基于人工神經(jīng)網(wǎng)絡(luò)的金融信息系統(tǒng)風(fēng)險(xiǎn)評(píng)價(jià)

王煦瑩 沈紅波 徐興周

1(香港中文大學(xué)(深圳)經(jīng)濟(jì)管理學(xué)院 廣東深圳 518172) 2(復(fù)旦大學(xué)經(jīng)濟(jì)學(xué)院 上海 200433) 3(中國(guó)船舶集團(tuán)有限公司 北京 200011)

隨著我國(guó)信息化的飛速發(fā)展，大數(shù)據(jù)、人工智能技術(shù)如雨后春筍般地快速發(fā)展，數(shù)據(jù)集中化、集中海量化、海量共享化、共享融合化、融合物聯(lián)化、物聯(lián)智能化的發(fā)展趨勢(shì)已不可逆轉(zhuǎn).金融信息化作為我國(guó)信息化領(lǐng)域的排頭兵，其金融科技的發(fā)展日新月異.金融科技的快速發(fā)展-方面帶來(lái)了高效便捷，另一方面也帶來(lái)了風(fēng)險(xiǎn).在金融科技風(fēng)險(xiǎn)的構(gòu)成要素中，信息系統(tǒng)風(fēng)險(xiǎn)尤為重要[1].因此，要想有效維護(hù)金融安全，就必須快速識(shí)別金融風(fēng)險(xiǎn)；要想快速識(shí)別金融風(fēng)險(xiǎn)，就必須快速識(shí)別金融科技風(fēng)險(xiǎn)；要想快速識(shí)別金融科技風(fēng)險(xiǎn)，就必須有效強(qiáng)化金融信息系統(tǒng)的風(fēng)險(xiǎn)評(píng)價(jià)能力，尤其重點(diǎn)關(guān)注金融信息系統(tǒng)的安全性、穩(wěn)定性和可靠性.

1 相關(guān)研究

金融安全與金融風(fēng)險(xiǎn)兩者互為依存，相當(dāng)于硬幣的兩面，金融安全離不開(kāi)對(duì)金融風(fēng)險(xiǎn)的防控.要想把金融安全工作做好，就必須提高對(duì)金融風(fēng)險(xiǎn)的防范能力[2].

宋喆[3]指出我國(guó)已經(jīng)形成一個(gè)開(kāi)放、全面的金融電子化體系，有效促進(jìn)了我國(guó)金融行業(yè)的改革和發(fā)展，加快了整個(gè)社會(huì)信息化、現(xiàn)代化的進(jìn)程.金融行業(yè)的信息化發(fā)展可以分為3類方式：一是以銀行為主導(dǎo)的數(shù)據(jù)集中型信息化發(fā)展方式；二是以保險(xiǎn)業(yè)為主導(dǎo)的數(shù)據(jù)集中型信息化發(fā)展方式；三是以證券、基金、信托、期貨為主導(dǎo)的數(shù)據(jù)集中與分散型信息化發(fā)展方式.王常華[4]表示金融行業(yè)構(gòu)建計(jì)算機(jī)信息系統(tǒng)追求的是網(wǎng)絡(luò)平臺(tái)構(gòu)建，借此提升行業(yè)服務(wù)質(zhì)量與效率，同時(shí)金融行業(yè)構(gòu)建計(jì)算機(jī)信息系統(tǒng)覆蓋面較廣，提高了金融資源配置應(yīng)用的合理合規(guī)性.雖然金融行業(yè)信息系統(tǒng)的開(kāi)發(fā)方式有所區(qū)別，開(kāi)發(fā)手段不盡一致，應(yīng)用領(lǐng)域各有不同，但從信息系統(tǒng)的開(kāi)發(fā)流程來(lái)看基本是相同的，歸納起來(lái)可以將金融信息系統(tǒng)開(kāi)發(fā)流程分為規(guī)劃論證、需求設(shè)計(jì)、軟件開(kāi)發(fā)、測(cè)試及試運(yùn)行4個(gè)階段.

衛(wèi)麗[5]表示風(fēng)險(xiǎn)分析必須在金融信息系統(tǒng)建設(shè)初期開(kāi)始進(jìn)行，風(fēng)險(xiǎn)管理貫穿于系統(tǒng)建設(shè)和實(shí)施的全過(guò)程.李巍軍[6]指出金融信息十分龐雜，潛在風(fēng)險(xiǎn)巨大.唐輝[7]認(rèn)為金融信息系統(tǒng)網(wǎng)絡(luò)安全類型可以通過(guò)威脅主體、資源、動(dòng)機(jī)、途徑等屬性進(jìn)行描述.徐勁松[8]認(rèn)為金融信息系統(tǒng)風(fēng)險(xiǎn)將造成嚴(yán)重后果，需要相關(guān)機(jī)構(gòu)提前做好風(fēng)險(xiǎn)防控，提升安全風(fēng)險(xiǎn)識(shí)別能力.陳曉燕[9]認(rèn)為金融信息系統(tǒng)安全建設(shè)重在防范和精準(zhǔn)識(shí)別，否則已經(jīng)造成的不良影響將很難補(bǔ)救，因此金融行業(yè)應(yīng)更加重視信息系統(tǒng)管理體系的建立.

綜上所述，金融機(jī)構(gòu)應(yīng)高度關(guān)注信息系統(tǒng)在規(guī)劃論證、需求設(shè)計(jì)、軟件開(kāi)發(fā)、測(cè)試及試運(yùn)行等階段存在的源頭性風(fēng)險(xiǎn)，主要涉及：信息系統(tǒng)規(guī)劃是否科學(xué)，論證是否充分；需求設(shè)計(jì)是否明確，實(shí)現(xiàn)路徑是否清晰；軟件開(kāi)發(fā)是否由金融機(jī)構(gòu)獨(dú)立完成，是否涉及系統(tǒng)外包及從國(guó)外購(gòu)買(mǎi)；軟件測(cè)試是否合規(guī)到位，存在的問(wèn)題是否得到有效解決，問(wèn)題解決過(guò)程是否完整高效；系統(tǒng)是否經(jīng)過(guò)了試運(yùn)行[10].

基于上述風(fēng)險(xiǎn)，本文設(shè)立了金融信息系統(tǒng)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)，提出了基于人工神經(jīng)網(wǎng)絡(luò)的金融信息系統(tǒng)風(fēng)險(xiǎn)評(píng)價(jià)模型.結(jié)果表明，本文模型能夠準(zhǔn)確識(shí)別不同金融機(jī)構(gòu)信息系統(tǒng)的風(fēng)險(xiǎn)狀況，將不同金融機(jī)構(gòu)信息系統(tǒng)的風(fēng)險(xiǎn)狀況分為“高”“中”“低”3個(gè)等級(jí)；同時(shí)將信息系統(tǒng)風(fēng)險(xiǎn)等級(jí)為“低”的金融機(jī)構(gòu)作為關(guān)注重點(diǎn)，采取相應(yīng)措施，以提升金融風(fēng)險(xiǎn)的風(fēng)控水平，更好地保障金融機(jī)構(gòu)的安全運(yùn)行.

2 理論背景

人工神經(jīng)網(wǎng)絡(luò)(artificial neural network, ANN)是通過(guò)對(duì)人類大腦的部分特征進(jìn)行生理模擬，由大量處理單元通過(guò)適當(dāng)?shù)姆绞交ミB而構(gòu)成的一個(gè)大規(guī)模非線性自適應(yīng)系統(tǒng).人工神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的學(xué)習(xí)能力，其可接受用戶提交的樣本集合，根據(jù)所提交的數(shù)據(jù)樣本，依照設(shè)定好的算法，不斷修正優(yōu)化用于確定系統(tǒng)行為的神經(jīng)元之間連接的強(qiáng)弱關(guān)系[11].人工神經(jīng)網(wǎng)絡(luò)模型基本搭建后，可根據(jù)其接受的數(shù)據(jù)樣本集合自然地進(jìn)行學(xué)習(xí).在學(xué)習(xí)過(guò)程中，人工神經(jīng)網(wǎng)絡(luò)不斷從數(shù)據(jù)樣本中提取代表該樣本的獨(dú)特特征，并以連接權(quán)重的形式存放于系統(tǒng)中[12].

BP(back propagation)算法是一種應(yīng)用廣泛的人工神經(jīng)網(wǎng)絡(luò)算法.它通過(guò)輸出層的誤差來(lái)反向預(yù)測(cè)輸出層的直接前導(dǎo)層的誤差，以此類推，最終獲得所有其他層的誤差預(yù)測(cè)，這樣就形成了將輸出層的誤差沿著與輸入信號(hào)傳送相反的方向逐級(jí)向網(wǎng)絡(luò)的輸入層傳播的過(guò)程[13].使用BP算法進(jìn)行學(xué)習(xí)的多級(jí)非循環(huán)網(wǎng)絡(luò)稱為BP網(wǎng)絡(luò).BP網(wǎng)絡(luò)的這種學(xué)習(xí)能力為建立基于人工神經(jīng)網(wǎng)絡(luò)的金融信息系統(tǒng)風(fēng)險(xiǎn)評(píng)價(jià)模型提供了理論保證[14].

3 模型設(shè)計(jì)

3.1 指標(biāo)設(shè)定

為了能夠定量計(jì)算金融機(jī)構(gòu)信息系統(tǒng)的風(fēng)險(xiǎn)狀況，本文針對(duì)金融信息系統(tǒng)開(kāi)發(fā)流程的4個(gè)階段設(shè)立了18個(gè)指標(biāo).具體指標(biāo)名稱及其含義如表1所示：

表1 指標(biāo)名稱及其含義

3.2 數(shù)據(jù)處理

隨機(jī)選擇截至2021年底的60家金融機(jī)構(gòu)開(kāi)發(fā)的信息系統(tǒng)作為數(shù)據(jù)樣本集，對(duì)獲取的相關(guān)信息運(yùn)用多種工具進(jìn)行梳理、加工和計(jì)算，整理加工出60組樣本數(shù)據(jù).為了消除不同指標(biāo)差異的影響，對(duì)樣本數(shù)據(jù)進(jìn)行歸一化處理，使得樣本數(shù)據(jù)都在(0,1)范圍內(nèi).將60組樣本數(shù)據(jù)隨機(jī)劃分為訓(xùn)練樣本和測(cè)試樣本，訓(xùn)練數(shù)據(jù)與測(cè)試數(shù)據(jù)的數(shù)據(jù)量比例為2∶1.模型訓(xùn)練過(guò)程中，因?yàn)锽P神經(jīng)網(wǎng)絡(luò)初始權(quán)重設(shè)置并不相同，對(duì)應(yīng)的訓(xùn)練結(jié)果也會(huì)發(fā)生隨機(jī)變化，從而得到不同的輸出數(shù)據(jù).為了避免這種現(xiàn)象的發(fā)生，通過(guò)隨機(jī)種子參數(shù)random_state進(jìn)行調(diào)整，對(duì)數(shù)據(jù)進(jìn)行處理.

3.3 模型提出

本文模型的建立思路是：

1) 實(shí)現(xiàn)BP神經(jīng)網(wǎng)絡(luò).

隨機(jī)選取較小的非零數(shù)，設(shè)置初始權(quán)重W(0).構(gòu)造輸入/輸出樣本對(duì)(A,B)，其中輸入樣本為AP=(a1p，a2p,…,anp) ，輸出樣本為B=(b1p，b2p,…,bnp) ，p=1,2…,L.設(shè)置實(shí)際輸出為DP= (d1p，d2p,…,dnp).模型根據(jù)不同的隱藏層、輸入層、輸出層進(jìn)行多次正向傳播計(jì)算，得到測(cè)試數(shù)據(jù)對(duì)應(yīng)的被解釋變量的預(yù)測(cè)值(即輸出樣本B).將此預(yù)測(cè)值與實(shí)際測(cè)試數(shù)據(jù)中被解釋變量的實(shí)際值帶入目標(biāo)函數(shù)求取誤差值J(t)，如式(1)所示：

(1)

將J(t)與要求的精度ε進(jìn)行比較.當(dāng)J(t)≤ε時(shí)，訓(xùn)練結(jié)束；否則按照梯度下降的方法反向逐層調(diào)整權(quán)重值Wij，如式(2)所示，直到J(t)≤ε，訓(xùn)練結(jié)束.

(2)

其中，η為倍數(shù)因子.

2) 運(yùn)用R語(yǔ)言構(gòu)建基于人工神經(jīng)網(wǎng)絡(luò)的金融信息系統(tǒng)風(fēng)險(xiǎn)評(píng)價(jià)模型.

選擇不同數(shù)量的隱含層神經(jīng)元分別執(zhí)行模型，通過(guò)執(zhí)行過(guò)程中的誤差值對(duì)比，選擇最優(yōu)的隱含層神經(jīng)元數(shù)量，以確立本文神經(jīng)網(wǎng)絡(luò)模型.分別設(shè)置1～7個(gè)隱含層神經(jīng)元數(shù)量，并以誤差函數(shù)的絕對(duì)偏導(dǎo)數(shù)(精度)0.05為結(jié)束標(biāo)準(zhǔn)，即每次執(zhí)行模型，如果輸出層的輸出結(jié)果(即J(t))≤0.05，則停止本組數(shù)據(jù)在BP神經(jīng)網(wǎng)絡(luò)的運(yùn)算.實(shí)際測(cè)試中，當(dāng)分別設(shè)置1～7個(gè)隱含層神經(jīng)元數(shù)量時(shí)，不同神經(jīng)元數(shù)量在神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練次數(shù)分別為311,324,215,368,376,454,532次時(shí)，輸出誤差值(J(t))小于0.05，訓(xùn)練結(jié)束，此時(shí)誤差值分別對(duì)應(yīng)為0.003 3,-0.002 4,0.000 1,-0.000 2,-0.000 4,0.002 0,0.003 8.綜合考慮不同神經(jīng)元數(shù)量的訓(xùn)練次數(shù)與誤差值，表明隱含層為5個(gè)神經(jīng)元時(shí)訓(xùn)練效果最好.

3) 設(shè)定評(píng)價(jià)金融機(jī)構(gòu)信息系統(tǒng)風(fēng)險(xiǎn)的標(biāo)準(zhǔn).

以每個(gè)機(jī)構(gòu)的18個(gè)指標(biāo)為1組輸入數(shù)據(jù)，輸入構(gòu)建的基于人工神經(jīng)網(wǎng)絡(luò)的金融信息系統(tǒng)風(fēng)險(xiǎn)評(píng)價(jià)模型.根據(jù)輸出層的輸出數(shù)據(jù)(即輸出層的被解釋變量的預(yù)測(cè)值)，結(jié)合實(shí)踐經(jīng)驗(yàn)，設(shè)定評(píng)價(jià)金融機(jī)構(gòu)信息系統(tǒng)風(fēng)險(xiǎn)的標(biāo)準(zhǔn)如下：如果輸出層的被解釋變量的預(yù)測(cè)值大于0.8，表示該金融機(jī)構(gòu)擁有“高”的信息系統(tǒng)風(fēng)險(xiǎn)狀況；如果在0.6～0.8之間，表示該金融機(jī)構(gòu)擁有“中”的信息系統(tǒng)風(fēng)險(xiǎn)狀況；如果小于0.6，表示該金融機(jī)構(gòu)擁有“低”的信息系統(tǒng)風(fēng)險(xiǎn)狀況.

4 模型計(jì)算與結(jié)果分析

4.1 訓(xùn)練樣本計(jì)算與分析

首先，通過(guò)建立的BP人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型對(duì)訓(xùn)練樣本進(jìn)行訓(xùn)練.采用式(1)通過(guò)迭代訓(xùn)練得到最優(yōu)訓(xùn)練結(jié)果.

然后，通過(guò)相關(guān)系數(shù)分析和誤差分析對(duì)最優(yōu)訓(xùn)練結(jié)果進(jìn)行檢驗(yàn).對(duì)最優(yōu)訓(xùn)練結(jié)果中的預(yù)測(cè)值與實(shí)際值進(jìn)行擬合，得到金融機(jī)構(gòu)信息系統(tǒng)風(fēng)險(xiǎn)預(yù)測(cè)值與實(shí)際值的相關(guān)系數(shù)為0.999 906 093，此結(jié)果在本文接受范圍內(nèi).利用均值公式、平方和公式對(duì)最優(yōu)訓(xùn)練結(jié)果進(jìn)行誤差分析，得到均值誤差為0.003 124 665，平方和誤差為0.000 380 778，相對(duì)誤差為0.003 124 665.誤差較小，說(shuō)明訓(xùn)練樣本的精度較高.

最后，將最優(yōu)訓(xùn)練結(jié)果帶入金融信息系統(tǒng)風(fēng)險(xiǎn)評(píng)價(jià)模型，將最優(yōu)訓(xùn)練結(jié)果擬合輸出，如圖1所示:

由圖1可知，預(yù)測(cè)值與實(shí)際值擬合效果很好.結(jié)合3.3節(jié)提出的評(píng)價(jià)金融機(jī)構(gòu)信息系統(tǒng)風(fēng)險(xiǎn)的標(biāo)準(zhǔn)對(duì)輸出結(jié)果進(jìn)行分析.針對(duì)40個(gè)訓(xùn)練樣本，輸出結(jié)果小于0.6的有10個(gè)，即風(fēng)險(xiǎn)等級(jí)“高”的有10家金融機(jī)構(gòu)；輸出結(jié)果在0.6～0.8之間的有20個(gè)，即風(fēng)險(xiǎn)等級(jí)“中”的有20家金融機(jī)構(gòu)；輸出結(jié)果大于0.8的有10個(gè)，即風(fēng)險(xiǎn)等級(jí)“低”的有10家金融機(jī)構(gòu).綜合上述結(jié)果，說(shuō)明建立的人工神經(jīng)網(wǎng)絡(luò)模型在金融機(jī)構(gòu)信息系統(tǒng)風(fēng)險(xiǎn)評(píng)價(jià)上模擬效果好、訓(xùn)練精度高.

4.2 測(cè)試樣本計(jì)算與分析

首先，用金融信息系統(tǒng)風(fēng)險(xiǎn)評(píng)價(jià)模型測(cè)試預(yù)先分類的20組測(cè)試樣本，獲取測(cè)試結(jié)果.

然后，對(duì)測(cè)試結(jié)果中的預(yù)測(cè)值與實(shí)際值進(jìn)行擬合，得到金融機(jī)構(gòu)信息系統(tǒng)風(fēng)險(xiǎn)預(yù)測(cè)值與實(shí)際值的相關(guān)系數(shù)為0.999 912 775，測(cè)試樣本的預(yù)測(cè)值與實(shí)際值的相關(guān)系數(shù)高于訓(xùn)練樣本的相關(guān)系數(shù).利用均值公式、平方和公式對(duì)檢驗(yàn)結(jié)果進(jìn)行誤差分析，得到均值誤差為0.003 940 158，平方和誤差為0.000 294 97，相對(duì)誤差為0.003 940 158，均值誤差大于訓(xùn)練樣本的均值誤差.以上結(jié)果均在本文接受范圍內(nèi)，說(shuō)明本文模型在調(diào)參過(guò)程中選擇的超參數(shù)較好.

最后，將測(cè)試結(jié)果擬合輸出，如圖2所示:

由圖2可知，預(yù)測(cè)值與實(shí)際值幾乎重合，說(shuō)明吻合程度較高.結(jié)合3.3節(jié)提出的評(píng)價(jià)金融機(jī)構(gòu)信息系統(tǒng)風(fēng)險(xiǎn)的標(biāo)準(zhǔn)對(duì)輸出結(jié)果進(jìn)行分析.針對(duì)20個(gè)測(cè)試樣本，輸出結(jié)果小于0.6的有4個(gè)，即風(fēng)險(xiǎn)等級(jí)“高”的有4家金融機(jī)構(gòu)；輸出結(jié)果在0.6～0.8之間的有10個(gè)，即風(fēng)險(xiǎn)等級(jí)“中”的有10家金融機(jī)構(gòu)；輸出結(jié)果大于0.8的有6個(gè)，即風(fēng)險(xiǎn)等級(jí)“低”的有6家金融機(jī)構(gòu).

4.3 評(píng)價(jià)與建議

從前述分析可知，整體來(lái)看，訓(xùn)練樣本和測(cè)試樣本的相關(guān)系數(shù)都很高，均值誤差較小，信息系統(tǒng)風(fēng)險(xiǎn)評(píng)價(jià)預(yù)測(cè)值-實(shí)際值擬合效果很好，說(shuō)明本文建立的基于人工神經(jīng)網(wǎng)絡(luò)的金融信息系統(tǒng)風(fēng)險(xiǎn)評(píng)估模型是可靠的、可行的.

根據(jù)模型測(cè)試結(jié)果從金融角度提出以下建議：1)抬高準(zhǔn)入門(mén)檻.國(guó)家對(duì)金融機(jī)構(gòu)入場(chǎng)進(jìn)行嚴(yán)格把控，有關(guān)部門(mén)對(duì)此類機(jī)構(gòu)進(jìn)行嚴(yán)格背景審查，要求其提供從業(yè)資格證、執(zhí)照、公司歷史征信記錄等，把風(fēng)險(xiǎn)出現(xiàn)的可能性降低.2)建立數(shù)據(jù)庫(kù).例如，針對(duì)風(fēng)險(xiǎn)等級(jí)“高”的機(jī)構(gòu)，整理此類機(jī)構(gòu)的問(wèn)題，總結(jié)經(jīng)驗(yàn).同時(shí)，針對(duì)已經(jīng)入場(chǎng)的機(jī)構(gòu)，如風(fēng)險(xiǎn)等級(jí)“中”和風(fēng)險(xiǎn)等級(jí)“低”的機(jī)構(gòu)，定期排查其經(jīng)營(yíng)業(yè)務(wù)并進(jìn)行評(píng)價(jià)記錄，定期核查數(shù)據(jù)的異常情況，做到信息完全透明和風(fēng)險(xiǎn)擴(kuò)大前的快速反應(yīng).3)堅(jiān)守底線思維.金融企業(yè)必須嚴(yán)格遵守行業(yè)規(guī)則以及政策和法律法規(guī)，保護(hù)用戶隱私.監(jiān)管部門(mén)要明確金融機(jī)構(gòu)的服務(wù)邊界以及監(jiān)管底線，精準(zhǔn)保護(hù)消費(fèi)者權(quán)益，把可能引發(fā)的風(fēng)險(xiǎn)控制在可承受的范圍內(nèi).

5 結(jié)束語(yǔ)

本文基于人工神經(jīng)網(wǎng)絡(luò)模型建立了金融信息系統(tǒng)風(fēng)險(xiǎn)評(píng)價(jià)模型，可以較完整地判定金融機(jī)構(gòu)信息系統(tǒng)的風(fēng)險(xiǎn)等級(jí).實(shí)驗(yàn)結(jié)果表明，該模型計(jì)算得出的金融機(jī)構(gòu)信息系統(tǒng)風(fēng)險(xiǎn)評(píng)價(jià)值與實(shí)際值吻合度較高，模型可行性較好、精度較高，在一定程度上解決了金融機(jī)構(gòu)信息系統(tǒng)的風(fēng)險(xiǎn)評(píng)價(jià)問(wèn)題.