☝设置星标★

☝设置星标★

爽976639255@qq.com文章刊发于《银行家》杂志2024年第5期「养老金融」栏目END分享、在看与点赞，全都想要拥有！

进一步降低遗产处置过程中可能发生的继承纠纷和其他操作风险，保障项目的顺利运行。四是由信托搭建全生命周期养老服务体系，根据老年人的身体情况、经济实力、生活习惯等具体情况，提供专业化养老咨询服务，

反映了目的与手段、方向与路径、可行性与必要性之间对立统一的辩证关系。产业生态化是从产业向高质量发展方向阐述分析，类似的提

☝设置星标★

13693391130案例报送邮箱chinabanker_zxh@vip.sina.com2023年活动回顾↓分享、在看与点赞，全都想要拥有！

☝设置星标★

抢“鲜”浏览精彩内容

抢“鲜”浏览精彩内容

抢“鲜”浏览精彩内容

抢“鲜”浏览精彩内容

抢“鲜”浏览精彩内容

抢“鲜”浏览精彩内容

抢“鲜”浏览精彩内容

S1》和《国际财务报告可持续披露准则第2号：气候相关披露IFRS

☝设置星标★

抢“鲜”浏览精彩内容

抢“鲜”浏览精彩内容由《银行家》杂志社主办，中国社会科学院财经战略研究院、中央财经大学中国互联网经济研究院和《银行家》研究中心提供学术支持的“2023

银行家金融创新论坛以“金融创新与中国式现代化”为主题，邀请金融行业学者专家、金融机构同仁齐聚一堂，围绕金融创新如何推动中国式现代化积极建言献策，助力中国金融机构扬帆远行。

☝设置星标★

2022年是我国个人养老金制度的启动实施之年，国务院办公厅印发《关于推动个人养老金发展的意见（国办发〔2022〕7号）》，人社部办公厅等三部门办公厅联合公布了个人养老金先行城市（地区）名单，人社部等五部门联合印发了《个人养老金实施办法》。建立个人养老金制度，将完善我国三支柱养老金体系，也将促进金融结构优化。

习近平总书记强调，要始终坚持以人民为中心的发展思想，更好满足人民群众和实体经济需要，做好新形势下金融工作。要坚持党中央对金融工作集中统一领导，确保金融改革发展正确方向，确保国家金融安全。财富管理是重要的金融领域之一。中国财富管理要立足中国实际，走中国特色金融发展之路。

利率市场化改革的深入和数字经济的发展，促使越来越多的服务向数字化、线上化迁移，突如其来的新冠肺炎疫情更是加速了这一趋势，银行开始谋求业务的数字化转型和突破。2021年《数据安全法》与《个人信息保护法》的出台，与《网络安全法》一同形成了数据合规领域的“三架马车”，监管政策强度日趋加大，银行数字化转型既要通过海量客户行为数据准确识别客户、营销获客、控制风险，又要确保客户信息安全，符合数据使用的法律规定，数据的保护意识和对数据价值挖掘的需求之间的矛盾开始日益凸显。在此背景下，隐私计算技术逐步受到关注，Gartner在2020年和2021年连续两年将隐私增强计算列为最重要的战略趋势之一，并预测到2025年，60%的大型企业机构将使用一种或多种隐私增强计算技术；2021年6月，麦肯锡在《Fintech2030：全球金融科技生态扫描》中认为，自动因子发现、知识图谱和图计算，以及基于隐私保护的增强分析将发挥更大的价值，并将其列为金融机构应关注的首要技术趋势。通过多方安全计算、联邦学习、可信执行环境等相关技术将数据价值连通，推动数据安全共享，在多方数据融合的基础上充分发挥大数据所产生的价值，释放数据红利，正在成为各界实现数字化转型、推动数据要素化发展的创新解决方案。“金融行业风控能力建设面临数据难题近年来，风险控制能力越来越成为金融行业的隐形门槛。信息不对称，个人、企业用户信用记录缺失，人工核验成本高，逾期客户的风险识别困难等，都对金融机构管控风险带来了很大挑战。特别是近几年金融业务快速发展，恶意欺诈、过度消费、重复授信等乱象浮现，并且手段越来越专业化、产业化、隐蔽化和场景化。而传统风控手段因维度单一、效率低下、范围受限等原因，越来越难以满足复杂的场景应用需求。金融行业需要各个行业维度的数据去覆盖各类业务产品与风控需求，从而能够使业务人员及时准确地洞察不同来源与业务场景的风险行为变化。而大数据分析的风控手段又常常依赖于数据，但数据滥用又带来了数据隐私安全问题。同时，并不是有越多的数据补充就越能有效提升风控能力。样本缺失、数据质量不高、有效数据维度欠缺等问题，使得通过挖掘数据价值来提升风控模型效果与保证风控数据的可用性在双向平衡性中进退维谷。传统的风险控制流程大致经历了两个阶段——传统风控和大数据风控。传统风控偏向线下，包含人工审核环节，审核时间长，用户体验不太好；大数据风控偏向线上，依赖海量的数据，人工和机器审核相结合，支持批量和实时处理，用户体验较好。然而，随着互联网的高速发展，大数据风控同样面临一系列挑战。总体而言，数据不足，分享不够。数据是大数据风控的血液。数据的可得性、全面性、准确性决定了大数据风控的生命力。金融机构可以在大数据风控的模型构建方面发挥主动性，也可以自己积累数据；同时，外部数据特别是互联网、政务数据也不可或缺。但目前很多政务等外部数据保存在不同地方，联通不够，导致众多的信息孤岛。数据保护意识和数据融合矛盾凸显。随着数据相关法规的陆续出台，个人隐私保护意识逐步增强，对数据的获取和融合难度也逐渐加大。易受到隐蔽化、团伙化的攻击。大数据风控的数据来源和运营过程都在线上。网络攻击可以在任何时候、任何地点发动，难以预测，隐蔽性强。这就要求风控策略加快迭代速度、缩短周期，同时还要保证不损失风控精准度。“联邦学习技术正成为解决金融风控问题的关键上述问题是金融行业风控领域的常见问题，而隐私计算技术的应用正在成为这些问题的一个有效的技术解。隐私计算是面向隐私信息全生命周期保护的计算理论和方法，是隐私信息的所有权、管理权和使用权分离时隐私度量、隐私泄漏代价、隐私保护与隐私分析复杂性的可计算模型与公理化系统。它可以在保证数据提供方不泄露原始数据的前提下，对数据进行分析计算，实现数据在流通与融合过程中的“可用不可见”。其中，联邦学习（Federated

2020年10月14日，习近平总书记强调要“加快横琴粤澳深度合作区建设”（以下简称“深合区”）。《横琴粤澳深度合作区建设总体方案》明确了深合区的四大战略定位。本文通过分析横琴粤澳深度合作区建立跨境财富管理中心的发展背景及实践，总结国际和国内主要财富管理中心建设的经验，并提出相关的对策建议。打造深合区跨境财富管理中心，对满足境内外市民跨国双向资产管理和资产合理配置的需要、推动澳门地区经济社会适度多样化发展、探索数字人民币国际化、丰富“一国两制”试点的创新示范等，都具有重大的现实意义。

构建养老金融综合服务平台应采用从产品合作到产品融合的“两步走”方式，并充分发挥在信息系统构建、金融服务、养老服务方面的优势。

2021年以来，债券市场资产荒不断加剧，推动了债市收益率的持续下行。尽管当前经济修复动能较弱，但修复方向较确定，资产荒最严重的阶段可能正在接近尾声，需要警惕未来收益率阶段性波动上行的风险。在理财净值化的背景下，债市的调整可能会引发理财赎回与债市调整之间的负反馈，相关的潜在风险值得关注。2016年底至2017年的债市负反馈显示，债市收益率的快速上行很快扩散到信贷市场，进而对实体部门融资和经济增长形成一定的抑制作用，但由于当时经济自身增长动能较强，整体影响较温和。而当前经济修复尚不稳固，未来潜在的债市负反馈可能会对经济修复带来风险。本文在分析当前资产荒情况、债市交易拥挤度的背景下，参考2016年债券市场负反馈机制，对未来债券市场可能需要面对的新一轮负反馈考验作出详细的分析，并提出相关应对措施。

由《银行家》杂志社主办的“2022中国金融创新论坛暨中国金融创新成果线上发布会”于2022年9月26日在北京举行，本届中国金融创新论坛以“数字化金融创新：服务实体经济和产业振兴”为主题，聚焦数字化进程与实体产业振兴，邀请金融业业界权威专家和行业精英交流经验、分享智慧，共同探讨银行业如何用数字化创新服务实体经济。中国光大银行信息科技部总经理史晨阳出席论坛并发表了主旨演讲。数字化可以为业务发展提供核心驱动力，并且提升业务价值和科技创新能力，迎接我们的一定是机遇。数字化转型归根结底服务于业务价值，注定是科技与业务融合的催化剂。

发达国家进入老龄化的时期较早，在积极应对人口老龄化方面作了不少探索。当前，我国的养老理财处于起步试点阶段，产品创新不断加速推进，借鉴国际经验对于我国养老理财的发展具有重要意义。

由《银行家》杂志社主办的“2022中国金融创新论坛暨中国金融创新成果线上发布会”于2022年9月26日在北京举行，本届中国金融创新论坛以“数字化金融创新：服务实体经济和产业振兴”为主题，聚焦数字化进程与实体产业振兴，邀请金融业业界权威专家和行业精英交流经验、分享智慧，共同探讨银行业如何用数字化创新服务实体经济。中国银行信息科技部总经理、中国银行场景生态与创新部总经理柯建勋出席论坛并发表了主旨演讲。自2013年党的十八届三中全会提出“发展普惠金融”国家战略以来，普惠金融已发展了近十年的时间。这十年，随着云计算、大数据、人工智能等数字技术的发展和应用，银行与产业一道进行了大量的金融服务创新，通过科技赋能，银行逐渐具备了挖掘、经营以中小微企业为主的长尾客户的能力。中国银行作为国有大行之一，也是全球化程度最高的中资银行，充分发挥跨境业务特色优势，大力发展跨境金融，积极探索跨境业务新模式，为中小微企业提供“一站式”数字化跨境金融服务，支持中小微企业拓展跨境商业活动。加快普惠金融、供应链金融数字化转型，着力解决中小企业融资难、融资贵问题一是打造数字普惠金融服务体系。中国银行在“十四五”规划中，明确将普惠金融作为战略重点业务，聚焦服务中小微企业，打造“开放、共享、丰富、便捷”的普惠金融服务体系。通过研发“慧智控”系列风险管理工具，运用客户画像、决策引擎、风险图谱等技术，强化主动风险管理，全面提升智能风控水平，实现普惠贷款全流程线上化操作，客户从申请到放款仅需几分钟，2021年以来推出十余款线上普惠贷款产品，目前普惠贷款客户近70万户，有力地支持了中小企业的融资需求。二是打造开放型绿色供应链金融生态。按照“产品在线化、服务平台化、授信批量化、运营自动化、风控智能化”的思路，利用新兴金融科技手段持续推进供应链金融服务和模式创新，搭建“票、证、融”线上化供应链金融产品体系，推出“中银智链”品牌系列。同时，利用跨境业务优势，提供境内外、本外币、线上线下一体化的供应链金融服务，目前已在跨境电商、外贸综合服务平台新模式下实现了保单融资创新产品的落地。持续丰富产品服务体系，打造跨境金融服务生态，为中小企业提供“一站式”跨境服务一是拓宽开放窗口，助力中小企业开拓海外业务。进口博览会、服贸会、消博会这些重量级展会是国内国际双循环的重要窗口，也是国家服务中小微企业，支持中小微企业开展跨境商业活动的重要平台。作为进口博览会多年的战略合作伙伴，中国银行为展会提供了综合服务方案，帮助国内采购商和国外展商突破地域限制，推动多边贸易合作，有效帮助中小企业融入全球资金链、价值链和产业链。二是打造跨境电商新模式。为支持跨境电商新业态，经过监管批准，中国银行率先探索与境外跨境电商平台合作，利用数字技术，凭借交易电子信息为境内跨境电商企业提供直连收款服务，结合跨境电商小额高频的特点，研发了贸易背景真实性审核、反洗钱制裁合规等六大类20余个风控模型，提升了业务风险控制的智能化和数字化水平。三是持续优化传统跨境结算产品服务。通过人工智能、RPA、OCR等新技术的应用，研发智能审单等功能，对跨境汇款、境内外币汇款进行全流程再造，进一步实现了业务线上化、自动化、智能化，使产品服务更加便捷、更加安全、费用更低。培育数字基因，激发金融科技赋能业务活力“十四五”期间，中国银行加快建设重点科技基础设施和科技基础支撑能力。一是以新技术运用为着力点，推动人工智能、大数据、区块链等技术在普惠、跨境领域的应用创新，解决普惠、跨境金融痛点问题。二是以新机制变革为支撑点，推动科技业务深度融合，形成科技体系全面紧贴业务、全流程快速响应的高效融合服务模式，科技主动“向前一步”，与业务联动，共同研究市场、共同设计产品、共同打磨体验，巩固自身跨境经营优势。三是以新队伍建设为根本点，打造数字化新军，培养跨越技术和业务的复合型人才，为业务高质量发展夯实基础。未来，中国银行将继续强化金融科技赋能，搭建场景生态，通过为中小企业提供高质量的金融服务，在助力中小企业成长的同时，实现自身的数字化转型发展。柯建勋系中国银行信息科技部总经理、中国银行场景生态与创新部总经理责任编辑：孙

在中国成为全球第二大财富管理市场的过程中，超高净值家族的数量及其资产体量迅速增长。根据瑞银和普华永道联合发布的年度亿万富豪分析报告，2009～2020年，中国亿万富豪的财富总量增长了11倍。随着超高净值客户个人、企业和家庭/家族的发展，超高净值客户财富管理的内涵和外延也都在快速扩展和变化中。需求推动了供给，西方的家族办公室理念被引进到中国，本土家族办公室服务机构如雨后春笋般流行开来，以“家办”名义开展业务的机构据说已经有一万多家。但无法回避的现状是，“家办”行业虚火旺盛，坊间笑谈中国“家族办公室”比家族都多，很多机构仅仅是用家族办公室这一名头，做的事情仍然是中介服务（比如移民、留学等），或者是前些年的第三方财富管理业务。模糊不清的定位、良莠不齐的机构、缺乏专业能力的服务团队等，让客户感到困惑，也让从业者对行业的发展前景感到茫然。

当前，数字技术高速发展，数据处理能力日益增强，对金融科技创新发展起到了关键性作用，成效显著。但数据被处理后具有巨大价值，从而催生出了虚假数据、“大数据杀熟”等数据伦理与算法伦理失范问题。

数字化转型是利用先进技术来优化或创建新的业务模式，以客户为中心、以数据为驱动，打破传统的组织效能边界和行业边界，提升公司竞争力，为公司创造新价值的过程。银行理财公司开展数字化转型不是赶时髦，而是一场触及公司文化、业务模式、责任和权利体系的深刻变革，其难点不仅在于引进数字技术，更在于让复杂的资管业务场景与数字技术真正融合，构建变革的领导力，改变公司的组织、流程与员工的意识和行为。银行理财公司数字化转型不仅是技术创新，更是一项系统工程，是公司真正的变革。

在全社会数字化转型的浪潮下，商业银行积极应用数字化技术，开采业务中蕴含的丰富“数字石油”，通过建立支持业务快速创新的数字化业务中台，打造“一切业务数字化、一切数字业务化”的数字业务回环，从而沉淀可复用的核心数字资产，降低开发运营成本，提升功能交付及内部运作效率，形成智能化创新产品及解决方案，在金融服务愈发同质化、竞争愈发激烈的市场上，打造差异化竞争优势。

近几年，私人财富规模持续增长，财富管理的重要性日益凸显，然而客户个性化、多元化的需求不断对财富管理业务的发展提出挑战。如今，金融科技方兴未艾，凭借其强大的数据处理和资源整合能力，与诸多金融业务实现了有效融合。那么，金融科技该如何驱动商业银行财富管理业务的数字化变革、加速财富管理数字化转型，商业银行如何借助金融科技为客户提供个性化的财富管理方案和便捷的数字化体验，从而促进全行财富管理业务的快速发展，是商业银行财富管理条线从业者都应该关注和思考的重要问题。

国际货币秩序是全球政治经济格局的延伸。后疫情时代，随着百年变局加速演进，国际货币体系步入调整期，人民币国际化的将面临新机遇、新挑战。本文客观分析疫情以来人民币国际化趋势与特征，从国际货币体系变革的视角，探讨人民币国际化面临的新机遇及发展瓶颈，并提出一些有益建议。

当前，全社会各行各业都在围绕大数据进行转型，人们的一举一动、一言一行等信息无时无刻地被各类电子终端收集和使用。人类社会实现了前所未有的高效连接，使得社会的运转效率得以大幅提升，也促成了大数据时代的到来。

2021年12月29日，中国人民银行发布《金融从业规范财富管理》（以下简称《规范》），明确财富管理的核心竞争力是客户满意度，首次从官方文件角度定义财富管理与资产管理的区别为：财富管理贯穿人的整个生命周期，不限于金融服务，目的还包括财富创造、保护、传承等；而资产管理业务的属性是金融服务，目的是资产保值增值。在此基础上，从服务流程、职业能力、职业道德与行为准则、职业能力水平评价几个维度对财富管理金融从业人士进行了规范，对财富管理行业的人才建设与业务开展具有重要意义。

在中国经济高质量发展和共同富裕的大背景下，财富管理进入了普惠时代。其中，数字化既是财富管理进入普惠时代的重要推手，也是普惠时代财富管理发展的核心引擎，财富管理应加快实现数字化转型，充分利用数据要素，做好数字化服务，把握住新时代的发展机遇，满足广大人民日益增长的财富管理需要。

随着云计算、大数据、物联网、人工智能、区块链、5G等新技术的广泛应用，全球加速进入“万物互联、泛在智能”的数字经济时代。在此背景下应运而生的新金融，是以数据为关键生产要素、以科技为核心生产工具、以平台生态为主要生产方式的现代金融供给服务体系。

分享、在看与点赞，全都想要拥有！

2022年1月16日，习近平总书记发表署名文章《不断做强做优做大我国数字经济》，指出数字经济正在成为重组全球要素资源、重塑全球经济结构、改变全球竞争格局的关键力量。一直以来，党和国家高度重视发展数字技术、数字经济。作为数字经济的有机组成部分，数字金融是数字经济时代实体企业蓬勃发展的助推器。数字经济与数字金融的发展并没有改变经济与金融之间的关系本质，而是通过运用现代信息技术和新兴数字技术，有效提高了经济与金融活动的效率、降低了成本、防范了风险。数字金融的内涵是金融行业及相关产业的数字化转型发展；其外延随着数字经济的发展，逐渐聚焦形成消费数字金融、普惠数字金融和产业数字金融三种主要业态。通过对消费经济、普惠经济和产业经济进行数字化转型升级，并以数字技术作为沟通衔接，与数字金融有机结合起来，形成经济与金融高质量、高效率发展的良性循环，全面推动数字经济时代社会经济的蓬勃发展。产业数字化是数字经济发展的重要方向之一，而产业数字金融则是产业数字化、数字经济规模化发展的加速器。金融永远不变的核心本质是风控，其实质是运用现代数字技术将数据算料通过算力、算法等新型基础设施平台加工成智能风控模型，从而降低由业务参与各方信息不对称造成的业务不确定性。然而，产业数字金融风控所使用的数据要素情况不同于以往，特别是对公客户场景化、生态化细分后，数据样本量很小，难以满足风控建模的需要；而小样本学习目前在机器学习与数据挖掘领域仍属世界性难题。本文从小样本学习技术创新入手，深入探索数字经济时代下面向产业数字金融的小样本学习应用研究与实践。面向金融风控领域的机器学习算法模型传统的商业银行风控体系以定性风险管理为主，主要使用风控规则及客户评级等方法，辅以线下尽调的方法；传统风控模型对包含客户历史行为和相关活动的数据进行分析，但难以预测性地揭示未来风险的变化情况，且数据获取方式单一、定量分析结果相对较弱。数字经济时代下面向数字金融发展，商业银行越来越强调运用金融科技力量来降低风险管理成本、提升客户体验，以数据驱动风控能效的提升，以人工智能算法为基础建立智能风控评价体系。在商业银行风控场景中，往往会选用一些效果佳、业务可解释性强的有监督学习分类算法来构建风控模型，如逻辑回归、决策树以及集成算法等。通过内外部数据融合、数据预处理、特征工程等方法进行数据准备，并根据场景需求及业务数据特点，选择合适的算法开展分析建模，并进行模型的部署和监测。逻辑回归（Logistic

2021年10月18日，习近平总书记在主持中央政治局第三十四次集体学习时强调，发展数字经济是把握新一轮科技革命和产业变革新机遇的战略选择。在数字经济、共同富裕等国家战略布局下，我国金融业正向着高质量数字化转型迈进。银保监会主席郭树清指出：“为促进经济金融良性循环和高质量发展，3亿新市民将成为重要的活力源泉。”银保监会、中国人民银行于2022年3月联合印发了《关于加强新市民金融服务工作的通知》，明确新市民范围，鼓励引导银行保险机构积极做好与现有支持政策的衔接，强化产品和服务创新，高质量扩大金融供给，提升金融服务的均等性和便利度，不断提升新市民的金融服务水平。数字金融服务新市民大有可为帮助新市民在城市落地生根的重要举措之一，是更好地满足其金融需求，为其做好金融服务。这既对我国构建新发展格局、实现高质量发展具有重大意义，也是推进金融供给侧结构性改革、促进共同富裕的必要举措。这其中金融机构的作用不言而喻。然而，目前许多传统金融机构尚无充足的技术能力为新市民提供与其需求匹配的金融服务。例如，金融机构更倾向于为有抵押担保或有征信记录的客户提供信贷服务，但大量新市民是无征信记录的“白户”。因此，消费金融公司这类具备大数据风控技术的“能力者”，在帮助新市民获得高质量金融服务方面的重要性越发凸显。数字化与数字金融的异同基于当前科技发展水平，数字化主要包括三方面：可度量化（将非结构化数据，如语音、视频、图画、文字等，转化为可测量和进行数学计算的数据）、可定量实施最优化、可实施全自动化决策管理。可以说，数字化是指可度量化、可定量的实施最优化决策、可自动化执行的实施过程。金融的发展可以用六个维度进行概括：一是业态环境，即金融机构的营业形式（实体或虚拟）；二是运营基础，即如何服务客户；三是信息处理，即如何获取和处理交易信息；四是交互模式，即人人交互、人机交互、人人与人机组合交互；五是管理模式，即手工管理、手工与系统结合管理、系统自动管理；六是决策模式，即基于契约模式、信用、法律保障等制定决策规则。纵深来看，金融的发展可划分为三个阶段：传统金融、数字金融和智能金融。对应上述六个维度，传统金融的特征可以大致描述为：业态环境基于实体社会，运营基础依靠机构网点，信息处理基于客户提供纸制材料，交互模式为人人交互，管理模式以手工干预的管理为主，决策模式主要为人工参与决策机制。同样，数字金融的六个维度特征可描述为：业态环境由实体社会、互联网、物联网、元宇宙组成，运营基础是在业态环境中数字化全面运用，信息处理以数字化自动处理为主，交互模式为数字化交互，管理模式为系统全自动数字化管理，决策模式为系统全自动数字化决策。基于此，可对数字金融进行初步定义，即在现实环境（包括现实物理社会环境、互联网虚拟社会环境、物联网环境、元宇宙）中，以大数据为基础，以数字化交互、信息处理、决策、管理为主要运营模式的金融业态。数字金融与大数据风控当金融进入数字金融阶段，其根本特征就是数字化。从前述六个维度来看，数字金融在每个方面都有质的飞跃。其一，数字金融所服务的业态环境不再局限于实体社会，互联网、物联网及元宇宙等都属于其服务的范畴。其二，数字金融的运营环境取代了传统的实体环境，使得金融运营方式借助数字化手段产生了更多创新，如通过数据驱动及时触达客户的服务方式，大幅提升了金融服务质效。其三，数字金融在信息处理上也有质的飞跃，从过去仅限于数据扩展到文字、语音、图片等。其四，交互模式方面，数字金融也从依赖于人的交互发展到如今的数字化交互，使业务效率呈指数增长。其五，由于各环节数字化的实现，数字金融客户管理模式能够顺畅地转型至系统全自动数字化管理。其六，决策机制也逐渐数字化，金融机构可以采用科学量化的方法进行预测和实施最优决策，并及时追踪和迭代调整，真正做到系统全自动数字化决策。站在数字金融的浪潮之上，金融机构要提升竞争力和服务能力，除了要实现前四个维度的数字化之外，还须具备实现数字化管理和数字化决策的能力。具体到风险管理方面，须实现全流程风险管理数字化。因此，在拓宽金融服务边界、提升服务新市民质效方面，大数据风控是大势所趋。凭借扎实的科技实力和创新能力，马上消费金融自成立以来就将自主研发的智能风控、智能获客、智能营销、智能客服等一系列系统，以多元化产品为依托，通过零物理网点、线上自动化服务拓展到全国各地，提升金融服务的触达性和便利性。截至2021年12月末，马上消费金融的服务已覆盖全国31个省（自治区、直辖市），实现3C数码、旅游运动、生活服务等全场景覆盖，累计服务县域用户和农村用户分别达到3362万人和2778万人。值得一提的是，消费金融服务的客群与新市民高度重合，而持续满足并服务好3亿新市民的金融需求，不仅是金融机构的社会责任和发展机遇，更关乎我国城镇化发展、共同富裕战略的实施成效，进而为数字金融加速推进、经济高质量转型升级贡献砥柱之力。大数据风控助力解决新市民服务痛点大数据风控实现了信息的度量化大数据风控，可以简单理解为全流程风险管理数字化，即以大数据为基础，以数据驱动的方式，系统自动化执行各环节风险管理策略的风险管理机制。换句话说，大数据风控可以将各种信息度量化，在预测和决策中综合使用这些信息进行量化的最优决策，并部署在系统平台上全自动实施执行。现实生活中，由于部分新市民工作不稳定，缺乏收入及房产等资质证明，导致金融机构难以用传统的风控模式衡量其信贷资质，造成服务空白。不仅影响金融机构拓展市场细分领域，也影响普惠金融的落实和渗透。而大数据风控在技术层面提供了解决之策，使金融机构拓宽服务客群、提升服务质量有了更多可能。目前，马上消费金融通过运用数字金融技术已为超过650万新市民建立了信用记录，通过线上线下融合的方式不断提高普惠金融的服务效率，与多家银行及保险公司合作，借助网点功能实现线下服务新市民的金融和消费需求。大数据概念形成于2010年前后，大数据风控概念在2013年以后慢慢成形，并自2015年起在信贷市场逐渐落地应用。随着众多电商金融陆续推出网络信贷产品，民营银行相继成立并推出多项服务，以马上消费金融公司为代表的消费金融公司先后成立并推出多种信贷产品，我国大数据风控市场基本形成。大数据风控的数据基础和技术层次不同于传统风险管理，大数据风控有着完全不同的数据基础和技术层次。首先，大数据具有“4V”特性：一是量大（Volume），达PB级；二是数据类型多（Variety）；三是产生速度快（Velocity），以每月大于多个BP的速度产生，某种程度上也标志着新技术的发展速度；四是密度小但价值高（Value）。其次，在大数据整合方面，“4V”特性使传统的数据处理技术很难直接应用，因此，新的处理方法——分布式处理方式Hadoop、Spark和Mapreduce等应运而生。由于大数据种类多，传统经典分析方法也面临挑战，因此机器学习、人工神经网络深度学习等人工智能方法被加速引进应用。事实上，大数据风控最本质的含义在于风险管理策略的有效性在大数法则下成立，不合理个案虽可能发生，但均为小概率事件。同时，风险管理策略数字化、数据驱动的方式以及自动化执行包含的内容也十分丰富。首先，大数据风控中的“风控”是风险管理的简称，是在收益风险中寻求平衡以达到投资回报的极大化，而非字面意义上的简单风险控制。其次，整合大规模数据需要以结构化数据、半结构化和非结构化数据作为决策基础，需要有一个快速处理和整合数据的分布式处理数据仓库作支撑。再次，系统自动快速执行策略的前提是具备决策变量生成平台，用以简单、稳定且高效地计算自定义的大规模决策变量（基于结构化、半结构化和非结构化数据）；此外，风险管理策略的数字化要求有一个强大的规则引擎，可部署机器学习和AI深度学习风险模型。最后，数据整合处理、决策变量计算、策略和规则部署实施执行各部分和账务核心系统须无缝连接，使风控策略在数据驱动下自动运转执行。金融机构如何实施大数据风控在现阶段，大数据风控的实施方式丰富多元。以信贷业务为例，在客户触达、核身、计算评分、授信等环节，部署的方式和重点各有不同。如何触达客户客户触达即授信机构和流量渠道的交互。如今流量可以发生在多种渠道，如电商消费场景，租车、自媒体、专业会员等细分市场领域，搜索、支付、朋友圈等互联网应用基础平台，苹果、安卓等手机应用市场，BAT第三方平台等。对于风险管理而言，客户触达是大数据整合、基本模型和评分计算的环节。无论哪种触达模式都包含两个步骤：一是与流量通道建立联系，这是第一步，可登录公司网页或下载公司App进行简单注册，使用电话号码即可完成；二是与账务系统建立联系，这是获得授信的必备条件。如何核身经过触达环节，大数据风控有了基础数据，并将这些数据进行整理关联后变为信息，下一步最重要的是判别信息的主体资格，核身是第一关。因此，在触达环节收集足够的核身相关要素就变得尤为重要。埋点的设计要全面和完整，考虑各种可能情况，覆盖触达的各个节点。在线上信贷业务中，申请环节的身份信息最小集是“四要素”，即姓名、身份证号、电话号码、银行卡号；除系统性“四要素”鉴权外，通常还需做人脸识别，以确认客户真实存在且为申请者本人，而且不存在身份被盗用、团伙使用等情况。核身步骤要求极高的严谨性，这是为后续环节构建的基础防线。如何计算模型评分在触达客户并核身后，要用评分技术构建模型估测客户预期损失概率。根据客户触达的不同形式所产生的不同信息（即产生不同的数据流和变量），进行不同精度的估计。由于数据的丰富程度不同，预先计算精度或存在出入；新信息接入后，预测变量将被进一步更新，精度将会提升，进而有助于提高授信准确率。为尽可能准确估计预期损失概率，除结合平台本身的信息之外，金融机构通常还会借助征信或增信数据进行优化。通常情况下，个人客户在网上申请授信时，金融机构能够获得该客户的个人基本信息、在平台的行为信息、经授权的App信息及其他相关信息，如征信、银行卡使用、手机运营商、多头借贷等信息。如何授信首先，需要建设可靠的大数据处理IT系统。在关联所有可以依法合规获得的数据后，进行整合、实时计算评分变量和评分，进而准备好所有决策变量运行策略。此过程须在一两秒钟内完成。其次，运用机器学习构建预期损失概率估计。大数据风控更多采取机器学习的算法来构建模型评分，目前大多采用GBDT及其改良的Xgboost算法。构建模型的方法主要有分段式、分层式、综合式、模型校验四种。大数据风控中的授信决策基本为系统全自动决策，大数据的作用在于，通过分析客户的历史行为、资信状态等数据，尽可能全面准确地了解客户的还款能力和还款意愿，并将此与历史损失数据相关联，从而预估损失概率。由此得出对客户还款能力的近似判断，结合同类客户的历史信贷表现数据，利用聚类或有监督的分类办法、复杂网络等聚类方法作出进一步判断。根据这些判断设计决策规则，如是否授信、授信额度及期限等，实现风险可控且回报率最大化。大数据风控的“十大矛盾”与“十大原则”“十大矛盾”目前，我国金融业在信息处理方面仍然面临以下“十大矛盾”：一是垄断和竞争的矛盾；二是目标不一致的矛盾；三是“困栏”造成的矛盾；四是平台转化率极大化和共债风险的矛盾；五是因融资渠道单一的矛盾；六是“普”和“惠”的矛盾；七是多头监管之间的矛盾；八是数据碎片化和信息不充分的矛盾；九是关键信息缺失和有效数据闲置的矛盾；十是降价引发的矛盾。事实上，这“十大矛盾”对尚处于商业化落地进程中的大数据风控也造成了不少挑战。例如，由于缺乏系统性征信数据，传统的平衡卡等信用评级方法难以发挥作用，必须借助结构化、半结构化和非结构化数据进行信用风险判断。但目前我国政府数据开放性欠佳、碎片化严重，数据整合能力也存在短板，因此数据的合规性和来源可靠性也需仔细甄别。同时，大数据风控还面临技术层面的挑战。例如，决策平台方面，经典规则引擎局限性，机器学习、复杂网络、深度学习部署问题，环境操作风险问题，都仍待解决；算法方面，构造变量、算法细节分解等也都存在短板。“十大原则”挑战当前，大数据风控重任在肩。作为一直在此领域耕耘的金融机构，马上消费金融结合自身经验，总结了实施大数据风控的“十大原则”：一是数据的收集和使用必须严格遵循《数据安全法》等法律法规，这是开展业务的红线，不能有丝毫松懈。二是必须保障核身的可靠性。数字金融时代，金融机构与客户的人人交互频率降低，作为风险控制的基础防线，核身环节必须严谨有效。三是必须保障在线实时信息传输的合规性和安全性，这是从业机构共同的责任。四是所有用于决策的信息必须不能也不应有任何民族、性别方面的歧视，且需取得客户授权。五是整合多种数据、构造预测模型和评分是大数据风控的基础，但须在非开发样本上得到可靠验证后才能部署实施。六是利用模型、评分、变量等所设计的策略，需要在足够大的验证数据集进行模拟，以检验策略目标指标的合理性和可行性。七是大数据风控是全流程风险管理数字化，必须具备完善的回顾机制，这需要各环节运行细节具备可追踪机制。八是大数据风控所用的方法以机器学习为主，机器学习在理论上尚无法确保模型的稳健性，因此要求模型或评分必须及时回顾和迭代。九是必须保障在线自动运行时各环节实时监控和预警，预防造成较大业务损失。十是必须保障在线自动运行触发预警时，可以及时有效干预。最后需要强调的是，我国金融数字化工作在部分市场、业务种类和业务环节中，人工干预仍必不可少，切不能“为了数字化而数字化”。数字金融发展是一个长期的过程，只要我们认清方向并且坚定不移的走下去，定将水到渠成。作者系马上消费金融公司副总经理文章刊发于《银行家》杂志2022年第5期「金融科技」栏目责任编辑：刘彪ChinaBanker@vip.163.com点击链接↓

分布式虽然存在诸多优势，但我们也应注意到其带来的运维复杂性以及学习难度的增加。在一个分布式系统中，可用性（Availability）、一致性（Consistency）、分区容忍性（Partition

作者系中国社科院金融所支付清算研究中心主任文章刊发于《银行家》杂志2022年第4期「专题」栏目责任编辑：孙

随着大数据、云计算、区块链、人工智能等互联网新技术的广泛应用，科技赋能数字化转型已成大势所趋。加快金融科技系统升级换代，提高IT系统建设管理水平，打牢企业级系统开发“底座”根基，成为商业银行数字化转型的重要驱动与关键支撑。本文以恒丰银行与建信金科联合建设大型软件系统开发项目——恒心工程为例，归纳总结企业级IT系统建设项目管理（Project

近年来，随着数字经济的不断发展，叠加新冠肺炎疫情的外部冲击，货币数字化进程显著加快。在此背景下，以各国货币当局为代表的公共部门，为了维护货币主权和货币统一性，多选择开展央行数字货币（Central

近年来，伴随行业内外部环境的不断变化，银行业务模式也在逐步发生变革。当前银行已发展到Bank4.0阶段，并成功迈入数字化银行时代，在科技创新方面，各家银行纷纷加大金融科技资源的投入，并将科技与金融更紧密的融合在一起，形成一种新的业务模式——Fintech。业务模式的创新，不但能够提升银行自身的金融服务能力，还能够对外部输出这种能力，并将金融服务作为能力底座，赋能更多的业务场景。此时，银行已不只是在提供服务，而更多的是在扮演“连接”的角色，这种角色离不开“开放平台”的能力建设。伴随移动互联网端业务场景的逐渐丰富，「小程序」这种能将业务功能碎片化，帮助App快速上线业务功能、实现敏捷迭代的工具，也开始逐渐进入银行的视线。银行可以通过小程序来支持合作伙伴的功能入驻App，聚合不同业务场景的流量入口，实现一个App就能解决客户所有需要的可能性，从而真正完成“连接”的使命。但是拥有小程序平台就能实现目标了吗？合作方又为何要将流量入口放在银行App里呢？如何将在流量平台中已经上架的小程序迁移至自有App中？银行可以通过小程序平台为用户提供差异化的金融服务吗？个人信息保护法颁布后，银行和合作方在个人数据安全方面，又会有哪些影响或阻碍？这些问题可能都是银行将要去面对以及解决的。凡泰极客致力于以小程序形态的轻应用技术赋能企业拥有自己的数字化基建，构造自己的数字生态。凡泰极客FinClip技术，其小程序运行沙箱具备从手机到PC到车载系统的跨设备端支持能力，同时获得国家相关安全机构认证，其「小程序应用商店」具备对小程序的灰度发布和实时管控能力，提供了实时风控的手段，尤其受到金融行业的欢迎。本文首发于Twt社区。Twt社区特别组织金融行业专家、凡泰极客解决方案中心的专家和金融行业同行畅谈银行如何通过小程序来增强App建设，同时针对“流量”和“安全”两个主要问题，有哪些具体方案和解决措施，能更有效地促进银行金融业务的发展。本文主要包含三个方面：银行如何构建小程序生态、银行如何保障小程序的安全性以及银行如何建设管理小程序平台的共识。一银行如何构建小程序生态01小程序生态下，可否与银行公众号、App进行生态打通，方便一站式服务客户，具体实现方式及可选范围有哪些？目前凡泰小程序同步对齐了微信WXML小程序语法，如果是已经在微信环境中运行的小程序，就可以在代码不修改（或极少量修改）的情况下，在App引入FinClip

导语：数字经济时代，数据成为基础战略资源。银行业作为典型的数据驱动型行业，既为社会各层面提供微观金融保障与服务，又体现国家经济宏观状态和调控方向，成为数字经济时代转型的排头兵。本文以商业银行数字化转型应用需求为导向，论述我国商业银行数据治理模式和落地实施策略，以期对数字经济时代商业银行数据治理新范式的构建有所裨益。

2020年10月16日，习近平总书记强调，“要加强量子科技发展战略谋划和系统布局，把握大趋势，下好先手棋”。实际上，在众多新兴精尖技术中，量子计算由于其在机器学习建模应用方面表现出超越经典计算的模型准确性优势，在商业银行应用领域前景广阔。商业银行智慧运营场景为量子机器学习算法模型的应用提供了天然土壤，商业银行运营管理业务迎来了“换道超车”的发展机遇；将量子科技与银行智慧运营相结合，具有重要的社会价值和经济价值。当前社会已经从互联网、大数据时代迈向人工智能、量子科技时代，金融生态环境和客户交易习惯发生着深刻变化。在此背景下，银行需要以金融科技创新为驱动，全面推进运营管理数字化转型，在客户体验升级和资源配置优化等方面予以体现。本文将量子科技与机器学习相结合，立足我国商业银行应用实践，聚焦银行智慧运营场景，运用量子聚类技术为银行提供决策方案。