第9章 金融科技与风险管理
来源：OCR PDF 页序约 156–180；书内印刷页 144–168。疫情、雷曼等均为原书用来分析风险的历史案例。
-
本章解决的问题
金融科技在改善风险识别和控制的同时，会产生哪些新风险？机构如何在创新与金融稳定之间管理风险？ -
本章的核心结论
技术可提升信息处理、监测和风险识别效率，却也可能扩大业务关联、操作依赖和风险传播速度。金融科技风险既包括传统信用、市场、流动性及操作风险，也包括数据、模型、网络安全、外包和平台集中等技术相关风险。风险管理应贯穿产品设计、运营和退出全流程。 -
关键概念
- 信用风险：交易对手未能按约履行偿付义务的风险。
- 市场风险：市场价格或利率变化造成损失的风险。
- 流动性风险：无法及时获得资金或以合理成本变现资产的风险。
- 操作风险：由流程、人员、系统或外部事件导致损失的风险。
- 模型风险：模型设计、数据、假设或使用不当导致判断偏差的风险。
- 科技风险：来自信息系统、网络安全、数据处理和技术服务依赖等方面的风险。
-
重要论据
- 数字化连接提升交易速度与覆盖面，可能令风险更快扩散并跨机构、跨市场传播。
- 自动化模型依赖历史数据和假设，环境变化时可能失准；算法并不消除判断与治理责任。
- 第三方技术服务、平台集中和系统故障可能形成单点依赖或共同冲击。
- 疫情及雷曼案例用于说明外部冲击、金融机构脆弱性和风险传导的重要性；原文并非将其归因于某一项金融科技。
- 创新风险管理需要机构内控、监管监测、消费者保护和基础设施韧性协同。
-
具体案例
- 雷曼事件：用于说明金融机构风险累积及危机传导背景。
- 2020 年新冠疫情冲击：展示突发外部事件对金融业务连续性及市场运行的压力。
- 线上信贷和算法风控：说明技术可加快审批与识别，但数据偏差、过度授信或模型失效仍可能形成风险。
- 平台与外部技术依赖：说明业务集中、网络安全或服务中断可能影响多个金融参与者。
-
作者提出的方法
建立覆盖业务、数据、模型、网络、外包和连续性的风险框架；开展事前评估、运行监测、压力测试和事件响应，明确管理责任，并为重要决策保留复核和审计能力。 -
可能的隐含假设
- 风险能够通过数据、监控和治理程序及时暴露。
- 机构与监管部门拥有足够的信息及技术能力理解复杂系统。
- 创新收益能够在风险成本被识别并纳入决策后进行比较。
-
与其他章节的联系
本章汇总第2至8章业务和技术创新可能引发的风险，尤其涉及大数据、云、人工智能和区块链；第10章进一步从监管科技角度讨论监管者如何提高监测与响应能力。 -
一句话总结
金融科技既是风险治理工具，也是新的风险来源，必须以全生命周期和系统视角管理。 -
原文依据或页码
OCR PDF 页序约 156–180；书内印刷页 144–168。风险类型、案例与管理措施见本章。
自测：①金融科技可能新增哪些技术相关风险？②技术提升风险识别能力为何仍不能替代治理？