在金融发展的历史上，因各种风险造成银行倒闭的例子不胜枚举。其中，流动性风险是不得不关注的一大领域。
引发全球金融业关注的重大案例很多，比如2007年次贷危机中的北岩银行。
北岩银行是英国主要的住房按揭银行之一，其业务模式是向客户提供各种各样的贷款，但是，由于其流动性风险管理出现问题，这家英国第五大抵押贷款银行最终破产。
近年来，随着国内、国际经济金融形势的变化，特别是面对巴塞尔协议的变化，以及我国推进利率市场化进程的逐步加快，重视流动性风险管理已成为业界和监管的共识。
中国建设银行首席经济学家黄志凌在2009年就曾发文指出，保持流动性是商业银行的“免死金牌”；流动性风险关乎商业银行的生死存亡，是压倒金融机构的“最后一根稻草”。
工欲善其事必先利其器。近年来，前沿科技“图计算”，在流动性风险管理方面已成效显著。这项技术，打破了传统流动性管理系统以及依靠手工报表判断预测变化的传统模式。
笔者将从图计算的科普、对流动性风险的认识、图计算在流动性风险管理系统的应用和突破进行综述，重点关注的是“怎么看”和“怎么做”两个方面，旨在从流动性风险计量工具的角度提出相关思考与建议。
01 什么是图计算
1、浅谈图计算的溯源。图计算的“图”，既不是图片的“图”，也不是图画的“图”，而是源于数学概念中的“图论”。
从现代科学的角度来看，图计算最早源起于数学家欧拉在300年前提交的一篇论文——《哥尼斯堡的七座桥》，也就是证明能否通过“一笔画”的方式，从任何一座桥出发，可以穿过七座桥，再回到出发地点。当时欧拉用证伪的方法证明这是不可能实现的，这也成为图论和拓扑学最早的开端。在欧拉之后，直到上世纪六十年代，才出现了随机图理论，也是从彼时开始，图论由纸上谈兵转为大量的实际应用和突破，比如地图染色算法、最短、最优路径计算，动态规划，社区识别等各类图算法等。
.png)
2、浅谈图计算原理。人们常用沙滩建塔、丰墙峭址来形容地基的重要性，对于图计算而言，它就等于是人工智能（AI）的基础设施，是保障其建造九尺之台的坚实基石。
2.png)
在大数据与云计算的时代，很多人认为算力已经是无处不在的了，这种理解往往和事实有较大的偏差。真实的情况是，大量的底层（基础层）硬件的算力被白白地浪费掉了，因为在技术层如果没有去充分地释放基础层硬件的算力，应用层是根本无法获得高算力的。在今天，从碳中和的角度来看，互联网数据中心中的服务器的算力资源的利用率都非常之低（不足5%-10%），不能不说是太过高耗和浪费了。此外，不同的图计算（图数据库）产品的性能是千差万别的，只有实现真正底层创新的图技术才能赋能金融业务的创新。
高性能图计算一方面通过高密度并发、深度穿透、动态剪枝等能力来充分地释放底层硬件的算力，旨在让应用层充分获取底层的计算资源。另一方面，图计算可以通过对海量且复杂数据进行深度的穿透和挖掘来计算出数据之间的关联关系，这种计算其实可以比作是对人类大脑的一个逆向工程。
从现实场景的应用来看，当年美国CIA能成功猎杀本拉登的秘密利器即归功于图计算。该技术成功帮助中情局通过对本拉登相关或间接的财务数据、DNA数据、语音、图像、文本、地理位置、通讯等海量情报，进行了复杂的分析、挖掘和深度关联，最终精准锁定目标、一举击毙本拉登。
在金融场景中，图计算还协助银行找回前纳斯达克主席伯纳德·麦道夫庞氏骗局隐匿了20年的资金，通过层层数据穿透和挖掘，帮助受害者追回了部分损失。
3.png)
02 传统计量工具痛点VS“图”变革
1、技术侧要避免事后诸葛。2009年12月，坐落在瑞士第三大城市巴塞尔的巴塞尔银行监管委员会，提出了两个流动性风险计量指标——LCR（流动性覆盖率）和NSFR（净稳定资金比率）。2014年2月，我国银监会发布了《商业银行流动性管理办法》将LCR引入，并与存贷比和流动性比例一起作为三项流动性风险监管指标。值得一提的是，LCR的计算规则十分复杂，需要调用海量的数据，如果依靠手工填报那将是一项不可能完成的工程。
而且，目前商业银行采用的流动性风险管理指标多为静态指标，这就导致了历史数据计算出的指标只是反映出银行某一历史时间的流动性状况，而非动态的、实时的、全面的监测，这种“事后诸葛”式的监测，很容易出现指标良好但风险较大的现象。
此外，银行的金融场景是一种长链条计算的场景，这就要求技术实现上所定的规则要更为复杂，因为会涉及到各种回溯、归因，而且数据的计算量更大，同时也更注重时效性。只有实现这种实时、全面、深度穿透、逐笔追溯、精准计量的监测和预警，才能保障金融风控中避免出现诸如“蝴蝶效应”式的风险的发生。
5.jpg)
图：上万笔资金流向，深度穿透下钻43层
2、技术侧要保持与时俱进。在2008年金融危机后，重视流动性风险管理逐渐成为业界和监管的共识，业界专家们在研究中发现风险具有关联性、相互转化、传递和耦合的特点，且风险传播渠道更为复杂，跨市场、跨领域的情况日益突出。
就对技术的要求上来说，关系型传统数据库，目前虽然依旧保有市场量，但在处理海量、动态变化的数据需求方面明显力有不逮，且在成本、易用性、灵活性上短板日显，而作为后起之秀的图计算与图数据库区别于过去银行使用以Oracle（甲骨文）为代表的传统数据库系统长期存在的“时效差，算的慢”、“黑盒化，算不准”、“粗糙计量，算不精”、“成本高，算的贵”带给业务侧的一系列痛点，通过底层的实时图算力、高可视化、白盒实时回溯等性能，实现了逐笔金融风险的科学计量、深度下钻与穿透。今年7月，招商银行获得《亚洲银行家》2021年度“中国流动性风险管理成就奖”，在技术侧实现了算力、算法、合规、成本、穿透计量五个维度的突破。流动性风险图中台（图计算）系统在技术上满足了与银行实际业务贴近的诉求，并实现了与金融市场与时俱进的发展要求。
03 图计算在流动性风险管理系统上的创新和突破
从目前银行业务侧反映的情况来看，流动性风险管理图计算（图中台）系统在创新上共沉淀出六大成果：
第一高密度计算，集群更小。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。
以招行流动性风险图中台的实际应用来对比，其仅用了数台服务器的小规模集群即完成了全行LCR的全面计算、穿透和高可视化，较传统系统的算力、效率获得指数级的提升。
第二可视化全景数据。区别于传统的AI知识图谱，流动性风险管理图计算（图中台）系统的高可视化图谱实现了在以底层算力拉动前提下的处理海量复杂数据的能力，并以实时交互可视化的方式，让人一目了然地看到并知晓各个数据间的业务逻辑，给银行业务人员及管理层以直观决策。此外，该系统还支持2D、3D可视化切换模式，能全景呈现各数据指标和路径。
第三超强算力，速度快万倍。算力是检验底层硬核科技性能的标准之一。在对比测试中发现，基于关系型数据库架构计算LCR需要T+1，用实时图数据库则是实时（秒级），在性能上存在万倍以上的差异。值得一提的是，如果作为一个大型商业银行，它是基于全行数据的一次计算，其中包括存贷款、零售、对公、同业等全量的、数以亿级的海量数据进行计算，且数据量还是覆盖30天的，那么它的数据计量已达到近百亿级，这是非常考验底层系统性能的承压能力的。
第四超深度分析，追溯每笔交易。黑盒化犹如薛定谔的猫，仅呈现最终结果，无中间过程，计量不可解释，无法审计也不合规，一直是银行在使用传统流动性管理系统时的隐忧。区别于此，图计算（图中台）流动性风险管理系统可以做到深度穿透性的下钻和分析，能追溯到银行里的每一笔交易，并实现实时可追溯、可视化管理计算细节，并能精准定位传导路径，旨在最终保障业务方获取到的数据既可解释又精准。
第五精准计量，账户每一分钱。精准计量除了满足外部的监管，更多是为了助力银行内部的增效，有利于指导经营活动，增强产品在市场上的韧性，更好地辅助用户通过精准计量实现产品上的融合、组合，科学指导营销路径上的精准优化。
第六实时计算LCR及变化原因。区别于传统流动性系统时效差、算的慢的痛点，图计算流动性风险管理系统能对海量、复杂数据进行实时计算并精准计量其变化原因，助力业务方第一时间预知风险变化，完成监管要求，实时调整行业业务决策，帮助制订业务规则，最终实现银行在安全性、盈利性和流动性“三性”之间的平衡，做到运筹帷幄之中，决胜千里之外。
