介紹

在信用風(fēng)險(xiǎn)管理過(guò)程中應(yīng)用人工智能（AI）已成為銀行業(yè)的熱門(mén)話題之一。 在進(jìn)行有關(guān)AI應(yīng)用的行業(yè)調(diào)查之后，香港金融管理局（金管局）在2019年11月發(fā)布了《應(yīng)用人工智能的高層次原則》和《認(rèn)可機(jī)構(gòu)應(yīng)用大數(shù)據(jù)分析及人工智能涉及的消費(fèi)者保障事宜》。這是香港監(jiān)管機(jī)構(gòu)就認(rèn)可機(jī)構(gòu)應(yīng)用AI方面的首批明確發(fā)文。 已采用或計(jì)劃采用AI解決方案的銀行需要識(shí)別與高層次原則的差距，同時(shí)熟悉業(yè)界應(yīng)用AI的最新發(fā)展。

機(jī)器學(xué)習(xí)

最簡(jiǎn)單來(lái)說(shuō)，AI可定義為機(jī)器對(duì)人類智能的模擬。 這是一個(gè)快速發(fā)展的領(lǐng)域，涵蓋了機(jī)器解決各種問(wèn)題的過(guò)程。 機(jī)器學(xué)習(xí)（ML）是AI的一個(gè)子領(lǐng)域，它使電腦可以通過(guò)數(shù)據(jù)自身學(xué)習(xí)。 計(jì)算能力的進(jìn)步促成了各種機(jī)器學(xué)習(xí)算法，例如深度學(xué)習(xí)、隨機(jī)森林、梯度提升算法（如XGBoost和LightGBM）、聚類分析（如k-means和DBSCAN）等。

機(jī)器學(xué)習(xí)算法中常見(jiàn)的程序，包括回歸、分類、形成網(wǎng)絡(luò)和判別分析（聚類），都十分適用于信用風(fēng)險(xiǎn)管理。 德勤研究發(fā)現(xiàn)，機(jī)器學(xué)習(xí)算法在各種應(yīng)用的預(yù)測(cè)能力（例如預(yù)測(cè)違約）都優(yōu)于傳統(tǒng)模型。 此外，機(jī)器學(xué)習(xí)算法還可用于非結(jié)構(gòu)化數(shù)據(jù)分析，包括文本分析。這使機(jī)器學(xué)習(xí)在信用風(fēng)險(xiǎn)管理方面的應(yīng)用更多樣化，例如透過(guò)分析媒體報(bào)導(dǎo)對(duì)信用預(yù)警信號(hào)進(jìn)行建模。

信用風(fēng)險(xiǎn)管理中的應(yīng)用

AI在信用風(fēng)險(xiǎn)管理中的應(yīng)用雖仍屬萌芽階段，但隨著可用數(shù)據(jù)的急劇增長(zhǎng)和機(jī)器學(xué)習(xí)算法的不斷進(jìn)步，可預(yù)見(jiàn)這個(gè)領(lǐng)域?qū)⒂芯薮筮M(jìn)展。從以下兩個(gè)近來(lái)急速發(fā)展的應(yīng)用示例可見(jiàn)一斑：

1.    違約概率

傳統(tǒng)的違約概率（PD）模型在很大程度上依賴于邏輯回歸(logistic regression) 。該模型相對(duì)容易理解，數(shù)十年來(lái)亦一直是市場(chǎng)最佳實(shí)踐，但是傳統(tǒng)模型無(wú)法捕獲實(shí)際數(shù)據(jù)中可能存在的所有復(fù)雜關(guān)系。也就是說(shuō)，傳統(tǒng)方法未盡用能從數(shù)據(jù)中發(fā)掘的預(yù)測(cè)能力

德勤法國(guó)進(jìn)行的有關(guān)PD建模的案例研究發(fā)現(xiàn)，多項(xiàng)模型表現(xiàn)指標(biāo)均表明，使用隨機(jī)森林、梯度提升和堆疊法在構(gòu)建PD模型中優(yōu)于邏輯回歸模型。在適當(dāng)?shù)臈l件下，在模型估計(jì)中采用機(jī)器學(xué)習(xí)方法很大可能會(huì)提高模型的準(zhǔn)確性。

不過(guò)，機(jī)器學(xué)習(xí)在提升模型準(zhǔn)確性的同時(shí)，通常亦會(huì)令模型變得難以解釋。機(jī)器學(xué)習(xí)之所以常常被稱為"黑匣子"，是因?yàn)楹茈y以直觀的方式解釋其模型輸入和輸出之間的關(guān)系。也正因如此，業(yè)內(nèi)人士和監(jiān)管機(jī)構(gòu)都不時(shí)對(duì)采用機(jī)器學(xué)習(xí)方法提出質(zhì)疑。當(dāng)模型的可解釋性對(duì)于金融監(jiān)管機(jī)構(gòu)來(lái)說(shuō)仍然是一大關(guān)鍵時(shí)，也許這些質(zhì)疑的聲音在未來(lái)幾年也不會(huì)消停。

最近，各界開(kāi)始協(xié)同合作，試圖打開(kāi)機(jī)器學(xué)習(xí)信用模型的這個(gè)"黑匣子"，為機(jī)器學(xué)習(xí)模型得到更廣泛的應(yīng)用踏出了重要的一步。例如德勤法國(guó)開(kāi)發(fā)了一個(gè)名為“Zen Risk”的解決方案，結(jié)合了傳統(tǒng)回歸算法和機(jī)器學(xué)習(xí)算法兩者的優(yōu)勢(shì)，產(chǎn)出準(zhǔn)確且可審核的模型。

2.    信用預(yù)警信號(hào)

信用預(yù)警信號(hào)通常用于識(shí)別違約風(fēng)險(xiǎn)顯著上升的實(shí)體。 傳統(tǒng)的預(yù)警系統(tǒng)通?；诖罅课唇?jīng)實(shí)證的指標(biāo)，并且嚴(yán)重依賴專家判斷。

AI擅長(zhǎng)使用大量的高速數(shù)據(jù)來(lái)進(jìn)行信用違約預(yù)警。憑借足夠的計(jì)算能力，AI算法能透過(guò)不同來(lái)源的指標(biāo)提高預(yù)警信號(hào)的準(zhǔn)確性。

自然語(yǔ)言處理技術(shù)（NLP）的出現(xiàn)也使分析文本信息變得可能。 NLP在我們的日常生活中的例子不勝枚舉，包括翻譯軟件、智能手機(jī)虛擬助手、銀行智能客服等。 從社交媒體帖子到傳統(tǒng)報(bào)刊的財(cái)經(jīng)新聞，只要是書(shū)面媒體，NLP都可以將其用于信用分析中，取代以往須由人工執(zhí)行的繁瑣工作。

從德勤中國(guó)開(kāi)發(fā)的“德勤智慧債券”解決方案中可以看到NLP的出色表現(xiàn)。德勤智慧債券是具有實(shí)時(shí)預(yù)警和輿情監(jiān)測(cè)功能的債券信用風(fēng)險(xiǎn)管理平臺(tái)。于2018年前10個(gè)月進(jìn)行的試行測(cè)試結(jié)果表示，其對(duì)中國(guó)債券市場(chǎng)的預(yù)警準(zhǔn)確率達(dá)到100％。

挑戰(zhàn)

金管局在2019年第三季進(jìn)行的一項(xiàng)調(diào)查顯示，香港銀行業(yè)應(yīng)用AI的首五大障礙是：缺乏具備AI專業(yè)知識(shí)的員工、數(shù)據(jù)量不足、AI的設(shè)計(jì)倫理、數(shù)據(jù)隱私和安全、以及法律和合規(guī)挑戰(zhàn)。

由于信用風(fēng)險(xiǎn)管理一直是監(jiān)管機(jī)關(guān)高度關(guān)注的領(lǐng)域，銀行應(yīng)特別留意以下的挑戰(zhàn)：

1.    合規(guī)性

金管局的一大工作重點(diǎn)就是監(jiān)管銀行的風(fēng)險(xiǎn)管理能力。他們期望金融機(jī)構(gòu)擁有更透明、可審核的風(fēng)險(xiǎn)測(cè)量框架和業(yè)務(wù)決策流程。其《應(yīng)用人工智能的高層次原則》發(fā)文中強(qiáng)調(diào)了董事會(huì)的責(zé)任、企業(yè)內(nèi)部的專業(yè)知識(shí)、可審計(jì)性、數(shù)據(jù)質(zhì)量、第三方管理和數(shù)據(jù)保護(hù)。

金管局是否會(huì)允許應(yīng)用AI信用風(fēng)險(xiǎn)模型以作監(jiān)管報(bào)告用途還是未知之?dāng)?shù)。 不過(guò)，既然以"黑匣子"聞名的AI模型都顯然難以解釋，那銀行如何提升其解釋性、透明度和可審計(jì)性來(lái)滿足監(jiān)管期望的問(wèn)題將無(wú)可避免。

為了獲得金管局的批準(zhǔn)，銀行還應(yīng)遵守金管局在《認(rèn)可機(jī)構(gòu)應(yīng)用大數(shù)據(jù)分析及人工智能涉及的消費(fèi)者保障事宜》中提出的要求，例如治理和問(wèn)責(zé)制、公平原則、透明度和披露要求以及數(shù)據(jù)隱私和保護(hù)。

盡管金管局尚未發(fā)布有關(guān)采用AI法規(guī)的時(shí)間表，但銀行在開(kāi)發(fā)AI解決方案時(shí)應(yīng)積極與金管局進(jìn)行磋商，以確保能滿足監(jiān)管要求。

2.    模型治理

在投入大量時(shí)間和資源訓(xùn)練AI算法之后，模型結(jié)果仍然可能是難以解釋，甚至導(dǎo)致決策失誤。 如果模型沒(méi)有適當(dāng)?shù)慕忉?，使用AI模型可能會(huì)帶來(lái)比以往更大的模型風(fēng)險(xiǎn)。

為了應(yīng)對(duì)與AI相關(guān)的風(fēng)險(xiǎn)，需要對(duì)風(fēng)險(xiǎn)管理框架進(jìn)行調(diào)整，例如模型開(kāi)發(fā)的假設(shè)和方法論，模型輸入和控制措施都需要重新檢視。 模型解釋和動(dòng)態(tài)校準(zhǔn)之類的程序?qū)τ诰S護(hù)AI模型也是不可或缺的。

3.    數(shù)據(jù)質(zhì)量

無(wú)異于傳統(tǒng)的信用風(fēng)險(xiǎn)模型，AI模型也對(duì)數(shù)據(jù)敏感。由于訓(xùn)練AI模型需要足夠大而全面的數(shù)據(jù)集，銀行在處理跨平臺(tái)和跨系統(tǒng)的大數(shù)據(jù)時(shí)應(yīng)特別注意數(shù)據(jù)標(biāo)準(zhǔn)化、準(zhǔn)確性、有效性和完整性。錯(cuò)誤的數(shù)據(jù)應(yīng)該盡早發(fā)現(xiàn)并糾正。

除數(shù)據(jù)質(zhì)量外，銀行應(yīng)采取措施去緩解有關(guān)處理大數(shù)據(jù)時(shí)的風(fēng)險(xiǎn)，例如數(shù)據(jù)隱私、網(wǎng)絡(luò)安全和計(jì)算能力。 此外，銀行應(yīng)注意其他相關(guān)規(guī)定，例如跨境數(shù)據(jù)處理，云計(jì)算等。

下一步是什么？

應(yīng)用AI將逐漸成為信用風(fēng)險(xiǎn)建模中的一個(gè)不可缺少的環(huán)節(jié)。 除了金管局調(diào)查顯示香港 89％的銀行已采用或計(jì)劃采用AI，金管局首席執(zhí)行官余偉文在2019年香港金融科技周主題演講中亦提到，金管局已在AI應(yīng)用和合規(guī)科技 (RegTech) 的開(kāi)發(fā)取得進(jìn)展。 香港的銀行業(yè)亦可觀望其他地區(qū)的相關(guān)監(jiān)管發(fā)展作為自己的參考。例如，新加坡金融管理局發(fā)布的《新加坡金融部門(mén)在使用人工智能和數(shù)據(jù)分析中促進(jìn)公平，道德，問(wèn)責(zé)和透明度的原則》（FEAT）里面就有不少值得香港金融機(jī)構(gòu)借鑒的內(nèi)容。

隨著技術(shù)的快速成熟和對(duì)AI模型更深入的理解，我們預(yù)計(jì)在未來(lái)三到五年內(nèi)，金融服務(wù)領(lǐng)域的AI應(yīng)用將會(huì)有可觀的增長(zhǎng)。AI影響的范圍包括欺詐檢測(cè)、模型驗(yàn)證、壓力測(cè)試和信用評(píng)分等領(lǐng)域。但是，由于大多數(shù)AI算法的黑匣子性質(zhì)，相應(yīng)的治理框架仍較落后。這將影響機(jī)構(gòu)的模型治理框架，并且需要高質(zhì)量的數(shù)據(jù)來(lái)確保AI正常運(yùn)行。

為了利用AI解決方案展現(xiàn)的可能性并贏得金融監(jiān)管機(jī)構(gòu)的信心，信用風(fēng)險(xiǎn)從業(yè)人員應(yīng)密切關(guān)注AI在其自身組織中的實(shí)施進(jìn)程，并開(kāi)誠(chéng)布公地與主管表達(dá)自己的想法。