2011，非零售类风险暴露信用风险模型的校准和主标尺开发，《国际金融研究》第06期

2010，新资本协议信用风险管理与违约定义和实现，《国际金融》第11期

一、人工智能在风险管理方面运用的背景

      一是金融机构需要提高风险管理的效率和质量。风险管理的本质是解决信息不对称的问题，信息不对称性主要体现在以下两个方面：一是因为时间导致的信息不对称，面向未来金融融资和投资的收益和损失程度是不确定性的；二是资金出资方和资金使用方之间的信息不对称。由此导致的信息不对称需要金融机构投入人力、物力、财力通过管理、工具和方法去克服，从而产生了风险管理的成本，如何高效低成本地克服信息不对称是风险管理的实质性问题。人工智能技术可以帮助金融机构获取对风险更全面的认识、更快的响应和更好的分析，有调研表明人工智能技术可以为机构减少高达10%的风险损失。

      二是与金融机构日益数字化的金融前台业务相匹配。金融机构前台业务已经发生了翻天覆地的变化，过去绝大多数的业务是通过线下完成。但是随着互联网、电子计算机、网络、人工智能、大数据等技术日益成熟和完善，金融机构获客的渠道和场景也逐渐多元化和线上化。基于这样的改变，中台风险管理部门必须适应前台多渠道多场景化业务模式的改变。前台希望更快、更迅速、更低成本地完成信贷决策，促使风险管理手段和方法予以提升和改进。

      三是人工智能算法在信息缺失、信息量巨大以及非结构化的数据处理方面效果显著，例如客户在办理线上业务的时候，金融机构很难获得一些结构化的数据，获取信息可能是视频、音频、图像等非结构化数据，数据也可能存在大量的信息缺失，传统的风险计量模型很难对这些非结构化数据进行有效的处理。而人工智能算法能有效处理这些数据。

      来源：2020TGES系列论坛NO.2:信用风险管理和内部信用评级—曹劲《大数据和人工智能技术在内部评级体系中的应用》

二、大数据和人工智能的定位问题

      应用人工智能算法并不意味着完全取代人工决策，其定位应该是现有风险管理方法的补充和改进。风险管理是离不开人的决策，比如风险偏好的选择就是人的决策。以新冠疫情为例，美国拥有最强大的医疗和科技水平，但它的防疫结果差强人意，其中的原因之一是美国政府防疫的风险偏好与中国不一样，它更多偏向经济发展（收益端），而不是抑制疫情（风险端），属于风险容忍度高的风险偏好选择。

      来源：2020TGES系列论坛NO.2：信用风险管理和内部信用评级—曹劲《大数据和人工智能技术在内部评级体系中的应用》

三、突发事件背景下更可行的风险管理策略

      面对疫情突发事件，从公共卫生领域的高级官员和专家的言论来看，他们并没有过于关注采取何种控制手段的必要性，而更多强调快速的疫情识别能力、积极的响应预案设计、和国际间合作机制。例如美国CDC认为疫情数据的快速收集和汇总，准确、快速、廉价的测试手段，发病到接受医疗的响应速度，面对重大疫情的响应预案，更为重要。反观金融风险管理，当面对重大风险事件时，的确也不宜以尽早预测风险作为风险管理的路径选择，而是更多关注快速风险识别和积极预案设计。我们经常说，风险管理是风险识别、计量、监测和控制的活动，当风险发生时，与其纠结“为什么不能早点发现风险采取行动”，还不如建立科学的管控手段，能够快速识别风险，准确量化风险大小，并迅速启动事先设计的预案予以应对。参照疫情应对的经验，这些行动不仅要快速，而是要低成本，可迅速推广。

      总结这次抗“疫”战争的经验，我们不难看到：为了保证疫情信息的快速性和准确性，必须有一套集中化、高质量的信息收集体系，金融风险管理亦是如此，要想做好风险管理，必须确保风险数据收集的集中、快速、和高质量。收集的数据不对，风控手段一定会出问题，所谓“垃圾进，垃圾出（Garbage in，Garbage out.）”的问题必须克服，避免对风险应对措施的误导。

      另外，有些疫情防控的手段可以集中，例如信息和数据的收集和处理，治疗方案的研发，各种资源的调配，但具体应对措施可以差异化。例如，各地的复工安排，经济活动的启动，可以根据不同区域的疫情风险状况差异化安排。金融风险管理也必须考虑到集中化和差异化的不同管理手段，例如风险数据、系统、模型、评估工具可以集中，体现专业性的特点，但具体实施层面的管控措施应该因地制宜，采用差异化的手段。

      来源：《风险管理》2020年综合第1期

四、金控集团客户集中度风险管理问题

      在过去的十几年里金融行业突飞猛进，市场创新出不同的业务和产品，多元化的金融业态成了金融发展最重要的特色，融资、授信等方面管理的难度增大。金控集团对于客户集中度风险管理的基础能力是有所欠缺的，当大型集团公司出现风险事件时，在统计总体授信情况时往往会遇到很大的障碍。监管机构对此按不同的金融机构的种类、风险的特点等维度提出了监管要求，并且有非常详细的监管手段。在实施中，首先要“看得见”风险程度，第二步才是做到“管得住”。

      金融控股集团面临数据系统、管理体系的问题，建议是逐步实施。

      首先要 “看得见”到底发生了多大的风险。特别是原来不是金融机构的、没有牌照的集团，要先看得见。也就是说用大额风险暴露制定体系，先把集团内部不同类型的子公司所涉及的不同类型的业务做全面的梳理，识别主体和客户，了解不同业务的风险敞口和类型，并计算清楚。希望能够及时知道整个控股集团，对于特定的客户到底做了多少业务，要能随时测算清楚。 第二步才是做到“管得住”，可以借鉴一下目前的大型银行的管控体系，要有是客户限额和债项额度的限定，在额度上能够进一步地进行常规的风险管理，包括管理体系、制度、流程、数据、模型工具、系统落地的持续完善。

      来源：《风险管理》2019年综合第5期