2、AI、机器学习与风险管理：数据驱动的变革之路

AI、机器学习与风险管理：数据驱动的变革之路

1. AI与机器学习在风险建模中的应用

在当今的时代背景下，AI和机器学习的应用为大幅缩短“建模时间”并收获相应回报提供了契机。作为一套工具，AI和机器学习相较于传统模型，具有显著提升准确性、处理大规模结构化和非结构化数据集的潜力，还能助力组织灵活应对市场条件的变化。

在金融服务领域，早在新冠疫情爆发前数年，AI和机器学习就已在包括风险管理在内的多个不同领域得到应用。对于风险管理职能而言，AI和机器学习通过自动化繁琐任务、处理大量多样化数据，带来了切实的益处。与传统统计方法相比，这些工具能够灵活识别数据中隐藏的复杂关系，从而实现更高水平的模型准确性。

然而，要实现AI和机器学习的大规模、长期应用，企业各团队需要在文化和创新方式中更好地融入科学思维。运用科学思维时，通常是将技术应用于解决特定问题，而非偶然地利用技术解决现有问题。确定问题后，便可利用涉及数据、人员和流程的科学原理，对假设进行适当测试。

2. 新型风险管理职能

风险管理不应仅仅被视为一系列合规措施，以及满足内外部治理机构持续需求和期望的职能。当前的风险管理框架正在适应新出现的风险、宏观经济环境中不断增加的不确定性，以及解决金融决策中的透明度和公平性问题，尤其是涉及客户和影响环境的决策。

新冠疫情带来了前所未有的冲击。自2019年12月左右开始，新冠病毒迅速蔓延成为全球大流行病。封锁措施对全球经济造成了急剧而严重的影响，2020年4月全球失业率达到14.5%的峰值，全球国内生产总值（GDP）至少收缩了5.2%。尽管财政政策在一定程度上缓解了这种波动，但银行资产负债表的弹性仍受到了严峻考验。疫情高峰期的宏观经济影响