李聞一 黃怡凡 錢磊

【摘 要】 ChatGPT憑借大數(shù)據(jù)、大算力、大標(biāo)注、強(qiáng)算法等，具有強(qiáng)大的語義理解、內(nèi)容創(chuàng)作、代碼編寫功能，在券商融資融券業(yè)務(wù)擔(dān)保資產(chǎn)的風(fēng)險評價中能夠進(jìn)行風(fēng)險評價模型構(gòu)建、代碼撰寫以及結(jié)果評價等。RPA作為“數(shù)字員工”可以運行ChatGPT生成的場景模型代碼，并得出結(jié)果。ChatGPT與RPA的結(jié)合能夠做到對擔(dān)保資產(chǎn)風(fēng)險的事前預(yù)測以及事后改進(jìn)。文章首先討論了融資融券業(yè)務(wù)擔(dān)保資產(chǎn)存在的信用風(fēng)險、市場風(fēng)險、流動性風(fēng)險等問題。其次針對這些問題，運用ChatGPT的內(nèi)容創(chuàng)作以及代碼編寫功能構(gòu)建了融資融券業(yè)務(wù)擔(dān)保資產(chǎn)風(fēng)險評價模型，并通過RPA運行代碼進(jìn)行計算。最后得出結(jié)論和啟示。

【關(guān)鍵詞】 ChatGPT； RPA； 融資融券； 擔(dān)保資產(chǎn)； 風(fēng)險評價

【中圖分類號】 F830? 【文獻(xiàn)標(biāo)識碼】 A? 【文章編號】 1004-5937（2024）02-0088-07

一、引言

融資融券業(yè)務(wù)是指證券公司向客戶出借資金供其買入證券，或者出借證券供其賣出，并收取客戶擔(dān)保物來作為其負(fù)債抵押的經(jīng)營活動。自2010年推出融資融券業(yè)務(wù)以來，其市場規(guī)模不斷擴(kuò)大。比如，滬深兩市融資融券余額從試點首日2012年的659萬元迅速增長到2023年的15 938.01億元，增長了24倍，如圖1所示。但是從2018年開始，融資融券業(yè)務(wù)中融資類業(yè)務(wù)的減值損失不斷提升，到2020年達(dá)到40.99億元，從圖2發(fā)現(xiàn)融資減值損失和信用減值損失在2022年以前每年呈現(xiàn)正增長趨勢。因此，各家證券公司對融資類業(yè)務(wù)風(fēng)險逐步重視，融出資金減值損失開始有所緩解，并在2022年由正轉(zhuǎn)負(fù)。擔(dān)保資產(chǎn)是進(jìn)行融資融券業(yè)務(wù)重要的一環(huán)，融資融券客戶需要進(jìn)行擔(dān)保證券提交和三方存管轉(zhuǎn)賬轉(zhuǎn)擔(dān)保給證券公司，同時，客戶還需提供信用賬戶擔(dān)保物對總負(fù)債進(jìn)行擔(dān)保。由此可見，對融資融券業(yè)務(wù)其信用資產(chǎn)即擔(dān)保賬戶內(nèi)的資產(chǎn)質(zhì)量進(jìn)行分析研究極為重要。融資融券擔(dān)保是券商融資融券業(yè)務(wù)風(fēng)險鎖定的根本[ 1 ]，如何有效控制客戶融資融券賬戶的風(fēng)險進(jìn)行擔(dān)保資產(chǎn)的風(fēng)險評價，成為券商風(fēng)險管理工作的重要內(nèi)容。

現(xiàn)有文獻(xiàn)主要集中于融資融券業(yè)務(wù)系統(tǒng)性風(fēng)險說明[ 2 ]、融資融券制度與企業(yè)債務(wù)違約[ 3 ]、證券公司開展融資融券業(yè)務(wù)的風(fēng)險控制[ 4 ]。對融資融券業(yè)務(wù)擔(dān)保資產(chǎn)的風(fēng)險評價，僅僅是對個人客戶違約概率進(jìn)行了計量研究[ 5 ]，均未構(gòu)建擔(dān)保資產(chǎn)風(fēng)險評價模型以及有效解決擔(dān)保資產(chǎn)風(fēng)險問題。風(fēng)險評價往往需要掌握豐富的金融知識、極強(qiáng)的分析能力以及扎實的代碼寫作能力，本文以開創(chuàng)性的視角引入ChatGPT+RPA，對融資融券業(yè)務(wù)擔(dān)保資產(chǎn)的風(fēng)險評價進(jìn)行模型構(gòu)建和研究，一定程度上能解決知識欠缺所帶來的信息滯后。首先，ChatGPT作為一種自然語言處理模型，可以幫助證券公司更好地處理文本數(shù)據(jù)，并對大量文本數(shù)據(jù)進(jìn)行分析。其次，ChatGPT可以根據(jù)證券公司的風(fēng)險管理需求構(gòu)建模型、生成代碼[ 6 ]，并使用RPA自動化技術(shù)運行代碼，通過量化的手段幫助分析師挖掘深度信息。最后，ChatGPT還可以作為“投資顧問”，根據(jù)市場狀況、競爭環(huán)境、量化結(jié)果等因素，結(jié)合公司的情況，提供更加智能化、高效化的風(fēng)險評價。

二、我國融資融券業(yè)務(wù)擔(dān)保資產(chǎn)的風(fēng)險問題

（一）融資融券業(yè)務(wù)擔(dān)保資產(chǎn)

在我國證券市場實踐中，根據(jù)監(jiān)管業(yè)務(wù)規(guī)則的設(shè)計和安排，證券公司需開設(shè)客戶信用交易擔(dān)保資金賬戶和客戶信用交易擔(dān)保證券賬戶，即為融資融券業(yè)務(wù)擔(dān)保資產(chǎn)。證券公司同時會為參與融資融券業(yè)務(wù)的客戶單獨開設(shè)一套完整的信用賬戶體系，包括客戶的信用資金賬戶、信用證券賬戶、信用三方存管賬戶，以區(qū)別客戶的普通賬戶體系?？蛻舻男庞觅Y金賬戶為客戶信用交易擔(dān)保資金賬戶的二級子賬戶，客戶的信用證券賬戶為客戶信用交易擔(dān)保證券賬戶的二級子賬戶，證券公司客戶信用交易擔(dān)保證券賬戶內(nèi)的證券和客戶信用交易擔(dān)保資金賬戶內(nèi)的資金，為擔(dān)保證券公司因融資融券而產(chǎn)生的對客戶債權(quán)的信托財產(chǎn)，即客戶在信用資金賬戶中的資金和在信用證券賬戶中的證券，共同構(gòu)成了其對證券公司負(fù)債的擔(dān)保。

（二）存在的風(fēng)險問題

1.信用風(fēng)險

在融資融券業(yè)務(wù)中，信用風(fēng)險是指客戶履約能力不足導(dǎo)致到期無法償還資金或證券等，即融資人無法及時補(bǔ)充擔(dān)保資產(chǎn)或是融券人不能按時償還其借入的債券。在客戶未能履約的情況下，公司會采取強(qiáng)制平倉的措施，平倉后融資人仍資不抵債的、融券人仍不能足額償還出借證券，證券公司可以自有資金購買證券來償還證券出借人，再對客戶進(jìn)行追索，如追索不成功，公司承擔(dān)相應(yīng)的損失。

2.市場風(fēng)險

市場風(fēng)險指在證券市場中因市場因素如股市價格、利率、匯率等的變動而導(dǎo)致資產(chǎn)價格波動或投資收益波動的風(fēng)險。對于融資融券負(fù)債而言，因客戶的擔(dān)保證券價格波動，會導(dǎo)致客戶的償債能力變化，極端情況下，會導(dǎo)致客戶資不抵債，進(jìn)而影響證券公司的債權(quán)收回，發(fā)生業(yè)務(wù)減值損失。

3.流動性風(fēng)險

流動性風(fēng)險指證券公司資金或證券頭寸不足，無法滿足融資融券業(yè)務(wù)客戶交易需求或不能到期償還外部債務(wù)的風(fēng)險。證券公司在為投資者提供融資時除了使用自有資金，還會采取外部融資的方式以滿足投資者需求。隨著融資融券業(yè)務(wù)規(guī)模擴(kuò)大，若無法按照原有約定及時收回投資者的融資，將導(dǎo)致證券公司發(fā)生流動性風(fēng)險。

三、融資融券業(yè)務(wù)擔(dān)保資產(chǎn)風(fēng)險評價選擇ChatGPT+RPA的理由

（一）能夠處理大量數(shù)據(jù)

在進(jìn)行融資融券業(yè)務(wù)擔(dān)保資產(chǎn)風(fēng)險評價時，需要進(jìn)行大量證券歷史行情數(shù)據(jù)的取值和清洗，同時要與每家券商自身的融資融券客戶擔(dān)保證券相結(jié)合，找到可以運用的基礎(chǔ)數(shù)據(jù)?；诓煌脑u價周期、不同的擔(dān)保資產(chǎn)性質(zhì)、不同的評價模型方法，需要取得不同歷史數(shù)據(jù)并對其進(jìn)行清洗和轉(zhuǎn)換，成為便于處理的數(shù)據(jù)，這個過程較為繁瑣，僅憑人工數(shù)據(jù)獲取和匹配，需要耗費大量的時間和精力，更容易出現(xiàn)數(shù)據(jù)錯誤。ChatGPT能夠根據(jù)場景需求判斷所需的數(shù)據(jù)，RPA作為自動化機(jī)器人，可以根據(jù)ChatGPT分析結(jié)果自動抓取擔(dān)保證券歷史行情數(shù)據(jù)，節(jié)省人力資源，釋放分析師勞動力以從事更高級的結(jié)果分析工作。

（二）能夠重復(fù)工作

擔(dān)保資產(chǎn)行情數(shù)據(jù)需要長期跟蹤并及時更新分析，存在大量的重復(fù)性工作。市場的風(fēng)險不斷變化，證券的走勢在不斷波動，歷史的數(shù)據(jù)也會不斷更新，當(dāng)天的評價數(shù)值并不適用于后續(xù)評價，需要對其進(jìn)行持續(xù)跟蹤評價，記錄資產(chǎn)風(fēng)險的變化，以在風(fēng)險增加的時候及時發(fā)現(xiàn)并處置，達(dá)到評價風(fēng)險的目的。RPA可以根據(jù)需求設(shè)置程序，自動更新數(shù)據(jù)，并及時準(zhǔn)確地將結(jié)果傳輸給工作人員。

（三）代碼編寫和運算能力強(qiáng)

風(fēng)險評價模型的構(gòu)建需要依賴復(fù)雜的運算過程，計算量大，且涉及復(fù)雜代碼的編寫，非IT技術(shù)人員難以掌握。證券公司客戶擔(dān)保證券的數(shù)量、品種不斷擴(kuò)容，從最初業(yè)務(wù)開展時標(biāo)的證券90只，發(fā)展到2023年超過2 200只，需要計算的每一只證券的數(shù)據(jù)量非常大。風(fēng)險評估時，要計算歷史收益率、方差、協(xié)方差、VAR值等，人工手算幾乎不可能，必須借助代碼公式加以實現(xiàn)，對分析人員要求較高。通過ChatGPT+RPA的組合，實現(xiàn)風(fēng)險評價模型的構(gòu)建和代碼的運行，可以有效解決IT代碼技術(shù)以及運算的問題，提高了分析效率。

四、擔(dān)保資產(chǎn)風(fēng)險評價框架構(gòu)建與實現(xiàn)步驟

（一）框架構(gòu)建

ChatGPT+RPA進(jìn)行擔(dān)保資產(chǎn)風(fēng)險評價的基本框架，如圖3所示，共分為輸入層、處理層、輸出層、操作層四個層面。輸入層包括場景需求和內(nèi)部數(shù)據(jù)，主要是將融資融券擔(dān)保資產(chǎn)風(fēng)險評價場景詳細(xì)描述給ChatGPT，并將場景所需業(yè)務(wù)數(shù)據(jù)進(jìn)行傳輸。處理層包括模型構(gòu)建和代碼寫作，主要是ChatGPT根據(jù)場景需求和內(nèi)部數(shù)據(jù)進(jìn)行合適的模型構(gòu)建，并根據(jù)模型撰寫所需代碼。輸出層包括源代碼和結(jié)果分析，ChatGPT輸出源代碼的文本形式，對代碼運行結(jié)果進(jìn)行分析。操作層包括代碼運行和重復(fù)操作，依靠RPA機(jī)器人運行ChatGPT輸出的代碼，并對每日風(fēng)險進(jìn)行重復(fù)計算。

（二）實現(xiàn)步驟

1.數(shù)據(jù)來源

本文選取東亞前海證券內(nèi)部客戶某日擔(dān)保資產(chǎn)，該日有74位個人和機(jī)構(gòu)客戶進(jìn)行融資融券交易，共持有256只證券標(biāo)的，部分?jǐn)?shù)據(jù)如表1所示。證券收盤價數(shù)據(jù)來源于choice金融終端。

2.模型構(gòu)建

所有擔(dān)保資產(chǎn)可以看作是一個投資組合，因此使用Markowitz均值—方差模型對擔(dān)保資產(chǎn)的風(fēng)險進(jìn)行評價。

對于n項擔(dān)保資產(chǎn)，收益率分別為r1，r2，…，rn，各項擔(dān)保資產(chǎn)的持有比例分別為？棕1，？棕2，…，？棕n，其中∑n i=1？棕i=1。

組合的方差為Var（rp）=∑n i=1？棕2iVar（ri）+∑i≠j？棕i？棕jCov（ri，rj）。

Cov（ri，rj）為第i項資產(chǎn)和第j項資產(chǎn)的協(xié)方差，表示第i項資產(chǎn)和第j項資產(chǎn)之間的相關(guān)性。

一般來說，方差越大，該組合波動率越大，其風(fēng)險越大。

3.參數(shù)說明

本文使用的主要參數(shù)有收盤價、收益率、權(quán)重等，具體參數(shù)說明如表2所示。

4.實現(xiàn)過程

（1）計算日收益率

在ChatGPT中通過相關(guān)描述獲得python代碼并進(jìn)行提問，問答結(jié)果如表3所示。將代碼中樣例數(shù)據(jù)data修改為指定股票收盤價，放入RPA中執(zhí)行，獲得每只證券歷史日收益率。執(zhí)行部分結(jié)果如表4所示。

（2）計算每只證券占整體賬戶權(quán)重

利用RPA計算每只證券的市值與總市值的占比權(quán)重 ，其中mi為證券i的自有證券市值，ni為證券i的融資市值。占比權(quán)重部分計算結(jié)果如表5所示。

（3）計算每只證券的日均收益率方差var（r_i）與協(xié)方差cov（r_i，r_j）

在ChatGPT中通過相關(guān)描述獲得python代碼進(jìn)行提問，將返回的python代碼放入RPA進(jìn)行執(zhí)行得到方差權(quán)重表與協(xié)方差權(quán)重表（表6）。

（4）計算擔(dān)保證券組合方差

根據(jù)公式利用RPA編寫代碼計算擔(dān)保賬戶組合方差。

該組合方差為0.00012382261051574597。

5.結(jié)果評價

以該組合方差為基準(zhǔn)，券商根據(jù)每日兩融業(yè)務(wù)擔(dān)保賬戶持有情況，使用RPA軟件重復(fù)本過程，計算每日組合方差。一般情況下，方差越大，波動率越大，風(fēng)險越高。在方差變化較大時留意當(dāng)天擔(dān)保資產(chǎn)份額，觀察擔(dān)保賬戶持有情況，對資產(chǎn)風(fēng)險較大賬戶持有者進(jìn)行提醒，持續(xù)重點關(guān)注該賬戶擔(dān)保資產(chǎn)變化情況，并采取相應(yīng)措施規(guī)避風(fēng)險。

（三）創(chuàng)新之處

一是工具創(chuàng)新。本文在融資融券擔(dān)保資產(chǎn)風(fēng)險評價中將ChatGPT和RPA兩種工具結(jié)合，突破了以往僅靠人工的操作。將兩融業(yè)務(wù)擔(dān)保資產(chǎn)風(fēng)險每日狀況量化賦值，將重復(fù)性、專業(yè)性的工作交由機(jī)器處理，人工只需起到監(jiān)控作用，極大地釋放了人力資源，為券商兩融業(yè)務(wù)擔(dān)保資產(chǎn)風(fēng)險評價以及其他風(fēng)險評價場景提供了很好的思路和工具。

二是評價步驟創(chuàng)新。本文在融資融券擔(dān)保資產(chǎn)風(fēng)險評價中使用數(shù)字化工具進(jìn)行數(shù)據(jù)處理、模型構(gòu)建、代碼運行，不再依靠專業(yè)分析師的數(shù)據(jù)處理能力、模型構(gòu)建能力以及代碼寫作能力進(jìn)行風(fēng)險評價操作。同時，每日的風(fēng)險賦值都可以在較短時間內(nèi)得出，這些都使得兩融業(yè)務(wù)擔(dān)保資產(chǎn)風(fēng)險評價更加容易，簡化了兩融業(yè)務(wù)擔(dān)保資產(chǎn)風(fēng)險評估步驟。

五、結(jié)論與啟示

（一）結(jié)論

1.ChatGPT與RPA的結(jié)合能夠有效適應(yīng)融資融券業(yè)務(wù)擔(dān)保資產(chǎn)風(fēng)險評價

ChatGPT作為一種大語言模型，其自然語言處理、代碼寫作、上下文理解等方面的功能強(qiáng)大，但在代碼的運行與計算上有所缺失，將ChatGPT提供的代碼自動抓取到RPA自動化流程處理軟件中，能有效解決ChatGPT計算能力上的缺失，更好地賦能企業(yè)。在融資融券業(yè)務(wù)擔(dān)保資產(chǎn)的風(fēng)險評價中，ChatGPT和RPA的結(jié)合通過對風(fēng)險評價模型的構(gòu)建、代碼寫作、代碼運行以及計算結(jié)果的生成，揭示了每日擔(dān)保資產(chǎn)組合的方差大小即風(fēng)險狀況，簡化了分析師風(fēng)險分析流程，效果明顯。

2.本方法出錯率低運算效率高

傳統(tǒng)人工風(fēng)險評價模型的構(gòu)建需要復(fù)雜的計算過程，分析師需要掌握大量的知識進(jìn)行模型構(gòu)建、代碼寫作以及結(jié)果分析，而使用ChatGPT+RPA僅僅只需要將場景應(yīng)用需求傳輸給ChatGPT，運用ChatGPT進(jìn)行模型構(gòu)建和代碼寫作，出錯率低，使用RPA運行該代碼，計算較快。同時，券商的融資融券擔(dān)保資產(chǎn)每天都會產(chǎn)生新的數(shù)據(jù)，人工更新較為復(fù)雜，而使用RPA能夠及時自動更新數(shù)據(jù)，不需要人工每天對數(shù)據(jù)進(jìn)行操作，提高了效率。

（二）啟示

1.企業(yè)要注重引入數(shù)字化工具

數(shù)字化背景下，數(shù)字化工具頻出。企業(yè)要根據(jù)自身場景需求，結(jié)合不同數(shù)字化工具，賦能企業(yè)數(shù)字化轉(zhuǎn)型。ChatGPT與RPA的結(jié)合對融資融券業(yè)務(wù)擔(dān)保資產(chǎn)的風(fēng)險評價提供了思路，同時，可以使用ChatGPT+ERP、ChatGPT+微軟全家桶、RPA+搜索引擎等多種工具，在企業(yè)的特定應(yīng)用場景中進(jìn)行應(yīng)用。

2.券商要注意數(shù)據(jù)安全與隱私保護(hù)

ChatGPT功能強(qiáng)大，在融資融券擔(dān)保資產(chǎn)風(fēng)險評價時會涉及券商內(nèi)部客戶的數(shù)據(jù)，券商在使用過程中要注意安全性，確?？蛻魯?shù)據(jù)的安全存儲和傳輸。在大量場景運用時，企業(yè)要注意隱私保護(hù)，制定合規(guī)場景使用，明確規(guī)定某些隱私信息不可通過ChatGPT運行，遵守相關(guān)的隱私法規(guī)，并采取適當(dāng)?shù)拇胧┍Ｗo(hù)用戶個人信息的機(jī)密性。

3.券商可以將ChatGPT+RPA運用到其他場景

使用ChatGPT進(jìn)行需求重述和代碼寫作，RPA進(jìn)行代碼運行和重復(fù)化流程操作，對券商在其他場景的應(yīng)用具有借鑒意義。比如進(jìn)行量化投資操作時，可以使用ChatGPT將自然語言轉(zhuǎn)化為機(jī)器語言，使用RPA運行代碼并將量化結(jié)果傳輸至ChatGPT進(jìn)行結(jié)果分析，降低量化投資門檻。

【參考文獻(xiàn)】

［1］ 程威.民法典時代融資融券擔(dān)保的法律構(gòu)成：以讓與擔(dān)保為適用進(jìn)路［J］.江西財經(jīng)大學(xué)學(xué)報，2022，139（1）：136-148.

［2］ 劉志洋，宋玉穎.融資融券的系統(tǒng)性風(fēng)險管理研究［J］.上海經(jīng)濟(jì)研究，2015（7）：3-8.

［3］ 陳利，田甜，吳玉梅，等.賣空機(jī)制、內(nèi)部控制與企業(yè)債務(wù)違約風(fēng)險：基于中國融資融券制度的準(zhǔn)自然實驗研究［J］.上海金融，2022（7）：18-30.

［4］ 張成軍，謝海玉.證券公司開展融資融券業(yè)務(wù)的風(fēng)險控制［J］.中國金融，2010，682（4）：59-60.

［5］ 程天笑，聞岳春.融資融券業(yè)務(wù)個人客戶違約概率計量研究［J］.金融研究，2016，430（4）：174-189.

［6］ 李聞一.財務(wù)共享服務(wù)中心的大語言模型應(yīng)用探究［J］.會計之友，2023（15）：2-10.