来源：证券时报·券商中国
一只蝴蝶在巴西扇动翅膀，就有可能在美国的德克萨斯引起一场龙卷风。一个很小的事件可能产生很大的违约后果。在投资领域，类似的事情经常发生。
作为金融市场最重要的机构投资者之一，截至年6月末，保险资金运用余额超过20万亿元，其中投资债券6.97万亿元，投资股票和证券投资基金2.68万亿元，其他投资7.66万亿元。
如何一叶知秋预测经济走势？如何居安思危、未雨绸缪？券商中国记者近日走访人保集团旗下人保资产投资团队，听他们讲述将金融科技引入万亿资产风控管理的背后故事。人保资产是我国第一家保险资产管理公司，目前管理资产逾万亿元，持有固定收益资产超亿元（不含公募）。
超亿固收风控创新，转型“人机”融合
“出现‘苹果’两个字，到底指吃的呢、一首歌呢、还是手机？”人保资产固收部高级投资经理严亦宽试图说明语义分析的难点所在，他同时也是人保集团金融科技团队智能技术组的成员之一。
三年前的年，人保资产启动人工智能信用风险识别算法项目，探索运用大数据和人工智能工具研究企业外部信用评级变动情况，严亦宽全程参与了这项创新项目。
作为债券、非标等固收资产最重要的“买方“之一，管理固收风险一直是保险资管投资管理的重中之重。但是，自年“11超日债”开启中国信用债市场违约以来，在债券发行量大幅提高、强监管叠加经济下行的大背景下，债券违约已经由黑天鹅逐步变成常态，并且有逐年增加态势，投资管理面临巨大压力。
WIND数据显示，-年，债券违约金额分别为.77亿元和.49亿元，-年的债券违约金额均超过亿元。今年以来，已有86只债券违约，违约金额.63亿元。
传统的信用评级框架中，主要依据定性评估与定量评估相结合的方式。定性评估主要是分析师阅读企业的公告、新闻，必要时去现场调研。定量评估主要根据人工对行业、经营风险进行打分，人工看企业的财务报告，并根据专家经验挑选指标和权重，大批量的财务风险评估借助较为简单的线性模型。
传统的方法严重依赖“人”的经验，在发债量不大的年代是有效的，但随着发债企业和发债数量增多以及内外生风险因子增加，债券甄选和风控难度大大提升，传统方法的局限性开始显现。
一是随着需要进行信用评估的企业数量和各类信息几何级增长，人工方法开始跟不上大量数据的处理需求；二是人工选择的方法具有较强的主观性，而且在后续跟踪评级时，容易受到评级机构分析师个人评判标准的影响。
数据显示，年6月末，全国债券市场总托管量达到96.25万亿元。如此大量的融资市场，对于金融机构遴选债券以及对所投资企业信用资质进行投后管理，都是很大的难题。
现代化信息技术的发展为化解这一难题带来了新的工具。严亦宽介绍，从年上半年开始，公司团队决定运用人工智能方法研究各类型发债企业的信用评级变化，涉及的债券类型包括短期融资券、中期票据、企业债、上市公司债、商业银行金融债券、国际机构债、资产支持证券等。
“最初我们让计算机学习年-三季度的企业财务数据，提取了数万个标签样本，然后让计算机来判断企业信用情况，并将结果与年以来的实际评级调整状况进行对比。”严亦宽介绍。
在财务分析的基础上，人保资产在年起开始通过文本学习来判断舆情对企业发展的影响。文本学习不像财务数据，不仅数据庞杂，语义情感分析更是需要慎之又慎。例如某大型公司受到50万元的罚款处罚，处罚本身是负面信息，但是这个处罚对公司的影响有多大？对公司还款能力有影响吗？这就需要专业信评师来进一步分析。
严亦宽介绍，通过“分词-提取-标准化因子-得出情感分析”等步骤，最终成功将超10万个标签与42个标准化因子（包括盈利因子、债务因子）建立对应关系，进而分析舆情对企业的影响。
经过大量的数据整理、详实的分析研究和无数次机器学习，人保资产人工智能信评系统的信评准确率逐步提升，并成功应用到了固收投资管理的实践中。
年债券市场违约频发，年-年，分别有52个和72个主体发生信用违约事件，涉及金额分别为.6亿元和亿，该项目成功识别信用违约主体，年精选出个可能降级的主体，年挑出可能违约主体个。以来，人保资产固收团队规避了全部固收踩雷事件。
“用机器学习算法预测企业负面方向的评级调整，在保证准确率的同时能提高识别提取率。“严亦宽说，AI最大的作用是可以将人从大量的、有规律性的、重复的工作中解放出来。
即便如此，严亦宽指出机器并不能代替人，尤其在预判性、思考型的工作方面需要专业人来实现。“人工智能分为鹦鹉模式和乌鸦模式。鹦鹉学舌可以学的很像，但需要海量数据训练，而且不知道意思。乌鸦不需要训练就能自己学会喝水，这才是未来真正人工智能的方向。目前人工智能的发展还停留在鹦鹉模式。乌鸦模式仅在少数细分领域例如图像识别上有一些进展，在其他领域进展缓慢。不过人工智能未来发展值得期待。”他说。
据介绍，人保资产今年将开展人工智能信用分析系统的第二期工作，一方面将企业信评与公司持仓债券主体、非标主体关联，以便适时
