风控教父谈模型风险管理（中文版）

10月29日，首届“信用评分与信用评级会议”（CSCR I）在成都举行。

会上，雷恩风险咨询的创始人、红宝书《信用评分工具：自动化信用管理的理论与实践》英文原作者Raymond
Anderson（雷蒙·安德森）围绕“Model Risk Management: The shocking
truth”（模型风险管理：令人震惊的真相）的主题，针对模型风险及其管理进行了讲解。

Raymond Anderson

Raymond Anderson（雷蒙·安德森），曾获工商管理学士和硕士学位，拥有30多年银行风险管理经验，是雷恩风险咨询的创始人，“The
Credit Scoring Toolkit”、“Credit Intelligence and
Modelling”两书的作者。Anderson从1996年开始参与信用评分系统开发，曾在渣打银行等多个跨国金融机构担任风险建模负责人，参与十多个国家的信贷工厂建设，在小额信贷、农村信贷、小微企业贷款等次级市场、边缘市场和新兴市场的信贷决策支持系统开发中具有丰富经验。

以下是其演讲全文：
1、演讲视频见文末；
2、本文根据英文原文进行翻译，翻译不当之处，敬请指正。英文原文见文末。

0）个人介绍

大家好！我叫雷蒙德·安德森，很荣幸在这次会议上发言。本想到成都亲自参会，但很遗憾无法成行。

所以，我在南非约翰内斯堡录了这个视频，或许大家还听得见电脑的噪音。普拉文·博拉先生对视频的录制和内容的准备，都给了我很大的帮助。

在座的很多人，可能读过我的第一本书，2007年的《信用评分工具》。这本书的中文译者李志勇教授，也是本次会议的组织者之一。去年，我出版了一本新书，《征信模型：穿越迷雾》，这本书本来有420页，但后来又增加了200页，增加的内容，就有模型风险和管理，这也是近年来的热门话题。

我今天报告的主题是“模型风险管理：令人震惊的真相”。新冠疫情给各国政府和企业都带来了难题，对建模也有重大的影响。

接下来报告的内容分为六个部分：

1、模型风险；
2、模型风险管理；
3、针对冲击事件的一些分析；
4、新冠疫情；
5、对未来的期待和需求；
6、要点总结。

今天报告的内容不能称为原创。12世纪的法国哲学家伯纳德·德沙特尔说过，“我们都是巨人肩膀上的侏儒，因为所处的位置，所以看得更远”。我的几本书也是这样，今天的报告，也有赖于他人的工作。

正式开始之前，我想讲几件事。首先，是我与中国的联系。其次，是关于我自己的更多背景。

大家都知道白求恩。我在加拿大出生、长大，加拿大1970年和中国建交。有个中国代表团提出要访问白求恩的家乡安大略省格雷文赫斯特时，加拿大人都很吃惊，他们想：“到底白求恩谁是？”

他们很快得知，他在中国是个英雄。白求恩在中国只待了两年，1939年就去世了。但是他的奉献精神很大，毛主席还为他写了悼词，这篇悼词还列入了中国教材。

那时我还小，但至今仍记忆犹新。此后，我曾作为游客来过中国两次，其中一次还来了成都，对中国也十分着迷。白求恩的故事让我很有共鸣，和他一样，我在中国好像也有了一些粉丝（尽管规模非常小）。

关于我个人，接下来大家会看到一些图片，描绘的是加拿大曾经的大西部，和一些帆船。这两个概念，本不应该出现在一起的，但我想跟大家理解一下原因。我的家乡在加拿大的草原，一座名为梅迪辛哈特的小城市，这个名字是medicine man’s hat的简称，小城在1880年代得名，当时还只是一个渡口。

市徽上有着明显的原住民符号，戴着头饰的萨满，还有世界上最大的印第安帐篷。瓦斯城徽标，是因为小城脚下有天然气田。几十年来，和铁路、农业一起支撑着当地经济。

河谷之外，地形很像蒙古大草原，但地势更平。主要是草地，有着各种各样的奇怪生物。如果我没记错的话，这张照片里的，应该是市区和我家农场之间的某处。这是加拿大牛仔的草原，因农牧而生，后来也因石油得益。我上大学的卡尔加里，是世界上最早、最大的牛仔竞技场。

但和美国西部不同，这里的枪要少一些。和原住民的关系也要更好一些，他们很尊敬维多利亚女王。这里的警察很受尊敬，他们维持着这里的稳定。

说到航海，我们的大西部没有大帆船，但有草原大篷车。不知道为什么，在马背上长大的草原男孩也是很好的水手，至少没那么怕晕船。

1980年，我离开加拿大，去德国工作，去欧洲旅行，后来除了探亲，就再也没有回过加拿大。从1981年起，约翰内斯堡一直是我的家，这个地方可以称之为“狂野南部”。

从那时至今，我在南非标准银行工作了34年，先是在项目融资部门，后来在信用评分部门，在南非和非洲其他国家都工作过。我在2015年离职，去IFC做了一些短期项目，主要是新兴市场国家的小企业借贷工作。

但我在信用评分领域，已经有25年的经历，我也乐于和他人分享我的想法。我希望大家喜欢我今天的报告。

1）模型风险

模型都有风险！但是什么样的模型呢？有什么类型的风险？“地球是平的”是一个模型，如果它是对的，拿离边缘太近的人就会有风险。今天还有些人相信地球是平的，但还没有人找到边缘在哪里。也没有人见过传说中托起地球的巨人。

据说，乔治·博克斯说过这么一句话 “所有模型都是错误的，但有些是有用的”。

他的意思是很多统计方法作出的假设，在现实中都不成立。但这些方法，如果通过了“有用性的危险测试”，那么可能就会很有用处。对于那些相信地球是宇宙中心的人来说，“平球是平的”这个模型很有用，但它的有用性，早已消失。

当然，乔治·博克斯说的是统计模型。我在网上搜索“model”的时候，最先出来的结果都是时装模特。这是最常见的关联。但是还有其他model，基础架构，过程，情况，关系等。如果模型是玩具，那就不存在风险，除非孩子吃掉它或用它去殴打另一个孩子。

在成人的世界里，我们用模型来指导决策，不好的模型，可能会带来不好的决策。关于模型风险的文献，大部分都和金融模型有关，但各类模型背后都有一样的概念，模型的生命周期，大概都对应五个基本的来源。有点一看就明白，有的要复杂一些。

从理论和选定方法固有的假设中，都会产生概念问题。不论他们对探讨的问题是否适用，如果基础是错的，那就换一种方法。大部分的风险都来自过度的认为判断，以及模型的复杂性，尤其是当多个模型彼此依赖时。

这其中是功能形式的选择。可以用绘画风格来比喻。结构化模型是基于数学，逻辑或理论关系的模型；而简约化模型除了自身的效用外，没有实质上的基础。两者的区别，取决于我们对其理解的程度。我母亲总说，她不喜欢自己看不懂的画。

输入方面的问题显然和使用数据的质量和数量有关，不论是开发还是后续阶段。从一开始，这些就会影响人为判断的作用，也会影响统计方法的选择。大部分关乎数据质量，尤其是数据是否相关、完善、及时。我们常见的质量好是应该的，然而忽视了在上游可能影响我们的变化。

模型开发任何阶段的选择，都会产生模型建立方面的问题。很多时候，做决策的是初级分析师，他们没有足够的经验去识别出问题。如果模型是材料，那么开发过程应该有标准化的过程。话虽说如此，实验也应该鼓励，如果有实证表明一种新的方法有价值，那就应该予以考虑。

模型实施上的问题有几个方面。首先，转录和编码的相关问题，操作失误的影响不容忽视。良好的记录，测试用例和用户测试，都非常关键。而且，考虑到开发模型时，都有特定的目标人群，出现重大偏离时，必须极度谨慎。对参数定期的更新，也应当如此。

最后是报告方面的问题。报告是准确的吗？交付是否及时，对象是否正确？能否正确解读？报告数量可能很多，需要大量时间解读，报告中信息的形式，应该尽可能易于解读，包括使用信息摘要大盘。

我很想把模型老化也列在此处，我也花了点时间才想通，为什么它不属于这里。所有的模型老化，几乎都是环境变化所致，不管是目标群体、监管、经济还是其他因素的变化。模型风险的定义决定了，它是一种操作风险。涉及的是模型生命周期中涉及的人员。因此，模型老化及其相关不稳定性，本身不是模型风险。但是如果不采取纠正措施或者措施不当，就会带来模型风险。

2）模型风险管理

风险有多种形式。有的风险是“性命攸关”的，就像是挥舞刀枪的骑兵朝你冲锋。其他的没有那么严重，在当下似乎并不严重，属于“生计攸关”的风险。在业务中，大多数风险，主要是“生计攸关”的。大的类别包括战略，运营，市场，信用和道德等。风险管理是为了防范这些风险带来的不利后果。

但对我们来说，还不止如此。2007年次贷危机至09年（也就是某些人说的“大萧条”）之后，模型风险管理，成为备受关注的新领域。危机源于房地产泡沫，但因模型未能发现风险而恶化。不只是评级机构用于评估证券组合的模型，还包括征信机构和金融机构使用的模型。因此，各方都加强了治理，模型管理不只是要降低风险，还要提高所开发模型的接受度。让模型开发成本，产生更大的价值。

如今，大部分监管机构都要求有模型风险管理政策，指南或流程的文件。最重要的要求是各利益相关方的角色和责任，在整个流程中采取适当的行动确保可以对模型进行跟踪和审查的文档（不只是单个模型，还要多个模型合并检查）。独立模型验证显然是必要的，以免“监守自盗”。

大多数已发表的文章都提到了“三道防线”，这是审计师使用的框架。第一道防线是模型的所有者，他负责开发和使用模型。我们大部分人都属于第一道防线。第二道防线是内控，首先就是模型验证；但一般还包括一个专职的模型风险经理。第三道防线是审计和监管监督。他们其实不是去检查模型本身，而是检查相应的流程，还要确保另两道防线遵守这些流程。

这就需要组织内部各层级之间保持良好的沟通，从模型所有者到公司高层。它有助于了解和应用验证方的工具。但最好在整个过程中都有这两者，还有其他利益相关方的参与。如果发生问题，不能害怕向上级报告或“告诉爸爸”。

开发方面问题最常见来源，包括使用的数据，模型的构建，假设是否准确，以及缺乏充分的回测。然后就是模型针对的目标人群是否恰当。不论是一开始，还是人群有了变化或未纳入考虑。

解决这类风险有一个方法，就是在模型中纳入一些保守性考虑，虽然这可能事与愿违。适当的时候要保守一些，但要确保它是清晰和可量化的。信用评级机构根据当前情况，给予评级；但是，在有充分理由的情况下，会下调评级。还有其他可参考的信息：专家的判断或其他规则，这时要更加审慎。

这部分的最后一点，企业在管理上必要时必须能评估和更新模型。不论是简单的校准还是完全重新开发。这项能力，已经成为越来越重要的竞争优势，甚至是生存的关键。因此，管理层必须和建模团队加强合作，毕竟这是一项“团体运动”。球队的老板，对球队的成绩有着切身的利益

3）过去的灾难

所有这一切听上去很好，基本上是的好的实践。但是如果天下大乱，发生噩梦般的极端冲击，就行刚才提到的挥舞刀枪的骑兵。但我们关注的不是骑兵攻击的对象，而是会因战败受难的人。

美国人有个说法，来自《绿野仙踪》的故事：“这不再是堪萨斯州了，托托。” 托托是那只狗。说的是人们意识到现在已经变了，可能再也回不到从前了。顺便提一句，《绿野仙踪》1939年首次上映时，它是最早的彩色商业大片之一，开启了电影制作的新时代。里面的西方的邪恶女巫看起来是很吓人的。

近年来，人们用很多各种色彩的动物给冲击事件贴标签，包括黑天鹅、灰犀牛、黑大象，取决于发现威胁时人们对概率或严重性的感知。任何事件后，人们都会讨论应该加什么标签，尤其是黑天鹅。人们还会发明新的标签。但到头来，标签不重要，重要的是如何处理冲击，这是对我们所有人的考验。

冲击有五大类：冲突-对中国而言包括抗日战争和解放战争；自然-影响最广的是流行病，但也包括地质，天气和极端的人为事件；气泡-艾伦·格林斯潘（Alan Greenspan）将其称为“非理性繁荣”，最好的描述是“美梦变成噩梦”；

市场-极端价格波动影响生产或消费；监管-法律政策变更，让人们对商业规范产生疑虑。

与冲突相关的冲击是最严重的，比如世界大战，今天就不讨论了。监管冲击也不必讨论，因为它们往往影响特定行业。除非涉及政权更替。我们要讨论的是英国的经济衰退，次贷危机，哈维飓风，还有新冠疫情，这是今天的重点。

对这一点来说，我先讲几点明显的。观点是基于经验的，而经验又是基于基本的假设：未来会和过去相似。这适用于理性和实证的观点，也就是基于纯逻辑和基于观察的观点。我们的模型绝大部分是实证的,但两者都受到冲击场景的影响。冲击是剧烈的变化，打破所有常规，让任何基于经验的假设都站不住脚。

在准备这个报告时，我发现几类冲击有一些共性特征。为了避免重复，我一次性把它们列为“给定”，它们是……

1）每一次冲击都会有所不同；
2）模型结果都会滞后；
3）实际可能与预测有所不同；
4）政府和贷款机构行为将影响预测；

进一步给出的是：

5）简单模型比复杂模型更稳健；
6）过去的假设可能被证明不正确；
7）损失估计比概率估计受到的影响更大；
8）人为判断和监督将发挥更大作用。

首先，1990年到1992年英国的经济衰退。80年代，撒切尔（Margaret Thatcher）政府鼓励购房，因此导致了房价的通胀。80年代末，市场进入平稳期，90年代三季度起急剧下滑。一般来说，经济衰退对低收入人群的影响更大。但这一次，起码一开始，是专业人士/中产阶级，因房地产市场的影响，而受灾最严重。

爱丁堡大学1992年发表的一项研究，着眼于信用卡数据。对1989年和1990年的信用卡申请，分别开发了一个模型。当两者应用其他数据时，出现了很大的交换集。

如果对交换集不了解，请看这页上的数字；最主要的一点是，在拒绝率20%不变的情况下，被第一个模型接受的申请人，有很多会被另一个模型拒绝，大约占到后者拒绝数量的25%.。

要强调两点：第一，选择适当的时间范围；第二，考虑I类和II类错误。

今年五月，FICO负责评分和分析的副总裁Ethan Dornhelm公布了他们的FICO 8的评分。次贷危机主要是由房产泡沫引起的，该泡沫在美国西南部（包括加利福尼亚和佛罗里达州）最为严重。

全国平均分下降了33分，但西南部下降了48分，四五年后才恢复，才跟上整体经济的步伐。

Ethan还分享了哈维飓风时的评分，那是2017年8月，受灾的主要是得克萨斯州和路易斯安那州。灾后恢复很快，只用了不到一年。

在这里，他主要关注的是排序能力；KS值大幅下滑，但后续又恢复。违约率也恢复了，但仍高于飓风之前。

在另一个研讨会上，米歇尔·图奇（Michele Tucci）给出了CredoLab的评分，评分是基于手机数据的，比如湖北省的数据。

同样，基尼系数也从38％下降到30％，随后又恢复了，但是违约率仍然较高，疫情前是1.7％，之后是2.3％。

因此，存在一种普遍的模式，评分模型会失去排序能力，随后又恢复，但总体违约率会恶化，并且需要更长的时间才能恢复到先前的水平，甚至不会恢复。评分反应前有一个滞后期，主要是因为预测变量设定及其响应度。但一旦开始反应，反应也很快。

不过，这一观察有欺骗性。FICO 评分几乎完全基于债务数据；现有，过去、潜在借贷，以及其他债务合同。CredoLab的评分依靠通讯行为。两者的基础都很窄，反应和恢复都很快。两者都提供价值，但数据都是不完整的。

相比之下，评级机构给企业、国家和城市评级时，考虑的会更加全面。但是大部分数据都是软性数据和粘性数据，或只涉及特定的行业和地区。他们不只考虑概率，还包括损失严重程度和处理压力场景的能力。

4）新冠疫情

今天的新冠疫情冲击巨大，这是1918年西班牙流感以来最严重的全球疫情。尽管死伤没那么多，但对经济的影响却是巨大的。两者也不太好比较。西班牙流感在第一次世界大战期间爆发，拖慢了战后恢复速度。而新冠疫情降临时，许多经济体都在蓬勃发展。有的泡沫破了，有的泡沫产生了，或者放大了。

政府和企业都做出了反应。但很多都是匆忙应对，采取的行动，在风险和结果方面，都充满了不确定性。

这让我想起了最近的一部电影，一部我太太不大喜欢的喜剧。故事讲述了一个放羊的牧民，被迫要和匪徒挥枪单挑。多次射击练习，多次脱靶。

撇开玩笑，今天不像是单挑，更像是一场大战。一场对抗病毒大军的大战，规模自二战以来，从未有过。短期内，我们拯救了很多生命，但代价又是什么。

政府迅速采取行动，确保医疗用品充足。本意是限制病毒传播的各种措施，也带来了严重破坏。对人员流动、社交、商业活动、商品销售的限制，导致收入减少，企业破产。和传统经济关系的瓦解，消费者信心下降，消费和投资削减，有能力的则增加了储蓄。人们在家工作，缩小了社交圈子，但同时数字化却在加速。

药看似比病还糟糕，但这剂药在当时，看上去是合理的。所以，是这剂药没用对，还是用的太久了？只有待迷雾散去，事后才有答案。在许多较贫穷的国家，人们得不到医疗和其他服务，饥荒的影子，也越来越近。只能说疫情的加速被控制住了，即便有些国家病例还没见顶，有些国家正遭受反弹。

各国政府都采取有力措施，缓解限制的影响。比如失业和社会补助，扶持小微企业，降低了利率，从法律上规定贷款的宽限等。未来看这些，可能会觉得不妥，尤其是这些“药”都很容易上瘾，疫情过后，对这些药可能还会有需求。

同时，企业也需要适应。无论是在地区、行业或就业方面，疫情的影响都不是均等的，或者影响时间是不同的，很多企业被迫关门，也有企业削减开支、降薪、开展新业务，以求生存。对于在职的人来说，在家工作已成常态。客户药转向了数字渠道。我太太是心理医生，也在做远程诊疗。这在之前是不允许的。大家也更宽容，明白别人的失败可能会牵连自己。

关于在家办公还想多说两句，因为它可能会成为常态。它带来了很多包括技术、工作动力、沟通，工作监督和心理健康等方面的挑战，尤其是当人们一直在线，无法正常社交，可能会无法脱离工作而没了生活。

话虽如此，但也并没有人们担心的那么坏。很多情况下，因为无需通勤，家里更舒服，产出也有所提高。会议开的比以前短，开的也比以前多。可能新建办公楼的项目都会搁置，除非是为喜欢在走廊聊天的人而设计的项目。关于仪表装扮，在家播音的新闻主播，常常会问彼此“你今天穿裤子了吗？” 能看见的只有脑袋，难怪会问这个问题了。

关于模型风险，模型作用不大不是问题，但越来越多的公司，用模型来制造数据，并利用这些数据。麦肯锡公司，按对模型的依赖程度和疫情带来的模型不稳定性程度，评估了新冠疫情对不同行业的影响。不出所料，零售，通讯和银行业，受影响最严重。白点代表的行业，在他们的文章里也提供了更多的细节。我建议大家读读这篇文章。

我们最关注的是贷款机构，无论在信贷生命周期的什么阶段采取了怎样不同的措施。除了已经提到的，还有几个共同点。首先，贷款机构使用更详细细致的数据，根据实际情况调整应对；如果关注的是个人，则使用宏观数据识别风险群体，包括风险概率或者严重程度，或两者皆有。在可能的情况下，添加新的数据源。

早期预警信号，不只包括早期逾期和资金用途的改变。对于个人和整体的预警雷达，观察范围都有所扩大。许多贷款机构，也观察其他合约付款和日常交易数据，用作衡量失业的指标。有时候还会网络爬取信息或者做行业问卷，进行情绪分析。

除此之外的调整，取决于具体的业务版块。

贷款审批方面，暂停预先批核，收紧放贷标准。更依靠人为判断，判断时会用其他数据来源。标准的变化，不一定是一致的。会根据不同的地区和行业进行调整。

而且，由于移动性的限制，向数字渠道的转移也很大。放款人通过投资升级来做出回应，尤其是考虑到这些数字渠道将是未来的期望。放贷人也在受危机影响较小或受益的地区寻找机会，例如郊区的外卖餐馆。

账户管理方面，采取了主动延期还款、降低信用额度，对超额和逾期账户暂停授权的措施。即使没有早期信号，如果重要性很高或关系很重要，也会与客户联系以评估他们的情况和需求。有时也会使用模型来识别风客户，在问题出现前，主动联系这些客户，或识别可能从不活跃账户中取现的客户。他们也在尝试寻找机会，比如在仍营业的商户使用信用卡付款，可获得额外忠诚度积分。允许将旅行积分用于其他方面的购物或者支付。

催收方面，更加宽容，方式也更加温和。在打催收电话时，工作人员要接受培训，改变策略。在家办公，对催收人和被催收的人，都有影响。催收人本来的工作环境压力很大，需要多鼓舞动员，所以本来以为他们的效率会降低，但好像因为家里轻松的环境，效率反而提高了。至于被催收的债务人，在家工作节省了交通、社交和服装支出，也更容易联系到。

最后是会计和财务。由于模型的排序能力受到影响，对概率和严重性的估计也被削弱，进而严重影响了损失准备和资本充足率。而一些模型的复杂性，让情况更加复杂，引发了连锁反应。因此在这一方面，更加依赖人为判断。有时候甚至完全不使用模型。有人把这比作金融危机前期，比如次贷危机，但大多数只是猜想。

5）世界的改变

刚才的音乐来自《星球大战》中，令人干毛站立的《帝国进行曲》。我最近看到一则笑话：有个人去医院检查眼睛，因为他最近老是看到世界末日。医生告诉他：你的视力是20/20（相当于5.0的视力）

抛开玩笑，未来的确是很不确定的，冲击和扭曲已经发生，未来预期还有余震。我把这些分为四类：数据，支撑，模式和假设。这种分法不算完美，但至少能够帮助展开讨论。

毫无疑问，其他人的分类，会和我不同。

数据冲击是指会立刻体现在数据中的冲击。不论是因为疫情还是我们的应对。应对方面，主要涉及宽限，因为欠款没有进行适时妥善的报告，而使风险画像失真。这还没考虑潜在可能发生的错误，很多贷款机构都被打的措手不及，只能匆忙应对。不论是银行的核心系统，账龄老化迁徙进程还是催收。

支撑冲击是指宽限、补助和利率等支撑，不复存在后产生的冲击。催收人的任务重大。有时候，人们以为这些支撑会继续提供。加拿大提出了一项基本收入补助，其水平是大部分国家不敢想，也负担不起的。因为今年的危机，呼吁其执行的声音更高了。

模式冲击是指人们习以为常，或者变化很缓慢的关系，不复存在时，产生的冲击。疫情给工作、社交、娱乐、旅行和购物方式，带来了剧变。这些变化还没有定型，但可能也回不到以前了。例如，住房偏好，可能会向人少的郊外或者卫星城市转移；居家办公，降低了对办公空间和交通的需求；在选择供应物品时，就近性和供应稳定会更重要。产品成本则相对次要，诸如此类等等。

假设冲击与模式冲击类似，但不是说“我们不知道”，而是“我们没有考虑”。低通货膨胀与低信用风险相挂钩，牛市与就业增长挂钩，但今天不是这样。很多经济模式只考虑正面价值，从不考虑负面的。这在美国就出了问题，比如负利率步步逼近，油价也跌倒负数。

当然，风暴过后，模型都需要重新校准或者重新开发。不同领域的需求将相互竞争，以保护各自的业务筒仓，因此需要做优先排序。顺序应基于业务中模型的重要性，以及模型的老化程度。人们可能正在灭别处的火情，但这样的工作应宜早不宜迟的展开，但也不能太早。

如果行动过快，所做的选择中，也可能产生模型风险。目标如何定义？观察和结果窗口多长？方法是否仍然适用？有没有漏掉什么？我们知道，新常态和旧的不一样，但要有可识别的相似点，才能做出决策，同时意识到风险。

如何处理冲击期是一个问题。尤其考虑到宽限的影响的不确定性。一种方法是忽略冲击期，只关注之前预测变量和之后的结果。这样就能找到，谁最有可能挺过冲击。另一种方式是等，等情况稳定下来，但这需要逐例处理。

6）计划未来

在未来，我们必须使它更容易适应各种冲击。即便是遇到万年一遇的事件，因为明年可能就是那万分之一，我们得去适应。历史上死亡百万人以上的疫情，每二十年就发生一次，这样看都不算黑天鹅。我们可以把这一经验纳入未来的模型。但一般认为，我们应该努力缩短响应时间。

在准备这个报告时，普拉文想起了几句孙子兵法里，这些语录在管理界经常被引用。非常适合当前的艰难时期，但需要加些限定。冲击来临时，我们只知道一点：我们不了解敌人。我们只能了解自己。我们可以做好战斗准备并希望我们的生存智慧比其他人多。有个老笑话：如果有只狮子在追你，不需要比狮子跑的快，比身边的人快就行。

我前面提到了过去的西部，而拔枪射击，其实就是用子弹的武功。要想生存，得有好工具，要能预测对手的动作，还要大量的射击练习。贷款机构的第一反应，是“拍脑门”，也就是说，决策的速度，比决策的质量更重要。但正确的装备、大量的练习、优秀的技术，可以提高质量。对我们来说，问题应该是“需要什么装备和技术？”

其中一部分，是确保有适当的治理。不论开枪的是好人还是坏人，这要覆盖所有活动，才能控制个别“犯错的牛仔”。而且不止需要一个警长，还需要一支具备必要权威、有责任、力量、才能以及受人尊敬的队伍，才能确保行动有效、适当。

同时也需要敏捷性，以适应情况的变化。不止是环境变化和竞争压力，还包括冲击。它和智慧一道，用于判断何时需要这种能力。对宽限度、识别策略、数据、监控和模型，最好要像猫一样敏捷。

宽限已经被证明是重要的渠道，能够借此和客户沟通，采取必要行动，还得快。而谁、在哪里、如何去做、为什么这些问题，也马上出现在脑海里。这些举措能改善客户关系。

策略调整也是个问题。简单的改变够不够？同时需要人为判断吗？挑战者模型可以发挥作用吗？需要适当流程来指导最佳行动方案的选择和执行，包括必要的治理。

数据和监控紧密相连。明显的要素，包括要确保质量，更新频率要高，并有效的使用现有来源。例如，定义新的特征，或纳入可用但被忽视的数据源。新的和替代数据，都应该纳入模型，不论是微观还是宏观层面的。之前没有使用案例的，现在可能就有了。在微观层面，可能会担心隐私，但宏观层面不会，大部分企业借贷也不会。在实施或计划实施开放银行的各国，这将成为宝贵的数据来源。它的重要性仅次于消费市场中的必用数据。

至于模型和方法，我们需要工具来判断需要做什么。一个关键因素就是简化生产和流程管理。另一个是确保模型的透明度与其实质性保持一致；或者需要时，有透明的挑战者模型可供使用。

很多从事机器学习和人工智能工作的人，都过度关注模型的预测能力。但同时忽略了稳定性。目前出现了朝着“可解释的”机器学习的转型，但它主要关注的是预测变量和预测的关系，不那么看重预测变量和结果的关系，也就是结果的可靠性。第二种关系，得结合一些想象力才能得出，不然的话，就需要一个备用计划。

7）结语

Toastmasters国际演讲会，在演讲方面有一句俗语；“先告诉大家你要讲什么，讲出来，然后再告诉大家你讲了什么”。现在到了最后一部分了，但回顾下重点就够了。

过去的几个月，是一场对抗病毒的战争。曾有人这样描述战争“漫长的无聊等待，突然的极度恐惧”。这句话最在出现在1914年12月，那是一战刚开始不久，可能是在一名士兵的家书中写下的，他很可能没有熬过战壕的冬天。

但人生不一样，我们都希望在百无聊赖的时候兴旺繁荣，在恐惧的时候生存下来。好的规划和资源准备，可以提高生存的几率。

而模型风险，主要是在哪里、如何用模型指导决策的问题。冲击本身不是模型风险，但处理不当，就会带来模型风险。

模型风险管理就是要应对这些风险，无论是否受到冲击。出现冲击，当然挑战更大，给每条防线和之间的沟通都制造压力。

当然，冲击会影响现有模型的表现。预测是无法立即调整的，尤其是当某些关键输入没有定期更新时。排序应该能很快恢复，但因为损失概率和严重程度都很高，所以，预期损失计算可能会受很大影响。这些影响也不会平均分布，因此，数据分析和人为判断，都需要增强。

新冠疫情对政府和企业都是巨大的考验，很多的应对措施，都是在拍脑门，常常靠不完整的数据进行人为决策。我们仍身处其中，没有人有后见之明。因疫情得益的公司，只有科技企业，因为一切都得远程，尤其是购物和办公。

至于未来，有两件事是明确的，在短期内，我们的模型需要密切监控。简单的调整可能就足够了，但更可能还是得需要重新校准或重新开发。至于长期，我们需要认清我们学到了什么，确保今后的我们，是准备就绪的。

我们需要成为更好的枪手，但同时也要确保，镇上有一个好警长。有稳定的环境，才能有好的应对。包括以必要的信息情报能力来指导我们的决策。具备正确思维的人，能够根据任务调整的流程，还有适合的基础设施。

谢谢！期待和大家交流。

风控教父谈模型风险管理（中文版）相关推荐

推荐|风控教父新书来袭(含红宝书三本风控秘籍)
目前关注番茄风控的读者们,总会问我们一个问题,那就是系统化的风控理论是什么样的? 全球顶尖的风控手段和发展趋势如何? 前沿技术在风控中已实现了哪些实战性应用及落地? 国外已成熟应用的风控策略,哪些是国 ...
强化学习教父Richard Sutton新论文探索决策智能体的通用模型：寻找跨学科共性...
来源:机器之心本文约5200字,建议阅读10+分钟论文虽然有些难懂,但或许是一个新的研究方向. 强化学习和决策多学科会议(Multi-Disciplinary Conference on Rein ...
硅谷产品教父Marty Cagan 谈产品经理领导力 | 全球产品经理大会
走进硅谷产品教父硅谷产品大师Marty Cagan 和他的代表作<启示录>,对很多产品经理来说,是一个教科书式的存在.不仅如此,Marty本人在互联网产品领域更是有着诸多奠基性的贡献.在 ...
专访贝莱德CEO芬克：如何成为新一代华尔街教父
专访贝莱德CEO芬克:如何成为新一代华尔街教父财新周刊贝莱德BlackRock 今天本文来源于<财新周刊> 2018年第33期,由财新记者王力为撰写. 资管巨擘贝莱德创始人芬克接受财 ...
量化投资教父爱德华·索普人生路:打败赌场战胜股市
打败赌场,战胜股市,拆穿巨骗,如此大牛怎能不识? 平凡的人各有各的平凡, 而天才则基本上都一样. 早慧.记忆力强.数学好几乎是金融投资市场里所有天才的共性, 量化投资教父--爱德华·索普(Edwar ...
软件教父马丁.福勒的心灵鸡汤
作者: 卢山出处: 中国计算机报中国正处在自己软件开发历史上的十字路口."世界五大软件开发大师之一,面向对象技术.软件模式.UML架构构件语言.重构以及敏捷式软件开发这几方面公认的领导者 ...
AI教父Hinton差点成为中国打工人...
本文转载自:品玩作者|Decode 邮箱|oudi@pingwest.com 2013 年 3 月,Google 花费 4400 万美元收购了多伦多大学的一家初创公司 DNNResearch. ...
软件开发教父与国内高手论道实录全文
新浪科技讯 2005年6月2日,来自信息产业部.北京市科委.中国软件行业协会的领导,北大.北邮软件学院的院长们齐聚一堂,和世界五大软件开发教父之一的matin(马丁-福勒)先生一起,就目前西方软件开发 ...
百度和 AI教父Hinton 的故事
点击上方"视学算法",选择加"星标"或"置顶" 重磅干货,第一时间送达徐宁发自凹非寺量子位报道 | 公众号 QbitAI 时间接 ...
AI教父争夺秘史：百度2.88亿天价求才，因中国身份惜败谷歌
2021-03-29 09:41:33 徐宁发自凹非寺量子位报道 | 公众号 QbitAI 时间接近零点,Geoffery Hinton不得不暂时叫停了拍卖. 此时此刻,竞拍的出价已经被抬高到 ...

风控教父谈模型风险管理（中文版）

风控教父谈模型风险管理（中文版）相关推荐

最新文章

热门文章