人工智能拓展风险管理新边界（2018）

一、产融知识图谱

      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，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。前几年银行实施巴塞尔协议时，积累了很多结构化数据，现在更重要的是做非结构化数据风险信号的提炼，比如基于自然语言处理分析金融事件。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。

二、人工智能技术的应用

      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，是十年前的建设热点，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。

      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。AI引擎配件有两个：产业云图和金融工具。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。

三、风险管理的新边界

      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性风险因子，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，能够丰富模型的变量输入。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。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地链接。

（整理人：曾文泽）