刘晓曙系青岛银行首席经济学家 、中国首席经济学家论坛理事
本文原载于《金融时报》理论研究版
目今 ，，我国经济正处于新旧动能转换的要害阶段。。。。。。随着手艺革命深入推进 ，，新旧经济之间的分化逐渐加剧。。。。。。2018年至2024年 ，，我国以房地产、基建、古板制造业等为代表的古板经济增添放缓、市场空间受限 ，，资源投入回报率（ROIC）随之走低。。。。。。从A股上市公司数据来看 ，，2013年古板经济行业与非古板经济行业的ROIC还较为靠近 ，，均在8%左右 ，，但到2025年 ，，古板经济行业的ROIC已下降至2.77% ，，低于非古板经济行业3个百分点。。。。。。以人工智能、先进制造、绿色生长为代表的新经济领域快速生长 ，，逐步成为拉动经济增添的新动能。。。。。。
金融是为实体经济服务的 ，，经济结构爆发转换 ，，金融的服务工具、服务方式也理应随之调解。。。。。。然而 ，，我国商业银行客群转型未能完全顺应或跟得上经济结构的变迁 ，，信贷资产仍以古板经济领域为主。。。。。。这种以古板经济为主的信贷资产结构 ，，在面临经济结构转型时 ，，会导致银行贷款收益率承压 ，，欠债本钱上升 ，，净息差一连收窄 ，，这也推动银行业重新审阅自身的谋划逻辑与转型生长路径。。。。。。
专业能力建设：风险治理能力的焦点价值与生长现状
银行实质是谋划风险的单位 ，，风险治理能力决议了银行的营业界线。。。。。。作为信用中介 ，，银行转型背后的焦点驱动力是信用风险治理能力的提升。。。。。。已往 ，，商业银行在房地产、政信类营业等领域积累的风险治理履历 ，，更多停留在操作风险治理、合规治理层面。。。。。。好比做房地产信贷 ，，更多聚焦合规性审查 ，，对实质性信用风险的识别深度缺乏。。。。。。当经济结构从古板动能向新动能转换时 ，，银行的服务工具结构爆发了显著转变 ，，若是信用风险治理模式不可与之相匹配 ，，仍维持相对初级的专业化能力 ，，会让银行难以将信贷资源有用设置到越发重大的新兴经济营业领域。。。。。。古板的不动产典质头脑、粗放的行业授信战略、缺乏行业深度的风险评估系统等 ，，都组成了银行拓展新兴经济客群的能力瓶颈。。。。。？？？？？？梢运 ，，信用风险治理能力的相对滞后 ，，是制约商业银行转型的要害因素。。。。。。
从国际同业的履向来看 ，，一些国际先进银行经由恒久的市场化实践 ，，已经在信用风险治理的识别、怀抱、监测、控制等环节形成了较为成熟的能力系统 ，，并将风险治理效果较为充分地转化为科学定价的基础 ，，其净息差水平也相对稳健。。。。。。例如 ，，美国银行业2026年一季度净息差为3.31% ，，近十年均坚持在2.5%以上的水平。。。。。。虽然差别经济体的金融市场生长阶段、羁系制度配景保存差别 ，，国际履历不可简朴照搬 ，，但其中一些详细做法 ，，仍值得海内银行业连系自身现实学习借鉴。。。。。。
在风险识别环节 ，，其主要性在于能否在开展营业时准确掌握风险的种类、成因及影响水平。。。。。。优异的风险识别应当兼主顾户自身风险与宏观、区域、行业等系统性风险因素。。。。。。从海内实践看 ，，随着信贷投向逐步向高端制造、科技立异、绿色生长等新经济领域拓展 ，，部分银行、下层营业端仍习惯于依赖个人履历判断 ，，对宏观经济周期、区域工业结构、细分行业特点等系统性因素的研究剖析相对缺乏 ，，这在一定水平上影响了营业拓展的精准度。。。。。。海内也有一些银行已在行业研究和客群细分方面举行了起劲探索 ，，但从行业整体来看 ，，这方面的能力建设深度和笼罩面尚有待进一步提升。。。。。。相比之下 ，，国际先进银行普遍重视行业研究能力建设 ，，通过深入的工业链研究和客群细分剖析形成研究效果并转化为营业指引 ，，资助一线职员更精准地掌握目的客群和风险要点。。。。。。同时 ，，普遍建设标准化的风险评级流程 ，，前台职员提出初始判断后须经自力的专业评审环节确认。。。。。。这些做法把风险识别从依赖个人履历的软能力 ，，逐步转变为依托制度、流程和研究系统的硬能力。。。。。。
在风险怀抱环节 ，，其价值在于对已识别风险的爆发概率、损失水平举行定量评估 ，，是实现差别化定价的主要基础。。。。。。若是缺乏有用的怀抱工具 ，，银行往往只能依赖履历判断确定授信条件 ，，难以将风险本钱合理反映到贷款定价中。。。。。。从海内实践看 ，，部分银行在探索建设企业信用评级模子的历程中 ，，曾因模子早期运行精度不高、应用场景相对有限等原因 ，，泛起评级工具使用不充分 ，，甚至舍弃使用的情形；；；也有银行已经在部分营业领域搭建了相对成熟的评级系统 ，，但行业整体的评级细腻化水平、全场景笼罩度仍有提升空间。。。。。。国际先进银行的履历 ，，主要体现在建设笼罩全品类信贷营业的内部评级系统 ，，并将评级效果与拨备计提、贷款定价细密挂钩 ，，同时普遍接纳面向未来的预期损失计量要领 ，，连系历史数据、目今谋划状态和前瞻性信息动态 ，，评估信贷资产的预期损失 ，，使风险怀抱效果能够充分传导至价钱端。。。。。。
在风险监测环节 ，，其焦点价值在于一连跟踪已识别风险的生长转变 ，，并实时调解应对战略 ，，这要求风险监测形成动态、闭环的治理机制。。。。。。从海内实践看 ，，大都银行已建设贷后治理和风险预警的基本制度框架 ，，但受风险识别和怀抱环节基础支持缺乏的影响 ，，部分预警机制的现实效能仍有提升空间；；；评级效果、拨备计提、贷款定价与预警信号之间的联念头制还不敷细密。。。。。。详细看 ，，目今大都银行的风险预警仍以财务数据为焦点指标 ，，更新频率普遍以季度、半年度为主 ，，对企业谋划异动、工业链传导风险、市场舆情转变、政策调解影响等非财务信号的捕获能力相对缺乏。。。。。。监测视角多局限于单户个体风险 ，，对行业性、区域性的系统性风险传导缺乏穿透式识别与预判能力。。。。。。预警触发后的处理流程多依赖人工推进 ，，跨部分协同链路较长 ，，风险信号从发明到落地管控保存一准时滞。。。。。。国际先进银行的成熟做法 ，，是构建评级、拨备、定价、预警相互联动的闭环治理系统 ，，评级效果的转变会实时传导至拨备计提和贷款定价环节 ，，并触发响应的贷后治理行动调解 ，，形成识别、怀抱、监测、控制相互衔接的完整闭环。。。。。。
在风险控制环节 ，，优异的风险控制应当兼顾信用贷款与担保贷款、第一还款泉源与第二还款泉源 ，，形成多条理的风险缓释系统 ，，不宜太过依赖简单典质担保方式。。。。。。从信用的实质来看 ，，信贷的焦点支持是乞贷人未来的偿付能力 ，，实质是对其未来稳固现金流的预期与评估；；；典质品只是风险爆发后的缓释手段 ，，属于第二还款泉源 ，，不可替换对第一还款泉源的焦点判断。。。。。。已往 ，，古板的房地产、土地由于同时契合了价值易评估、资产易流通、权属易控制的典质品“三性原则” ，，成为银行恒久依赖的焦点缓释工具。。。。。。这种模式也导致海内部分银行在服务政府平台、房地产等营业时 ，，形成了太过依赖强不动产典质物的惯性。。。。。。我国商业银行信贷风控系统中押品结构相对简单、对第一还款泉源的剖析深度显着缺乏 ，，这也是目今羁系部分大力推动动产和权力融资营业生长的主要配景。。。。。。国际先进银行的履历主要体现在 ，，建设与风险评级挂钩的分级审批权限系统以及构建多元化的押品系统 ，，除不动产典质外 ，，还普遍运用应收账款、存货、装备等动产作为押品 ，，并将现金流剖析作为授信决议的焦点依据之一。。。。。。
综合来看 ，，我国银行业风险治理能力建设整体仍处于向更高层级迈进的阶段。。。。。。部分银行、部分营业领域已经具备了较好的探索基础 ，，但从行业整体看 ，，识别、怀抱、监测、控制四个环节的能力建设深度和协同水平 ，，尚有一定的提升空间。。。。。。这既是转型的挑战所在 ，，也是下一步能力建设的偏向所在。。。。。。
人工智能赋能：银行风险治理能力建设的加速器
面临上述能力建设的迫切需求 ，，若是仅依赖古板的人才作育、制度建设和数据积累逐步推进 ，，往往需要相当长的时间周期。。。。。。人工智能手艺近年来的快速迭代更新 ，，为银行业加速能力升级提供了新的工具和手段。。。。。。谈人工智能 ，，不可脱离营业空谈 ，，否则容易陷入“手艺万能”的陷阱。。。。。。人工智能的价值 ，，在于能否被有用嵌入能力建设的各个环节 ，，成为能力转型和营业转型生长的加速器。。。。。。
在风险识别环节 ，，人工智能有望把行业研究能力从依赖少数专家的履历积累 ，，转变为一线职员普遍可以挪用的智能化工具。。。。。。大模子手艺能够对企业通告、工业链信息、舆情数据、司法纪录等海量非结构化信息举行快速处理和语义明确 ，，资助银行在较短时间内构建越发详尽的客户画像和风险因子系统 ，，使风险识别从粗线条的“看典质物、看股东配景” ，，升级为多维度的“读数据、看行为、看工业链” ，，显著提升早期异常信号的捕获精度与风险识别的前瞻性。。。。。。尤其关于新兴经济企业而言 ，，古板财务报表往往缺乏以完整反映其真实谋划状态 ，，更能反映真真相形的订单稳固性、研发一连性、焦点客户依赖度、工业链位置转变等信息 ，，可以借助智能工具举行一连跟踪提取和综合专业研判。。。。。。人工智能并不是简朴替换客户司理“看质料” ，，而是在更大规模内资助银行形成对客户更立体、更靠近真实谋划状态的风险认知。。。。。。与此同时 ，，人工智能对风险识别的价值还在于增强交织验证能力 ，，实现企业自身披露的信息与外部生意、上下游关系等多源信息的交织比对 ，，镌汰简单口径信息失真的影响 ，，大幅降低信息差池称带来的判断误差 ，，为授信审批与额度管控等提供更扎实的多维评判支持。。。。。。
在风险怀抱与定价环节 ，，人工智能可以推动信用评级模子加速走向成熟可用 ，，解决古板模子迭代周期长、精度提升缓慢的问题。。。。。。古板信用评级多接纳参数化统计模子 ，，高度依赖长周期历史违约数据完成校准 ，，一次完整的模子迭代往往需要数年的数据积累。。。。。；；；笛昂痛竽Ｗ泳弑负芮康淖匝芰 ，，能够连系工业链生意数据、物联网数据、政务涉税、知识产权等外部替换数据源 ，，在相对有限的历史数据条件下更快地提升展望精度。。。。。。同时 ，，人工智能可以支持更重大场景下的模子训练和动态调解 ，，已往银行在面临新工业、新模式、新业态时 ，，往往由于缺乏足够长的历史违约样本而难以建设稳固模子 ，，导致定价要么偏守旧、要么偏粗放 ，，而人工智能可借助更强的非线性拟合能力 ，，较为客观地描绘风险因子与违约概率之间的重大关联 ，，在一定水平上可缓解因“样本少、转变快、异质性强”带来的建模难题 ，，使风险怀抱更靠近企业真实谋划状态 ，，更好地服务于差别化授信和差别化定价。。。。。。这样一来 ，，既有助于银行提升风险识别细腻度 ，，也可阻止因定价过粗而错失优质客户 ，，在风险可控的条件下拓宽新经济客群的服务界线。。。。。。
在风险监测环节 ，，人工智能可以直接推动风险监测从静态、周期性检查 ，，转变为实时、自动化的动态闭环。。。。。。依托实时数据流和异常检测模子 ，，系统可以一连跟踪客户谋划状态、行业景心胸、市场舆情等多维信息的转变 ，，资助银行从滞后性预警转向前瞻性、实时性风险趋势识别 ，，并在贷后治理和组合调解上实现更实时的预警和响应 ，，提高对新营业领域风险的动态把控能力。。。。。。更主要的是 ，，人工智能有助于把原天职散在差别系统中的“微信号”识别出来。。。。。。简单指标的稍微波动未必意味着风险显着上升 ，，但若订单下降、回款变慢、舆情异常、上下游纠纷增多等信号同时泛起 ，，往往意味着客户信用状态正在爆发趋势性转变。。。。。。借助人工智能的实时数据剖析能力 ，，一旦监测到风险信号 ，，系统即可自动触发评级重检、拨备计提和定价调解等联动行动 ，，买通此前各环节相互割裂的堵点 ，，使风险监测真正嵌入日常谋划治理的全流程环节 ，，而不再是相互割裂自力的制度行动。。。。。。
在风险控制环节 ，，人工智能可以支持押品治理和授信决议的智能化、细腻化 ，，加速押品多元化和审批专业化的落地历程。。。。。。通过图像识别、物联网数据收罗和智能估值手艺 ，，银行可以对押品举行更高效简直权、估值和动态重估 ，，尤其是在动产和权力质押场景中 ，，押品的价值波动、权属转变、在库状态和处理可行性往往比不动产更重大 ，，古板人工治理模式很难低本钱、一连性地完成监测和更新。。。。。。人工智能与物联网、数字仓单、在线确权等手艺连系后 ，，可以在一定水平上提高押品治理的穿透性和时效性 ，，增强银行对第二还款泉源的真实控制能力 ，，有助于银行改变已往主要依赖不动产典质、其他押品处理能力缺乏的时势 ，，构建多条理的风险缓释系统。。。。。。同时 ，，智能化审批辅助工具能够连系企业现金流、谋划数据和风险画像 ，，统一审批判断标准、镌汰人为履历决议误差 ，，包管风险评级与授信政策在审批端精准落地 ，，提升风险管控的一致性与专业性。。。。。。这意味着 ，，原本需要多年才华形成的专业化审批能力和押品治理系统 ，，有望借助人工智能手艺工具在较快时间内实现部分替换和加速补齐。。。。。。
手艺自己不会自动转化为能力 ，，人工智能要在银行转型中施展实质作用 ，，离不开与数据治理、模子治理、风险政策、组织架构和人才步队的协同。。。。。。银行在推进人工智能手艺应用之前 ，，主要回覆的仍然是能力问题：希望在风险识别、怀抱、监测和控制这几个环节上详细提升什么、提升到什么水平；；；在明确这些目的之后 ，，再去设计人工智能在其中详细饰演什么角色、需要怎样的数据基础和流程配合。。。。。。这种“先能力、后手艺”的顺序安排 ，，有助于阻止手艺与营业脱节 ，，也有助于确保人工智能真正服务于银行的恒久竞争力。。。。。。
同时也要看到 ，，人工智能在提升效率的同时 ，，也可能带来模子可诠释性缺乏、数据清静、算法私见等新的风险点 ，，需要银行在推进手艺应用历程中同步增强响应的风险管控。。。。。。未来思量将人工智能相关风险纳入周全风险治理系统 ，，做到审慎推进、稳步应用 ，，才华真正把手艺盈利转化为可一连的能力建设效果 ，，而不是在加速补短板的历程中形成新的风险敞口。。。。。。
人工智能提供的不是替换古板风险治理系统建设的捷径 ，，而是一种能够压缩能力建设周期、加速填补能力差别的有用工具。。。。。。面临经济结构转型对银行风险治理能力提出的更高要求 ，，海内银行业应当捉住这一手艺窗口期 ，，在明确自身能力目的的条件下 ，，稳妥推进人工智能与风险识别、怀抱、监测、控制各环节的深度融合 ，，加速实现从古板能力设置向与新经济、新业态相匹配的能力系统的转变 ，，加速商业银行转型服务实体经济生长。。。。。。
