記者/趙萌
銀行的流動性風險管理,因近期硅谷銀行爆雷、瑞銀收購瑞信、美國第一共和銀行被救助后仍遭擠兌等一系列事件,再次受到廣泛關注。
如何通過金融科技賦能銀行流動性風險管理,成為值得每一家銀行業(yè)金融機構(gòu)需要認真思考的問題。而實時圖計算(圖數(shù)據(jù)庫)技術作為“圖增強智能AI+可解釋人工AI”的結(jié)合,或許可以在一定程度上,為科技賦能銀行流動性風險管理,給出解決方案。
近日,《金融時報》記者專訪了我國高性能計算與存儲系統(tǒng)專家、數(shù)據(jù)庫專家孫宇熙,從技術角度來解讀實時圖計算(圖數(shù)據(jù)庫)技術在流動性風險管理中的應用與突破。
《金融時報》記者:請問AI圖計算(圖增強智能AI)是什么?它對銀行的流動性風險管理有什么好處?
孫宇熙:AI的發(fā)展經(jīng)歷了從專家系統(tǒng)到機器學習,再到深度學習的幾個階段,包含神經(jīng)元網(wǎng)絡以及目前大火的 AIGC(ChatGPT)等技術,在這個演變歷程中,有幾個亟需解決的問題:一是效率問題,AIGC訓練成本高,時間緩慢,在很多情況下算力不足;二是黑盒化問題,僅呈現(xiàn)最終結(jié)果,計量不可解釋,缺少中間過程;三是準確率問題,很多時候我們會發(fā)現(xiàn)像ChatGPT會“一本正經(jīng)地胡說八道”——這在游戲應用中沒有問題,但涉及到嚴肅的企業(yè)級應用,尤其是追求安全和精準的金融場景應用時,是絕對不能被接受的。
從數(shù)據(jù)處理底層框架的維度來看,圖數(shù)據(jù)庫或稱之為圖計算引擎、圖中臺等技術,是隨著從關系型數(shù)據(jù)庫,到大數(shù)據(jù)框架與NoSQL共存,再到快數(shù)據(jù)架構(gòu)出現(xiàn)的一路變革中而逐漸明晰出來的終極發(fā)展方向——AI與大數(shù)據(jù)融合的必然趨勢就是AI圖計算(或叫作圖增強智能AI)。
區(qū)別于前幾代技術的局限性,AI圖計算(圖數(shù)據(jù)庫)更擅長對海量、復雜、多變的數(shù)據(jù)進行深度的、穿透性的處理、運算和分析。
在金融場景中,AI圖計算(圖數(shù)據(jù)庫)技術可以將賬戶、客戶、交易等海量數(shù)據(jù)整合,分析它們之間錯綜復雜的流轉(zhuǎn)關系,如客戶之間、賬戶與客戶之間的關聯(lián)關系、資金往來等,通過基于圖特征的機器學習的方式來計算風險;另如在反洗錢應用中,圖數(shù)據(jù)庫技術則可以使金融機構(gòu)從轉(zhuǎn)賬記錄出發(fā),向上下游深度探索,最終確認資金的來源賬戶和目標賬戶。這樣具有深度和穿透性要求的關聯(lián)查詢,在圖數(shù)據(jù)庫中可以下鉆幾層甚至幾十層,這恰恰是傳統(tǒng)關系型數(shù)據(jù)庫無法達到的。圖技術所具備的深度洞悉、洞察能力,可以幫助銀行進行預警預測,避免黑天鵝或灰犀牛事件的發(fā)生。
在金融發(fā)展史上,因各種風險造成銀行倒閉的例子非常多,例如最近的硅谷銀行倒閉,再如雷曼兄弟、北巖銀行等,這些西方的老牌銀行都沒能抵擋住流動性風險造成的爆雷。中國建設銀行首席經(jīng)濟學家黃志凌就曾形象地解釋說,流動性風險關乎著銀行的生死存亡,是壓倒金融機構(gòu)的“最后一根稻草”。值得一提的是,去年經(jīng)濟學諾貝爾獎頒予的三位學者,都是因為關注流動性風險在銀行系統(tǒng)中的重要性而獲得的。
《金融時報》記者:“無法計量風險就無法高效地進行風險管理”,從風險計量工具的角度來看,AI實時圖計算(圖數(shù)據(jù)庫)技術在銀行流動性風險管理應用中有哪些優(yōu)勢?
孫宇熙:2009年,巴塞爾委員會提出了流動性覆蓋率(LCR)和凈穩(wěn)定資金比率(NSFR)兩個流動性風險計量指標,我國也明確將這兩個指標引入到流動性風險監(jiān)管體系。伴隨著今年年初巴塞爾協(xié)議Ⅲ的全面落地實施,以及國際金融形勢的變化,重視流動性風險管理已成為國內(nèi)金融業(yè)界和監(jiān)管部門的共識。
AI實時圖計算(圖數(shù)據(jù)庫)技術在銀行流動性風險管理方面的優(yōu)勢很多,比如過去受傳統(tǒng)關系型數(shù)據(jù)庫技術的局限性,商業(yè)銀行采用的流動性風險管理指標多為靜態(tài)指標,這就導致了歷史數(shù)據(jù)計算出的指標只能反映出銀行某一歷史時刻的流動性狀況,無法實現(xiàn)動態(tài)的、實時的、全面的監(jiān)測。這種局限性就極易導致指標良好但實際存在較大風險的情況發(fā)生。
金融機構(gòu)應用Ultipa嬴圖實時圖計算(圖數(shù)據(jù)庫)引擎,可以實時進行計算分析和精準計量,第一時間預測到風險來源,實時調(diào)整行業(yè)業(yè)務決策,完成監(jiān)管要求,最終實現(xiàn)銀行在安全性、盈利性和流動性“三性”之間的平衡。
同時,以前金融機構(gòu)對于流動性風險覆蓋率為代表的監(jiān)管指標,因為概念新、專業(yè)強、分類細、計算復雜的痛點,在國內(nèi)實施過程中一直存在著“水土不服”的問題。Ultipa嬴圖實時圖計算(圖數(shù)據(jù)庫)系統(tǒng),具備高密度并發(fā)、動態(tài)剪枝、多級存儲計算加速等創(chuàng)新性的專利技術,能實現(xiàn)對任意量級數(shù)據(jù)集進行超深度實時下鉆,以助力金融機構(gòu)在算力、算法,合規(guī)、成本、穿透式精準計量5個維度上進行全面的突破。
此外,金融機構(gòu)非常重視安全性和準確性。區(qū)別于傳統(tǒng)系統(tǒng)算法對于結(jié)果的無法解釋、黑盒化的痛點,Ultipa實時圖數(shù)據(jù)庫系統(tǒng)作為圖增強智能AI,實現(xiàn)了算法透明、可解釋、可溯源、可校驗等白盒化的性能,這就意味著該技術能幫助業(yè)務人員實時地看到并知曉各個數(shù)據(jù)間的業(yè)務邏輯及其關聯(lián)關系,從而能精準地定位到每一個風險傳導的路徑。
當然,具備底層的圖算力是檢驗硬核圖產(chǎn)品和技術的金線之一,只有這樣的底層計算能力和實時計算能力,才能保障當風險來臨時,賦能銀行算得快、算得準,做到“比市場早發(fā)現(xiàn),比同業(yè)早行動。”
《金融時報》記者:AI圖計算(圖數(shù)據(jù)庫)技術在金融風控領域的其他應用有哪些?
孫宇熙:除了流動性風險管理之外,目前AI圖技術在風險管理領域的應用越來越廣泛,例如基于資產(chǎn)負債管理、客戶關系圖譜洞察、客群風險管理、穿透式跟蹤信貸資金流向管理、銀行卡支付交易實時決策管理以及針對銀行產(chǎn)品創(chuàng)新、智能營銷、智能顧投等領域都有著深度的價值賦能。