一、 网银行运营风险管理 网银运营风险，因为其难以定量和定性，一直以来银行界对于运营风险没有统一的定义。直至巴塞尔银行监督委员会在新巴塞尔资本协定发布第二次咨询文件中，就运营风险定义为“由于内部运营、人员以及系统之使用不当或失误，或因外部事件所造成之直接或间接的损失”。巴塞尔 II 还对运营风险的各个方面，包括资本的分配，风险衡量，运营管理等进行一系列的规范和建议，并自2006年底开始施行。
对于银行运营风险管理工作，网?银行业务是一个新的挑战领域。网?银行运营风险一方面难以预见与管理，但另一方面又具有软件的自动化、运营简便等优势。因此，通过应用信息智能技术于网?银行业务运营风险管理，达到更具效益的风险管理。
二、信息智能技术应用于网?银行运营风险管理
运营风险管理的组织结构框架可以归纳为三个要素：1、管理政策；2、建模与衡量的方法论；3、管理结构，包含相关的人事、系统以及有序的管理过程。
自从巴塞尔II新资本协议推出后，银行运营风险管理已经趋向信息科技化、系统化和规范化。
信息智能技术自80年代至今一直是计算机科学的热门话题，以往主要集中在自动化和游戏对弈等领域，近年来在机器学习，人脸、图像、声音识别等领域有很大发展，并且已经开始应用到银行业之中。信息智能的领域很广，结合本文的特点，我们将会集中探讨机器学习的方法。
机器学习（Machine Learning），是通过对测试数据或者历史资料的分析，寻找最优化解决方法的某些计算机算法的统称 (Alpaydin, 2004)。通过对给定的数据集的“学习”，计算机程序能对新的数据进行判断、分类等。以下介绍?种比较适合应用于运营风险管理的两种机器学习的方法:
(一)贝氏网络（Bayesian Networks）
贝氏网络通过图示模型表示变量之间的相互作用和关系 (Alpaydin, 2004)，网络由一个有向无回路图（Directed Acyclic Graph, DAG）组成，结点表示随机变量，结点间的箭头表示各风险事件之间的依靠性联系。下图1.1 表示一个简单的贝氏网络的构造，由图1.1可见风险事件C的属性依赖于风险事件A和风险事件B，风险事件D的属性依赖于风险事件B和风险事件C。
图 1.1一个简单的贝氏网络
当A，B，C，D的属性分别为a, b, c, d时对应的回报为R(a, b, c, d)，则不难理解下面两个公式：
属性概率：
预期回报：
贝氏网络理论有助于在运营风险管理中建立因果网络（Causal Network）。
(二)增强学习法（Reinforcement Learning）
增强学习法与一般的监督学习法不同，是在没有任何指导的情况下，就每个程序所做出的选择，在执行所作的选择以后，外部环境会对其选择给予一个回报或者损失，程序根据得到的回报或损失更新信息，供下次做出选择时参考。增强学习法适用于连续性的选择行动，其意义为当前的回报比往后得回报更加受到重视，同时也影响学习的速度与精确性。
三、信息智能技术应用于网?银行风险管理
网络银行服务可以定义为“透过电信、网络等方式直接与客户进行银行产品和服务的系统”(FFIEC, 2003)。网络银行服务包括账户管理、网上交易与支付、信贷等。建立网络银行服务必须同时考虑网络设施、系统软件、法律条文、防火墙等相关因素。以下为一个典型的网?银行风险管理系统框架其组成元件包括：风险管理政策、内部监控、风险资本、关键风险指标、记分卡、损失资料库、系统环境?素和风险管理模型。
运营风险管理可划分为五个步骤包括:
(一)运营风险识别
运营风险识别的关键步骤是风险对照和关键风险指标的建立。通过建立因果网络构建风险因素之前的交互联系，可以得出清晰明确的关键风险指标。运营风险识别的流程图见图1.2 ：
图 1.2运营风险识别流程图
运营风险识别的步骤包括：(1) 运营风险管理层根据风险损失数据或情景分析结果识别出风险；(2) 过程定位，找出与运营风险相关的业务部门与相关的活动项目；(3) 通过收集到的信息，建立风险档案，填写相关信息如风险编号、风险描述、相关业务部门等；(4) 因果分析，分析与风险损失相关之事件活动之间的因果联系，建立因果网络模型; (5) 设立关键风险指标，并对其定期监控与追踪。
通过过程定位，获取有关运营风险的足够信息以后，我们必须建立运营风险档案。运营风险档案必须包含以下信息：(1) 风险编号。由系统自动编号，风险编号包括分类编号和风险排号。(2)风险描述。对风险简明的描述，不需要太长的描述但要包含所有有必要令运营风险管理经理了解的信息。(3)其他信息。
一个因果网络根据一个或多个相关的运营风险损失建立。因果网络由风险管理人员自行设定，但必须致力建立能详尽表达风险因果关系的因果网络模型，而且不会过于复杂使得计算量过于庞大。因此，建议因果网络模型根据以下模板建立并扩充，见图1.3。
图1.3 典型因果网络模型 (Ramamurthy, Arora, & Ghosh, 2005）
1.系统程序表示内部计算机系统、网络服务器等自动化系统程序的运行状态，如系统当机的发生率等等。自动化系统是当今企业管理尤其是电子银行中必不可少的一部分。当系统程序占业务运营的比重越大时，该风险指标的权重也应该更大。评分等级可以分为好和差。
2.业务流量业务流量，即该业务每年的交易数量和营业额等，毫无疑问直接影响着风险的发生机率和损失程度等。除此以外也会影响员工效率，如过多的业务可能导致效率降低等。评分等级为低和高。
3.业务复杂性一般来说，必须任务的复杂性会比选择性任务的复杂性要高，因为有完成期限等条件限制。业务复杂性可以分为低和高级别。
4.员工效率人是 业务中最关键的元素。员工数目和平均工作时数是员工效率的主要指标，对于详尽的衡量系统可以考虑年龄、熟练程度、薪水等因素，此外该风险因素也受到业务流量和业务复杂性的影响。员工效率的评级为低和高。
5.数据来源数据来源是指所有其它影响风险的因素数据。如客户信息、注册帐户等等。一般来说，数据来源等级可以分为好和坏。
建立因果网络以后，通过因果分析即可将对风险影响最大的几个风险因素识别为关键风险指标。此外，在给定一个或多个风险因素状态的情况下，进行贝氏推论算法估算即可得出预期损失，进而可以进行资本分配或者根据实际结果对因果网络进行调整或扩充。
(二)运营风险评估
采用记分卡系统令运营风险管理层对系统参数进行评估校正，作为客观数据分析的补充。运营风险评估的系统流程图如图1.4所示：
图 1.4运营风险评估流程图
(三)运营风险衡量
运营风险衡量采用风险档案的内部直接计算和因果网络的网络推算相结合的方法。(1) 利用风险档案进行内部直接估算: 若损失分布模型尚未建立，则会采用内部衡量法计算，否则，则根据损失分布模型计算尾部在险价值; (2) 利用因果网络推算: 根据因果网络的概率推算规则，算出预期损失。例如损失0-1百万的几率是70%，1-2百万的几率是20%，2-3百万的几率是10%，则预期损失为0.5×0.7+1.5×0.2+2.5×0.1=0.9百万。
将两个结果平均得到风险衡量结果，然后根据真实的损失，结果较为接近的方法的权重会增加。
(四)运营风险管理
一般?用情景分析或关键风险指标。?用情景分析法: 因果网络可以很好的辅助情景分析。例如，当需要分析在系统当机情况下的风险状况时，则可将因果网络中“系统状态”中“好”的几率设为0，“差”的几率为100%，进后进行因果网络推算。?用关键风险指标: 为了监控关键风险指标，及时作出降低风险的措施，我们设定在系统中设定风险状态和行动计划，帮助我们系统地进行运营风险管理。通过风险状态和行动计划的记录，便可以创建一个全面系统的运营风险管理平台。
(五)运营风险报告
一个有效的运营风险管理系统，是能够?告风险状态?风险管理人?有用的预警信息，使风险管理人?能及时作出适当和及时防止风险发生的行动计划。
四、增强学习法强化网络运营风险管理
增强学习法是一种在做出选择以后才进行结果评估的机器学习系统。适用于连续性的状态-行动型过程模型的应用，即（状态1->行动1->状态2->行动2->……）的连续型模型。运营风险管理里的关键风险指标的运营风险管理模型即为此类，因此我们可以应用增强学习法建立自动化关键风险指标的运营风险管理系统。
在已经建立了风险状态集合 和行动集合A(S) ，假设在状态s下我们每次执行行动a会进入到唯一的结果状态 ，同时通过评估可以得到立即回报（或者立即损失） ，其中 为状态 所对应的风险衡量值（在本系统中则通过因果网络估算得出）。
接着，只要应用Q-Learning算法，建立增强学习系统就可以了。不过和经典的增强学习理论不同的是，这里的目标不在于在每一个状态下找出最优的行动，而是希望在每个状态下对所有可行方案进行评估打分，以提供运营风险管理人员有用的信息帮助其做出更好的选择。因此这里的做法是将Q-Learning算法中得出的 值显示到用户界面，供运营风险管理人员参考。
图 1.5应用增强学习的运营风险管理流程
以目前的运营风险管理系统状况，以及增强学习法本身准确度的局限性，使得目前在运营风险管理上应用增强型学习的程度比较有限，仅作为管理系统的辅助工具。但是相信，随着电子银行自动化程度逐渐增强，在今后行动方案能够被系统自动执行的时候，增强学习法将能够发挥更大的作用。
五、结论
巴塞尔II对银行运营风险管理的要求和我国在“十一五”期?提出金融科技化的理念 ，我国商业银行有需要尽快把银行业务网络化，科技化，但与此同时，网络银行业务的快速发展又?出运营风险管理的问题，故此我国网络银行界极需求自动化智能化有创新性的运营风险管理技术。
应用先进信息技术于网?银行运营风险管理，自动化智能化收集和处理风险数据用作风险测量、分析、计算出影响最大的运营风险因素，及时向网络银行管理层和使用者作出提醒并作出及时监督控制，可以为网络银行运营风险管理工作提供有效的风险监控系统，同时利用自动化智能技术来降低银行的运营风险和成本。
注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文