图片来自“东方IC”
近年来，人工智能（AI）、区块链(Blockchain)、云计算(Cloud Computing)、大数据（Big Data ）等新技术快速发展，推动银行业迈向智能化、数字化时代。银行将金融科技运用到业务、运营、科技、风控、营销、服务、管理等各领域，以AI为技术支撑，构建银行“智慧大脑”，实现信贷业务全流程管控和授信客户评级模型优化，精准定位，降低信贷管理风险，增强风险防控能力。
随着经济全球化和市场经济的高度发展，企业与企业、企业与个人通过资金连接形成了复杂的金融网络，例如企业、银行、信托公司、保险公司、担保公司等经济主体,通过股权、担保或互保、关联交易、金融衍生品、供应链关系以及管理层的多重身份等形成错综复杂的信用关联关系。在关联信用网络中,由于关联信用主体之间的关联关系错综复杂,关联信用风险常常呈现出传染的“多米诺骨牌”效应。基于上述背景，商业银行面向客户关系复杂网络构建新型AI风险监控体系是趋势和潮流。
AI技术分支——图计算与图数据库是一种拓扑结构极为简洁（仅由点和边组成）、可以表达任意维度的数据间形成的高维、复杂的网络拓扑构造的体系架构。银行基于客户关系网络，利用图计算和图数据库可以构建客户关系图谱，关注客户各类信息之间的关联性，实现客户洞见从局部到全网、从静态数据到动态智能的跨越，构建客户全网关系图谱，发现潜在的风险并预判风险传导路径、概率、影响客群。图数据库、知识图谱技术将给现有的信用风险管理带来革命性、颠覆性变化。
个人业务中的反欺诈关系人图谱是现代反欺诈应用场景中最重要的手段。根据团体欺诈会共享部分信息的特点，利用图挖掘发现不同用户之间的信息关联性，从而识别欺诈团体。这些关系很容易在关系人图谱中被发现。通过对风险暴露人的N层图挖掘，来筛选出有任意层数关联的疑似欺诈人员进行拦截。
识别企业关系图谱目前银行对于影子集团、集团客户多层交叉持股、股权层层嵌套复杂关系的识别手段相对较为落后。随着企业集团化、家族化、多元化发展，单一企业通过资本运作组建成商业帝国；各类资本系内部股权不透明，隐形股东和股权代持现象频繁发生，主要股东、控股股东、实际控制人、一致行动人、最终受益人不明晰；企业与股东个人、企业与企业之间的关系与交互影响愈加复杂，单个客户信用风险的爆发有可能引发整个关联客群的风险。
企业、高管及关联公司构成一个复杂的关系网络，利用图计算引擎搜索国家企业信用信息公示系统，遍历集团成员及关联企业之间的股东及股权结构情况，判断是否存在交叉持股、受同一股东控制和高管任职关系，识别出隐蔽关联关系，有助于发现关联交易非关联化、关联交易利益输送等违法、违规线索。
图计算以任意企业（图一中的大红点）为起点，以股权为纽带，向上穿透到该企业最终实际控制人，向下穿透到该企业任意层股权投资的所有企业及其股东（见图一、图二、图三）。
注：大红点：关注企业；小红点：最终持股的自然人股东；小蓝点：关联企业
图一：企业股权穿透图谱
注：大红点：关注企业；小红点：最终持股的自然人股东；小蓝点：关联企业
图二：企业股权穿透图谱（续图一）
注：大红点：关注企业；小红点：最终持股的自然人股东；小蓝点：关联企业
图三：企业股权穿透图谱（续图二）
企业担保圈贷款风险识别、防范中小企业为了满足银行授信要求、提高其信用等级，通过关联企业、产业链上下游客户、关系人等相互担保，形成担保圈（链）乃至关系更为复杂的“担保网”。担保链中的企业普遍存在超出自身实力对外融资和担保的现象，担保链整体净资产无法覆盖银行信贷风险，容易爆发风险连锁反应。特别是在经济下行周期，当担保圈中个别企业发生经营问题和财务危机时，往往产生多米诺骨牌效应，风险很快传染整个担保圈，导致圈内企业整体陷入困境，从单个企业经营风险转到担保圈客群流动性风险，进而引发区域性风险。
采用知识图谱、图计算引擎为核心技术，深度图挖掘银行授信客户信贷信息，揭示出客户复杂担保网络，最终形成可视化银行担保圈风险图谱，直观、高效地识别出客户是否存在联保、互保、循环担保情况，在此基础上构建贷后违约风险预警模型，为防范、化解企业担保圈贷款风险提供条件。
基于担保圈风险图谱客户贷后违约风险模型，进行自动预警，提早行动，及时切断了风险传导路径，防范信贷交叉违约风险，减少了银行风险运营成本。
图四：担保圈（链）示意图
图五：多家企业形成复杂担保圈链
本文已标注来源和出处，版权归原作者所有，如有侵权，请联系我们。
