基于多模态大数据和人工智能，有效实施金融风险防控

文｜郦金梁 龚超

金融是现代经济的核心。随着科技进步和全球化进程，金融体系的复杂性和国际关联度不断提升，金融稳定关系国家发展与安全。2024年1月16日，习近平总书记在省部级主要领导干部推动金融高质量发展专题研讨班开班式上发表重要讲话，强调“要着力防范化解金融风险特别是系统性风险”，强调建立健全“完备有效的金融监管体系”。防控系统性金融风险需要深刻理解金融体系的微观结构和宏观全貌，精确计量并预测风险因素的发生与演变。金融体系的运行产生大量数据，而风险因素生成于各项数据中。新一代信息技术已经可以分析多源异构数据从而准确量化分析和检测金融体系的运行。人工智能在数据挖掘、风险模型构建和评估中开始发挥重要作用，使得实时金融风险检测和防控成为可能。通过开发和持续优化人工智能算法，可以实现对特定系统性风险的预警，支持政府部门实施风险防控。结合多模态大数据和人工智能技术，是有效实施新时代金融风险防控的必由之路。我们要深入研究这些技术与金融风险的内涵，全面提升金融体系安全性和韧性，支持全社会高质量发展。

系统性金融风险涉及影响金融体系稳定的宏观因素，包括货币和信贷风险、金融市场波动、金融机构操作风险以及宏观经济波动。当前的系统性金融风险具有几个时代特征。首先，全球宏观经济格局发生变化，主要经济体的货币政策转向、全球贸易关系紧张及地缘政治波动均影响金融市场稳定性。其次，全球金融市场的互联加剧了区域性金融动荡的全球传播速度和影响范围。此外，数字货币、区块链技术和高频交易等新元素改变了金融市场的运行机制，加剧了市场复杂性和风险度。当前，我国的金融风险主要集中在外汇、信贷、房地产以及影子银行体系。这些风险因素具有潜在的全局影响。要确保金融体系稳定性，关键在于及时识别和控制与市场关联的宏观风险因素。通过应用先进的分析工具实时监控市场动态，可以发现异常进程，实现风险监测和预警。早期干预措施和灵活有效的政策制定与实施也是控制系统性金融风险的关键步骤。

数据已成为第五大生产要素。通过全面收集和精确分析金融体系大数据，可以加强金融宏观调控，优化决策，有效识别、预测及防控系统性金融风险。金融大数据的特征包括多维度、实时性、海量性和异构性。在多维度方面，金融大数据全范围覆盖微观个体交易和宏观经济指标，不仅包括传统财务指标和市场交易数据，还包括宏观经济数据和政策变化。深入分析金融大数据可以为金融风险防控提供全面视角。金融数据的实时生成和传播使监控市场动态成为可能，实时数据处理使监管机构能迅速识别并响应市场异动，提高决策时效性。金融市场产生的实时交易记录和资产价格更新等数据量巨大。对此海量数据的分析有助于揭示市场深层规律，识别潜在风险。异构性指金融大数据来自不同来源，格式各异，包括结构化数据以及非结构化数据，要求采用复杂技术进行整合分析，确保信息的完整性和准确性。

随着技术不断发展，除上述特征外，大数据还呈现出多模态的特征。多模态大数据是指从多种视角通过不同手段所收集的大数据，每种收集视角都被称为一个模态，不同模态数据包含互补的信息。在金融领域，多模态大数据包括文本 （如财经新闻、分析报告和社交媒体的评论）、数值 （如证券价格、交易数量和各种经济指标）、图像和视频 （如市场活动的图像与视频），以及音频 （如通话和会议录音） 等数据。

金融多模态数据分析的意义在于增强对复杂、动态和多元信息环境中系统性金融风险的理解与应对能力。首先，可以增强感知和解释能力。通过结合不同类型的数据，包括文本、图像、音频、数值等，金融多模态数据分析能从多个维度理解系统性金融风险因素。比如，将市场情绪分析与实时交易数据结合，可以更精确预测大幅市场波动。其次，能够改善预测和提升决策质量。融合多模态数据，可以在建模方面增强预测模型的准确性和稳健性，以便提早预判和防控系统性风险。正如“风起于青萍之末”，早期阶段检测风险源对系统性金融风险防控十分重要。通过及时识别微小的风险源信号，有助于采取有效干预措施，消除或减轻系统性金融风险的危害，做到防患于未然。

习近平总书记指出：“谁能把握大数据、人工智能等新经济发展机遇，谁就把准了时代脉搏。”传统分析方法在处理金融多模态数据时显现出明显的局限性。由于数据复杂性，传统方法无法有效挖掘和利用其中蕴含的深层信息，尤其是识别那些微小的风险源信号。人工智能技术为系统性金融风险防控提供了革命性的工具和方法。例如，人工智能算法可以迅速识别市场行为中的异常模式，如不寻常的交易活动或信用风险的波动，均为系统性金融风险的早期警示信号。通过实时监控和数据分析，金融机构能够更快响应市场变化，防止风险扩散。此外，人工智能能够整合金融体系的多种数据源，包括结构化的交易记录和非结构化的新闻报道或社交媒体内容，并通过深度学习建立理解市场趋势、预判风险的预警系统。例如，自然语言处理技术能够分析财经新闻和专家评论，从中提取对市场影响重大的信息，辅助决策制定。知识图谱也是人工智能中的一种强大工具，可以整合来自多种模态的金融数据，提供全面的视角和深入的洞察力。通过构建金融领域实体之间的关系，知识图谱能揭示不同金融要素之间的相互作用和依存关系，从而揭示隐匿于庞大数据的风险链和影响因素。这使得监管部门和金融机构在系统性金融风险显现之前采取预防措施成为可能。

人工智能不仅能够分析历史数据，还能归纳和推理市场行为特征。这些模型利用机器学习算法，在历史数据基础上学习并分析经济指标的动态特征，如利率变化和资产价格波动。人工智能还可以模拟不同市场情景，帮助金融机构评估潜在风险并制定应对策略。随着金融市场的复杂性加剧，传统的监管方法已难以满足需求。人工智能可以支持高效的监管解决方案，例如通过机器学习来改进欺诈检测系统，自动化合规监测过程。这不仅提高了监管效率，也加强了市场的整体透明度和安全性。随着人工智能的蓬勃发展，金融体系正在经历一场由生成式人工智能驱动的技术革命。生成式人工智能不仅能理解和生成人类语言，还能从中提取关键信息，形成对系统金融风险的深入洞察。总体而言，生成式人工智能技术在系统性金融风险防控的应用前景广阔，为金融体系提供了更高效、智能的分析工具。

在当前的数字化时代，金融体系正经历一场深刻变革，尤其体现在大数据与人工智能技术的深度整合与应用上。通过有效融合多模态大数据和人工智能等新一代信息技术，金融体系能够更准确地预测和防控系统性风险，为经济社会稳定发展提供坚实支撑。这种技术驱动的金融风险防控新范式必将成为推动金融高质量发展的关键力量。

（作者郦金梁系清华大学经济管理学院教授、清华大学产业创新与金融研究院院长；龚超系清华大学日本研究中心主任助理）