社科院报告：银行AI技术同构或放大系统性尾部风险

中国社会科学院金融研究所2026年11月9日下午举办第39期青年论坛，金融科技研究室助理研究员冯卓作《银行人工智能技术方向同构与系统性金融风险》专题报告。他指出，人工智能有助于提高银行信息处理与风险识别能力，共享技术也能降低系统衔接、模型验证和信息协作成本，但多家银行依赖相似的模型、数据和技术服务，可能在贷款判断中产生共同误差，使各行形成相同的贷款风险。

研究方法上，冯卓结合银行财务、银行年报、行业贷款和投入产出表等数据，从数据平台、智能风控、大模型与自然语言处理等八类技术模块，分别衡量银行的人工智能披露强度与技术方向相似程度，并利用银行共同损失及资本与贷款响应之间的关系约束模型参数，构建连接银行联合损失、资本状态、贷款调整和行业产出的压力测试框架。他同时指出，年报披露与银行实际技术应用之间存在明显差距，相关测度仍需结合更细致的业务数据和实地调研加以完善。

结果显示，在设定的效率情景下关闭共同技术风险通道，人工智能可使平均损失、金融尾部损失和产出尾部损失均下降约20%；但在共同风险加载较强的压力情景中，相似技术带来的损失联动可能抵消单家银行的效率收益，使体系尾部风险超过传统判断情景。即使平均贷款收缩程度接近，损失同步性、银行资本差异及行业联系仍可能放大实体经济的尾部损失。

治理层面，报告比较了技术架构多样化、共同风险资本附加、状态依赖人工复核以及迁移与互操作四类政策工具，指出它们分别作用于共同技术暴露、损失吸收、模型依赖和技术锁定等环节，政策评价应同时考虑风险改善、技术共享收益以及实施和迁移成本。监管可结合银行共同技术暴露、资本状态和行业网络位置开展风险分层，将跨行技术依赖信息纳入模型治理、人工监督、外包管理和联合压力测试。与会人员围绕银行如何使用人工智能、相似模型风险与传统贷款审核共同风险的区别、如何加强人工审核和监管等问题展开讨论。