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，如何开展风险管理咨询《中国期货业协会会议论文集》。

2011，大宗商品价格风险管理的问题和挑战《中国期货业协会会议论文集》。

2009，金融风险管理的新挑战及次贷危机的启示《管理评论》2009年03期。

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

（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

      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。

（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

      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）。

（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

      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

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

      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。

（一）基于吉布斯抽样的随机搜索方法——风险特征提取

      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。

（二）关于建立刻画企业财务欺诈风险特征的筛选框架

      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》