蘇銀理財：加快金融數智化建設，夯實風控科技基底

引言：隨着金融科技的快速發展以及監管政策的不斷完善，資產管理行業的風險管理模式已逐步由以被動滿足監管要求的傳統風控體系，過渡到以新興技術爲手段進行主動監測預警、以系統化運作的前瞻性風控模式。

蘇銀理財有限責任公司（以下簡稱“蘇銀理財”）緊貼金融科技前沿，以數智化推動風險管理業務創新，成功打造“統一數據、統一邏輯、統一架構、統一服務”的風控中臺系統，率先實現了以數據中臺爲基礎的獨立風控模式，推動資管行業風控向更加智能化、實時化、精準化的模式發展。

作爲江蘇銀行全資理財子公司，蘇銀理財自開業以來全面推進公司數智化建設，目前已成功搭建了數據規範化、系統標準化、分析智能化的運作管理一體化服務平臺，夯實了公司業務運營基礎。在“合規優先、風控爲本、科技引領、專業致勝”的經營理念下，蘇銀理財堅持以金融科技賦能資產管理業務，持續加強風險管理領域的建設，建立起以風險監控爲核心的全面風險管理體系，努力打造業務特色鮮明的國內領先銀行理財子公司。

金融科技推動風控模式轉型

金融科技賦能資產管理業務，已經成爲各家理財公司在大資管行業競爭中的突破點，尤其是在推動風險預警和智能化監控、推動中後臺輕量化方面具有重要的變革性意義。

當前，資管業務線上化程度越來越高，基於靜態數據分析的傳統風控模式無法滿足場景授信對實時風險防控的要求。例如實時交易風險，因其發生時間短、對實時數據要求高，這就需要以Spark Streaming、Storm、Flink爲代表的流處理技術實現數據實時傳輸，從而在“事中”甚至“事前”對風險進行感知、分析、判斷和決策，防範業務突發風險。

數據質量方面，靜態數據治理在固定解析規則下表現出靈活性、擴展性不佳的性能。同時，實時數據不僅存在對原始數據有效性的驗證問題，還對解析架構的靈活性有很大要求。近年來，人工智能技術的發展爲這一難題提供了新的解決方案，結合迴歸、分類等機器學習模型建立新的數據質量校驗體系，獲得高質量、高價值的數據，從而實現精準風控。

蘇銀理財在資管業務數智化建設過程中，深度結合金融科技的發展，在完善運營基礎、深挖數據價值、基礎設施建設等方面已取得了顯著成效。而風控模式的數字化轉型，已經成爲風險管理領域不可避免的趨勢，在技術條件方面也已具備了成熟的金融科技解決方案。

統一風控實現全面風險管理

資管業務的風控場景具有實時化、複雜化、多維化的特點，且風險測算涉及的計量範圍廣、控制場景多、數據變化頻繁，這些因素都對風控功能提出了更高的要求。蘇銀理財不斷積累和總結風控模型建設經驗，已經形成了一套系統化“識別-監測-管控-報告”的風險管理體系，在此基礎上成功研發風控中臺系統，實現了覆蓋投資業務全流程的全面風險管理體系，進一步夯實風控科技基底。

蘇銀理財基於“數據-模型-架構”的研發思路，採用自上而下的設計方法，分層次細化和完善功能，系統性構建風控中臺系統。數據層面，風控中臺系統以先進的數據同步技術匯聚融合了各業務系統實時數據和外部實時資訊信息，通過規範化的數據結構對數據進行統一管理，建立了滿足各類風控場景的數據主題域，爲精準風控奠定了數據基礎。模型層面，針對投前、投中、投後不同風控場景提供了統一的風控邏輯，以標準化、實時化的接口引擎服務爲各業務系統提供風險測算；基於風險因子實現指標的靈活配置，對高頻風險因子實現了效用最大化，提高了模型研發效率。架構層面，通過構建高可用、高性能的微服務集羣，在日間高吞吐的訪問壓力下，有效支撐起實時風控的高效運算；基於流數據驅動的實時估值引擎對指標進行預處理，進一步推進數據“終點”，實現了實時風控的“零感知”體驗。

蘇銀理財始終堅持以“體驗提升”爲抓手，致力於以系統工具化、平臺引擎化、數據驅動的思路持續推進開放性場景建設。在使用操作方面，風控中臺系統提供了靈活豐富的模塊管理配置功能，支持自定義指標計算口徑與數據分析模板，不同子功能間通過接口卡片實現“自由組合”，爲業務人員提供多樣化的風格選擇；系統響應方面則將實時風控的指標計算速度提升到“毫秒”級別，獨立系統集羣也爲模塊化功能提供了敏捷、穩定的支持。

“在數字化經濟時代，蘇銀理財將牢牢把握金融科技創新發展的機遇，加快資管數智化場景建設，完善科技體系，推動新質生產力加快發展。”蘇銀理財相關負責人表示。

理財非存款，產品有風險，投資須謹慎。