風險管理正從被動防御，向主動、前瞻的價值創造者加速演進。
2025衡泰峰會之風險管理探索與實踐分會場，演講嘉賓為我們清晰地描繪了，以合規為準繩、以數據為基石、以智能為引擎、以前瞻為導向的風險管理新藍圖。
準繩與基石
證券公司市場風險管理新規解讀
衡泰技術首席風險管理專家陸亞，對中證協首次發布的《證券公司市場風險管理指引》，從定義、制度、組織架構和職責分工、管理程序、限額管理、系統和數據，以及自律管理角度進行了全面解讀。
該指引為證券行業市場風險管理提供了系統性、精細化且高度實用的操作框架，其中明確指出，要“通過建立健全與公司發展戰略相適應的市場風險管理體系，將市場風險控制在證券公司可以承受的合理范圍內，促進業務收益與風險相匹配。” “相適應”、“可承受”、“相匹配”三個關鍵詞，貫穿了整個指引的各項條款。
限額管理是本次指引的核心重點，其要求證券公司建立一個自上而下、分級的限額體系，并詳細列明了設定限額時需考慮的因素，與可以采用的限額指標類型，要求券商建立清晰的限額設定、審批、調整和監控機制。
在系統建設方面，指引要求證券公司投入充足資源，建立與自身業務復雜程度和風險水平相適應的IT系統，并保障及時的升級改造。
然而日常的風險管理，除了依賴完善的制度、系統和限額體系外，更重要的是發揮人的作用，其重點在于多分析與多溝通。風險管理人員要多分析風險的來源、理解風險產生的根本原因，同時要與業務部門保持密切的溝通，這才是將靜態制度轉化為動態、有效管理的根本。
風險數據治理實踐
來自國泰海通的王玉璽分享了券商如何通過系統性的數據治理，構建堅實的風險管理根基。盡管風險數據治理是“老生常談”，但其是所有上層風險應用（包括當前熱門的AI應用）成功與否的決定性基礎。其核心方法論可以概括為一套“搭框架、打標簽、平臺化、共治理”的實踐路徑：
首先，通過獨創的“賬戶、資產、主體、時間”四維框架進行“搭框架”，將集團內異構、分散的數據“殊途同歸”地進行標準化整合；
其次，在此基礎上根據不同業務場景（如信用、市場等），從區域、行業等多個維度為資產“打標簽”，豐富數據內涵，形成各類風險畫像；
最終，這一切都沉淀為一個高度“平臺化”和“配置化”的風險數據平臺，不僅極大提升了風險分析的效率和深度，更重要的是，通過“平臺共享”培養了用戶粘性，促成了“數據共治”的文化，將數據治理從被動的風控任務轉變為全員主動參與的共贏工作。
風險數據治理是所有風險管理系統的根基，根基的深度決定了應用的廣度和高度。而風險數據治理沒有捷徑也沒有終點，唯有“砥礪前行”，才能為風險管理的“枝繁葉茂”提供不竭的滋養。
趨勢與創新
實施氣候-金融風險壓力測試的路徑方法
來自紅塔證券的張思遠分享，如今氣候風險正作為一項日益重要的議程，被納入到全面風險管理的框架之中。無論國內還是國外，無論是監管部門還是金融機構，都已將此事視為一項愈發重要的事項。該研究的核心是探討證券經營機構如何在一個現有、可行的壓力測試框架下，系統性地實施氣候-金融風險的壓力測試，并提出了一套兼具權威性與實用性的“六步法”實施路徑。
面對氣候風險這一復雜交叉學科，提出了一套“借鑒權威、聚焦應用”的核心方法。該方法重點解決了傳統壓力測試框架中最關鍵的三個前置步驟：
情景選擇：建議直接采用NGFS等權威機構發布的“有序轉型、無序轉型、溫室世界”等標準化情景，以確保權威性和可比性。
風險敞口計量：提出對兩類核心風險的差異化計量
方案災害風險（Physical Risk）：借鑒操作風險的“頻率×嚴重程度”矩陣法進行量化。
轉型風險（Transition Risk）： 使用“二氧化碳排放強度”作為跨行業的標準化度量衡，解決其抽象和可比性差的難題。
風險傳導路徑：設計了一個清晰的兩步傳導模型：第一步，從“氣候指標”到“宏觀經濟變量”（推薦使用NGFS的公開模型）；第二步，從“宏觀經濟變量”到“公司四類風險（市場、信用、流動性、操作）指標”，最終匯總對財務和風控指標的影響。
人工智能與操作風險管理機制優化
來自財通證券的張伉分享，隨著23年底協會發布的《證券公司操作風險管理指引》，財通證券開啟新一輪操作風險管理體系優化，對管理思路和方法進行了全面改進和提升。
傳統的操作風險管理，面臨多方面挑戰：一是操作風險定義寬泛，但專業團隊人手有限，導致管理力不從心。二是核心工具如風險與控制自評估（RCSA）陷入“要么工作量巨大，要么流于形式”的兩難境地。三是大多數工作仍停留在“推廣宣傳”階段，尚未進入深度的監督管理和量化分析。
破局的關鍵在于管理模式的根本性轉變。依據新的行業指引，公司不再僅依靠小團隊的風險管理部，而是將操作風險管理的直接責任下沉到各個專業職能部門（如IT、HR、財務等），讓他們利用自身專業優勢管理相應領域的風險。風險管理部的角色則轉變為頂層設計師和賦能者，負責建立激勵與考核機制，驅動全員參與。
此外，人工智能特別是大語言模型，是實現這一新模式的關鍵技術。AI可以解決操作風險管理中長期存在的手工密集、非結構化數據處理的痛點。
數據層面： 通過AI實現非結構化報告的數據治理和自動提取。
知識層面： 構建AI知識庫和智能助手，為一線和職能部門賦能。
監督層面： 最具變革性的是，利用AI主動監測多源數據（OA、郵件、投訴等），從被動依賴上報轉變為主動發現風險線索，實現真正意義上的智能監督。
衡泰賦能風險管理
作為風險管理領域多年持續領先的技術供應商，目前衡泰風險類產品已覆蓋風險數據集市、信用風險、市場風險、同一業務/同一客戶、投資分析與績效等金融行業風險管理核心需求。
順應行業升級變革，衡泰深度洞察技術趨勢與客戶需求，積極創新實踐，推動風險管理領域的數字化轉型與前沿技術賦能。
風險數據集市賦能券商跨境一體化風控
衡泰為頭部中資券商香港子公司實施數據治理，高效解決海外子公司面臨的集團并表緊迫、數據處理手動、風控體系缺失等核心痛點。
成熟的衡泰xEDM金融數據管理平臺，為項目提供六大核心能力，包括：數據采集與清晰、成熟的數據模型、交易簿記引擎、風險指標計算、統一限額管理、可視化應用框架。
最終，該項目通過構建數據整體體系、建設風險管控模塊、分階段應用規劃的建設思路實現了——
利用衡泰已涵蓋海外業務的成熟數據模型，在兩個月內快速構建了統一的數據集市，解決了數據源異構和手工臺賬的難題；
通過內置的“交易簿記引擎”等核心工具，解決了場外業務實時頭寸數據缺失的關鍵痛點，為精準的風險計量和監控打下堅實基礎；
通過自動報告、可視化看板等應用，不僅滿足了集團并表和內部風控的需求，還可將AI能力融入數據應用，用戶可通過自然語言查詢生成可復用的“風險卡片”，并以此靈活構建個性化的監控駕駛艙，從而打通了從底層數據治理到上層智能分析的完整鏈路，為證券機構的子公司數據治理提供了一個兼具低成本與高效率的實踐范本。
大模型技術賦能信用風險預警
大模型為傳統的信用風險預警帶來了五個層面的深刻進化，包括數據從結構化到多源異構、監控從靜態到實時動態、分析從線性到復雜建模、迭代從經驗到自動、以及交互從報表到智能體。
衡泰利用大模型技術，積極推動傳統信用風險預警向智能化、動態化、深度化方向進化。
衡泰信用風險智能預警解決方案，主要運用大模型的多模態整合與分析、語義理解與生成、數據分析與洞察、邏輯推理與總結、智能交互與個性化五種核心能力，應用場景則包括——
宏觀/中觀分析：基于隱馬爾可夫模型的多模態解析，利用Baum-Welch 算法劃分歷史周期，通過馬氏距離判斷階段相似性，實現對宏觀周期的精準判斷和預測。
輿情風險分析：利用大模型的語義理解能力實現多屬性輿情智能精準匹配，并快速自動迭代多維標簽庫，實現對輿情的實時分析及預警。
財務風險分析：通過歷史案例對比、行業特征分析及多源數據交叉驗證，實現財務健康度和財報可信度的分析，更全面的識別財務風險。
推理總結：將復雜的分析結果自動總結為簡潔的自然語言結論，幫助用戶快速洞察風險。
預警智能體：基于衡泰的xGPT大模型開放平臺，構建預警智能體（Agent），實現一站式、對話驅動的風險查詢與分析。
“衡”量風險，助客戶持盈保“泰”，自創立便已在衡泰的基因。
2002年衡泰第一個、也是行業最早一批的風險系統，在基金公司落地，衡泰正式踏入金融軟件行業。二十余年發展中，衡泰多個風險類產品開創行業先河并持續領先，已為證券、基金、銀行、保險、信托等合計300余家金融機構提供服務。
風險管理是行業構建韌性、實現穿越周期的關鍵力量。面向未來，衡泰將繼續夯實數據治理根基、深化AI等前沿技術應用，不斷提升風險管控核心技術能力，與行業伙伴共同構建更加穩健金融生態。
