GARP 全球风险管理专业人士协会
作者 Peter Went, 哥伦比亚大学讲师，授课包括人工智能和机器学习等颠覆性技术，以及它们在风险管理上的影响。
2020年4月9日
序言
数字化的银行、颠覆性的技术开拓了更多获取创新金融产品与服务的路径，但也产生了新的风险。我们如何来到这样的处境？谁是玩家，什么样的危险在暴露之中？
金融行业的技术进步
新冠病毒对经济社会与金融机构带来意料之外的影响。在长期效应保持不确定的同时，我们知道全球大流行病将从基本面上改变人们互动的方式，并且技术在其中扮演关键作用。
在金融业，技术已经起到了变革作用。传统银行现在与来自科技巨头和金融科技公司的数字化银行产品和服务竞争。而这些公司提供更加广阔和便捷的金融服务，但也可能带有更多风险。现在他们在使用人工智能技术于各个业务场景，从信贷审核、反欺诈到反洗钱等。
金融科技的快速发展缘起上世纪90年代。PayPal事实上率先开拓了科技型零售支付业务，直接发起对传统银行的竞争，最终革命性地改变了整个支付系统。
金融科技的敏捷开发
金融服务中技术创新的速度，由于监管的缺失在非传统银行的企业中几倍地快于传统银行。
几个月前，我与一家在新兴市场占据主导地位的PoS网络提供商合作，该公司面临着通过其完善的网络提供信贷的战略机遇。(由于保密，我无法提供具体细节，包括公司名称和总部。)
在这个PoS的祖国，几乎每个人都用银行账户支付水电费，包括手机账单。此外，银行主要向政府雇员和大公司雇员提供信贷，从而有效地排除了向中小型公司及其雇员提供信贷的机会。为了满足一个巨大的、服务不足的市场的需求，PoS网络供应商可以提供信用——但是它需要了解市场、它的行为和正确的评估信用的方法。我们通过开发机器学习模型来解决这个问题，以识别交易中欺诈风险较低和不付款频率较低的部分。更重要的是，为了改善信用评估，传统的信用评估(包括信用评分，这在POS机的祖国并不存在)被抛弃，取而代之的是另一套机器学习模型。这些模型梳理了大量非结构化信息、银行账户交易信息和其他数字化数据(如手机使用情况)，以评估个人的支付能力和意愿。
为了提取有意义的信号，这些模型被训练在高质量、干净和精心设计的电子商务、web交互和社交网络数据——以及其他替代数据源上。透明性和模型可解释性问题通过其他方法的自适应使用得到解决。模型验证过程被设计成动态和连续的，新的事务数据不断地输入系统——提高整体学习和细化性能。对新信息的敏感性，特别是对可能表现为(例如)欺诈活动的异常值的识别，被集成到决策中。我们的模型不是被设计成自主的决策者。相反，模型输出应该提供指标来帮助人们做出更好的决策。
以人为中心的人工智能(AI)支持信贷决策，因为贷款是在一个服务不足的市场中发放给客户的。
科技巨头的金融创新
如果一家小型、资金充足、精通技术的新兴市场金融科技公司能够利用人工智能快速开发一种新的商业模式，那么很明显，技术颠覆金融的真正潜力是巨大的。唯一的战略障碍是已建立的商业惯例和复杂的监管审批流程。不过，像谷歌、Facebook和苹果(Apple)这样的大科技公司，最近已经强行进入金融服务领域，而且能够相对轻松和灵活地克服这些技术障碍。这些公司拥有大规模的网络和庞大的用户基础。事实上，有了自己的忠实用户，BigTechs可以以更低的成本设计业务模型，利用用户交互产生的数据。虽然银行提供24/7的低成本数字银行服务，但它们的在线子公司通常会蚕食收入。高盛(Goldman Sachs)的马库斯(Marcus)——主要是一家零售银行业务——是这条规则的一个显著例外。相比之下，如果大型科技公司能在美国获得银行执照，那么它们就能在美国获得银行执照他们不会毁掉自己的生意。
相反，凭借更低的成本基础和更灵活的产品开发战略，它们将能够与传统银行竞争。虽然没有一家数字银行获得在美国运营的许可(Varo通过了部分但不是全部的监管障碍)，但亚洲新兴的数字银行已经出现，它们得到了大型科技或电信企业的支持——而没有银行的支持。例如，在中国，腾讯的微信通过其子公司微众银行(WeBank)提供支付和小额信贷服务。(这些服务被整合到其在线平台中。)
此外，韩国手机短信服务Kakao运营着一家数字银行。亚洲大型科技公司通过自身的服务，间接地通过第三方的重新命名的服务，将金融服务整合到它们广泛的生态系统平台中。例如，腾讯依赖于网络效应、大规模产品开发和快速部署的能力，以及人工智能的实际应用。在美国与此同时，Apple Pay和Apple Card都取得了成功，但它们不是纯粹的金融科技解决方案。没有自己的银行执照，苹果公司从银行(包括高盛)获得以自己的品牌提供服务的授权。
数字化银行的风险
许多数字银行(包括数字专营店和分支机构)寻求实现激进的资产负债表增长目标，它们通过高成本零售融资和通常宽松的信贷承销相结合来实现这一目标。
科技企业文化期待并强调(快速)营收增长，而不是高质量增长。为了与传统的实体银行竞争，新兴的数字银行必须吸收大量的客户获取成本。这可能会对整个信贷周期的风险调整回报率产生负面影响。
数字化、技术驱动的银行可能弹性较差，更容易受到信贷环境长期变化的影响——这种担忧已经引起了监管机构的兴趣。
此外，只在数字领域存在存在独特的技术风险。(模型风险和技术风险最终演变为战略风险。)除了要求更好的数据保护和更强的网络安全适应力之外，这些银行还需要解决对商业模式本身可信度的担忧:任何容易受到黑客攻击的行为，都可能严重破坏整个数字银行业的稳定。
事实上，在2016年的SWIFT黑客丑闻中，全球所有支付系统的可信度都受到了质疑。除了声誉、业务和战略风险，将服务外包给较小(独立)供应商的数字银行还面临着相当大的第三方风险。看见未来技术在金融领域的变革性力量可能会加速，从而进一步改变银行业的格局。大科技公司和金融科技公司正在使用创新的、颠覆性的技术，比如人工智能和机器学习，用于从信贷承销到欺诈的所有领域。
最终，数字银行将与传统银行竞争，例如，提供更广泛、更容易、有时更公平的银行服务。虽然它们也有独特的风险，使得它们的未来有些不明朗(尤其是在美国)，但可以肯定的是，监管的剧本将不得不适应数字化的未来。
