近年来，人工智能、区块链、云计算、大数据等新技术快速发展，推动银行业向数字化、智能化时代演进。随着海量数据被用于分析、决策，图计算因算力强、效率高等优点被越来越多地运用于银行风险管理领域。
01 图计算是什么
我们在现实生活中经常会用到“图”的思维。例如，如果你问一个人：成吉思汗对于万有引力有什么影响？大家乍一听可能会觉得荒谬，但从图关联关系的角度看，这中间包含了横跨东西时空400年的历史。
.png)
其中一条关联路径是：成吉思汗发动了蒙古西征，导致了黑死病的蔓延，最后一次黑死病爆发造成了伦敦大瘟疫，而当时牛顿正在躲避瘟疫，在苹果树下被苹果砸中发现了万有引力定律。这是一张典型的知识图谱，而人类的逻辑思维，多是以“图”的方式来进行的。
作为前沿科技的图计算技术在近十年已历经四代演进，第一代例如JanusGraph，第二代例如Neo4j、第三代例如TigerGraph，第四代例如Ultipa Graph。
图计算正在并将带来越来越多的影响。比如利用图技术精准锁定了本拉登的藏身之地；在金融领域，图技术协助银行找回麦道夫在庞氏骗局中隐匿了20年的资金，发掘出这场世纪欺诈案中真正的主角Picower，迫使Picower遗孀归还了72亿美元赃款。
.jpg)
02 图计算在银行流动性风险管理中的应用
流动性风险管理图中台技术的落地实践
今年7月，招商银行斩获《亚洲银行家》2021年度“流动性风险管理成就奖”，是在国际上利用图计算技术实现了计量流动性监管指标的突破性创新。
我们知道，流动性风险管理是金融机构需要报送的重要监管指标，而大型商业银行、股份制银行，甚至头部城商行，数据量非常大。区别于此前Oracle系统每天花费几个小时才能计算出LCR（流动性风险覆盖率）指标，流动性风险管理图中台系统只用1秒钟即可实现计算结果。同时，Oracle的LCR指标是黑盒化的，这对于业务人员来说，很难分析出该指标是由什么构成的，计算结果是否正确，计算过程是否精准，能反映银行业务的哪些状况和预警。
流动性风险管理图中台系统还可以进行多纬度的变化归因分析，正向模拟和反向追溯，也就是可以通过一个账户或一个客户，不仅把经过行业、分行、资产类型等维度对于在LCR的传导路径计算出来，还可以实时可视化地呈现给业务人员。同时，业务人员可以在图中台系统上进行归因分析和压力测试及情景模拟操作。图中台系统不仅满足了监管需求，还实现了内部经营管理的数据支撑和业务驱动工具平台。
图中台系统实现的技术突破
高密度计算，性能指数级提升。通过高密度的实时图计算，用更少的计算资源，更低的碳排放，获取到更高的算力并发，对比原有的Oracle系统计算，计算LCR值性能提升了10000多倍。
超强算力，实现穿透性下钻分析。算力是检验底层硬核科技性能的标准之一。针对全行每天全部的海量数据，原有系统无法做到逐笔计量，而利用Ultipa Graph可以轻松实现全量的数以亿级的海量计算和做超深度图遍历，可以精准计量到每一笔交易、账户中的每一分钱。
实时可视化全景呈现。以实时交互可视化的方式，把原来只能通过数小时计算出来的LCR数值，变成了一个高可视化且白盒可解释的系统，可以全景呈现并实时分析流动性的构成、流动性变化的原因、流动性的监控预测等，能帮助金融机构大幅提升经营管理效率，提升服务质量，提供决策依据。
实时可视化全景呈现。以实时交互可视化的方式，把原来只能通过数小时计算出来的LCR数值，变成了一个高可视化且白盒可解释的系统，可以全景呈现并实时分析流动性的构成、流动性变化的原因、流动性的监控预测等，能帮助金融机构大幅提升经营管理效率，提升服务质量，提供决策依据。
满足监管要求，实现内部增效。原有系统压力测试是通过业务人员的经验，设置一系列的关于压力测试的参数，再由研发人员通过代码来实现的。而流动性风险管理图中台系统，针对流动性指标做排列组合，无需代码开发，业务人员可以随时调整参数，及时查询结果。如此一来，图中台系统除了能满足监管的要求，还可以做更多的模拟场景、做更多的压力测试，以助力银行内部增效，提供产品上的组合、经营上的优化和决策。
集群规模更小，银行总拥有成本大幅度降低。金融机构在数字化转型的过程中，系统要满足业务发展的需要，实现快速部署、方便扩展、快速迭代，这是流动性风险管理图中台的另一大突破，不管是从开发部署，还是从运维的角度看，图中台系统都可以比原有系统做到约75%的成本降低。
03 图计算在金融风险多场景的应用
图计算对于金融风险多场景的应用也表现出了明显的优势。
股权穿透识别隐形集团。在银行对公业务、供应链或集团客户场景中，图计算能深度发掘基于工商信息或集团的投资网络，集团的董监高、实际控制人、最终受益人等信息。针对比较复杂的集团，要做到实时分析是有相当难度的，比如要发掘恒大这样的大型集团的投资网络，用传统的技术是无法实时计算的，而用Ultipa Graph只需要200毫秒，能够实时发现该集团关联的几十万家企业，并发掘出其中的关联关系。
信用风险传导概率、路径的实时计算。例如，供应链中的某个核心企业如果出了信用风险，用图计算技术可以迅速定位分析，并可通过可视化的方式清晰展示出它对于整个供应链上下游企业到底有什么样的影响。
风险识别预警。基于金融机构担保、交易等信息，可以构建看似复杂交易图谱，结合外部数据源，可以实时预判出风险变化，也可以为客户经理提供实时的指导、调整业务决策。
营销路径优化。通过图计算打通零售、对公的海量数据，从销售端看，可以基于零售或对公业务做互相的业务推介和优质客户的挖掘；从风险端也可以更好地从全局的角度预判风险，减少损失。
资金流向分析。无论从监管的角度，还是从银行的角度，找到超深度的资金流向，然后去判断资金的走向很有必要。举个例子，图计算可以实时跟踪43层的资金流向，这对于反洗钱或者监控违规风险操作是很有价值的。
利用图算法识别风险客群。图数据库本身包含很多图算法，基于这些图算法就可以定位欺诈行为或欺诈团伙，比如薅羊毛群体、电信诈骗团伙等，这些在图上都可以实现快速定位和甄别。
在线实时反欺诈。利用图计算提升在线实时反欺诈的性能是很典型的例子。比如在信用卡或者小额信贷的申请中，当出现任何一个电话号码同时被多人重复使用，在原有几千万甚至上亿的存量信贷申请中做全量数据比对，图计算系统只须秒级就能完成计算，较Spark等大数据系统时效性提升100倍以上，这在时效性上满足了银行的线上业务需求。
总之，图计算作为一项硬核的底层创新技术，可以在增强风险识别防控能力、优化业务流程、提升管理质效、降低运营成本、改善服务体验等诸多方面为金融机构探索了新的模式突破。
