导读：风险量化管理的能力和水平愈加成为现代大型商业银行驱动金融新质生产力升级、推动高质量发展的核心竞争力
作者｜林立「中国农业银行党委委员、执行董事、副行长」
文章｜《中国金融》2026年第8期
风险量化管理的能力和水平愈加成为现代大型商业银行驱动金融新质生产力升级、推动高质量发展的核心竞争力，将深刻赋能银行的战略选择、科学决策、精准风控、服务创新和管理能级的跃迁。中国农业银行（以下简称农业银行）深入践行服务实体经济主力军和维护金融稳定压舱石的职责使命，以风险量化赋能金融新质生产力为抓手，深耕其核心逻辑与实践路径，系统再造风险模型管理体系，推进“业、技、数、管”融合，建强建优风险量化价值引擎，着力构筑金融高质量发展的新动能和新图景。
金融与风险相伴，金融高质量发展的根基在于对风险的精准识别、量化与主动管理。商业银行风险量化管理的本质是基于对可信数据的重构和跨学科的技术融合及现代管理思想，通过构建风险模型工具箱，对复杂多变的非线性风险进行量化估计，使风险管理从经验规则向精准算法、从工具属性向价值引擎升级。金融新质生产力则是从“新”出发、向“质”而行，是新质生产力的重要驱动力和金融高质量发展的内在要求，其内核是以创新为先导、数智技术为底座、服务新质生产力为目标，通过一系列深刻的金融供给侧结构性改革，推动金融领域全要素生产率提升。二者深度融合的底层逻辑是以构筑现代金融风险量化模型治理体系为基座，从根本上重塑和催生风险管理价值创造新范式，赋能金融新质生产力持续释放强劲动能。
其一，催生和释放金融新质生产力的风控能力。银行运用风险量化方法与模型，统一跨领域、跨业务、跨条线的风险语言，将金融活动中的不确定性转化为可测度、可预警、可配置的风险图谱，从“风险的被动承担者”转变为“价值的主动发现者”。例如，应用高阶回归模型来计量信用违约损失、应用内模法度量市场尾部风险、应用机器学习识别欺诈风险、应用压力测试评估极端风险等，通过测度“可承受的风险边界”，确定适当的偏好限额与管理策略，守住不发生系统性风险的资本底线和实质性风险底线，推动金融新质生产力的创新有边界、发展有安全、价值可持续。
其二，催生和释放金融新质生产力的服务价值。风险量化有助于银行建设从单维到多源的数据底座、从专家经验到量化决策的模型引擎、从通用信贷到场景化服务、从传统“三查”到闭环管理的信用管理模式。授信客户精准画像不仅要看报表、看历史，更要看行为、看现金流、看成长性，重塑轻资产、全周期、广覆盖的数据信用体系。风险量化还有利于拓宽市场边界，将业务延伸至传统抵押方式难以触达的领域，以更低边际成本提供个性化、多场景、长尾客群的新型金融服务，创新支持先进制造、科创、普惠、绿色、“三农”、数字经济、新兴产业、未来产业，通过跨周期数据信用管理，提升金融新质生产力的服务功能与效度，增强金融服务的包容性。
其三，催生和释放金融新质生产力的配置效能。金融资源配置效率决定了新质生产力的发展速度与质量。在不确定性难预料因素增多、低利率、低息差的市场环境下，银行风险量化管理有益于重塑金融要素价值、释放跨期配置新动能，即把资金转化为资本、把数据和模型转化为资产、把技术转化为生产力、把风险转化为可管理的成本，通过精准的风险识别与定价、风险调整后的资本回报和差异化的风控规则，引导有限的金融资源流向科技创新、低碳转型、民生短板、银发经济、数字经济、乡村全面振兴等符合可持续发展方向的金融新质生产力领域，推动银行经营模式向效率导向、价值导向转型，促进风险、收益和社会价值的最优匹配。
农业银行牢牢把握防风险、促高质量发展工作主线，立足于服务乡村振兴领军银行、服务实体经济主力银行的定位，深入将风险量化管理的新理念、新机制和新方法融入普惠金融、科技金融、绿色金融等重点领域，打造自主可控的智慧风控体系，构建全生命周期风险模型管理机制，积极探索以风险量化锻造金融新质生产力、融智赋能经济社会高质量发展的有效路径。
普惠金融彰显了金融服务的公平正义和社会责任，成为践行金融人民性、服务实体经济“毛细血管”的重要路径。针对普惠零售客群信息不对称、信用不健全、数据碎片化、风险刻画难等痛点卡点，农业银行风险量化通过重构信贷逻辑、引入多维数据、建立特征工程和开展模型训练，聚焦捕捉客户“真人、真经营、真需求”核心特征，将客户行为轨迹、信用表现、交易流等要素转化为可视化风险标签，构建全景风险视图与多维风险“过滤网”，从根本上破解传统模式对普惠零售客群“不敢贷、不会贷”的难题。近年来，围绕小微企业、农户、低收入人群、个人、产业链等，推出四大系列特色化普惠零售线上信贷产品模型体系，聚合征信、工商、税务、社保等政务数据，银联商户等第三方数据，以及客户金融资产等行内数据，持续构建数据底座，并对入模数据开展加强型调查与交叉验证，强化总分行联动、审贷分离制约和线上线下融合策略，创新推广“现场+远程”集中作业模式，持续强化信贷经营行为管理和优化风险模型，促进普惠零售业务稳健发展。此外，实施“人工智能（AI）+”行动，探索AI智能体应用于普惠零售数智化管理，一体推进“千人千面、人机协同”的智慧营销、智慧办贷、智慧风控新模式，加快普惠零售数智技术创新，推进向更高水平智慧经营转变。
金融新质生产力与科技创新之间有着紧密且相互促进的共生关系。针对科创企业轻资产、高技术迭代、盈利周期不确定的特性，农业银行风险量化管理从培育“耐心资本”出发，突破传统风控依赖历史财务数据、成熟现金流及抵押担保的固有模式，立足科创企业核心属性，将知识产权、研发能力、科技人才、产业链上下游等非标准化、非结构化金融要素转化为量化风险参数和阈值，专业设计风险评价模型和授信准入规则，从风控底层逻辑破解科创企业融资难题。聚焦科技型小微企业融资需求，农业银行开发了通用型与区域特色化相结合的科技金融产品体系，通过将科创属性指标量化为数据标签和设立差异化评级机制，实现对客户风险评估、准入和授信的量化决策，精准满足科技型企业初创期、成长期等全生命周期融资需求；同时，构建全行级产融平台，综合服务高新技术企业、专精特新“小巨人”等科技金融客群，强化客户画像、服务挖掘、AI应用等功能，致力于打造金融服务与产业场景深度融合的数字化生态，赋能实体经济创新驱动转型和现代化产业体系建设。
面对全球气候变化、高碳行业转型风险、碳足迹管理等挑战，农业银行遵循国际准则，持续深入开展本土化研究，创新风险量化技术，识别相关风险与机遇，推动绿色金融成为推动经济社会全面发展绿色转型的鲜明底色。一是基于企业对环境的影响、降碳、减污、扩绿表现等数据信息，构建ESG评价体系，对绿色、棕色企业实施差异化的准入和定价策略，推进环境权益融资等转型金融产品创新，加大贷款、债券、基金、理财等综合化绿色金融服务力度，引导企业加快绿色低碳转型。二是推进投融资业务碳排放核算，探索“范围三”碳核算方法论，量化碳足迹及高碳资产风险敞口，为信贷政策制定、降低资产组合碳强度、碳金融产品创新提供绿色发展动能。三是加强转型风险防控，构建“宏观—行业—企业—银行”气候相关风险压力传导模型，丰富情景设计，探索考虑碳减排成本、减排技术及碳成本传导效应，开展行业转型风险压力测试，压力测试从信贷领域延伸至债券等市场业务领域，宏观情景压力测试新增绿色行业，测试结果纳入可持续发展报告，不断提升全球气候应对韧性。
风险量化赋能智慧风控，核心是围绕风险“识别—评估—处置”全流程构建数智化体系，推进向精准化、自动化和无感化的风控转型。其一，增强风险识别协同性。农业银行引入大数据挖掘等技术，从海量数据中探查关键风险特征，识别监测体系从部门银行升级为敏捷协同、战略融合。例如，企业级市场风险管控平台，推进集团层面市场风险识别管控效率大幅提升；数字化风控中心疑点筛查技术，推进信用风险从分散应对向集中防控转型。其二，提升风险评估专业性。农业银行引入统计回归、决策树、机器学习、蒙特卡罗模拟等方法，建立科学的信用评分体系，持续打磨零售贷款系列评分卡，覆盖准入、贷后管理和催收等全流程；加速迭代银行账簿利率风险模型、反电诈反洗钱模型等，风险区分度、审慎性和精准率不断提升。其三，强化风险处置自动化。遇到运营、市场、用户行为等数据异常波动，系统将自动触发预警，并通过预设规则和算法实现处置流程的自动化。比如，农业银行企业级智能反欺诈平台，将量化识别与风险应对深度绑定，依据风险等级触发差异化处置流程，对欺诈风险进行实时预警和分层闭环的自动化处置。
农业银行不断改革升级风险类模型治理体系，将模型评审委员会提升至管理层，致力于通过可信模型、可靠数据、可控风险，助推实现高质量发展的长期目标。一是聚焦风控技术能力提升与模型生命周期管理，构建并完善全行风险模型树，聚合信用、市场、操作风险等模型工具箱，规范建模方法、数据与流程，建立模型验证、评估、评议及持续监控制度，全行上线模型管控平台，统一企业级模型视图，实现模型生命周期管理的标准化、流程化和系统化。二是聚焦建设企业级模型验证评估方法论，推动模型科学迭代。线上信贷模型紧盯准入门槛、客户画像、数据质量、风险控制、授信测额及线上线下协同，持续升级策略规则；风控线索类模型关注预警精准率、覆盖率等表现；资本计量模型持续优化区分能力、审慎性等性能以及评级推翻管理，定量指标验证自动化水平不断提升。三是聚焦协同效应及闭环管理，明确模型开发、持有、使用、评估、科技支撑等管理角色分工，建立模型经理制以及跨部门、总分行协同机制，建设模型管理专家队伍，打造以快速迭代、自我进化为目标的数据闭环与模型闭环，着力提升模型穿越周期的抗风险能力和精准服务的专业能力。
“十五五”规划纲要对深入推进数字中国建设、提升数智化发展水平作出战略部署。随着基于数据驱动、人机协同、跨界融合的智能经济新形态发展，商业银行风险管理新范式将加快演进，新型风险量化技术将加速赋能金融新质生产力能级跃迁与金融服务模式变革。商业银行需积极把握数字化、网络化、智能化发展大势与战略机遇，前瞻应对风险挑战，筑牢“数据+算法/模型+场景+人才”等风险量化的重要支柱，以固基守底线、以补短破瓶颈、以创新促跨越，培育壮大风险量化管理成为金融高质量发展的底层逻辑和“导航系统”，推动防范化解金融风险长效机制建设和金融服务实体经济提质增效。
破解风险量化的数据瓶颈，重构金融新质生产力发展的多维动态数据基座。数据是银行风险量化管理的基础生产要素，是推进风险视野向“多维、动态，关联”扩展的重要金融基础设施，是锻造金融新质生产力的核心底座，需要社会各方合力建设安全可信的数据信用体系。一是打破数据壁垒，深化数据资源开发利用，集成金融机构、政府、行业、企业、客户等多元化、多模态数据，形成“政务+市场+行为”等金融领域高质量数据集，促进数据要素与金融业务深度融合。二是强化数据标准与数据治理，建立健全覆盖数据采集加工、清洗标注、隐私计算、更新应用等全流程的数据质量控制及分级分类管理机制，全面增强数据可靠性，构建用数建模新格局。三是研发金融数据资产估值工具，推进“数据+算力”资源定价和数据资产入表，持续提升数据资产价值。
打造有韧性的风险量化模型体系，筑牢金融新质生产力发展的核心引擎。模型算法是风险量化的“核心大脑”，其迭代创新是推进金融新质生产力升级的技术载体和关键变量。一是综合运用传统风险量化技术与人工智能前沿技术，构筑全栈自主可控、持续迭代进化的风险模型“工厂”和风险量化中台，探索引入知识图谱、联邦学习、联合训练等方法技术来穿透隐性风险，推进算法驱动、管理内嵌的全周期风险模型管理体系不断升级。二是动态优化企业级风险量化模型管理体制机制，重构新型生产关系，推进风险模型开发使用、监控预警、评估验证、迭代优化“一体化”管理，不断提升模型的精准性、鲁棒性、公平性、可解释性和适应性。三是针对实体经济的不同领域、不同客群、不同发展阶段的特点，强化数智化服务能力，开发定制化、多样化、体系化的金融新产品、新模型，推进风险模型服务能效向专业化、特色化和智能化进阶。四是围绕风险模型设计、应用、性能、环境适应性、退化表现等维度，构建立体化的模型效能验证评估指标体系，主动防控模型算法风险、伦理风险、决策偏差和系统性风险。五是夯实模型全生命周期管理，结合经济周期及风险变化、实体经济发展需求、监管导向和数字技术迭代，持续优化风险模型设计逻辑、模型规则和参数阈值，确保模型技术要素始终与金融新质生产力发展同频共振，提升风险模型在数据噪声、环境变化、客群变化、对抗攻击等复杂情况下的运营韧性。
拓展风险量化应用场景及AI智能体应用，推动金融服务模式演进升级与价值再造。业务场景的可用、可靠、可控，是风险量化有效实施的关键，是金融新质生产力动能释放的战略支点。要紧扣服务实体经济，做强做优风险量化“价值引擎”，穿透直达实体经济的价值内核，将风险图谱从“成本中心”升级为“价值中心”，大力培育多元化、适配性强的风险量化应用新场景，有效提升金融服务边界和资源配置能力以及客户服务价值，助力建设更具包容性和竞争力的现代金融服务体系。要积极稳妥开展AI智能体推广应用，再造可嵌入业务流程、可验证、可治理的人机协同新模式，打造“风险可控”“科技向善”“金融向善”的智慧银行风险量化管理与金融服务方案，促进AI智能体成为联结数据、算法、模型能力与金融生产关系的新形态、新范式，以金融领域“AI +”新质生产力创新推动“五篇大文章”服务模式和服务能级的系统性升级，显著提升重大战略、重点领域和薄弱环节的金融服务质量和水平。
完善知识型人才激励相容机制，锻造适应金融新质生产力发展需要的高素质专业队伍。风险量化人才是具有创新能力、持续学习能力并能够创造风险价值的知识型人才，是发展金融新质生产力的第一资源。要以正向激励、差异化激励、容错激励为着力点，优化业绩评价与激励相容机制，有机结合精神激励与物质激励，促进风险量化人才实现个人价值与组织价值的统一。要深化中国特色金融文化，强化风险观和风险量化技能培育，构建科学有效的风险量化人才综合评价模型，健全风险量化人才的培养、选拔和使用机制，打造一支政治过硬、专业精湛、勇于创新、担当作为的复合型专业队伍，为金融新质生产力跃迁持续注入强大的组织动能。
合力构建新型金融生态，提升金融新质生产力发展的协同效应和范围效应。在风险复杂多变、数字经济和智能经济深度渗透的背景下，商业银行传统的单一化、同质化经营模式难以适应市场竞争与实体经济需求，未来一段时期，商业银行发展的分水岭在于风险管理能力。需要合力构建政策协同、机构协同、银企协同、数智协同、产融协同等新型金融生态与新发展格局，实现价值链条重塑、资源配置效率提升、系统韧性增强和全链条共创共生。农业银行将积极加强与政府部门、监管机构、金融同业、专业服务商等协同联动，深入风险量化技术交流，助力破解行业共性难题，推动风险量化管理的专业化、标准化、智能化及前沿技术的有效应用，促进“业务模式、技术演进、数据模型、管理逻辑”深度耦合，驱动金融新质生产力在持续跃迁中形成更广泛的范围经济，助力加快建设中国特色现代金融体系和风险防范化解体系。■
（责任编辑 侯皓议）
10个月宝宝每天需要喝多少奶粉？
