再议数字化风控的构建逻辑_王明伟.pdf

银行

再议数字化风控的构建逻辑

文/王明伟

判断、预警、处置效能。本质上，这是一种纯粹的“技术逻辑”。

随着银行数字化转型的逐步深入，以“技术逻辑”构建数字化风控

银行必须跳出“技术逻辑”的框架，从数字化时体系的实践正在面临多方面挑战。

代的视角重新审视数字化风控的构建逻辑，将“技术一是模型结果的内在脆弱性。目前，银行广泛采用机器学习等

逻辑”演进为“经营逻辑”，将数字化风控的构建与数统计技术进行风险建模，该技术具有自动化处理高维数据、模型泛

字化时代的特点紧密结合，打造“个体+生态+产业”化能力强、自学习能力强等多种优势。然而，模型识别出来的风险

三位一体的风险管理体系，推动数字化风控步入新阶因子，仅能够说明与客户风险之间存在相关关系，并不能从业务逻

段、取得新成效。辑层面提供具备因果性的解释。这种缺乏逻辑支撑、纯粹的“数学

规律”，天然就是脆弱的，适用性受到约束。

二是基于历史数据建模的不可靠。数字经济的发展加速了社会

经济环境和个体行为的变迁，无论是居民消费行为，还是企业交易

行为，都呈现更强的易变性。在此情况下，银行采用历史数据进行

风险建模，探寻出来的风险规律可能不能对当前的客户行为进行准

作为经营风险的市场主体，银行尤为重视数字化风控体系的建确刻画，从而难以有效实现风险评估。虽然银行正在采取各种措施，

设，并将其作为数字化转型的核心内容。然而，“技术逻辑”驱动的强化模型管理，推进模型更新迭代，但从历史数据中捕捉风险规

数字化风控实践，在帮助银行提升决策科学性、响应及时性和管理律的有效期仍在缩减。

协同性的同时，也正在面临模型结果脆弱性等诸多挑战。银行必须三是分客群模型建设缺乏科学分类依据。数字化风控的目标之

跳出“技术逻辑”的框架，从数字化时代的视角重新审视数字化风控一是精准化。近年来，银行积极推进分客群模型建设，试图通过为

的构建逻辑，将“技术逻辑”演进为“经营逻辑”，将数字化风控的不同客群匹配差异化的模型，提升对细分客群的筛选能力，以最大

构建与数字化时代的特点紧密结合，打造“个体+生态+产业”三位限度提高对客群的覆盖度。然而，根据什么特征对客群进行分类，

一体的风险管理体系，推动数字化风控步入新阶段、取得新成效。是缺乏科学依据的。常用的分类指标有年龄、学历、规模、职业或

行业等，但因为分类指标选择的主观性，在实践中往往导致一些重

现阶段数字化风控的构建逻辑及现实挑战要的细分客群模型通过率很低。部分银行试图采用多个指标进行交

近年来，商业银行持续提升数据获取、传递、分析和应用能力，叉分类，进一步细化客群分类和模型建设，但这又面临数据量大幅

重构传统风险管理架构和流程，探索构建线上化、数字化、智能缩减的痛点，筛选效果不佳。

化的风控体系，推动风险管理效能、效率明显提升。、商业银行构建数

字化风控的诸多实践，为梳理背后的构建逻辑提供了基础。总的来立足数字化时代，完善数字化风控

看，虽然不同银行推进数字化风控体系建设的进度不一，但各家银要克服银行现阶段数字化风控面临的挑战，进一步提升数字化

行构建数字化风控的逻辑是基本一致的，都是在未改变银行风险风控的效果，就必须跳出纯粹的“技术逻辑”框架，不拘泥于技术

管理理念的条件下，通过提升大数据应用能力，增强风险识别、发展的约束条件，从银行业务发展的规律中寻