“数字金融的本质还是金融，它具有金融所有的风险特征，包括信用风险、流动性风险、市场风险、操作风险、法律风险等传统风险，同时作为数字化金融还存在算法风险、数据风险，以及垄断及新型的大而不能倒的风险，所以发展数字金融必须以有效的监管为前提，把风险防控放在更加重要的位置，守住底线。”这是国务院参事、中国银保监会原副主席王兆星近期在第五届中国金融科技创新大会上就金融科技风险的话题发言时作出的陈述。

他认为，数字金融必须遵循金融规律，要让技术为金融服务，不能用技术的手段为金融套利，形成金融风险。数字金融的运用必须坚守风险底线，确保金融安全。

数字金融的风险在备受关注。“风险”一词在会上被专家们提及一百余次。

以前，专家们谈金融科技，往往和“赋能”一词挂钩，因为它在效率、用户体验、产品创新、KYC、技术风控、反欺诈等方面确实大有作为，正所谓“工欲善其事，必先利其器”。

说到“器”，光大信托信息科技部副总经理、数据中心总经理祝世虎举了一个炒菜做饭的例子。买一口锅是“利其器”，但单靠一口好锅就能做出一道好菜吗?不一定，“好器做烂菜”的风险依然存在。

他认为，在金融科技之路或者数字化转型大道上猛踩油门的时候，踩踩刹车是有必要的。不为别的原因，核心就是搞要好数字化转型的风控，降低数字金融风险，保障金融科技安全驾驶，维护数字经济平稳发展。

那么，金融在数字化转型过程中会遇到哪些风险?

祝世虎认为，在金融科技领域，金融机构至少会遇到场景金融风险、模型风险、算法风险等。

其中，场景金融主要包括了场景之内的风险、场景本身的风险，以及场景之外的宏观风险。一般而言，银行的大数据模型能做到的是场景之内的风险控制，也就是KYC，识别客户，但场景本身和之外的风险往往无法被银行识别。

比如，某租房平台爆雷之后，C端用户的识别模型就不灵了，用户还款意愿大大降低之后，银行的坏账就来了。

模型风险主要包含科技风险、数据风险和算法风险。其中，算法风险又包含了信息茧房、算法趋同、消费者歧视等。

需要指出的是，现在很多银行在模型风险上犯了三个错误：第一，重平台建设而轻组织架构;第二，重效率而轻风险管理，要求建模快，但风险未被优先锁定;第三，重个体管理而轻整体规划，建一个模型就树一个烟囱，最后竖成一群杂糅的烟囱，导致整个模型体系出现整体性的风险。

发展金融科技，银行要面临这么多风险，数字金融如何平稳发展?用魔法去打败魔法，用技术去填平风险。在这一点上，行业里的共识基础还是很深厚的。

百融云创高级副总裁陈立宇就表示，传统的手段难以解决信息不对称的问题。只有依靠大数据方式来实现产业数字化转型，以及金融数字化转型来有效地解决这一难点。

亚马逊云科技大中华区首席架构师刘亚宵通过自己的观察发现了一个有趣的现象。他说，互联网公司在上云时通常是通过数字化技术提升客户体验，获取用户并搜集到多元数据，最后才是通过流程的管理和监控将所有业务做集成和风控。

金融机构上云恰恰是反过来的，先做风控，关注的点是能不能提高利用润和降低风险，然后才考虑大数据、联邦学习等技术的应用。

刘亚霄认为，发展数字金融将风险前置是一个传统但却十分有效的风控手段，现在依然适用。

他还建议，金融公司应更多地将数字化和后台流程自动化同步进行，通过数字化改善用户体验，自动化降低用户风险。

从专家们的这些建议可以看出，银行发展金融科技，控风险依然是重中之重，它贯穿金融活动的始终，也必将在金融科技未来的发展中受到更多重视。

祝世虎在他的发言最后就金融科技做了六个趋势判断，而这六个判断正好也是金融科技风控方面的六点建议：

一是深度学习平台将会被广泛采用;

二是多模态数据将会被广泛应用;

三是图数据库与图深度网络将会被大规模落地;

四是联邦学习将会大规模落地;

五是算法的可解释性将会被逐步重视;

六是自动化建模平台将会升级为模型风险管理平台。