人保资产“智能风控”的破与立

　　人保资产“智能风控”的破与立

　　管理资产规模近万亿的人保资产如何应对“信用违约潮”？凭借多年来在资管领域的深厚积淀，同时借助人工智能技术的创新应用，这家老牌保险资管公司在市场波动中披荆斩棘。

　　2018年以来，违约事件频发，据不完全统计，市场已累计发生了20多例债券和非标违约事件，总量接近近两年来的新高，引起市场和监管层的关注。与发生在2016年初的上一轮企业债违约不同，本轮违约更多集中在公司层面，发生违约的非国企和上市公司增多，对于将固收类资产作为配置重点的险资而言，如何在新的市场环境下引入新的有效风控手段，也成为一个紧迫的课题。“除了日常信用风险跟踪、存量资产信用风险排查、重点交易对手正面清单管理、单一主体投资集中度风险敞口研究等‘常规武器’外，以‘机器学习算法’和‘智能舆情系统’为代表的‘智能风控’已经在人保资产有效地运用起来”，人保资产创新实验室相关负责人说。

　　“破”题双闯关：

　　机器学习算法效果初显

　　近日，中国保险资产管理业协会正式发布了2018年中国保险资管业投资者信心调查首期调查结果，报告显示，险资最为关注的问题仍是信用风险，有85.4%的受访者认为未来半年信用违约风险将会增加。正是在这一背景下，业内对信用风险防控的前瞻性、准确性产生了更迫切诉求。

　　作为国内首家保险资产管理公司，人保资产历来不缺少先试先行、敢闯新路的智慧和勇气。在严峻的形势下，为进一步强化信用风险识别，避免陷入债券违约风波，公司创新实验室率先尝试将信用风险防控模式在业内传统“人防”的基础上增加了借助人工智能技术的“技防”，围绕信用类产品投资业务中违约主体难识别、发债主体信用资质变化难把握等痛点开始了积极探索。

　　2018年1月，人保资产发起成立人工智能发展与应用小组，汇集投研条线和技术条线的多位复合型人才，力图在“智能风控”领域实现“抢滩登陆”。研发团队设想从发债主体信用资质变化等大数据入手，着手开发具有人保资产特色的“机器学习算法”：通过精准程序设定，让计算机根据市场内企业公开的财务指标“研判”和“学会”信用资质变化的一般规律，并自主应用此规律开展智能化信用评估。

　　然而万事开头难，项目一启动，研发团队就遇到了两大难关。第一关经验主义关：在信用评级理论界和业界，通常采用定量分析或定性分析的方法，主观评估和客观评估相结合。这样的方法更多依赖于评级人员对发行主体的判断，即使采用定量方法进行客观评估，也需要人为的选取各类客观因素为评估依据。因此，传统的方法更偏向于经验主义，具有较强的主观性。事实上这种方法的实际效果很不理想，近年来大量金融机构所投资的债券或债权类资产都遭遇信用风险事件，这也反映了单一依赖传统方法的局限。

　　第二关便是应用关，在“机器学习算法”的应用过程中，违约数据是小样本数据，可能存在过度拟合情况。同时，算法要求数据供应生态完善，而现阶段只能对公开渠道的财务数据进行收集，非上市公司等资源的限制让数据生态难以健全。

　　面对难题，研发团队创造性地采取让人工的经验主义为“机器学习算法”所用，逐一解决了特征难标记、数据难处理等问题。经测试，今年以来发生的20多起债券和非标信用事件的违约主体全部被该算法识别出。在业内人士看来，作为传统人工筛查方法的补充,该“机器学习算法”在一定程度上为信用品种投资的精细化投后管理提供了新的“智能”工具，为信用品种投资装上了“智能芯”。

　　凡事预则“立”：

　　智能舆情系统二次赋能

　　凡事预则立，不预则废，对于资管行业而言，事前预见风险、主动管理风险永远是优于事后处理风险的。

　　虽然“机器学习算法”极大提升了信用风险防控的精准性，但在人保资产看来，风险防控最关键的应当是对其进行主动管理、预见性管理。正是基于这样的理念，“智能舆情系统”的研究被提上了日程。

　　大数据和人工智能技术的发展，可以长期快速从各种渠道获取标的主体的海量信息流。人保资产以此为切入点，积极运用大数据和人工智能技术，启动了“信用舆情智能分析系统”的研发工作。

　　该套系统利用机器学习和自然语言处理加工，通过对市场上广泛传播的报告、新闻、消息等进行快速过滤，让计算机能够对文本的倾向性进行判断，从而提前预警发债主体舆情变化的蛛丝马迹，并作为动态调整其信用评级的依据之一，及时让投资操作提前布局。

　　该套系统将于近阶段进行试运行，成熟后将成为“机器学习算法”的有力补充，与该算法共同打造信用风险管理“闭环”，实现对公司“智能风控”的二次赋能。

　　配合“智能风控”，人保资产还将进一步采取积极的应对策略，扩大债券评级覆盖范围，加大日常信用风险跟踪力度，认真做好持仓债券跟踪评级，优化信用评级模型和增信管理办法，将“人防”与“技防”紧密融合，科学识别和管理信用风险，勇担社会责任，为严守不发生系统性金融风险的底线保驾护航。

责任编辑：张国帅