沸点·专访 | 科技赋能银行流动性风险管理的“AI路径”
科技赋能银行流动性风险管理的“AI路径”
——访高性能计算与存储系统专家、数据库专家孙宇熙
记者 赵萌
银行的流动性风险管理，因近期硅谷银行爆雷、瑞银收购瑞信、美国第一共和银行被救助后仍遭挤兑等一系列事件，再次受到广泛关注。
如何通过金融科技赋能银行流动性风险管理，成为值得每一家银行业金融机构需要认真思考的问题。而实时图计算（图数据库）技术作为“图增强智能AI+可解释人工AI”的结合，或许可以在一定程度上，为科技赋能银行流动性风险管理，给出解决方案。
近日，《金融时报》记者专访了我国高性能计算与存储系统专家、数据库专家孙宇熙，从技术角度来解读实时图计算（图数据库）技术在流动性风险管理中的应用与突破。
《金融时报》记者：请问AI图计算（图增强智能AI）是什么？它对银行的流动性风险管理有什么好处？
孙宇熙：AI的发展经历了从专家系统到机器学习，再到深度学习的几个阶段，包含神经元网络以及目前大火的 AIGC（ChatGPT）等技术，在这个演变历程中，有几个亟需解决的问题：一是效率问题，AIGC训练成本高，时间缓慢，在很多情况下算力不足；二是黑盒化问题，仅呈现最终结果，计量不可解释，缺少中间过程；三是准确率问题，很多时候我们会发现像ChatGPT会“一本正经地胡说八道”——这在游戏应用中没有问题，但涉及到严肃的企业级应用，尤其是追求安全和精准的金融场景应用时，是绝对不能被接受的。
从数据处理底层框架的维度来看，图数据库或称之为图计算引擎、图中台等技术，是随着从关系型数据库，到大数据框架与NoSQL共存，再到快数据架构出现的一路变革中而逐渐明晰出来的终极发展方向——AI与大数据融合的必然趋势就是AI图计算（或叫作图增强智能AI）。
区别于前几代技术的局限性，AI图计算（图数据库）更擅长对海量、复杂、多变的数据进行深度的、穿透性的处理、运算和分析。
在金融场景中，AI图计算（图数据库）技术可以将账户、客户、交易等海量数据整合，分析它们之间错综复杂的流转关系，如客户之间、账户与客户之间的关联关系、资金往来等，通过基于图特征的机器学习的方式来计算风险；另如在反洗钱应用中，图数据库技术则可以使金融机构从转账记录出发，向上下游深度探索，最终确认资金的来源账户和目标账户。这样具有深度和穿透性要求的关联查询，在图数据库中可以下钻几层甚至几十层，这恰恰是传统关系型数据库无法达到的。图技术所具备的深度洞悉、洞察能力，可以帮助银行进行预警预测，避免黑天鹅或灰犀牛事件的发生。
在金融发展史上，因各种风险造成银行倒闭的例子非常多，例如最近的硅谷银行倒闭，再如雷曼兄弟、北岩银行等，这些西方的老牌银行都没能抵挡住流动性风险造成的爆雷。中国建设银行首席经济学家黄志凌就曾形象地解释说，流动性风险关乎着银行的生死存亡，是压倒金融机构的“最后一根稻草”。值得一提的是，去年经济学诺贝尔奖颁予的三位学者，都是因为关注流动性风险在银行系统中的重要性而获得的。
《金融时报》记者：“无法计量风险就无法高效地进行风险管理”，从风险计量工具的角度来看，AI实时图计算（图数据库）技术在银行流动性风险管理应用中有哪些优势？
孙宇熙：2009年，巴塞尔委员会提出了流动性覆盖率(LCR)和净稳定资金比率(NSFR)两个流动性风险计量指标，我国也明确将这两个指标引入到流动性风险监管体系。伴随着今年年初巴塞尔协议Ⅲ的全面落地实施，以及国际金融形势的变化，重视流动性风险管理已成为国内金融业界和监管部门的共识。
AI实时图计算（图数据库）技术在银行流动性风险管理方面的优势很多，比如过去受传统关系型数据库技术的局限性,商业银行采用的流动性风险管理指标多为静态指标，这就导致了历史数据计算出的指标只能反映出银行某一历史时刻的流动性状况，无法实现动态的、实时的、全面的监测。这种局限性就极易导致指标良好但实际存在较大风险的情况发生。
金融机构应用Ultipa嬴图实时图计算（图数据库）引擎，可以实时进行计算分析和精准计量，第一时间预测到风险来源，实时调整行业业务决策，完成监管要求，最终实现银行在安全性、盈利性和流动性“三性”之间的平衡。
同时，以前金融机构对于流动性风险覆盖率为代表的监管指标，因为概念新、专业强、分类细、计算复杂的痛点，在国内实施过程中一直存在着“水土不服”的问题。Ultipa嬴图实时图计算（图数据库）系统，具备高密度并发、动态剪枝、多级存储计算加速等创新性的专利技术，能实现对任意量级数据集进行超深度实时下钻，以助力金融机构在算力、算法，合规、成本、穿透式精准计量5个维度上进行全面的突破。
此外，金融机构非常重视安全性和准确性。区别于传统系统算法对于结果的无法解释、黑盒化的痛点，Ultipa实时图数据库系统作为图增强智能AI，实现了算法透明、可解释、可溯源、可校验等白盒化的性能，这就意味着该技术能帮助业务人员实时地看到并知晓各个数据间的业务逻辑及其关联关系，从而能精准地定位到每一个风险传导的路径。
当然，具备底层的图算力是检验硬核图产品和技术的金线之一，只有这样的底层计算能力和实时计算能力，才能保障当风险来临时，赋能银行算得快、算得准，做到“比市场早发现，比同业早行动。”
《金融时报》记者：AI图计算（图数据库）技术在金融风控领域的其他应用有哪些？
孙宇熙：除了流动性风险管理之外，目前AI图技术在风险管理领域的应用越来越广泛，例如基于资产负债管理、客户关系图谱洞察、客群风险管理、穿透式跟踪信贷资金流向管理、银行卡支付交易实时决策管理以及针对银行产品创新、智能营销、智能顾投等领域都有着深度的价值赋能。
新闻链接 中国金融新闻网： https://www.financialnews.com.cn/kj/202303/t20230327_267661.html
关于Ultipa 嬴图数据库（Ultipa Graph)
嬴图实时图数据库是第四代图数据库产品。通过一系列技术创新实现了对动态、海量数据的深下钻、科学计量、多维度归因分析。数据加载、更新、查询、分析、聚合、计算等维度，通过构建应用产品，深度赋能客户。相比与传统的关系型数据库或数仓、数湖产品，嬴图数据库在数据建模的灵活性、计算时效性、充分满足业务需求等多个维度。更多关于嬴图数据库的探索，请关注www.ultipa.cn