导致公司倒闭。第四是操作风险，虽然近几年计算机代替了人工，减少了许多人工带来的操作风险，但系统宕机、机器出现故障等风险仍然无法被避免。它很难被避免。此外还有声誉风险、法律风险、战略风险等。这些风险直接存在交叉关系。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp;&nbsp;（三）资产负债管理</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><span style="text-align: justify;">&nbsp;</span>近几年，资产负债管理得到监管的空前重视，但资产和负债完全匹配是不实际的，因此存在资产负债错配是正常的，管理好错配风险才是重点。从广义的角度来说，资产负债管理是所有企业的核心；从狭义的角度来说，资产负债管理是针对金融机构的，是管理好各个账户的资产负债错配风险，具体来说主要是短期的流动性风险和长期的利率风险管理，核心是利率风险。错配是金融机构的主要利润来源，包括信息错配（规模效益）、期限错配（借短放长）、信用错配（风险偏好）、币种错配（汇率）、资源错配（跨市场）、监管错配（创新）等，这些几乎是金融机构所有的业务来源，是金融机构存在的价值之一。若金融机构能有效的管理这些错配，则能提高整个社会的效率。错配本身并不是错误，但前述错配均会带来或明或暗的风险，这为风险管理带来许多阻碍。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp;&nbsp;（四）风险与套利</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><span style="text-align: justify;">&nbsp;</span>根据有效市场理论，市场应该是比较有效的，即没有额外的风险调整后收益，目标收益率与风险容忍度必须匹配。但事实上，市场常常提供套利机会，并不完全有效，这些机会往往来自人的情绪，人的情绪破坏了市场的有效性。随着人工智能和量化策略的普及，市场上的套利机会确实减少了，但并没有消失，并且市场上还出现了针对套利策略的套利。人工智能可以避免情绪化，但是否真的能消除套利机会，将市场变得更加有效，仍然有待考察，仍然有许多人在投资时高度依赖于量化策略。另一种解释是，也许市场是有效的，但人们的能力、关注点以及可以使用的手段都是有限的，无法得到市场上所有的信息，即市场整体有效，但对个体来说，有效性并不成立。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp;&nbsp;（五）风险管理的内容</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><span style="text-align: justify;">&nbsp;</span>风险管理管的是风险偏好，要将风险偏好落实和分解，具体到投资某一类产品；此外，还要平衡投资的回报要求与风险容忍度，评估自己的投资能力，对风险进行评估、预测和跟踪，最后制定应急处理的方案。风险偏好决定了投资风格以及品种匹配，风险调整后的收益并不能取代风险偏好。从标普500、亚马逊和黄金的走势可以看出，投资对买入和卖出的时机、持有时长的判断是非常重要的，对投资者的风险偏好和投资风格有很高的要求。风险偏好最终需要分解和落实，可以按风险种类、业务条线、能力边界，考虑交叉传染和极端情况进行分解和落实。在使用数学模型为资产进行定价时，许多假设都与市场现实状况并不符合，所以对极端情况的考虑就显得极为重要。投资人需要对风险管理和投资回报进行平衡，客观评估投资能力和市场机会。回报的要求一定要与投资能力和风险偏好匹配，实现风险容忍度内资源最高配置。复杂的产品并不一定能获得很高的盈利。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>&nbsp; &nbsp;&nbsp;（六）金融科技</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><span style="text-align: justify;">&nbsp;</span>在现代金融市场中，使用强大的科技工具是必须的，市场的复杂程度超出大脑直觉，人工处理的成功大多属于运气好。但是，完整的金融科技框架并不常见，业务平台与风控平台常常是分离的，风险管理技术常常落后于业务部门。在金融科技中，科技是末，金融是本，本末不能倒置。对于金融行业来说，科技提高效率，降低成本，促进产品普及，开拓新市场。金融企业从来都是高科技企业，科技水平已经成为金融企业综合竞争力最重要的组成部分之一。但是这些工具也存在局限性，科技的进步只能使一小部分人的回报率更高，无法改变整体行业的回报率，不能超过社会财富的增加。所有工具和经验几乎都是针对过去的，对未来一无所知，无论多么复杂的模型，都是用数学来描述我们的理解，投资和风险管理高度依赖于我们理解市场运行机理的这一假设。人工智能也许反应更快，盲点更少，但并不能揭示市场的机理。</span></p>

<h4><span style="color:#000000;"><strong>&nbsp; &nbsp;&nbsp;（七）经验与理论</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><span style="text-align: justify;">&nbsp;</span>理论上，有效市场中没有免费的午餐，风险调整后收益是一致的；随着科技的不断进步，量化策略和量化工具不断普及，市场的有效性将进一步提高。但是在经验中，市场并不是那么有效的，经验丰富者在风险上的把控更加到位，新手的收益却往往更高，核心的原因在于投资不是一个可重复的实验，投资理论在统计上是正确的，但需要大量的重复实验进行验证，而市场的时间是一去不复返的，而且意外总会发生。风险管理还有一个重要的组成部分，就是应急处理。从历史的经验可以看出，极端情况并不罕见，但却是模型无法预测到的。例如今年的疫情对整个全球经济的冲击，个人认为没有什么模型能够预测到这种规模的冲击，所以全球金融市场都发生剧烈波动，而且出现了原油宝等重大的金融事故。为了应对这类无法预期的情况，应急处理必须有预案。在制定预案时，必须牢记，应急处理是保护底线和生命线，在极端情况下，生存第一。最有效的应急处理模式是完备的预案和及时的执行。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span><span style="text-align: justify;">&nbsp;</span>来源：2020TGES系列论坛-01：金融市场交易与市场风险管理演讲实录：《投资与风险管理》</span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1601200536.jpg'), array('src' => '/files/expert/expert_1601200544.jpg')), 'userId' => '170', 'status' => 'published', 'createdTime' => '1601198632', 'updatedTime' => '1636595306', 'body' => '<p><span style="font-size: 14px;">&nbsp; &nbsp; &nbsp; 徐凡，</span>盛宝银行大中华区首席执行官、全球执委会委员，美国哥伦比亚大学博士。曾任纽约花旗银行总部全球金融市场部资深交易员，中国光大银行资金部副总经理、中国光大银行风险部市场风险总监，中信保诚人寿保险有限公司总经理助理、资金运用部门负责人、首席投资官。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '190', 'name' => '吴颖兰', 'thumb' => 'public://expert/2020/11-11/1505073622d6673526.jpg', 'originalThumb' => 'public://article/2020/11-11/1505073b9ebc931094.jpg', 'description' => '德勤风险咨询业务部合伙人', 'about' => '德勤风险咨询业务部合伙人。拥有15年为美国和中国金融机构提供战略、运营和风险合规咨询服务经验。致力于不断创新银行全面风险管理体系新高度新技术的探索，包括对国际金融监管体系最新趋势的解读和在国内市场的实施落地，以及国内大银行的全面风险体系搭建和新资本协议实施咨询。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp; &nbsp; &nbsp; &nbsp;&nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、中资银行全球业务发展的风险管理挑战</strong></span></h2>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（一）</strong><strong>中资</strong><strong>银</strong><strong>行国际化历程及成绩</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 中资银行股改上市后国际化进程显著加快，国际地位显著提升，规模持续壮大的同时资本实力雄厚。截至目前，中资银行国际化进程主要包括以下三个阶段：</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; <strong>&nbsp;&nbsp;</strong></span><strong>1、新中国成立到改革开放前：准备期</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>从新中国成立到改革开放前可以说是中资银行国际化的准备期，这一阶段特征为少量中资银行开始以代理行形式小范围、小规模地从事周边国家的进出口贸易融资和结算活动。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><strong><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>2、改革开放到股改上市前：探索期</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>从改革开放到股改上市前是中资银行国际化的探索期，这一阶段特征为随着中国经济市场化改革与对外开放，各大银行逐渐向海外扩展业务，由代理行模式扩展至自设机构模式，境外分支机构数量逐渐增加。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;<strong>&nbsp;</strong></span><strong>3、股改上市至今：发展期</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>从股改上市至今是中资银行国际化的发展期，这一阶段特征为各大银行不断提高综合化经营水平与国际化综合竞争实力，通过支持中资企业&ldquo;走出去&rdquo;&ldquo;一带一路&rdquo;建设，中国银行业已成为支持全球经贸发展的重要力量。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（二）中资</strong><strong>银</strong><strong>行国际化经营情况</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>以四大行为例，中资银行境外机构布局相对集中于亚太、西欧、北美，并以&ldquo;一带一路&rdquo;沿线国家作为拓展重点，中国走出去的企业为核心客户，业务模式较为单一。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>总体来说，境外机构布局方面，中国大行呈现数量阶梯化和位置集中化的特征，集中在亚太、西欧、北美地区，并以&ldquo;一带一路&rdquo;沿线国家作为拓展重点。境外客群结构方面，中国大行境外机构现有法人客户以&ldquo;中国走出去&rdquo;企业、外商投资企业、外贸进出口企业和其他各类服务商为主，对境外机构当地客群深耕程度不高。境外业务结构方面，中国大行平均集团利息收入占比远高于美国大行，业务模式较单一，拓宽延伸业务颇具潜力。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>（三）当前中资</strong><strong>银</strong><strong>行国际化发展面临的外部经营环境</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>目前，全球宏观政治经济金融趋势主要有以下三大趋势：（1）全球政治格局不确定性加剧，包括中美长期对抗趋势形成、欧盟政坛波动、美俄地缘政治风险及中东恐怖主义等等；（2）全球经济大概率陷入衰退，预计全球经济超过5%的萎缩，出口下降&nbsp;500 亿美元，国际直接投资（FDI）下降5%-15%；（3）全球金融市场巨幅震荡，股、债、汇、大宗商品等各类资产价格急速下跌，零利率将成为新常态，对商业银行盈利模式提出重大挑战。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>新冠疫情全球扩散背景下，国际局势紧张，全球政治不确定性加剧，经济大概率陷入衰退。中国大行国际业务重点地区主要包括以下四个地区：第一，北美地区由于疫情和动荡使美国政治、经济、金融共振，美股虽在3月遭遇四次熔断，但在美国政府强劲的财政和货币政策支持下，美股逐步回升。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; 第二，</span>欧洲地区近年来经济一直较为低迷，作为新冠疫情&ldquo;震中&rdquo;，疫情影响恐将维持较长时间。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; 第三，</span>疫情对东南亚的银行体系稳定性构成一些威胁。不过，疫情之后，东南亚各国的中央银行就宣布了一系列旨在振兴经济的措施，成效显著。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; 第四，</span>香港作为世界第三重要金融中心的地位受到挑战。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong><span style="text-align: justify;">（四）</span></strong><strong>提升信用风险管理应对举措</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp; <strong>1、</strong></span><strong><strong>信</strong>用风险审阅</strong><strong>机制</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>为应对全新的信用风险管理挑战，如市场环境变化、监管要求、信用风险损失计量方法更新，需建立信用风险审阅管理机制，全方位加强信用风险管理能力。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>美国监管机构要求金融机构根据自身的规模、复杂性、贷款类型、风险状况和风险管理情况制定信用风险审阅体系，从而进一步加强对信用风险的管理。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>信用风险审阅目标包括：（1）及时识别潜在的信用风险，从而制定风险缓释措施从而减少损失；（2）审阅并调整信用风险评级，尤其是信用状况恶劣的贷款；（3）分析信用风险趋势，对信用状况呈恶化趋势的贷款进行预警；（4）评估内部信贷政策/流程，包括政策/流程的实施情况、合规性；（5）评估业务人员的执业情况，包括贷款批准、风险评估质量等；（6）为管理层提供客观的信用风险评估报告；（7）根据监管要求，提供相应的信用风险评估报告。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; <strong>&nbsp; 2、</strong></span><strong>信用风险内部评级体系</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>随着中资大行国际化战略的实施，境外机构覆盖面广，面临不同的属地监管机构要求。建议开发符合境内外监管要求、满足风险管理提升需要的境外评级体系，提升监管应对能力和内部风险管理能力。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>境外机构内评体系建设背景包括以下两点：（1）适应国际化战略发展的需要。境外机构数量多、覆盖面广，随着业务发展，本地客户增多，各机构资产组合的组合分布、业务特点、风险特征存在差异性。此外，内部评级结果为信贷审批、限额设定、组合管理等工作提供输入，支持量化分析决策。（2）符合境外机构属地监管要求，欧洲、美国等地区监管趋严，带来对评级独立性和本地化的更严格要求。同时，IFRS9新会计准则的实施对评级准确性、敏感性和本地适用性提出更高要求。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020（第十六届）中国金融风险经理年度总论坛-19：风险治理、文化、战略与全面风险管理《中资银行全球业务发展的风险管理挑战》演讲文稿整理</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、利率市场化给中小银行带来的冲击</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>新资本协议Ⅱ强调的是银行通过建立和加强风险管理体系能够降低银行对资本的需求，这对于银行的业务发展来说是一个良性的原则。巴塞尔协议Ⅲ是金融危机的产物，它反对银行进行过量的风险承担，并且为了加强银行持续经营的能力，要求银行投入更多资本，在一定程度上不太强调股东的价值回报，这在结构上对银行的经营模式产生了非常大的影响，过去、对资本占用、风险承担比较大的活动都被砍掉了，比如批发银行和交易业务，这使得中小银行的资本显得更加稀缺。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>中国台湾地区从70年代开始进行利率和汇率的市场化，实现金融的市场化，经历了很大的考验，比如说区域性的银行为了增加经营的效率，逐渐铺向中小企业，导致不良资产的无序上涨，进一步导致银行业急剧的并购，失败者纷纷退出历史舞台。在利率市场化的大背景下，中小银行在资本和风险之间纠结，如何把风险和资本的计量更多的体现到银行的价值管理当中是一项挑战。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》第28辑（总）2014年第2辑《利率市场化给中小银行带来的冲击》演讲文稿整理</span></p>
', 'elegant' => array(), 'userId' => '291', 'status' => 'published', 'createdTime' => '1605078417', 'updatedTime' => '1636537156', 'body' => '<p>&nbsp; &nbsp; &nbsp; 吴颖兰，德勤风险咨询业务部合伙人，专注于为国内银行和资本市场客户提供风险管理咨询服务。拥有15年为美国和中国金融机构提供战略、运营和风险合规咨询服务经验。致力于不断创新银行全面风险管理体系新高度新技术的探索，包括对国际金融监管体系最新趋势的解读和在国内市场的实施落地，以及国内大银行的全面风险体系搭建和新资本协议实施咨询。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '172', 'name' => '唐科伟', 'thumb' => 'public://expert/2021/01-04/100950ee08b8088985.jpg', 'originalThumb' => 'public://article/2021/01-04/100951f2b5d7919437.jpg', 'description' => '孚临科技创始人兼 CEO', 'about' => '英国诺丁汉大学博士，孚临科技创始人，杭州市特聘专家/海归高层次人才。曾任中欧金融协会执行会长，巴克莱银行/苏格兰皇家银行风控主管，蚂蚁金服花呗/借呗/农村金融风控主管，网商银行平台风险负责人。曾获牛津大学，剑桥大学和伯克利大学邀请讲座。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp; &nbsp; &nbsp; &nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>小微信贷风控数字化转型技术和探索</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 首先给大家介绍一下孚临科技，孚临科技于2017年成立，其核心定位是帮助银行进行数字化转型，在获客和对应的风控领域提高效率，降低风险。孚临科技成立到现在已经累计融资超过1亿，并且在杭州有一个数字经济运营智能技术的重点研发中心。2020年孚临科技落地河南省衡阳市，与衡阳市政府子公司成立合资公司，打造衡阳数字信用体系，提供数字金融服务。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>一、普惠金融发展</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>我认为中国普惠金融的发展基于三个阶段。早期是惠而不普，银行的风险偏好过低，对于坏账容忍度非常低，原因包括监管、文化、问责制三个方面，银行的整体文化属于追求低风险与超低坏账，利率也相对比较低。在2015年慢慢开始有一批互联网小贷公司开始从事相对下沉的客群业务，追求高风险和高收益这时利率也相对较高。在5年前征信白户十分多，大概有几个亿，有征信记录的小几个亿，但是在过去5年有征信记录的已经接近7亿了，这就是过去几年民间金融的兴起导致的一个比较正面的后果。同时也有一些负面后果，所以才会有强监管、强整治的到来。今年最高法院出现了民间借贷利率4倍LPR的要求，民间借贷利率的司法保护上限为15.4%，相对银行来讲风险收益就会有一个比较大的变化。当前所有金融机构、科技公司都在做相应的调整，尤其是小贷公司受到的打击十分大。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>二、小微风控现状及解决方案</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>当前小微风控有几大难题：</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>一是获客过度依赖平台巨头。通过线下客户经理获客对于中小银行来说较难，但对于全国性银行则较为容易，这是因为全国性银行网点较为密集，在网格式营销、获客密度上有一定优势，而中小型银行获客效率较低，获客渠道有限，有时会依赖人海战术。当前可以用RPA机器人流程自动化在很多方面解决线下获客效率的问题。做普惠金融一方面是较低的利率，另一方面是客户下沉，客户下沉的核心就是如何找准合适的客户，找到合适的客户需要的是营销和风控的联动。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>二是风控过度依赖抵押。绝大部分中国的小微企业90%不超过两年就会死掉，在两年之内去找准好的小微客群并给他们提供服务是一个精细活，对于大行来讲，只为三年以上、有一定规模的小微企业服务是完全行得通的，也有足够的市场，但是对于中小银行来说，就会存在获客成本不足以与大行竞争的问题，所以如何进行客户下沉是一个难题。许多小企业没有抵押，尤其是一些轻资产运营公司、科技公司、特许经营公司等，它们本身有非常好的前景，但是完全依赖抵押贷款不太现实。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>三是大数据面临隐私保护。早期对个人的隐私保护较为关注，但现在也慢慢开始关注对企业的隐私保护。在隐私保护问题中也需要有对应的几种路径，一种是联邦学习路径，包括分割式神经网络技术框架，另外一个是多方安全计算，它主要是一种分布式的数据库，这两种路径目前分别被蚂蚁金服、腾讯采用。这两种方法本质上都是解决如何在数据不交换，但是关键核心信息可以交换的基础上去进行的。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>最后通过&ldquo;RPA机器人流程自动化+DCS数字信用分析体系+MPC多方安全计算技术&rdquo;数字决策工具，能够实现小微信贷的&ldquo;可得性、便捷性、惠民性和安全性&rdquo;。在美国，已经有RPA做到百亿美金的科技公司，而中国的RPA刚刚开始。数字信用分析体系相对较为成熟，但是主要是在互联网公司相对比较成熟，在传统银行还是有大量的工作要做，尤其是对中小银行来讲，一是自身的数据积累，历史的数据中台并没有搭建完善，二是由于监管要求，外部数据的挖掘相对来讲比较保守，因此还需要在数字信用体系搭建上做进一步的挖掘。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;"><strong>三、数字信用分析体系与多方安全计算</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>数字信用分析体系包括小微数据体系、小微模型体系、小微策略体系。数据体系是基础，通过数据去建设对应的模型。模型总体来讲是偏硬的，如何基于模型的基础去设计对应的策略，这是属于偏软的。因此在其中还有模型风险管理，但是在目前的大数据风控体系容易被忽略。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>我做了一个大致的归纳分类，数据体系包括宏观、财务、经营、行业、法人数据。在做普惠金融贷款时，我们要拿到宏观数据，例如区域的风险数据，就可能会看到一些经济发达的地方反而风险高，这是因为经济发达地区骗贷相对成熟，而且黄赌毒也相对较多，因此并不是经济越发达，坏账率就越低。财务数据中一个核心的难点就是更新频次太低，另一个就是人工操作痕迹比较明显，因此在经营数据中，从经营流水、经营明细到发票，这里面还是有很多风险分析工作要做，尤其是流水数据造假非常严重。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在行业数据中，科技公司、零售行业、制造业的数据都是不一样的。科技公司一个大的特点就是前期投入高，但是发展前景好，但是也属于轻资产。零售行业一个很大的问题就是它的现金流非常好，比如餐饮店现在都实时到账，昨天订的货今天就已经就变成现金收到收款，所以这里面的营销是一个难点，风控对应也有它的周期性。现在有些制造业开始做数字化转型，使用物联网传感器等，包括工业控制都开始数字化，如果能够拿到这些数据就会有很大帮助。农村金融现在一个比较大的趋势就是基于GIS数据，所谓的GIS就是地理位置信息处理，地理位置信息比如遥感对于种植是非常有帮助的，但是养殖户相关的数据很难拿到，而且养殖行业对宏观周期有比较大的影响，比如说猪周期，因此如果一家银行针对养殖户做了较大的投入，贷款集中度过高的话，就会十分危险。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在个人信息方面，一些企业由于实控人、股东或者高管的一些操作，或者外部的多头经营，也会导致这个公司发生很大的麻烦，因此法人相关的信息也很重要。此外还有很多软风险数据是没办法反映出来的，因此风险主管还要根据自身的行业经验和经济周期经验进行主观判断，并与数据模型和策略结合起来。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在动态决策管理模块中也会有比较多的复杂工作要做，要牵涉到几万张表，每个表可能有1000个变量，其中也有上万条策略规则，然后有几百个模型。互联网公司一整套的大数据风控是相当复杂的，整个团队可能需要十个人做模型维护，几百个模型库可能不是针对十几个产品，而是只针对一个产品，针对这一个产品的客户全生命周期，再综合行业模型、财务模型、经营模型、现金流模型等以及打分卡，最后这些模型会被几百上千条规则来调用，因此这是一个比较大的工程。一个产品刚刚启动时完全没有任何样本，这时就非常考验风险管理的功底，开始逐步启动，积累样本，然后动态地调整模型，并根据样本偏差在不同的模型阶段设计不同的模型和策略。&nbsp;</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>目前多方安全计算市场主流一个是MPC，另一个是联邦学习。其中有一个核心的点就是要确保数据的输入是真实的。最终实现从区块链再到多方安全计算，最终再到交互过程中来完成整体的风险算法的不断调优。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020（第十六届）中国金融风险经理年度总论坛系列5：金融科技创新和展望&mdash;&mdash;唐科伟《小微信贷风控数字化转型技术和探索》</span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1614251983.png'), array('src' => '/files/expert/expert_1614251988.png')), 'userId' => '273', 'status' => 'published', 'createdTime' => '1604992104', 'updatedTime' => '1623121717', 'body' => '<p style="text-align: justify;">&nbsp; &nbsp; &nbsp; 唐科伟，英国诺丁汉大学博士，孚临科技创始人，杭州市特聘专家/海归高层次人才。曾任中欧金融协会执行会长，巴克莱银行/苏格兰皇家银行风控主管，蚂蚁金服花呗/借呗/农村金融风控主管，网商银行平台风险负责人。曾获牛津大学，剑桥大学和伯克利大学邀请讲座。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '282', 'name' => '武越川', 'thumb' => 'public://expert/2021/11-09/132459b6a179080539.jpg', 'originalThumb' => 'public://article/2021/11-09/132459b9e95d368911.jpg', 'description' => '中国光大银行风险管理部全面风险管理处副处长', 'about' => '现任中国光大银行风险管理部全面风险管理处副处长。毕业于清华大学，工学硕士，FRM持证人。长期从事商业银行资本管理和风险管理工作，具体负责RWA计量体系建设、压力测试、全面风险管理体系建设等相关工作。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp;&nbsp;</p>
', 'attachachieve' => '<p>&nbsp;&nbsp;</p>
', 'viewpoint' => '<p>&nbsp;&nbsp;</p>
', 'elegant' => array(), 'userId' => '1470', 'status' => 'unpublish', 'createdTime' => '1636435502', 'updatedTime' => '1636600553', 'body' => '<p>&nbsp; &nbsp; &nbsp; &nbsp;现任中国光大银行风险管理部全面风险管理处副处长。毕业于清华大学，工学硕士，FRM持证人。长期从事商业银行资本管理和风险管理工作，具体负责RWA计量体系建设、压力测试、全面风险管理体系建设等相关工作。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '186', 'name' => '王轶男', 'thumb' => 'public://expert/2020/11-11/1444491d7e6b890993.png', 'originalThumb' => 'public://article/2020/11-11/144450240d2d466884.png', 'description' => 'SS&C技术控股公司Algorithmics大中华区服务部门主管', 'about' => 'SS&C技术控股公司Algorithmics大中华区服务部门主管，在金融风险管理系统领域工作20多年，服务过亚太、北美、和欧洲的各类型金融机构。之前曾经就职于IBM风险分析部门、担任过ALGO（北京）公司的董事长和法人代表。多伦多大学工商管理硕士，主修金融。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp; &nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>关于ISDA标准初始保证金（SIMM）</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 我们与国内的客户SIMM模型已经开始落地，而且国内的大型银行中已经有很多家银行SIMM正在落地，所以想借此机会与大家分享我在这方面的经验。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;">（一）<strong>S</strong><strong>IMM</strong><strong>的背景</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>2008年金融危机之后，G20提出采取一套共同的监管改革措施以使金融体系在面对未来的危机时更加安全，这些改革措施之一便是针对场外未清算衍生品的保证金要求。之后，巴塞尔银行监管委员会（BCBS）和国际证监会组织（IOSCO）联合成立了保证金制度工作组（WGMR），为保证金要求建立国际标准，并提出分阶段实施方案（ Basel的d475文件）。按照 BCBS/IOSCO 的实施时间表约定，最大的市场参与者于 2016 年 9 月 开始实施保证金要求，亚太地区的许多金融机构预计将于 2021年9月和2022年9 月被纳入全球非集中清算初始保证金（IM）要求的第五和第六阶段。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>初始保证金计算的方法共有两大类，分别为模型法（Quantitative Portfolio Margin Model或简称Model）与标准法（Standardise Margin Schedule或简称Schedule），标准法相对比较简单，我今天主要与大家分享ISDA建构的模型法。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;">（二）<strong>S</strong><strong>IMM</strong><strong>的基本情况与框架</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>我们现在做的SIMM是按照ISDA在2019年12月颁布的SIMM2.2版本进行的，实际上ISDA已经发布了2.3的版本，且于2020年12月开始生效。2.2与2.3版本没有太大的区别，只是在模型的校准上，2.3版本重新进行了校准。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<p style="text-align:center"><img alt="" height="143" src="/files/default/2021/01-26/151507b86776781674.png" width="468" /></p>

<p style="text-align: center;"><span style="color:#000000;">图 1&nbsp;部分国家与地区SIMM阶段实施时间表</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>图1中介绍了美国、日本等国家与地区SIMM实施的时间表，中国将进入第五阶段。原计划第五阶段的实施应该从今年9月开始，但因为疫情等原因，第五阶段的实施推迟一年至2021年9月。ISDA 的分析显示，当非集中清算衍生品平均名义总金额合规门槛按计划从 7500 亿欧元降低至 80 亿欧元时，被纳入合规范围的机构将从 60 个猛增至 1100 多个，相当于约9500 多个交易对手关系。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<p style="text-align:center"><img alt="" height="212" src="/files/default/2021/01-26/151526eecba4158697.png" width="442" /></p>

<p style="text-align: center;"><span style="color:#000000;">图 2&nbsp;SIMM的关键概念</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>要使SIMM成为一套标准化的体制，那么它在很多概念上就必须标准化。SIMM将所有的产品分为四大类型，然后基于不同类型对产品的风险进行分解，得到产品的风险类型、风险子类与风险因子，图2中给出了几个关键概念，并给出了资产类型和风险类型等。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<p style="text-align:center"><img alt="" height="181" src="/files/default/2021/01-26/1515528aa7e3827766.png" width="470" /></p>

<p style="text-align: center;"><span style="color:#000000;">图 3&nbsp;SIMM整体框架</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>图3给出了SIMM整体框架。对于一个交易对手，我们在计量SIMM时，是按照资产类型的SIMM值进行简单加总，即按照公式：</span></p>

<p style="text-align:center"><img alt="" src="/files/default/2021/01-26/151639785543335139.png" /></p>

<p style="text-align: justify;">&nbsp;</p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>对于每一个资产类型的SIMM值的计算，首先要弄清楚这一资产类型有哪些风险类型，涉及到哪些风险因子，根据公式：</span></p>

<p style="text-align:center"><img alt="" src="/files/default/2021/01-26/1516491c8755017827.png" /></p>

<p style="text-align: justify;">&nbsp;</p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>计算出风险类型的IM，然后，再使用公式：</span></p>

<p style="text-align:center"><img alt="" src="/files/default/2021/01-26/1516579d2563889621.png" /></p>

<p style="text-align: justify;">&nbsp;</p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>计算出资产类型对应的SIMM值。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>关于DeltaMargin等的计算，在之前提到的文件中有详细的说明，我就不赘述了。</span></p>

<h4 style="text-align: justify;"><span style="color:#000000;">（三）<strong>S</strong><strong>IMM</strong><strong>的计量与管理</strong></span></h4>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>从整体上看，SIMM的计量与管理可以分为三段。</span></p>

<p style="text-align: justify;">&nbsp;</p>

<p style="text-align:center"><img alt="" height="230" src="/files/default/2021/01-26/151754253670757992.png" width="469" /></p>

<p style="text-align: center;"><span style="color:#000000;">图 4&nbsp;SIMM的计量与管理</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>首先，需要有对衍生品进行估值与计量的引擎，才能够进行敏感值的计算，以及输出CRIF文件。CRIF文件是一个非常重要的中间结果文件，在之后与交易对手的比对以及与ISDA进行官方验证时，CRIF文件都有着极为重要的作用。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>接下来，按照ISDA规定的参数设置，通过加总可以得到IM的值，并在后台进行保证金的计算等，同时，之前做的所有的计量结果都要和交易对手逐一比对。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>最后，由于之前的计算均是基于模型，所以还需要进行合规准备。例如，ISDA有一套Unit&nbsp;Test，我们在将整个SIMM系统做好后需要进行单元测试，以及一些官方的验证。ISDA也有关于SIMM的回溯测试的要求，SIMM的回溯测试可能涉及一年的压力情景等等。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><strong>（四）SIMM在国内银行的实践</strong></span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>该银行已经是ALGO 交易对手信用风险方案的用户，交易对手与多数衍生品数据皆已完成。我们在此基础上实施的内容包含新增复杂衍生品、梳理市场数据、SIMM计量、验证、和相关咨询。主体项目实施过程约4个多月，包含银行自行开发加总引擎和参数管理界面，并于2019.12上线，之后我们协助进行官方验证需要的单元测试、提供SIMM的回溯测试方案，并对系统进行优化。在整个项目的实施过程中，有一些比较关键的方面，如和ISDA的沟通、SIMM敏感值输出与验证、协助银行开发SIMM IM汇总引擎并验证IM汇总结果。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：2020（第十六届）中国金融风险经理年度总论坛系列14：金融市场业务、衍生产品与市场风险管理&mdash;&mdash;王轶男《ISDA标准初始保证金（SIMM）介绍》</span></p>
', 'elegant' => array(), 'userId' => '287', 'status' => 'published', 'createdTime' => '1605077137', 'updatedTime' => '1636536897', 'body' => '<p>&nbsp; &nbsp; &nbsp; 王轶男，SS&amp;C技术控股公司Algorithmics大中华区服务部门主管，在金融风险管理系统领域工作20多年，服务过亚太、北美、和欧洲的各类型金融机构。之前曾经就职于IBM风险分析部门、担任过ALGO（北京）公司的董事长和法人代表。多伦多大学工商管理硕士，主修金融。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0'), array('id' => '43', 'name' => '林亚臣', 'thumb' => 'public://expert/2019/07-16/114940417d0a291107.jpg', 'originalThumb' => 'public://article/2019/07-16/1149404686b1061213.jpg', 'description' => '马上消费金融公司副总裁', 'about' => '马上消费金融公司副总裁，博士，曾任广发银行首席信贷官。美国银行技术公司FIS风险管理和决策分析总经理、公司副总裁，美国大通银行任私营信用卡客户管理和决策分析总经理、资深副总裁，美国第一北美银行任决策分析总经理，美国第一数据任信用评分和决策管理资深经理等。', 'sticky' => 'index', 'weight' => '89', 'achievement' => '<div style="border-left:5px solid #ff7200;padding-left:20px;"><span style="color:#000000;"><span style="font-size:16px;font-weight:bold;">论文</span></span></div>

<div style="height:12px; float:left">&nbsp;</div>

<div style="height:12px; float:left">&nbsp;</div>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2020，零售金融核心逻辑揭秘，《金融博览》第11期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2012，<a href="https://www.yunzhan365.com/69835151.html">风险管理创新实践</a>，《中国信用卡》第12期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2010，<a href="https://www.yunzhan365.com/40011820.html">量化的客户关系管理</a>，《金融科技时代》第10期。</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2007，An Application of Component-Wise Iterative Optimization to Feed-Forward Neural Networks, Yachen Lin - International Conference on Computational Science, Springer.</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2002，Improvement on behavior scores by dual-model scoring system，Yachen Lin - International Journal of Information Technology &amp; Decision Making, World Scientific.</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">2001，Data mining in credit card portfolio management: a multiple criteria decision making approach，Y Shi, M Wise, M Luo, Yachen Lin - Multiple criteria decision making in the new millennium, Springer.</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">1997，Asymptotics of bootstrapping mean on some smoothed empirical distribution，Yachen Lin, Statistics &amp; Decisions 15, 301 &ndash; 306,1997.</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">1995，Asymptotic confidence bands for normal distributions, Yachen Lin - Communications in statistics-theory and methods.</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">1996，Feed-forward neural networks: learning algorithms, statistical properties, and applications，Yachen Lin &ndash; Ph.D. dissertation Syracuse University.</span></span></p>

<p style="margin-left: 40px;"><span style="color:#000000;"><span style="font-size:16px;">1995，REPEATED TWO-STAGE ESTIMATION IN SINGLE HIDDEN LAYER FEED-FORWARD NEURAL NETWORKS, Yachen Lin, C Chen - Proceedings of the Statistical , American Statistical Association.</span></span></p>
', 'attachachieve' => '', 'viewpoint' => '<h2 style="text-align: justify;"><span style="color:#000000;"><strong>一、风险管理的要旨</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 风险者，未来不利之可能也。其小则关乎利益得失，大则关乎生死存亡。不可不察。察者欲识之，识之，当对其三性了然于心。悟其恒存之真理、知其互化之奥妙：一曰普遍存在性，二曰相关可预测性，三曰普遍关联性。知此三者，方知清水之源泉，广厦之根基。普遍存在性谓之曰， 天之所覆、地之所载、时时处处，风险皆在焉；既如此，可预知发生否？虽无法精准预知，却可预知其发生概率，此之谓风险相关可预测性；何为普遍关联性？名为可预测，实因关联因素众多之故，变化可期；故关联之要意在于创体系以求关联之实，于变化以见不变之实，实实相关，以实为正，居正出奇，出奇制胜。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>风险管理者，须谙风险三性、须为三业专家、须有中庸心怀，须尽使命之志。风险三性，不必多言。三业专家，即为业务专家、科技专家、数据分析专家。 惟如此，方可于无法而识常法，于无形而见常形。 慧眼识大势，巧手握精微；敏于市场变化，动如闪电，出如雷击；常于善战之势，&ldquo;势如张弩，节如机发&rdquo;。立风险管理之目标，依普遍关联之特性，设短策长效之方略，审时度势，总揽全局，随机应变；于变化之初而出奇兵，变化之末而定军略，积小胜连连以成大胜，终成全胜。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》2020年综合第2期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>二、在线消费与信贷市场问题</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在线消费信贷是指无须人工介入，完全通过数字化方式完成授信放款的消费信贷。在线消费信贷充满了挑战，在行业中，树立正确的业务发展观、合规观，以及正确的风险管理观是当务之急。同时，在线消费信贷也充满了机遇，社会零售消费市场在不断发展壮大，给在线消费信贷提供了巨大的市场基础。同时，时代为在线消费信贷提供更多的机遇，金融科技、大数据和AI的运用，5G的商用、政府开放数据，金融形成开放生态等，这一切都将为在线消费信贷市场带来新机会。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》2019年综合第4期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>三、在线消费信贷的机遇和挑战</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;">&nbsp; &nbsp; &nbsp; 在线消费信贷充满了挑战：在行业中，树立正确的业务发展观、合规观，以及正确的风险管理观是当务之急。除此以外，对于具体的行业问题，从&ldquo;十大&rdquo;矛盾总结了在线信贷面临的挑战。这是行业面临的共同问题，解决或改进任何一个矛盾都会促进行业的发展。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>在线消费信贷充满了机遇：社会零售消费市场在不断发展壮大，占据GDP的比重已超过50%，今后的占比将更大。消费市场不断扩张给在线消费信贷带来了前所未有的机会&mdash;&mdash;提供了巨大的市场基础。同时，时代为在线消费信贷提供更多的机遇：金融科技的运用、大数据和AI的运用、5G的商用、政府开放数据、金融形成开放生态等，这一切都将为在线消费信贷市场带来新机会。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》2019年综合第4期</span></p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><span style="color:#000000;"><strong>四、在线消费信贷面临的十大矛盾</strong></span></h2>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>（一）法规和实践的矛盾。信贷利率大于36%：法律认为无效，但并非犯法。没有定义成非法就使得许多不受监管的公司依然做36%以上，更有甚者，一些不法分子大搞诸如&ldquo;714&rdquo;和套路贷之类。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>（二）不同监管下的矛盾。公司在强监管下会理性的发展，有助于减少市场风险，市场会越来越健康；但市场上存在大量的无监管或弱监管的公司，他们获得很多政策套利机会，抢占市场，挤压强监管下持牌金融公司，导致市场风险增加，会使市场越来越不健康。不同监管下的套利会导致劣币驱逐良币。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>（三）&ldquo;普&rdquo;和&ldquo;惠&rdquo;的矛盾。&ldquo;普&rdquo;是让很多未得到银行金融服务的客户，如那些征信白户，得到金融服务。但事实表明，这个客群本身风险高，按照收益覆盖风险的基本原则，定价就必须高，否则业务无法持续，这就导致难以&ldquo;惠&rdquo;。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>（四）授信简化和授信需求的矛盾。该矛盾也属于监管套利，很多弱监管的金融公司为了抢占市场，在客户授信环节做减法，如只进行&ldquo;四要素检验&rdquo;而不进行活体检验，因为活体检验很耗费时间。更有甚者，设立更高的利率，手续更加简化。这些过分的简化，表面上是满足了需求，实质是造成了市场风险加大，在授信端放宽条件，在催收阶段进行暴力催收，其实质是将市场搞乱。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>（五）反欺诈信息共享窘境，贡献和分享的矛盾。反欺诈信息的共享是一种社会责任，如果信息不共享，欺诈分子会再次在市场上实施欺诈，让欺诈分子多次得逞。但如果信息共享，就会面临贡献和分享如何平衡的问题。掌握欺诈信息多的公司，有可能是付了很多学费的，它的贡献就很大；而掌握欺诈信息很少的公司，它的贡献就相对小。如果这两类公司享有同等的分享功能，事实上是不合理的。该如何公平的平衡贡献和分享信息是一个值得研究的问题。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>（六）满足需求和共债风险的矛盾。共债的风险是目前的当务之急，但由于很多授信实体不上报征信的现状，人们无法准确判断共债。另外，监管机构也未统一监管市场要求共债达到什么指标任何机构都不得授信。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>（七）额度和价格的矛盾。非理性的市场竞争导致非理性行为。许多公司靠额度获客，通常并未认真研究客户收入负债比，常常过度授信，比如提供一个手机号码就能获得几万的授信额度。靠额度吸引客户的资产组合通常有较高的风险，因此在定价上，必须维持较高的定价，只有这样才能做到收益覆盖风险。然而，由于信贷依赖于借款人的还款能力和还款意愿，而其还款能力是有限的。当高额和高价同时发生时，其还款压力骤增，还款能力不足，导致风险加大，从而造成行业风险加大</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>（八）单一数据源过多和信息不充分的矛盾。在线消费信贷客户中有很多是下沉客户，即没有很好的央行征信记录，也没有使用涵盖很多信息的数据源（百行征信正在努力实现这一目标），必须用其他数据源来推测这些客户的信用价值。多个单一的数据源使得每个数据源有价值，但其价值并不高，而这些单一数据源通常由市场化的一些公司来维护。这些公司为了生存，必须使其数据源的数据定在某一价格之上。尽管单一的数据源并不贵，但将很多这样的单一数据加起来，成本就相当的高。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>（九）关键信息缺失和有效数据闲置的矛盾。政府掌握了90%以上的大数据，但数据闲置未被有效利用，这增加了企业的成本，给市场风险增加了不确定性因素。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>（十）大数据风控技术和传统监管认知矛盾。传统的监管认知是模型必须具有可解释性和稳定性：具有这样性质的模型，可以厘清背后的逻辑，如收入高，负债少，最后违约的可能性就小，因为稳定，所以未来也可能这样；但在线信贷由于没有收入和负债这样的数据，而是有很多与收入负债间接相关的信息，因此需要用很复杂的模型提炼相关信息，来判断类似于&ldquo;收入高，负债少，最后违约的可能性就小&rdquo;这样的情况。因此，模型本身没有直接的可解释性，并且由于模</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>型所基于的信息和要判断的事情是弱相关的，因此，及时更新极为必要。实践证明，模型的快速迭代是保持模型有效性的一种手段，近几年的实践告诉我们，大数据风控技术对小额在线信贷是可行的。</span></p>

<p style="text-align: justify;"><span style="color:#000000;"><span style="text-align: justify;">&nbsp; &nbsp; &nbsp;&nbsp;</span>来源：《风险管理》2019年综合第4期</span></p>
', 'elegant' => array(array('src' => '/files/expert/expert_1565661527.jpg'), array('src' => '/files/expert/expert_1565661538.jpg'), array('src' => '/files/expert/expert_1565661546.jpg'), array('src' => '/files/expert/expert_1565661555.jpg'), array('src' => '/files/expert/expert_1565661562.jpg')), 'userId' => '25', 'status' => 'published', 'createdTime' => '1558707828', 'updatedTime' => '1636527151', 'body' => '<p align="justify">&nbsp; &nbsp; &nbsp; &nbsp;林亚臣博士曾在多个世界500强公司担任高级管理工作，诸如，在世界排名第一的银行技术公司美国FIS任风险管理和决策分析总经理、公司副总裁；在美国大通银行（JPM Chase和BankOne）任私营信用卡客户管理和决策科学总经理、资深副总裁；在美国第一北美银行任决策分析总经理；在First Data 任信用评分和决策管理资深经理；多次应邀在国内外著名科研单位、大学、公司以及学术和商业会议作为主题演讲嘉宾；曾应中国人民银行征信中心邀请对中国首个信用评分ChinaScore的创建提供技术咨询，并任中国科学院虚拟经济与数据科学研究中心兼职研究员。</p>

<p align="justify">&nbsp; &nbsp; &nbsp; &nbsp;林亚臣博士于2007年后期回国服务并加入广发银行信用卡中心任首席风险官；后任广发银行总行首席信贷官，负责广发零售银行全面风险管理工作；九年后，进入互联网金融领域，曾任唯品会金融首席风险官和首席战略官；现就职于马上消费金融公司，任公司副总裁并负责马上消费金融公司全面风险管理工作。</p>

<p>&nbsp; &nbsp; &nbsp; &nbsp;林亚臣博士毕业于北京师范大学，并获得数学学士学位、概率统计学硕士学位；后留学美国获得计算机科学硕士学位、统计学博士学位；在多个世界一流学术杂志发表了多篇论文并担任多个世界著名杂志的审稿人和杂志编辑理事。他的名字被收入&ldquo;国际知名职业人士录&rdquo;（INTERNATIONAL WHO&rsquo;s WHO of Professionals&auml;），和&ldquo;美国知名人士录&rdquo;（Marquis&rsquo; Who&rsquo;s Who in America&Ograve;）。</p>
', 'type' => 'senior', 'opened' => '1', 'followed' => '0'), array('id' => '222', 'name' => '朱建林', 'thumb' => 'public://expert/2020/11-12/153339329b2b102494.jpg', 'originalThumb' => 'public://article/2020/11-12/1533393c6d9c628640.jpg', 'description' => '泰康人寿保险有限公司科技创新中心数据智能部数据分析与挖掘方向负责人', 'about' => '中国人民大学计算机博士，金融学博士后。现任泰康人寿保险有限公司科技创新中心数据智能部数据分析与挖掘方向负责人，主要工作包括：客户精准营销、代理人赋能、智能核保核赔、健康控费、人力财务智能决策等。', 'sticky' => null, 'weight' => '0', 'achievement' => '<p>&nbsp;&nbsp;</p>
', 'attachachieve' => '', 'viewpoint' => '<p>&nbsp;&nbsp;</p>
', 'elegant' => array(), 'userId' => '323', 'status' => 'unpublish', 'createdTime' => '1605166469', 'updatedTime' => '1612871836', 'body' => '<p>朱建林，中国人民大学计算机博士，金融学博士后。现任泰康人寿保险有限公司科技创新中心数据智能部数据分析与挖掘方向负责人，主要工作包括：客户精准营销、代理人赋能、智能核保核赔、健康控费、人力财务智能决策等。</p>
', 'type' => 'interflow', 'opened' => '0', 'followed' => '0')), 'title' => '社群：数字金融与科技应用【年度】', 'classroom' => array('id' => '273', 'title' => '社群：数字金融与科技应用【年度】', 'status' => 'published', 'about' => '', 'categoryId' => '92', 'description' => null, 'price' => '618.00', 'vipLevelId' => '0', 'smallPicture' => 'public://course/2024/09-10/1759473dccdd173496.png', 'middlePicture' => 'public://course/2024/09-10/1759473da760590487.png', 'largePicture' => 'public://course/2024/09-10/1759473d7ea9872555.png', 'headTeacherId' => '0', 'teacherIds' => array('3'), 'assistantIds' => array(), 'hitNum' => '0', 'auditorNum' => '0', 'studentNum' => '0', 'courseNum' => '891', 'lessonNum' => '0', 'threadNum' => '0', 'noteNum' => '0', 'postNum' => '0', 'rating' => '0', 'ratingNum' => '0', 'hotSeq' => '0', 'income' => '0.00', 'createdTime' => '1725962362', 'updatedTime' => '1742438306', 'service' => array(), 'private' => '0', 'recommended' => '0', 'recommendedSeq' => '100', 'recommendedTime' => '0', 'maxRate' => '100', 'showable' => '1', 'buyable' => '1', 'conversationId' => '0', 'orgId' => '1', 'orgCode' => '1.', 'expiryMode' => 'days', 'expiryValue' => '365', 'creator' => '3', 'scheme' => '', 'approve' => '', 'cate' => '', 'free' => '', 'qianyan' => '', 'zanzhu' => '', 'length' => '', 'content' => ''), 'count' => '630', 'courseSets' => array(array('id' => '5501', 'title' => '从监管驱动到管理驱动——精细化信用风险压力测试实践', 'type' => '0', 'createdTime' => '1731841352', 'updatedTime' => '1731841352', 'trueTime' => '1606608000', 'video' => '0', 'ppt' => '0', 'course_id' => '3499', 'classroomId' => '273', 'meetingId' => '65', 'categoryId' => '16', 'meetingTitle' => '2020（第十六届）中国金融风险经理年度总论坛 专题十六 压力测试和模型风险管理', 'guest' => array('id' => '808', 'title' => '从监管驱动到管理驱动——精细化信用风险压力测试实践', 'meetingId' => '65', 'categoryId' => '357', 'type' => 'expert', 'name' => '陈勇', 'ranks' => '中国民生银行总行风险管理部风险计量模型验证中心主任', 'about' => '中国民生银行总行风险管理部风险计量模型验证中心主任', 'thumb' => '/files/default/2020/10-16/1456557beda5025011.png?version=8.3.20', 'videoUrl' => null, 'linkUrl' => null, 'createdTime' => '1602831424', 'updatedTime' => '1611386657', 'weight' => '0', 'expertId' => '0', 'short' => '', 'showable' => '0')), array('id' => '6316', 'title' => '银行经济资本的计算和运用', 'type' => '0', 'createdTime' => '1732081388', 'updatedTime' => '1732081388', 'trueTime' => '1606608000', 'video' => '0', 'ppt' => '0', 'course_id' => '4269', 'classroomId' => '273', 'meetingId' => '62', 'categoryId' => '43', 'meetingTitle' => '2020（第十六届）中国金融风险经理年度总论坛 专题十三 经济资本、风险偏好和限额管理', 'guest' => array('id' => '777', 'title' => '经济资本的计算方法和使用', 'meetingId' => '62', 'categoryId' => '342', 'type' => 'expert', 'name' => '杨一民', 'ranks' => '美国鼎信银行创始合伙人，代理CEO，首席风险官和信用官', 'about' => '美国LoyalTrustBank(鼎信银行)创始合伙人，资深执董，首席风险官和首席信用官', 'thumb' => '/files/default/2020/10-16/140205d2ab9d847779.png?version=8.3.20', 'videoUrl' => null, 'linkUrl' => null, 'createdTime' => '1602828130', 'updatedTime' => '1611387355', 'weight' => '0', 'expertId' => '0', 'short' => '', 'showable' => '0')), array('id' => '5504', 'title' => '经济资本和压力测试的限值设置', 'type' => '0', 'createdTime' => '1731841352', 'updatedTime' => '1731841352', 'trueTime' => '1606608000', 'video' => '0', 'ppt' => '0', 'course_id' => '3503', 'classroomId' => '273', 'meetingId' => '65', 'categoryId' => '43', 'meetingTitle' => '2020（第十六届）中国金融风险经理年度总论坛 专题十六 压力测试和模型风险管理', 'guest' => array('id' => '803', 'title' => '经济资本和压力测试的限值设置', 'meetingId' => '65', 'categoryId' => '357', 'type' => 'expert', 'name' => '江李蕰盈', 'ranks' => '前瑞士信贷（美国）董事总经理，主管信用分析业务', 'about' => '瑞士信贷（美国）（CreditSuisseUSAIHC）董事总经理、首席风险官', 'thumb' => '/files/default/2020/10-16/1449564e644f923364.jpg?version=8.3.20', 'videoUrl' => null, 'linkUrl' => null, 'createdTime' => '1602830999', 'updatedTime' => '1611386632', 'weight' => '0', 'expertId' => '0', 'short' => '', 'showable' => '0')), array('id' => '5508', 'title' => '商业银行 RAROC 管理体系建设', 'type' => '0', 'createdTime' => '1731841352', 'updatedTime' => '1731841352', 'trueTime' => '1606608000', 'video' => '0', 'ppt' => '0', 'course_id' => '4267', 'classroomId' => '273', 'meetingId' => '62', 'categoryId' => '16', 'meetingTitle' => '2020（第十六届）中国金融风险经理年度总论坛 专题十三 经济资本、风险偏好和限额管理', 'guest' => array('id' => '778', 'title' => '商业银行RAROC 管理体系建设：挑战与对策', 'meetingId' => '62', 'categoryId' => '342', 'type' => 'expert', 'name' => '刘吕科', 'ranks' => '民生银行总行风险管理部高级经理，经济学博士，金融学博士后，注册金融风险管理师', 'about' => '民生银行总行风险管理部高级经理，经济学博士，金融学博士后，注册金融风险管理师，曾就职于知名咨询公司，入职民生银行以来主要负责信用风险计量体系建设相关工作，包括内部评级、经济资本管理、减值管理和RAROC管理等工作', 'thumb' => '/files/default/2020/10-16/1403219477b7600268.png?version=8.3.20', 'videoUrl' => null, 'linkUrl' => null, 'createdTime' => '1602828209', 'updatedTime' => '1611387363', 'weight' => '0', 'expertId' => '0', 'short' => '', 'showable' => '0')), array('id' => '5510', 'title' => '银行经济资本的计算和运用', 'type' => '0', 'createdTime' => '1731841352', 'updatedTime' => '1731841352', 'trueTime' => '1606608000', 'video' => '0', 'ppt' => '0', 'course_id' => '4269', 'classroomId' => '273', 'meetingId' => '62', 'categoryId' => '43', 'meetingTitle' => '2020（第十六届）中国金融风险经理年度总论坛 专题十三 经济资本、风险偏好和限额管理', 'guest' => array('id' => '777', 'title' => '经济资本的计算方法和使用', 'meetingId' => '62', 'categoryId' => '342', 'type' => 'expert', 'name' => '杨一民', 'ranks' => '美国鼎信银行创始合伙人，代理CEO，首席风险官和信用官', 'about' => '美国LoyalTrustBank(鼎信银行)创始合伙人，资深执董，首席风险官和首席信用官', 'thumb' => '/files/default/2020/10-16/140205d2ab9d847779.png?version=8.3.20', 'videoUrl' => null, 'linkUrl' => null, 'createdTime' => '1602828130', 'updatedTime' => '1611387355', 'weight' => '0', 'expertId' => '0', 'short' => '', 'showable' => '0')), array('id' => '5512', 'title' => '刘志玲：浅谈反欺诈体系建设', 'type' => '0', 'createdTime' => '1731841352', 'updatedTime' => '1731841352', 'trueTime' => '1606608000', 'video' => '0', 'ppt' => '0', 'course_id' => '4880', 'classroomId' => '273', 'meetingId' => '66', 'categoryId' => '16', 'meetingTitle' => '2020（第十六届）中国金融风险经理年度总论坛 专题十七 内部控制和操作风险管理'), array('id' => '5513', 'title' => '蒋亚萍：全面压力测试 (EWST)  ——能力成熟度模型', 'type' => '0', 'createdTime' => '1731841352', 'updatedTime' => '1731841352', 'trueTime' => '1606608000', 'video' => '0', 'ppt' => '0', 'course_id' => '5023', 'classroomId' => '273', 'meetingId' => '65'), array('id' => '5643', 'title' => '杨一民：银行经济资本的计算和运用', 'type' => '0', 'createdTime' => '1732073819', 'updatedTime' => '1732073819', 'trueTime' => '1606608000', 'video' => '0', 'ppt' => '0', 'course_id' => '4269', 'classroomId' => '273', 'meetingId' => '62'), array('id' => '6514', 'title' => '周瑾：保险行业风险管理体系的演进', 'type' => '0', 'createdTime' => '1732081399', 'updatedTime' => '1732081399', 'trueTime' => '1606608000', 'video' => '10724', 'ppt' => '0', 'course_id' => '10724', 'classroomId' => '273', 'meetingId' => '64'), array('id' => '4578', 'title' => '贺德全：压力测试模型的建立', 'type' => '0', 'createdTime' => '1731840137', 'updatedTime' => '1731840137', 'trueTime' => '1606608000', 'video' => '3530', 'ppt' => '0', 'course_id' => '3530', 'classroomId' => '273', 'meetingId' => '65'), array('id' => '4579', 'title' => '江李蕰盈：限额应该具有前瞻性，并密切监控资本使用情况', 'type' => '0', 'createdTime' => '1731840137', 'updatedTime' => '1731840137', 'trueTime' => '1606608000', 'video' => '3531', 'ppt' => '0', 'course_id' => '3531', 'classroomId' => '273', 'meetingId' => '65'), array('id' => '6499', 'title' => '李春萌：保险科技助力我国保险公司价值转型', 'type' => '0', 'createdTime' => '1732081399', 'updatedTime' => '1732081399', 'trueTime' => '1606608000', 'video' => '4959', 'ppt' => '0', 'course_id' => '4959', 'classroomId' => '273', 'meetingId' => '64')), 'checkmeeting' => array('id' => '66', 'title' => '2020（第十六届）中国金融风险经理年度总论坛 专题十七 内部控制和操作风险管理', 'subtitle' => 'NO.17：内部控制和操作风险管理', 'thumb' => 'public://meeting/2020/10-16/1500000c5b4b999724.jpg', 'originalThumb' => 'public://article/2020/10-16/1500000ed70e655260.jpg', 'price' => '15000.00', 'about' => '<p style="text-align: center;"><span style="font-size:20px;"><strong>NO.17：内部控制和操作风险管理</strong></span></p>

<p style="text-align: center;"><strong>2020 年11 月29 日（星期日）上午</strong></p>

<p style="margin-left: 40px;"><strong>NO.17-1：巴Ⅲ、操作风险、数字化<br />
1. 巴Ⅲ操作风险新标准法的再理解-- 基于业务视角<br />
王林：建设银行风险管理部副处长<br />
2. 内控、合规、操作风险和案防管理一体化、数字化思考<br />
刘丽芹：中国农业银行内控合规监督部副处长<br />
NO.17-2：黑产与反欺诈体系建设<br />
1. 黑产与反欺诈的攻守之道<br />
祝世虎：光大银行智能风控中心副总裁、博士<br />
2. 反欺诈防控体系的建设<br />
刘志玲：建信金科产品经营中心副总裁<br />
NO.17-3：投融资业务法律风险<br />
1. 投融资业务的法律风险控制<br />
陶修明：君泽君律师事务所创始合伙人暨管委会主任<br />
2.&ldquo;以终为始&rdquo;看债券投资的风险管理<br />
何海锋：北京天同律师事务所顾问律师<br />
NO.17-4：审计、内控与穿透式风险管理<br />
1. 资金资产的穿透式风险管理在内部控制中的运用<br />
熊瑛：广州银行高管<br />
2. 商业银行合规内控有效性机制重构<br />
杨贵院：上海农商行总法律顾问、兼任总行合规内控部总经理<br />
3. 审计与风险<br />
闫振平：微众银行审计部总经理，中国计算机用户协会信息科技审计分会<br />
副理事长、分会金融大数据应用与治理工作组组长</strong></p>
', 'plan' => '   ', 'crowd' => '<p><span style="color: rgb(102, 102, 102); font-family: -apple-system-font, BlinkMacSystemFont, &quot;Helvetica Neue&quot;, &quot;PingFang SC&quot;, &quot;Hiragino Sans GB&quot;, &quot;Microsoft YaHei UI&quot;, &quot;Microsoft YaHei&quot;, Arial, sans-serif; font-size: 15px; text-align: center;">各类金融机构和企业风险管理专业人士、中高层管理者和监管者。</span></p>
', 'subject' => '<footer style="margin: 40px 0 50px 0;text-align: center;font-size:18rpx">
<p style="font-size: 1.3em;font-weight: bold;">天弈方圆&middot;天弈研究院</p>

<p style="font-size: 1.3em;font-weight: bold;">合作联系电话：010-82563540、010-82608823</p>

<p style="font-size: 1.1em;">本次研讨会征集商务合作伙伴，合作方式包括联合主办、独家赞助、首席赞助、赞助商、参展商等多种方式。期待与有意合作的机构共同努力推进&ldquo;基于风险和科技驱动的金融（RBTDF）&rdquo;在中国的发展。</p>
</footer>
', 'subjectCount' => '0', 'savantCount' => '0', 'receipt' => '<p>联系人：李先生&nbsp; &nbsp; &nbsp; &nbsp;报名电话：010-82563540、010-82608823<br />
传真：010-82561804&nbsp; &nbsp; &nbsp; &nbsp; E-mail：forum@cfrisk.org</p>
', 'appendix' => null, 'startTime' => '1606608000', 'endTime' => '1606622400', 'locale' => '线上', 'type' => 'review', 'classify' => 'yaer', 'createdTime' => '1602831729', 'updatedTime' => '1618222528', 'attachment' => array('fileIds' => '', 'targetType' => 'meeting', 'type' => 'attachment'), 'sticky' => '', 'weight' => '16', 'banner' => 'files/meeting/2020/10-21/1518273a40b2299728.jpg', 'enabled' => '1', 'topic' => '0', 'streamlink' => '', 'tencent' => '', 'circle' => '0', 'process' => '2', 'process_start' => '0', 'process_end' => '0', 'webviewed' => '0', 'onviewing' => '', 'inclass' => '0'), 'cour' => array('id' => '4880', 'type' => 'information', 'title' => '刘志玲：浅谈反欺诈体系建设', 'subtitle' => '', 'tags' => array(), 'categoryId' => '16', 'cate_child' => '0', 'cate_grand' => '0', 'summary' => null, 'goals' => array(), 'audiences' => array(), 'isVip' => '0', 'cover' => array(), 'status' => 'closed', 'creator' => '3', 'createdTime' => '1606608000', 'updatedTime' => '1735914785', 'serializeMode' => 'none', 'ratingNum' => '0', 'rating' => '0', 'noteNum' => '0', 'studentNum' => '0', 'hotSeq' => '0', 'recommended' => '0', 'recommendedSeq' => '0', 'recommendedTime' => '0', 'orgId' => '1', 'orgCode' => '1.', 'discountId' => '0', 'discount' => '10.00', 'hitNum' => '0', 'maxRate' => '100', 'materialNum' => '0', 'parentId' => '0', 'locked' => '0', 'minCoursePrice' => '0.00', 'maxCoursePrice' => '0.00', 'teacherIds' => array('3'), 'defaultCourseId' => '4880', 'sourceUrl' => null, 'body' => '<h1 style="text-align: center;"><strong>浅谈反欺诈体系建设</strong></h1>

<p style="text-align: center;">刘志玲 建信金科产品经营中心副总裁</p>

<p style="text-align: justify;">&nbsp;</p>

<h2 style="text-align: justify;"><strong>一、欺诈风险概述</strong></h2>

<h4 style="text-align: justify;"><strong>（一）欺诈风险统一视图</strong></h4>

<p style="text-align: justify;">&nbsp; &nbsp; &nbsp; 说起反欺诈体系，人们一直认为反欺诈或者欺诈想抓取都不那么容易，因为骗子或者高手的骗子也都不傻，很多时候是一个团伙、一个群体，所以想以简单的技术或某一个工具抓住所有的骗子、防范所有的损失，没有那么简单。</p>

<p style="text-align: justify;">&nbsp; &nbsp; &nbsp; 与有还款意愿的信用风险不同，欺诈是没有还款意愿的。意愿是非常深层次的事情，它并不是表象，从数据的特色、规律或者挖掘来说，要更深层次地去挖掘意愿确实是没那么容易。另外欺诈找得更多的是模式，这不是简单的战略问题，要建设体系或者防范骗子，我们首先要明白有哪些其他类型的欺诈，要建设好防火墙需要识别出哪些种类的欺诈？大的分类一定是分为申请欺诈和交易欺诈。但凡有借出钱的场景发生，有借或者有申请的阶段、时点发生的欺诈，统称为申请欺诈。但凡有交易场景发生的，都是可能有交易欺诈。交易场景的种类也是挺多的，不管是信用卡、存款、电子银行，还是互联网支付都存在交易欺诈产生在这个时点。合规上要求的反洗钱，虽然是贷后发生的，也是欺诈类型的一种。</p>

<p style="text-align: justify;">&nbsp; &nbsp; &nbsp; 欺诈风险包括第一方欺诈和第三方欺诈，第一方欺诈是申请主体盗取了或是编制了一定的虚假信息进行欺诈。第三方欺诈简而言之就是伪冒，看到的信息都是对的，但是背后申请的主体并不知道他的信息被伪冒了，被盗用了，这时造成欺诈叫第三方欺诈。内部欺诈也是发生欺诈的一个场景，无论发生的种类、场景，还是模式，都会有内外勾结的现象，所以内部欺诈是一个永恒的话题。</p>

<h4 style="text-align: justify;"><strong>（二）欺诈发生场景多种多样</strong></h4>

<p style="text-align: justify;">&nbsp; &nbsp; &nbsp; 欺诈发生的场景一定是多种多样的，不论是申请欺诈，还是交易欺诈，或者是不同的业务形态或是场景，欺诈体现的模式也是不太一样的。不管是信用卡、电子银行、存款或者是SME贷款，欺诈的模式都不一样。以SME贷款为例，因为中小微企业的欺诈，尤其是申请端的欺诈，其背后对应的债项额度非常大，欺诈历来面临的最大的挑战就是因为没有还款意愿。所以某种意义上来说，欺诈意味着损失，这种背景下，越是金额大的债项，我们越要审慎关注。所以像SME贷款，不管是虚假申请也好，或者虚假账户也好，资金流向也好，或者一些假中介、黑中介、控制人、虚假的公司信息都是我们要去识别的，这是申请阶段比较大的一些损失，可能造成的场景，肯定要去意识到的，或者有手段来覆盖。</p>

<p style="text-align: justify;">&nbsp; &nbsp; &nbsp; 以电子银行为例，无论是做信贷端的机构还是个人，都会面临欺诈威胁。所以，首先要把七大场景和七大种类分清楚，这样才知道靶子是谁，才知道用什么样的手段去把这个靶子抓住。如果是放到一起，一个技术很难覆盖这么多类型、这么多个场景，抓欺诈从来都是有各种各样的挑战，有纷繁的欺诈模式和欺诈场景，在抓取的时候一定要抓住重点，抓住重点就知道挑战是什么。</p>

<h2 style="text-align: justify;"><strong>二、反欺诈体系</strong></h2>

<h4 style="text-align: justify;"><strong>（一）面对挑战考虑的重点</strong></h4>

<p style="text-align: justify;">&nbsp; &nbsp; &nbsp; 抓欺诈一定要是企业级的，因为一旦骗子到一家机构，他不会挑场景，也不会挑哪些钱想骗，哪些钱不想骗，所以在考虑的时候一定是企业级的规划。做企业级规划的时候，一是从风险管理体系的建设，二也要从合规体系建设综合考虑，因为合规要求我们把风险管理体系做扎实，真的能够切入到业务中。</p>

<p style="text-align: justify;">&nbsp; &nbsp; &nbsp; 抓欺诈一定要与骗子比速度，因为骗子都不慢的，这时不管是我们什么样的手段、什么样的技术或什么样的平台，一定要有相应的实施有效性，速度是要非常关注的。</p>

<p style="text-align: justify;">&nbsp; &nbsp; &nbsp; 对于内部欺诈也要有认知，当企业级的体系建得挺好，应对欺诈也有速度，但如果内部员工内外勾结，其威胁还是非常大的。因为上头体系、手段、规则他都知道，平台的内涵、切入点也都知道，所以内部威胁一向是非常重大的。</p>

<p style="text-align: justify;">&nbsp; &nbsp; &nbsp; 要做到一定的优化统一，今天我们再谈反欺诈这个话题已经不新鲜了，不管是监管合规的要求、风险管理体系的要求，还是大数据平台、对数据的应用也好，许多家银行其实都有一定的建设了，所以每一步的建设都不要从零开始，也不一定都要推倒重来，一定是迭代优化的一个过程。这样在建设的过程中，其实也反过来提出这一要求，即我们建设的过程中一定要有自己的平台，体系要有一定的优化和迭代空间。平台建设一定要是可扩展的，如果今天建一个，明天建一个，那么多的体系，那么多的系统，那么多的平台不对话，一方面是资源的浪费，另一方面前面的工作其实都白费了，对机构、对部门业务形态都是压力、威胁和浪费，所以这不必要，在建设的过程中要优化统一的思考，规划好了，设计好了，再逐步去建设。总结起来，做反欺诈体系的时候务必要考虑到是企业级的，要有一定速度，要防范内部内外勾结，做到一定的优化统一。</p>

<h4 style="text-align: justify;"><strong>（二）申请欺诈主要类别</strong></h4>

<p style="text-align: justify;">&nbsp; &nbsp; &nbsp; 申请欺诈的覆盖面非常广，它包括不同类型。第一种是地方欺诈，申请者歪曲了或者是造假了部分资料或者全部资料，来骗取信贷机构新的贷款、新的资金。按照一些全球性的尤其欧美市场的调研，第一方欺诈通常占所有申请欺诈0.5%~1%。这个比例不高，但是背后对应的资金还是不少的，尤其是SME和中小微企业。第二种是养额度现象，一般来说骗子前6个月到9个月行为都会正常，或者把自己的信用记录表达得非常好，其目的就是要养起额度。当有一定的额度或者有大额的信贷、授信时，他就会一次性提取，通常我们叫Bust out，所以这也是非常大的损失风险。最后一种是第三方欺诈，你看到的信息都是对的，但是被人冒充、伪冒了。而第三方欺诈往往又占据了整个申请欺诈的40%，所以抓地方欺诈的任务还是挺艰巨的。</p>

<p style="text-align: justify;">&nbsp; &nbsp; &nbsp; 欺诈风险和信用风险往往是有交点的，所以我们说信贷风险5%~20%其实是欺诈风险。怎么把它识别出来呢？信用风险管理体系和欺诈风险管理体系或者操作风险管理体系，因为它面对的靶子不一样，找的对象不一样，摸索的数据规律不一样、模式不一样，所以它的体系是不可能互为替代的。反欺诈体系一定要是单独的建设，虽然也会用到信用体系的信息源，但是反欺诈体系建设用到的信息源有自己独特的特征，所以在建设的过程中还是要自成一定体系的。</p>

<p style="text-align: justify;">&nbsp; &nbsp; &nbsp; 而反欺诈发生的载体和主体又不一样。有些是事件驱动的，有些是一些不同的实体，不管是代理人，还是黑中介也好，给损失造成最大威胁的就是网络欺诈、团伙欺诈。</p>

<h2 style="text-align: justify;"><strong>三、反欺诈体系系统实施</strong></h2>

<h4 style="text-align: justify;"><strong>（一）通过整体分析改善检测</strong></h4>

<p style="text-align: justify;">&nbsp; &nbsp; &nbsp; 因为反欺诈纷繁复杂，靠一个技术肯定是不行的。现在我觉得大家都做得已经非常不错的，一是安全方面，像我们的黑名单，在安全方面或者是已知模式方面的检测做了不少工作，另外很多家有不少规则。这些规则也好，黑名单也好，或者是黑中介，都是针对已经沉淀下来的欺诈模式和已知的欺诈模式，对于未知还是要有预测的手段，要有一些统计的，或者高阶的统计手段来预测它发生的可能性，或者说它的模式的特质。对于团伙欺诈要动用一些机器学习的方法，用深度学习去挖掘一些关联网络的分析，找到团伙，然后再识别是不是团伙，如果是团伙就要加大力度。</p>

<h4 style="text-align: justify;"><strong>（二）运用网络高级分析识别团伙和关键点</strong></h4>

<p style="text-align: justify;">&nbsp; &nbsp; &nbsp; 做团伙欺诈，不经意就会发生一些小差池。也即如果团伙建得太大，确实是关联得挺好，但是不可操作，业务人员在用的时候，可能就没有办法看这个团伙怎么去执行，怎么去侦测，怎么去调查。所以，技术还是要业务驱动，业务能够执行，这个团伙一定是可识别、可执行、可调查的，所以技术现在都已经司空见惯了。关联分析和社会网络分析基本没有什么问题，节点的找寻一定也要有业务驱动，不仅仅是数据说话。</p>

<h4 style="text-align: justify;"><strong>（三）交易反欺诈高阶模型-神经网络模型介绍</strong></h4>

<p style="text-align: justify;">&nbsp; &nbsp; &nbsp; 除了申请反欺诈以外还有交易反欺诈，只要是交易场景发生的，都有交易欺诈的产生。如果交易数据量够大，交易数据的质量有一定的可信度，通常还是建议用神经网络技术，这么多年实践证明了神经网络技术在做交易反欺诈的政策中，是有非常大功效的，但是交易反欺诈在政策的识别指标上和其他的方法不太一样。不管是什么样的体系的建设，最终其实都是要上平台的，前面的数据分析、模式识别，或者是团伙侦测，通常都是数据挖掘或者统计手段做的事情，最后还是要形成业务规则。</p>

<h4 style="text-align: justify;"><strong>（四）反欺诈体系系统实施路径图</strong></h4>

<p style="text-align: justify;">&nbsp; &nbsp; &nbsp; 客观地说，反欺诈体系系统建设从来都不简单，所以银行在做反欺诈体系时，很多是科技驱动，因为这的确需要科技手段。从适应阶段我们可以看得出来，从适应阶段着手看，有各种不同的渠道的对接，因为现在尤其我们的业务发展，也是吸引线上线下的结合，尤其线上也是比较大力发展的，还有相应的这种转型。所以我们做的体系要覆盖不同的渠道，我们就有不同的手段，到现阶段又变成不同的检测，有安全的检测，也有预测的检测。安全方面，现在咱们做得也是非常不错的，人脸识别、设备核验等都做得非常漂亮了。可能在高阶预测方面，还可以稍微再做一些工作，进行一些加强。做完之后一定要有报告，一定要有警报，通常我们说的案件管理，报告，这都是毋庸置疑，一定要用的，一定要有的，否则做出来也没有用。后面业务人员在用的是要调查，一定要把调查做到位，因为所有的预测都是告诉他的可疑度是不定罪的，所以还要依赖调查岗进行相应的调查。</p>

<h4 style="text-align: justify;"><strong>（五）反洗钱解决方案流程</strong></h4>

<p style="text-align: justify;">&nbsp; &nbsp; &nbsp; 因为监管的要求，反洗钱现在越来越重要了。反洗钱的路线图也一样，有数据挖掘，有分析，也有预警报告生成。</p>

<h4 style="text-align: justify;"><strong>（六）平衡收益和风险，制订实施规划</strong></h4>

<p style="text-align: justify;">&nbsp; &nbsp; &nbsp; 总之，模式千千万，种类也千千万，做的过程中不能眉毛胡子一把抓，还是要看业务的重点，所受威胁的重大程度，不断迭代更新，要有总体的规划。道高一尺魔高一丈，没有一劳永逸的工作，尤其是反欺诈，它的更新程度应该更为频繁，我们做的更新迭代的动作也要更多，所以这是一个总体的规划，也是一个不断演变、不断迭代的过程。</p>

<p style="text-align: right;">责编：傅泽天</p>

<p style="text-align: right;">来源：2020（第十六届）中国金融风险经理年度总论坛（11月）</p>
', 'weight' => '0', 'expert_id' => null, 'classroomId' => '0', 'length' => '', 'startTime' => '1606608000', 'floorId' => '0'), 'co' => array('meetingId' => '66', 'catalogue' => '4880'), 'checkcontents' => array(), 'checkcontent' => array('id' => '1318', 'meetingId' => '62', 'categoryId' => '344', 'title' => '杨一民-银行经济资本的计算和运用', 'body' => '<p>总论坛-13-</p>
', 'type' => 'none', 'catalogue' => '4269', 'attachment' => array('fileIds' => '', 'targetType' => 'meetingContent', 'type' => 'attachment'), 'createdTime' => '1612002678', 'updatedTime' => '1612002678', 'weight' => '0', 'isExpert' => '0', 'guestId' => '777', 'expertId' => '0', 'startTime' => '1606608000', 'backmeetingid' => '0', 'backguestId' => '0'), 'checkexpert' => array('id' => '777', 'title' => '经济资本的计算方法和使用', 'meetingId' => '62', 'categoryId' => '342', 'type' => 'expert', 'name' => '杨一民', 'ranks' => '美国鼎信银行创始合伙人，代理CEO，首席风险官和信用官', 'about' => '美国LoyalTrustBank(鼎信银行)创始合伙人，资深执董，首席风险官和首席信用官', 'thumb' => '/files/default/2020/10-16/140205d2ab9d847779.png?version=8.3.20', 'videoUrl' => null, 'linkUrl' => null, 'createdTime' => '1602828130', 'updatedTime' => '1611387355', 'weight' => '0', 'expertId' => '0', 'short' => '', 'showable' => '0'), 'about' => '美国LoyalTrustBank(鼎信银行)创始合伙人，资深执董，首席风险官和首席信用官', 'about1' => array('美国LoyalTrustBank(鼎信银行)创始合伙人，资深执董，首席风险官和首席信用官', '明尼苏达大学终身教授', '曾任Protiviti（前安达信咨询公司）高级总监合伙人', '曾任职美国PNC金融集团和SunTrust银行，参与建立和领导信用风险分析部门，CDS交易部门和市场风险分析部门', '曾任职EBF对冲基金公司', '')))
        in /www/wwwroot/www.cfrisk.org/plugins/MeetingPlugin/Controller/GroupController.php line 1311

    at MeetingPlugin\Controller\GroupController->activityAction(object(Request), '26')
        in  line 

    at call_user_func_array(array(object(GroupController), 'activityAction'), array(object(Request), '26'))
        in /www/wwwroot/www.cfrisk.org/vendor/symfony/symfony/src/Symfony/Component/HttpKernel/HttpKernel.php line 144

    at Symfony\Component\HttpKernel\HttpKernel->handleRaw(object(Request), '1')
        in /www/wwwroot/www.cfrisk.org/vendor/symfony/symfony/src/Symfony/Component/HttpKernel/HttpKernel.php line 64

    at Symfony\Component\HttpKernel\HttpKernel->handle(object(Request), '1', true)
        in /www/wwwroot/www.cfrisk.org/vendor/symfony/symfony/src/Symfony/Component/HttpKernel/DependencyInjection/ContainerAwareHttpKernel.php line 69

    at Symfony\Component\HttpKernel\DependencyInjection\ContainerAwareHttpKernel->handle(object(Request), '1', true)
        in /www/wwwroot/www.cfrisk.org/vendor/symfony/symfony/src/Symfony/Component/HttpKernel/Kernel.php line 185

    at Symfony\Component\HttpKernel\Kernel->handle(object(Request))
        in /www/wwwroot/www.cfrisk.org/web/app_dev.php line 40

Symfony Profiler

https://www.cfrisk.org/app_dev.php/gactivity/26?page=32

Exceptions

Notice: Undefined offset: 0

Stack Trace

Stack Trace (Plain Text)