解读监管视角下的穿透法则

近年来，为加强审慎监管，规范国内金融机构经营行为，银保监会及人民银行发布了一系列管理办法和规范性文件，强调实施穿透监管和实质监管，防范风险交叉扩散，促进经济金融良性循环。与此同时，随着金融科技的迅速发展，金融机构资本筹集方式和运作模式不断更新，风险事件频发，对机构自身穿透核查管理也提出了更高要求。本文将重点围绕监管提出的“穿透”这一概念进行简要解读，并总结归纳促进金融机构提升“穿透”分析能力的有效方式。

01什么是“穿透”？

“穿透”，简而言之就是挖掘某件事物的内部结构，由表象及内里，层层分解，层层剖析，从而了解它的最终形态。对于金融机构来说，“穿透”问题通常可以从两个角度思考：一是资产角度，即穿透核查底层资产，识别资金的流向是否符合宏观调控和监管规定，其风险是否经过适当评估；二是客户角度，即穿透核查最终投资者或最终风险收益承担者，避免风险承担和资产类别错配，明确区分公募与私募，防止私募产品公众化。以商业银行信贷违约结果为例，我们必须要追溯到他们背后不同的原因，进行归纳总结。例如，银行信贷业务必备的四要素，即借款人、贷款用途、第一还款来源、第二还款来源。当借款人通过伪造身份或借用他人身份进行贷款时，那就是追溯实际借款人的问题；当借款人将贷款用于赌博而破产时，那就是追溯实际贷款用途的问题；当借款人由于失业导致没有收入来源时，那就是第一还款来源的问题；当借款人由于担保公司失信导致无法按期还款时，那就是第二还款来源的问题。把这些问题一一抽丝剥茧厘清，这就是所谓银行信贷业务最基本的“穿透”法则。

02为什么要“穿透”？

近年来，各类金融机构之间的业务合作、交叉投资、渠道互享日益频繁，产品结构、业务范围和风险敞口都突破了传统经营界限，加剧了金融系统的脆弱性。为了有效防范系统性金融风险，避免金融风险向实体经济传导，需要金融机构从自身出发，深刻理解穿透理念，严格遵循穿透原则，清晰梳理业务产品的流程架构与数据模型，深度剖析客户群体的法律关系与风险特征，达到监管标准化规范要求，提升金融机构的风控能力。对于商业银行来说，现阶段的风险表现多样且层出不穷，例如：

1.空壳企业授信风险随着违法违规手段的多样化，各种隐性关联客户甚至空壳企业日益增多，给商业银行及监管机构的风险管理带来了巨大挑战。某些企业通过他们控制的空壳公司从银行获得授信，这些空壳公司一般选择在异地注册，股权关系上没有明显的关联，财务状况良好，经营流水稳定，但往往伴随着关联交易，实际成为关联交易和监管规避的平台，为不良贷款埋下了隐患。

2.集团客户大额授信风险对于中小金融机构而言，大额授信客户集中度风险是其中主要风险之一。当前，集团客户的成员企业众多、股权关系错综复杂，且大多是跨地域、跨行业的多元化经营。在融资层面，各种表内外融资方式复杂、融资来源众多，无论是金融机构还是监管机构都很难获得其真实完整的资产负债数据。因此，商业银行如果不能实现对集团客户有效、统一的管理，就无法真正了解各个成员企业的业务经营状况，也就无法有效控制其风险。

3.影子银行业务风险近年来，影子银行业务逐渐成为风险藏匿的高发区。在监管部门的持续压降下，尽管业务规模呈现下降趋势，但新的业务变种仍不断涌现，风险依旧存在。影子银行业务存在三个主要问题：一是实际融资客户不明确，有的通过资管计划包装，有的通过私募股权基金包装；二是业务合作链条中的多个交易对手不明确，交易对手包括银行、信托、基金、保险及券商等，跨行业合作的复杂性凸出且合作链条较长；三是实际承担风险者不明确，投资者未必承担风险，承担风险者不一定出现在业务合作链条中。

03怎样去“穿透”？

面对资产业务扩张及对应产生的大量数据信息，如何从复杂的业务和庞大的业务源数据中将各种信息关联起来，是定位重大风险点、避免风险传导的关键。针对这些困难，需要结合数据治理和金融科技手段进行实践探索，以提高商业银行的穿透分析能力。

1.加强数据标准顶层设计，促进数据共享资源整合商业银行应按照监管穿透性要求，挖掘、采集、梳理各类业务的明细贴源数据、客户信息数据，例如交易对手的资金流向信息、主要客户的股东股权信息等，尽可能还原业务本质，为实施监管穿透夯实数据基础。在整合行内信息的同时，不断拓展数据来源，打破不同部门、不同系统之间的数据壁垒。用户的资金流数据分布于商业银行、第三方机构与政府部门之间，只有促进各个平台之间相互合作，加强数据融合与共享，将各方数据数据结合起来分析，才能获得一个更为完整的用户画像，精准地提炼用户的信用体系。

2.打造数智分析工具，提高监管数据治理能力目前，银行业数据量以TB计、业务笔数以亿笔计，在如此庞大的数据中想要快速、精准地提取出有效信息，不仅需要借助各类数据分析工具，还要实现穿透分析工具的智能化转型。例如，在资金穿透方面，研发应用交易流水跟踪工具，提升资金流向自动跟踪和智能搜索能力；在股权穿透方面，充分利用第三方数据接口，批量查询工商数据和梳理股权关系，自动排查风险线索，将资金关联关系、客户关联关系描绘成关系图谱。这些智能化穿透工具的使用，将为有效识别隐藏风险提供有力保障。

3.强化金融科技支撑，推动人工智能技术应用

1）知识图谱。商业银行借助内外部数据整合后的信息支持，可以突破现有数据分析的技术瓶颈，在股权、投资、高管关联外，通过增加担保信息、抵押权属、资金交易、业务上下游等特有的数据维度，挖掘客户之间的多重关联关系，形成可视化关联关系图谱，从而实现复杂路径下的客户关联关系的查询，辅助业务人员更准确、更有效地识别企业之间的关联关系路径。2）自然语言处理。通过对目标企业及其关联企业的银行交易流水数据、外部新闻舆情数据和司法涉诉类信息数据进行清洗和加工整合，依托深度神经网络分类模型、分词方法及TF-IDF（词频-逆向文件频率） 抽取算法等人工智能技术，在训练模型后，模拟实现各类文本数据的自主识别工作。结合专家的经验识别，将人工确认结果通过监督学习的方式反馈至模型算法进行迭代优化，从而提高模型分类的精度和准确度，实现隐形关系路径下目标对象的有效识别。

结语

穿透法则作为监管机构提出的重要监管理念，有利于监管及被监管双方更好地掌握和管控现有业务存在的真实风险，但在实际的落实层面也存在一定难度。目前，由于各家金融机构对穿透概念的理解存在不同，系统开发和数据处理逻辑也存在着差异，为了保证金融机构产品的规范运作、行业标准的统一，监管机构和金融机构应共同探讨，明确政策执行的具体细则，在保证严控金融机构风险、监管目标有效达成的前提下，在遵循穿透管理要求与促进业务持续发展之间找到最优解决方案。