近日，亿欧与融慧金科咨询事业部总经理张凯博士就模型风险管理体系建设与实践进行了深入对话。“模型风险管理的本质，就是如何兼顾成本、效率和效果，达到‘最优平衡’。”
全文字，阅读约需6分钟
题图｜官方授权
近年来，我国金融数字化转型创新迅猛发展。但随着大数据应用越来越广泛，各类模型数量越来越多，算法越来越复杂，隐藏在模型设计构建和应用中的风险也受到金融监管和行业的高度重视。
年7月，中国银保监会发布《商业银行互联网贷款管理暂行办法》，首次明确给出了“风险数据”、“风险模型”的文字定义，并对模型风险管理制定了明确的标准。如何按照监管要求，结合自身业务实际，在兼顾质量—效率—成本的原则下，快速搭建起有效的模型风险管理体系，成为金融机构，特别是在大数据应用较深的互联网消费信贷和普惠金融行业，在构建自主风控能力方面的巨大挑战。
在张凯看来，年将是金融科技发展的新元年，当下金融机构最重要的就是做好资源整合，当自建成本最高，效果却不一定最好时，可以保持积极开放的态度，引入“外脑”和“外力”，通过先进实用的经验指导，并结合已经过市场检验的系统平台工具，将能多快好省地建立起适合自身的模型风险管理体系，从而获得模型的最大价值。
“作为国内模型风险管理的推动者和践行者，融慧金科在该领域已服务了众多国内外大型金融机构，在模型风险管理专业实践中所沉淀下来的理念和方法论也得到了市场的充分认可。”张凯表示。
模型风险「不容小觑」
随着以大数据、机器学习、深度学习为基础的人工智能技术在金融行业的深入应用，金融机构数字化转型也在快速推进。
纵观过去十年国内金融模型的发展，我们发现，从最初金融机构依赖规则作决策，到逐渐接纳模型，再到如今金融机构已经深刻认识到模型的重要性，并开始大规模开发模型并将其全面应用到自动化信贷业务全流程场景中。
据权威报告统计，全球金融机构使用的模型数量正以每年20%左右的速度增加。但这些模型在金融机构经营管理中的广泛应用，给金融机构带来显著效率和成本优势的同时，也极大地增加了金融机构对于模型风险管理的难度，使得模型风险也逐渐暴露。
张凯此前曾就职于美国运通及百度金融，参与从零到一组建风控团队，具有十余年国内外风险模型开发和模型风险管理的理念与实操经验。“如果基于有缺陷或误用的模型输出进行决策将会带来不可估量的损失”，他强调，全球因模型风险造成不良后果的案例比比皆是：次贷危机期间，因模型对市场波动性做出的假设没有被及时调整，最终引发金融危机；年摩根大通（JPMorganChase）因一个错误的VaR模型导致了高达62亿美元的交易损失。
通过这些事件，我们不难看出，模型可以是高效解决业务痛点的“天使”，也可能成为反噬业务的“恶魔”。“如何驾驭模型，如何建立一个完善的模型风险管理体系，发挥出模型最有效的价值，也成为近几年监管和各大金融机构高度