一、项目背景及目标

理财子公司作为独立运营的资管机构，风险管理系统建设是其核心竞争力的关键组成部分，尤其在资管新规打破刚兑、净值化转型以及市场波动加剧的背景下，风险管理能力直接关系到业务合规性、客户信任度和长期稳健发展。理财子公司风险管理系统建设通常面临以下四个难点问题：一是数据治理问题，资管行业风险计量基于资本市场海量数据开展，风险模型的构建、使用和优化均需以高质量、多维度的数据为基础，理财子公司业务涉及各类资管计划资产较多，穿透后数据更是具有量大、业务属性强、勾稽关系复杂等特征。二是系统功能覆盖问题，在能力构建和应用层面，风险管理平台需支撑全产品、全品种、全流程覆盖，能够支持建立全风险视图及预警中心，为全面风险管理提供有效工具。三是配套必要的风险计量模型，系统须围绕业务实质风险、客户利益保护和监管合规三大目标配套风险计量模型，既要能够覆盖市场风险（利率、汇率）、信用风险（违约概率PD/LGD）、流动性风险等主要风险计量，也要具备持续迭代能力适应快速变化的市场环境。四是须适配管理要求的动态变化，理财子公司仍处在监管规则持续更新，创新业务、创新产品不断推出（如ESG投资、养老理财等新领域）阶段，系统需快速调整以适应新指标计量、监测要求，也即在应用架构设计上，能够满足高性能和灵活度要求。

北银理财秉承“风控立身、科技为本”理念，深耕资管能力建设，以金融科技驱动资管能力提升。在推动TOS平台（新一代资管业务平台）规划、建设初期，加强数字化能力研发，构建角度自底向上划分为“数据—模型—指标—能力—应用”五层，并在此规划下积极探索搭建“环瞰风险”全面风险分析管理平台。

“环瞰风险”全面风险分析管理平台（以下简称“平台”）搭建风险数据集市，利用其进行基础数据清洗、转换、加工、质量检核，筑牢坚实数据基础；应用风险计量引擎插拔式设计，通过构建自定义数据API接口功能，满足风险管理过程中搭载细分领域计量引擎或小程序的灵活性；在模型引擎搭建过程中，一方面引入市场成熟专业计量引擎（RiskMetrics），提升风险计量的精准度，完善复杂资产的风险监测和管理，另一方面引用金工平台、规则引擎等技术组件，实现自建模型可控、可验、可调；在能力建设上，全面风险分析管理方案建立北银理财全面风险统一指标体系，同时在风险集市TDM层进行标准化，满足全面风险视图、预警中心的灵活调用，实现在风险管理过程中统一数据、统一指标、统一视图、统一信号的效果。

二、创新点

（一）构建全面风险数据集市，夯实数据基础

北银理财风险数据集市建设基于实际业务需求与技术实践，聚焦夯实数据基础与处理效率的提升，形成以下核心能力：

1、分层数据架构设计

构建“贴源层（ODS）-主题数据域层（DW）-业务指标层（TAG）”三层结构，通过标准化数据采集、清洗和加工流程，实现风险数据的规范化管理。贴源层对接数据平台推送的基础数据，主题域按风险维度（如市场风险、信用风险）整合数据，指标层封装风险敞口、压力测试等计量模型所需指标，形成可复用的数据资产。

2、混合技术架构支撑

存储层：采用“关系型数据库+ClickHouse列式数据库”混合模式，利用ClickHouse的OLAP高性能特性加速多维分析，同时通过关系型数据库保障事务性数据的可靠性。

计算层：核心算法基于Python开发，结合向量化计算优化指标处理效率；引入分布式计算框架提升批量任务处理能力，满足实时风险计量需求。

工程实现：ETL流程通过风险中台实现自动化调度与监控，应用服务与算法服务支持集群化部署，确保系统的高可用性与扩展性。

3、基础数据标准化与业务支撑

依托统一风险数据集市，对多源数据进行清洗、转换和标准化，确保风险计量数据的完整性与可追溯性。通过自定义标准化数据接口，为风险敞口计算、组合分析、合规监控、流动性监测等场景提供一致的数据服务，同时支持压力测试、模型迭代等动态需求，有效提升风险管理的精准性与时效性。

该项目通过分层架构规范数据加工链路，以混合技术架构解决性能瓶颈，最终形成覆盖数据接入、处理到应用的全流程体系，切实夯实风险计量的数据基础，为业务决策与风险管理提供高质量、高效率的数据支撑。

（二）构建智能化的开放式模型引擎，支撑细分领域计量引擎灵活接入

1、全场景模型开放设计适配体系

基于业务场景的差异化需求构建了灵活可扩展的模型服务矩阵，实现"模型即服务"的智能化支撑。在信用评级场景中引入动态规则引擎，支持业务人员通过可视化界面进行评分卡权重调整、变量阈值配置等操作，实现风险策略的敏捷迭代；针对量化金融场景开发标准化API接口库，封装归因分析、回测分析、因子计算等核心算法模块，支持金工平台的一键调用与结果可视化，较传统开发模式效率提升40%以上；对于深度分析场景则创新性集成JupyterLab开发环境，研究人员可在安全沙箱中完成模型重构训练，并通过自动化流水线实现新模型的快速部署上线，形成从探索到生产的闭环管理。

2、插拔式模型引擎集成架构

采用插拔式技术架构实现多源模型引擎的敏捷整合，构建起开放型风险管理生态。平台通过标准化接口协议，无缝对接RM风险计量引擎的VaR计算模块、全场景压力测试模块，信评模型引擎的全场景信用评级、舆情监控预警，同时支持基于金工平台的市场风险模块及Jupyterhub的自研量化模型。该设计突破传统单体架构的局限性，使得各引擎可独立升级维护，在保证系统稳定性的同时，新模型引擎的接入周期缩短50%。实测数据显示，该架构下市场风险测算时效大幅提升，组合压力测试覆盖维度扩展至6类极端情景，显著增强平台的风险应对能力。

3、“分析建模+Chat”智能范式

本平台在模型交互的模式上实现突破性创新，采用“分析建模+Chat”智能范式，重构业务与模型的协作模式。通过构建风险域模型知识库，整合信用评级、市场风险等相关模型台账，支持自然语言检索模型功能特性、输入输出参数及适用场景，实现模型资产的智能匹配与推荐。另外，基于现有指标库已定义规范化接口--“时间窗口”+“聚合维度”+“统计指标”，通过大语言模型Agent深度理解用户数据分析需求，自动提取数据指标，实现稳定指标提取，供多维业务分析应用，同时探索复杂分析场景的自动数据提取并生成SQL取数代码，实现“分析+Chat”。基于自然语言模型推荐+指标自动提取，实现便捷调用预制API接口，完成模型测试验证。测试数据显示，该模式使业务人员分析效率提升40%，模型匹配准确率达75%，且支持对回测结果的动态可视化分析及策略优化建议生成，形成“需求洞察-自主分析/模型调用-数据驱动-辅助决策”的智能闭环分析新范式。

（三）构建标准化全面风险统一指标库

1、构建全面风险指标体系，贯通数据链路

基于北银理财全面风险管理视角，通过构建统一全面风险指标库，系统性整合基础指标、复杂衍生指标及用户自定义指标，形成总量超1300项的风险指标库，覆盖市场风险、流动性风险等核心领域，并依托一体化管控机制对指标生成规则、计算逻辑及计量结果实施标准化治理，实现风险指标的全生命周期精细化管理。该体系横向贯通资产、投资组合、收益、归因、合规等12大主题域，打通风险识别、监测、评估全链条，提供多维度业务视角；纵向以业务指标层（TDM）为中枢，向下深度对接模型开发层实现数据溯源与价值传递，向上高效支撑风险计量、预警监控及自定义报告生成，为风险分析与管理提供可靠、透明的指标服务。

2、基于OpenRML语言的指标提取工具，实现指标智能测算

基于OpenRML语言的金融知识图谱与血缘驱动设计，构建了"语义解析-知识映射-规则生成"的三阶模型体系，实现自然语言需求到SQL代码生成及计量的端到端映射。

建立了三层知识表结构：元数据层整合产品标签库（如"固定收益类理财产品"→category='固定收益类'）、资产标签库（如"债权类资产"→category='债权类'）及指标计算逻辑形成结构化语义网络；血缘层通过数据血缘引擎追踪字段（如持仓全价市值full_value字段）依赖路径；规则层定义动态阈值校验机制，将业务规则转换为形式化逻辑表达式（如产品净资产SUM(net_asset)）。依赖知识图谱嵌入技术，实现了自然语言→SQL映射：需求解析阶段，OpenRML语义引擎将自然语言（如"单只固定收益类理财产品投资于存款、债券等债权类资产的比例"）解构为AST节点，触发标签匹配与字段血缘追溯流程；规则绑定阶段，监控规则与血缘约束联合校验，生成带逻辑校验的参数化SQL模板；代码执行阶段，动态代码经沙箱校验后调用统一指标库函数完成聚合计算。通过形式化语义引擎与血缘约束的双重保障，系统将SQL实现的准确率提升至95%，快速实现从业务需求到指标模型计量的全流程，为金融合规分析提供方法论支撑。

（四）能力与应用建设上

1、标准数据与智能分析能力

平台通过构建“贴源层-主题域层-业务指标层”三层数据架构，结合关系型数据库与ClickHouse混合存储、分布式计算框架及自动化ETL流程，形成统一风险数据集市，实现多源数据的标准化治理与高效处理，夯实数据底座。依托OpenRML语言驱动的金融知识图谱与“语义解析-知识映射-规则生成”三阶模型体系，平台可自动将自然语言需求转化为物理SQL，贯通数据血缘链路，支撑端到端指标映射与动态溯源。该能力赋能风险敞口计算、压力测试、合规监控等场景，提供高时效、高精度的数据服务，同时支持用户自定义指标与复杂衍生指标的全生命周期管理，实现风险识别、监测、评估的全链条贯通，为多维度业务分析与决策提供透明、可靠的指标支撑。

2、模型引擎灵活集成与智能交互能力

平台采用插拔式架构与“模型即服务”设计，无缝集成RM风险计量引擎、信评模型引擎及自研量化模型，支持多引擎独立升级与敏捷接入，缩短新模型部署周期50%以上。通过构建“分析建模+Chat”智能范式，整合风险域知识库与大语言模型Agent，实现自然语言驱动的模型检索、指标自动提取及SQL代码生成，业务人员可快速调用API接口完成策略调优与回测分析，效率提升40%。该能力直接支撑信用评级调整、市场风险测算、极端情景压力测试等上层应用，并赋能风险量化、舆情预警等场景，形成“需求洞察-模型调用-数据驱动-决策优化”闭环。

3、全面风险工作台

以风险集市为核心底座，搭载市场风险计量引擎、信用模型引擎、压力测试引擎、绩效归因引擎和流动性风险计量等，实现了“一份数据、一套报告”的全面风险视图，构建了全面风险工作台。

平台建立预警中心，在市场风险、流动行风险、合规风险信号识别上，通过动态规则引擎，将统一风险指标库中结果作为风险信号源，通过阈值设置及自动触发条件实现信号订阅；通过多源风险信号整合，构建了从风险计量、风险信号识别到跟踪落实的闭环管理体系，确保风险管理的主动性与前瞻性。这一设计不仅提升了风险识别的精准度，还为决策层提供了清晰、全面的风险洞察，助力北银理财在复杂市场环境中稳健前行。

三、项目技术方案

1、技术架构

全面风险分析平台在技术架构设计上区别于传统应用系统，在数据库上选用列式数据库、关系型数据库结合的存储方式搭建数据结构，进而采用在风险集市向上搭建应用的方式，保证风险计量的处理速度及性能。

风险集市搭建在企业级数据平台基础之上，采用ETL流程进行数据的抽取、转化和加载，可以确保数据的正确性和一致性，同时提供了灵活的数据处理和转换方式。同时，数据底座构建了风险数据贴源层(ODS)、主题数据域层(DW)、业务指标层(TAG)完整的数据架构体系，具备统一数据标准、数据收集、加工以及共享的拓展性。另外，集市可深度集成第三方计量引擎，并支持基于数据管理工作台进行构建数据聚合库，并与其他系统进行交互，在系统内完成计算，或将接入的指标结果在平台之上进行业务场景应用。

在性能提升方面，核心算法指标采用Python，结合向量计算，提升指标计算性能。同时采用传统关系型数据库+列式数据库(ClickHouse）相结合的数据存储方式，使OLAP的性能得到指数级提升。在应用服务、算法服务层面支持集群部署，数据库支持分布式部署，实现系统高性能。另外，平台采用Python分布式计算，实现算法计算高性能。

搭建本地风险模型知识库，维护数据库元数据及API接口，通过AI平台开发Agent助手，拆解风险策略生成逻辑，设计多轮对话机制，同时集成模型历史回测结果，实现自然语言指令到数据提取、模型选择及策略生成的端到端转换。

2、业务模式

（1）构建全面风险管理工作平台及预警中心

构建企业级全面风险分析管理平台，搭建风险经理工作视图、管理驾驶舱、预警中心，满足风险人员各类持仓分类汇总分析、市场风险分析、信用风险分析、流动性风险分析、合规限额管理、绩效归因分析、压力测试、风险探查及跟进等需求场景。

（2）融合更加前沿的风控模块和风险计量模型

平台具备开放性和扩展性，满足理财子业务快速发展，融入国内外领先的风险管理体系和风控模型。平台涵盖市场风险、信用风险和流动性风险等多个风险模块，以及针对不同风险类型的多项功能和指标计量，还包含压力测试、绩效归因等计量模型。此外，还通过外置的RM计量引擎，实现更加丰富的资产计量，也借此通过国外先进的模型和计量方法为公司风险管理工作提供支撑。通过在功能层面更好地融合各类先进风险模型，系统能够更快速、更准确地识别、评估、监测和控制风险，显著提升企业和金融机构对风险的应对能力；便于发现风险的变化趋势，从而调整风险策略，优化资源配置。

（3）风控参数的灵活配置

平台实现风险模型中各类参数的灵活配置，如：合规指标参数灵活配置、情景因子参数灵活配置、金融风险指标参数灵活配置、模型规则灵活配置等。以适应可能灵活调整的风险管理策略。

从平台建设之初，无论是业务需求还是科技需求的沟通中，均强调平台维度标签、指标等需具备灵活性和可扩展性。对于平台中暂时缺少的维度标签（包含产品和资产维度），为支持临时分析使用，可手工添加标签到系统中，并支持在维度树中选择和使用；对平台中暂时缺失的指标，可以通过上游配置指标因子，前端页面设置相应指标快速实现。

（4）敏捷响应风险管理的新方法新思路

平台覆盖公司全部理财产品和不同类型的资产，包括母子产品、美元产品以及各类产品标签；股票、债券、基金、期货、期权、互换等各类资产的统计和风险指标计量，实现产品和资产的全覆盖。

在此基础上，平台具备前瞻性和开放性，能快速响应和支持国外领先的风险管理方法和思路。通过精确的风险评估，为业务创新提供了有力的支持，推动业务的持续发展和增长。

（5）统计分析工具和高效的风控模型研发平台

平台提供便捷的统计分析工具，支持业务人员对管理组合、资产进行多维度统计分析；提供开放、透明、高效的金融算法开放平台，支持业务人员自建开发各类风险模型，赋予业务人员更大的灵活性和能动性，以应对不断变化的市场环境和业务需求。

（6）数据整合管理

平台具备关联数据源对接管理、数据处理任务监控、数据校验等管理能力。通过统一的风险数据底座，对接入数据进行清洗、转换和规范化处理，确保数据的准确性和完整性，为风险指标提供数据质量保障。数据底座的搭建，不仅提高了数据处理效率、提升数据质量、优化资源利用，还能促进业务决策、推动数字化转型。

四、项目过程管理

2024/3，项目启动

2024/3-2025/6，需求确认

2024/7-2024/7，一阶段需求设计开发

2024/8-2024/12，一阶段功能部署实施

2024/12-2024/12，二阶段需求设计开发

2025/1-2025/3，二阶段功能部署实施，进入试运行

五、运营情况

平台自上线以来运行稳定，日均处理风险数据量达百万级，风险计量任务响应时效提升超30%。通过混合存储架构（关系型数据库+ClickHouse）与分布式计算框架，系统在多模型同时触发下仍保持高效运行，压力测试覆盖6类极端市场情景。在实际应用中，信用风险舆情预警模块日均处理新闻舆情千余条，通过BERT模型实现风险标签自动分类，预警信号触发后跟踪闭环率达100%；市场风险计量引擎每日生成全产品组合VaR值及压力测试报告，为投资决策提供精准依据。系统已接入公司核心业务系统群，日均服务用户超百人次，功能迭代更新频率达每月2次，有效支撑了资管新规下的业务合规与创新需求。

六、项目成效

北银理财“环瞰风险”平台通过构建覆盖市场风险、信用风险、流动性风险及合规风险的全景化管理体系，实现了风险指标的统一计量与动态监测。平台深度融合数据中台能力，为投资、交易、产品管理等核心业务系统提供实时风险信号与策略支持，有效提升风险应对的前瞻性。其创新的插拔式模型引擎设计，支持多源计量引擎灵活接入与敏捷迭代，显著缩短了新业务场景的响应周期。此外，平台通过自然语言交互与自动化工具，赋能业务人员快速完成风险分析、指标提取及策略验证，推动风险管理从被动合规向主动赋能转型，为理财子公司在复杂市场环境中的稳健经营提供了坚实的技术保障。

七、经验总结

项目成功的关键在于构建了“技术+业务”双轮驱动的实施框架：

采用分层数据架构与混合存储技术，既保障数据标准化又兼顾性能需求，为复杂风险计量奠定基础；

开放创新 ：通过插拔式模型引擎与标准化API接口，实现多源计量引擎的敏捷集成，使系统具备快速适配监管变化与业务创新的能力；

数据筑基：以统一风险数据集市为核心，结合OpenRML语言驱动的指标生成体系，打通从数据到指标的语义映射链路，实现业务需求的自动化响应；

人机协同：创新“分析建模+Chat”交互模式，将大语言模型与金融知识图谱结合，降低业务人员使用门槛，提升风险分析效率；

合规导向：贯穿全流程的动态规则引擎与智能预警机制，将监管要求内化为系统功能，确保风险管理始终贴合最新政策要求，

这些经验为北银理财在数字化转型中平衡风险管控与业务发展提供了可复用的实践路径。