（来源：中国社会科学院金融研究所）
为加强青年学者之间的交流合作，深化对人工智能金融应用及其风险治理的研究，中国社会科学院金融研究所于2026年11月9日下午举办第39期青年论坛，金融科技研究室助理研究员冯卓就《银行人工智能技术方向同构与系统性金融风险》作专题报告。本期青年论坛由金融研究所党委书记原磊研究员主持，所内科研人员、在站博士后及社科大研究生等参加了本次论坛。
主讲人：冯卓
讲座伊始，冯卓指出，人工智能有助于提高银行信息处理与风险识别能力，共享技术也能够降低系统衔接、模型验证和信息协作成本。但多家银行依赖相似的模型、数据和技术服务，可能使其在贷款判断中产生共同误差，造成所有银行都产生相同的贷款风险。
在研究方法方面，冯卓结合银行财务、银行年报、行业贷款和投入产出表等数据，从数据平台、智能风控、大模型与自然语言处理等八类技术模块出发，分别衡量银行的人工智能披露强度与技术方向相似程度。在此基础上，利用银行共同损失及资本与贷款响应之间的关系约束模型参数，构建连接银行联合损失、资本状态、贷款调整和行业产出的压力测试框架。他指出，年报披露与银行实际人工智能技术应用之间存在明显差距，相关测度仍需结合更细致的业务数据和实地调研加以完善。
研究结果显示，在设定的效率情景下，关闭共同技术风险通道时，人工智能能够使平均损失、金融尾部损失和产出尾部损失均下降约20%。但在共同风险加载较强的压力情景中，相似技术带来的损失联动可能抵消单家银行的效率收益，使体系尾部风险超过传统判断情景。即使平均贷款收缩程度接近，损失同步性、银行资本差异及行业联系仍可能放大实体经济的尾部损失。
围绕风险治理，冯卓进一步比较了技术架构多样化、共同风险资本附加、状态依赖人工复核以及迁移与互操作四类政策工具。他指出，不同工具分别作用于共同技术暴露、损失吸收、模型依赖和技术锁定等环节，政策评价应同时考虑风险改善、技术共享收益以及实施和迁移成本。监管可结合银行共同技术暴露、资本状态和行业网络位置开展风险分层，将跨行技术依赖信息纳入模型治理、人工监督、外包管理和联合压力测试。
与会人员围绕银行如何使用人工智能、相似模型带来的风险与传统贷款审核中的共同风险有何区别，以及如何加强人工审核和监管等问题，与冯卓展开了充分讨论。
最后，原磊书记作总结发言，他对冯卓的精彩演讲表示感谢，邀请大家继续关注金融所举办的“金融论坛”“青年论坛”等学术活动。
（供稿：银行研究室 高崧耀）
