风险管理正从被动防御，向主动、前瞻的价值创造者加速演进。
2025衡泰峰会之风险管理探索与实践分会场，演讲嘉宾为我们清晰地描绘了，以合规为准绳、以数据为基石、以智能为引擎、以前瞻为导向的风险管理新蓝图。
准绳与基石
证券公司市场风险管理新规解读
衡泰技术首席风险管理专家陆亚，对中证协首次发布的《证券公司市场风险管理指引》，从定义、制度、组织架构和职责分工、管理程序、限额管理、系统和数据，以及自律管理角度进行了全面解读。
该指引为证券行业市场风险管理提供了系统性、精细化且高度实用的操作框架，其中明确指出，要“通过建立健全与公司发展战略相适应的市场风险管理体系，将市场风险控制在证券公司可以承受的合理范围内，促进业务收益与风险相匹配。” “相适应”、“可承受”、“相匹配”三个关键词，贯穿了整个指引的各项条款。
限额管理是本次指引的核心重点，其要求证券公司建立一个自上而下、分级的限额体系，并详细列明了设定限额时需考虑的因素，与可以采用的限额指标类型，要求券商建立清晰的限额设定、审批、调整和监控机制。
在系统建设方面，指引要求证券公司投入充足资源，建立与自身业务复杂程度和风险水平相适应的IT系统，并保障及时的升级改造。
然而日常的风险管理，除了依赖完善的制度、系统和限额体系外，更重要的是发挥人的作用，其重点在于多分析与多沟通。风险管理人员要多分析风险的来源、理解风险产生的根本原因，同时要与业务部门保持密切的沟通，这才是将静态制度转化为动态、有效管理的根本。
风险数据治理实践
来自国泰海通的王玉玺分享了券商如何通过系统性的数据治理，构建坚实的风险管理根基。尽管风险数据治理是“老生常谈”，但其是所有上层风险应用（包括当前热门的AI应用）成功与否的决定性基础。其核心方法论可以概括为一套“搭框架、打标签、平台化、共治理”的实践路径：
首先，通过独创的“账户、资产、主体、时间”四维框架进行“搭框架”，将集团内异构、分散的数据“殊途同归”地进行标准化整合；
其次，在此基础上根据不同业务场景（如信用、市场等），从区域、行业等多个维度为资产“打标签”，丰富数据内涵，形成各类风险画像；
最终，这一切都沉淀为一个高度“平台化”和“配置化”的风险数据平台，不仅极大提升了风险分析的效率和深度，更重要的是，通过“平台共享”培养了用户粘性，促成了“数据共治”的文化，将数据治理从被动的风控任务转变为全员主动参与的共赢工作。
风险数据治理是所有风险管理系统的根基，根基的深度决定了应用的广度和高度。而风险数据治理没有捷径也没有终点，唯有“砥砺前行”，才能为风险管理的“枝繁叶茂”提供不竭的滋养。
趋势与创新
实施气候-金融风险压力测试的路径方法
来自红塔证券的张思远分享，如今气候风险正作为一项日益重要的议程，被纳入到全面风险管理的框架之中。无论国内还是国外，无论是监管部门还是金融机构，都已将此事视为一项愈发重要的事项。该研究的核心是探讨证券经营机构如何在一个现有、可行的压力测试框架下，系统性地实施气候-金融风险的压力测试，并提出了一套兼具权威性与实用性的“六步法”实施路径。
面对气候风险这一复杂交叉学科，提出了一套“借鉴权威、聚焦应用”的核心方法。该方法重点解决了传统压力测试框架中最关键的三个前置步骤：
情景选择：建议直接采用NGFS等权威机构发布的“有序转型、无序转型、温室世界”等标准化情景，以确保权威性和可比性。
风险敞口计量：提出对两类核心风险的差异化计量
方案灾害风险（Physical Risk）：借鉴操作风险的“频率×严重程度”矩阵法进行量化。
转型风险（Transition Risk）： 使用“二氧化碳排放强度”作为跨行业的标准化度量衡，解决其抽象和可比性差的难题。
风险传导路径：设计了一个清晰的两步传导模型：第一步，从“气候指标”到“宏观经济变量”（推荐使用NGFS的公开模型）；第二步，从“宏观经济变量”到“公司四类风险（市场、信用、流动性、操作）指标”，最终汇总对财务和风控指标的影响。
人工智能与操作风险管理机制优化
来自财通证券的张伉分享，随着23年底协会发布的《证券公司操作风险管理指引》，财通证券开启新一轮操作风险管理体系优化，对管理思路和方法进行了全面改进和提升。
传统的操作风险管理，面临多方面挑战：一是操作风险定义宽泛，但专业团队人手有限，导致管理力不从心。二是核心工具如风险与控制自评估（RCSA）陷入“要么工作量巨大，要么流于形式”的两难境地。三是大多数工作仍停留在“推广宣传”阶段，尚未进入深度的监督管理和量化分析。
破局的关键在于管理模式的根本性转变。依据新的行业指引，公司不再仅依靠小团队的风险管理部，而是将操作风险管理的直接责任下沉到各个专业职能部门（如IT、HR、财务等），让他们利用自身专业优势管理相应领域的风险。风险管理部的角色则转变为顶层设计师和赋能者，负责建立激励与考核机制，驱动全员参与。
此外，人工智能特别是大语言模型，是实现这一新模式的关键技术。AI可以解决操作风险管理中长期存在的手工密集、非结构化数据处理的痛点。
数据层面： 通过AI实现非结构化报告的数据治理和自动提取。
知识层面： 构建AI知识库和智能助手，为一线和职能部门赋能。
监督层面： 最具变革性的是，利用AI主动监测多源数据（OA、邮件、投诉等），从被动依赖上报转变为主动发现风险线索，实现真正意义上的智能监督。
衡泰赋能风险管理
作为风险管理领域多年持续领先的技术供应商，目前衡泰风险类产品已覆盖风险数据集市、信用风险、市场风险、同一业务/同一客户、投资分析与绩效等金融行业风险管理核心需求。
顺应行业升级变革，衡泰深度洞察技术趋势与客户需求，积极创新实践，推动风险管理领域的数字化转型与前沿技术赋能。
风险数据集市赋能券商跨境一体化风控
衡泰为头部中资券商香港子公司实施数据治理，高效解决海外子公司面临的集团并表紧迫、数据处理手动、风控体系缺失等核心痛点。
成熟的衡泰xEDM金融数据管理平台，为项目提供六大核心能力，包括：数据采集与清晰、成熟的数据模型、交易簿记引擎、风险指标计算、统一限额管理、可视化应用框架。
最终，该项目通过构建数据整体体系、建设风险管控模块、分阶段应用规划的建设思路实现了——
利用衡泰已涵盖海外业务的成熟数据模型，在两个月内快速构建了统一的数据集市，解决了数据源异构和手工台账的难题；
通过内置的“交易簿记引擎”等核心工具，解决了场外业务实时头寸数据缺失的关键痛点，为精准的风险计量和监控打下坚实基础；
通过自动报告、可视化看板等应用，不仅满足了集团并表和内部风控的需求，还可将AI能力融入数据应用，用户可通过自然语言查询生成可复用的“风险卡片”，并以此灵活构建个性化的监控驾驶舱，从而打通了从底层数据治理到上层智能分析的完整链路，为证券机构的子公司数据治理提供了一个兼具低成本与高效率的实践范本。
大模型技术赋能信用风险预警
大模型为传统的信用风险预警带来了五个层面的深刻进化，包括数据从结构化到多源异构、监控从静态到实时动态、分析从线性到复杂建模、迭代从经验到自动、以及交互从报表到智能体。
衡泰利用大模型技术，积极推动传统信用风险预警向智能化、动态化、深度化方向进化。
衡泰信用风险智能预警解决方案，主要运用大模型的多模态整合与分析、语义理解与生成、数据分析与洞察、逻辑推理与总结、智能交互与个性化五种核心能力，应用场景则包括——
宏观/中观分析：基于隐马尔可夫模型的多模态解析，利用Baum-Welch 算法划分历史周期，通过马氏距离判断阶段相似性，实现对宏观周期的精准判断和预测。
舆情风险分析：利用大模型的语义理解能力实现多属性舆情智能精准匹配，并快速自动迭代多维标签库，实现对舆情的实时分析及预警。
财务风险分析：通过历史案例对比、行业特征分析及多源数据交叉验证，实现财务健康度和财报可信度的分析，更全面的识别财务风险。
推理总结：将复杂的分析结果自动总结为简洁的自然语言结论，帮助用户快速洞察风险。
预警智能体：基于衡泰的xGPT大模型开放平台，构建预警智能体（Agent），实现一站式、对话驱动的风险查询与分析。
“衡”量风险，助客户持盈保“泰”，自创立便已在衡泰的基因。
2002年衡泰第一个、也是行业最早一批的风险系统，在基金公司落地，衡泰正式踏入金融软件行业。二十余年发展中，衡泰多个风险类产品开创行业先河并持续领先，已为证券、基金、银行、保险、信托等合计300余家金融机构提供服务。
风险管理是行业构建韧性、实现穿越周期的关键力量。面向未来，衡泰将继续夯实数据治理根基、深化AI等前沿技术应用，不断提升风险管控核心技术能力，与行业伙伴共同构建更加稳健金融生态。
