金融科技对风险管理的影响

由于金融科技是科技和金融的深度融合，因此，金融科技既体现科技的特性，又体现金融的特性。

（一）金融科技对风险的影响路径

由于金融科技是科技和金融的深度融合，因此，金融科技既体现科技的特性，又体现金融的特性。科技方面最直观的感受就是万物互联，人、钱、物都可以通过网络连接起来，然后通过数据，通过生态，通过智能和创新来驱动业务发展。这些特点又使其相应的业务也体现出了一些新的特征，比如交易的频率更高，客群的分布更加广泛，业务的模式也更加开放。而这些新的特征也随之带来了新的风险，同时使传统风险产生了新的变化，对系统性风险产生了新的影响。
（二）金融科技中的新型风险

在新型风险方面，数据风险、模型风险和场景风险应被独立地引起重视。这几类风险之前就已经存在，但是在整个风险管理框架当中，并没有现在这么高的重要性。
1、数据风险

目前为止，数据风险还没有一个统一的定义，个人认为可以从监管、管理和数据本身这三个视角来看，从而引申出三个方面的数据风险，即：数据合规风险、数据安全风险和数据质量风险。
首先，从数据合规风险来看，近年来关于数据安全和个人信息保护制度日益完善，法律方面我国出台了网络安全法、数据安全法、个人信息保护法等基础性法律。监管部门也从个人金融信息的保护，金融数据的出境，以及APP违法违规治理等方面，对金融科技产业的数据合规问题进行穿透监管，为依法合规采集和使用数据划定了底线和红线，也体现了对数据风险管理的一个重视。
其次，从数据安全风险来看，在金融科技深入应用的情况下，数据安全上面临的新技术和新业态的挑战也在不断增多。一是攻击的渠道更多，例如，云计算打破了传统的物理隔离，但也显著提高了管理难度，加剧安全风险。二是智能终端在数据采集、处理、存储和传输环节都有遭到恶意攻击的可能。三是对灾备的要求也越来越高，华为/罗兰贝格的报告，指出美国的数据保护占存储投资的比例为33.3%，全球平均值为27.4%，而我国只有7.8%，且异地备份的比例更低，防灾能力还有很大的提升空间。
再次，从数据质量方面来看，包括数据的准确性、完整性、一致性、及时性、唯一性、关联性等方面。数据质量问题的产生原因也是多种多样的，例如可能存在数据模型设计的问题，有关管控机制不健全的问题，或者是责任不明确、标准不统一、流程不规范、考核不严格等，都可能产生数据质量问题。不可靠或是有问题的数据会导致非常严重的后果，管理上可能会造成决策失误，合规上也可能面临较重的监管处罚。近几年的监管数据报送中，数据漏报、错报、不一致等问题产生了不少大额罚单。
2、模型风险

在传统风险管理体系当中，模型风险往往被当作是操作风险的一个分支，由于金融科技里大量使用模型进行决策或者辅助进行决策，现已逐渐发展成为一个独立的风险类别，而且日益受到监管的关注。
国际方面，2011年美联储发布的《模型风险管理监督指南（SR 11-7）》，对模型风险管理的实践产生了深远的影响。该指南明确定义模型风险是基于有缺陷或者误用的模型输出和报告做出决策的潜在后果。模型风险可能带来非常严重的后果，作为典型案例的是美国长期资本管理公司，当年破产的原因之一就是模型风险。
国内方面，2020年7月，银保监会发布了《商业银行互联网贷款管理暂行办法》，对风险模型的管理流程、风险模型的开发测试、风险模型的评审、风险模型的监测、风险模型的退出、以及模型记录等都提出了非常具体的要求。今年1月份发布的《关于银行业保险业数字化转型的指导意见》，提出了防范模型和算法风险的要求。5月份发布的《商业银行预期信用损失法实施管理办法》，对减值准备具体模型的管理也提出了具体要求。7月份发布的《关于进一步促进信用卡业务规范健康发展的通知》，对信用卡风险模型的管理提出了具体要求。以上这些监管制度的出台充分体现了监管机构对模型风险管理的高度重视。
3、场景风险

场景金融是指把金融服务融入到各类常见的场景中，然后以场景为依托，向客户提供触手可及的金融服务。《银行4.0》中有一个重要的观点，即“银行服务将无处不在，但是不在银行网点”，金融科技时代发展场景金融，是银行发展转型的必经之路，也是银行服务变革的重要方向。
场景金融在传统业务中也是存在的，以前更多是指供应链，在金融科技时代，场景扩大到了一个更大的范围，信息流、资金流、客户流密度变得更高，产生的业务流量更大。由于金融场景中涉及的参与主体较多，涉及的风险因素也较多，从而酝酿新型风险，需要从整体上进行综合考虑。
（三）金融科技的传统风险

科技的应用使得金融业务的传统风险呈现多样化交织的态势，更容易被放大。
1、信用风险

在信用风险方面，金融科技增加了金融供给，提升了金融的普惠性，借助丰富的数据可以覆盖原来服务不到的长尾客群。从信用表现来看，长尾客群中大部分客户的还款意愿尚可，但是还款能力的稳定性更易受宏观经济形势的影响。
2、市场风险

目前市场上有很多采用量化策略的产品，量化交易采用算法进行交易，它可以克服人的贪婪和恐惧等心理，严格执行交易的纪律，减少人的情绪所带来的投资失误，优化工作和投资的效率。一方面，量化交易可以提升市场的流动性，提升定价效率，另一方面，策略的同质化也容易引发交易趋同、波动加剧，从而加大市场的脆弱性等问题。
3、操作风险

操作风险是由于不完善或者有问题的内部程序、员工、信息系统，以外部事件所造成损失的风险。操作风险是受金融科技影响较大的一类风险。
首先，科技风险加大。以系统建设为例，系统投产需要经过严格的测试，发现问题需要及时更新和升级，但是如果一个问题隐藏得较深，没有在测试环节发现并解决，后续使用时也未能及时发现的情况下，一旦这种问题突然出现，往往会造成十分严重的后果。由于金融科技的深度应用，系统的复杂度越来越高，不管软件还是硬件，出现缺陷的概率越来越大。如果不能及时充分地掌握新技术自身存在的缺陷和漏洞，并且及时进行修正，将会大幅增加信息系统出现故障或者受到外部攻击的风险。
其次，欺诈风险更大。无接触线上化的网络金融，从诞生以来就一直面临着“黑灰产”威胁。站在金融企业的角度，金融科技可以用来发展新的业务模式，但站在“黑灰产”的角度，金融科技也可以用来发展新的欺诈模式，这是一个互相对抗，螺旋上升的过程。随着“黑灰产”的发展与扩张，各种类型的欺诈技术不断渗透到对金融企业的攻击当中，技术含量和专业化的程度也越来越高。工商银行金融科技研究院的研究发现，2021年“黑灰产”趋势的5大关键词分别是“钓鱼”“人脸”“跑分”“引流”“退保”。
再次，第三方风险也更大，由于金融科技的开放性特点，大量使用外包资源以及和第三方合作，外包公司和合作方的管理漏洞和系统漏洞也可以成为间接攻击的渠道。同时，金融业务的价值链结构也日趋复杂，信息在不同参与者之间也是不对称的，如果价值链中关键技术和信息的集中度过高，参与到这个价值链中的其他参与者的风险识别难度将会很高，缺少自主管控的能力。
4、流动性风险

移动互联网平台上快速发展的创新金融产品，对银行的存款形成了分流，导致银行的资金来源稳定性下降。由于存款转移的便利度提升，使得存款客户黏性、流失率和收益敏感度等方面，相比传统储蓄产生较大差异，这对银行的流动性风险管理形成新的挑战。
（四）金融科技中的系统性风险

根据陈忠阳教授的研究，系统性风险包括两个方面：一个是大“S”，强调的是自上而下的宏观环境对微观个体产生的系统性、全面性影响的风险。另一个是小“s”，强调是自下而上的微观个体对宏观整体和全局稳定产生影响的风险。金融科技的系统性风险主要体现在小“s”上，也就是金融科技的应用会在一定程度上影响宏观稳定性，从而加大系统性风险产生的可能，主要体现在四个方面。
一是风险的诱因多，容易产生风险。因为金融科技本身就有脆弱性，产生风险的原因是多种多样的。既有科技方面的因素，也有业务方面因素；既有机构自身的因素，也有合作方的因素；既有人的因素，也有技术的因素。算法、算力、数据、场景、网络、人员等，任何一个方面出了问题都可能会导致风险的出现。
二是传染性强，风险容易蔓延。一方面，金融科技开放共享、万物互联的特征，使得不同的机构不同的基础设施之间的关联度，以及互联互通的复杂性大幅上升，单体机构的科技风险事件容易引发系统性风险的可能性也上升。另一方面，金融机构可能会从相同的第三方数据源获取外部数据信息，运用相似的底层逻辑和技术开发分析模型，而这会导致不同的机构在应对同一个外部事件冲击的过程中，采用相同或相似的应对策略，从而形成羊群效应，在宏观层面产生合成谬。
三是风险的影响大。由于金融科技的网络效应和规模经济，会催生出比传统金融更高的集中度，从而形成具有系统重要性影响的非传统的金融机构，以及具有系统重要性影响的提供重要基础设施或者技术服务的科技型机构，这些机构一旦出现问题，叠加风险的快速传染，会影响整个金融系统从风险事件当中恢复的能力。
四是风险发生后控制难。一方面信息不对称程度较高，大多数的金融科技企业并不承担传统金融机构的全面信息披露义务，因此信息透明程度较低，这种信息的缺失在出现问题时，将会成为系统性风险传导的一个非常危险的渠道。另一方面，由于算法本身的复杂性和审计匮乏，广泛使用人工智能和机器学习技术易形成黑箱效应，出现问题时定位难度高。

本文精选自天弈学苑往期讲座内容，主讲专家系中国光大银行风险管理部全面风险管理处副处长武越川。内容仅代表个人观点，不代表任何机构的立场。
金融科技与科技风险管理系列：
2.金融科技对风险管理的影响（本文）
3.应对措施建议
关于我们
“天弈学苑”内容精选自天弈全球专家研讨（Tianyi Global Expert Seminars, TGES）平台的专家交流成果。
在这里，您将聆听到金融大咖们的专业观点，行业精英们的卓识洞见和前沿思考。
关注我们获取更多专业观点，v：天弈学苑。