基于ChatGPT+RPA的融资融券业务担保资产风险评价

原载《会计之友》2024年第2期

作者简介

李闻一　男，湖北洪湖人，华中师范大学经济与工商管理学院教授、博士生导师，会计学科带头人，研究方向：财务共享、公司金融、风险管理

黄怡凡　女，湖北公安人，华中师范大学经济与工商管理学院硕士研究生，研究方向：风险管理

钱磊　男，湖北荆门人，东亚前海证券信用业务部副总经理，研究方向：信用业务管理

文献出处

李闻一，黄怡凡，钱磊.基于ChatGPT+RPA的融资融券业务担保资产风险评价［J］.会计之友，2024（2）：88-94.

李闻一1　　黄怡凡1　　钱磊2

1.华中师范大学经济与工商管理学院

2.东亚前海证券

【摘　要】

ChatGPT凭借大数据、大算力、大标注、强算法等，具有强大的语义理解、内容创作、代码编写功能，在券商融资融券业务担保资产的风险评价中能够进行风险评价模型构建、代码撰写以及结果评价等。RPA作为“数字员工”可以运行ChatGPT生成的场景模型代码，并得出结果。ChatGPT与RPA的结合能够做到对担保资产风险的事前预测以及事后改进。文章首先讨论了融资融券业务担保资产存在的信用风险、市场风险、流动性风险等问题。其次针对这些问题，运用ChatGPT的内容创作以及代码编写功能构建了融资融券业务担保资产风险评价模型，并通过RPA运行代码进行计算。最后得出结论和启示。

【关键词】

ChatGPT；RPA；融资融券；担保资产；风险评价

【中图分类号】

F830

【文献标识码】

A

【文章编号】

1004-5937（2024）02-0088-07

      一、引言

　　融资融券业务是指证券公司向客户出借资金供其买入证券，或者出借证券供其卖出，并收取客户担保物来作为其负债抵押的经营活动。自2010年推出融资融券业务以来，其市场规模不断扩大。比如，沪深两市融资融券余额从试点首日2012年的659万元迅速增长到2023年的15938.01亿元，增长了24倍，如图1所示。但是从2018年开始，融资融券业务中融资类业务的减值损失不断提升，到2020年达到40.99亿元，从图2发现融资减值损失和信用减值损失在2022年以前每年呈现正增长趋势。因此，各家证券公司对融资类业务风险逐步重视，融出资金减值损失开始有所缓解，并在2022年由正转负。担保资产是进行融资融券业务重要的一环，融资融券客户需要进行担保证券提交和三方存管转账转担保给证券公司，同时，客户还需提供信用账户担保物对总负债进行担保。由此可见，对融资融券业务其信用资产即担保账户内的资产质量进行分析研究极为重要。融资融券担保是券商融资融券业务风险锁定的根本[1]，如何有效控制客户融资融券账户的风险进行担保资产的风险评价，成为券商风险管理工作的重要内容。

　　现有文献主要集中于融资融券业务系统性风险说明[2]、融资融券制度与企业债务违约[3]、证券公司开展融资融券业务的风险控制[4]。对融资融券业务担保资产的风险评价，仅仅是对个人客户违约概率进行了计量研究[5]，均未构建担保资产风险评价模型以及有效解决担保资产风险问题。风险评价往往需要掌握丰富的金融知识、极强的分析能力以及扎实的代码写作能力，本文以开创性的视角引入ChatGPT+RPA，对融资融券业务担保资产的风险评价进行模型构建和研究，一定程度上能解决知识欠缺所带来的信息滞后。首先，ChatGPT作为一种自然语言处理模型，可以帮助证券公司更好地处理文本数据，并对大量文本数据进行分析。其次，ChatGPT可以根据证券公司的风险管理需求构建模型、生成代码[6]，并使用RPA自动化技术运行代码，通过量化的手段帮助分析师挖掘深度信息。最后，ChatGPT还可以作为“投资顾问”，根据市场状况、竞争环境、量化结果等因素，结合公司的情况，提供更加智能化、高效化的风险评价。

　　二、我国融资融券业务担保资产的风险问题

　　（一）融资融券业务担保资产

　　在我国证券市场实践中，根据监管业务规则的设计和安排，证券公司需开设客户信用交易担保资金账户和客户信用交易担保证券账户，即为融资融券业务担保资产。证券公司同时会为参与融资融券业务的客户单独开设一套完整的信用账户体系，包括客户的信用资金账户、信用证券账户、信用三方存管账户，以区别客户的普通账户体系。客户的信用资金账户为客户信用交易担保资金账户的二级子账户，客户的信用证券账户为客户信用交易担保证券账户的二级子账户，证券公司客户信用交易担保证券账户内的证券和客户信用交易担保资金账户内的资金，为担保证券公司因融资融券而产生的对客户债权的信托财产，即客户在信用资金账户中的资金和在信用证券账户中的证券，共同构成了其对证券公司负债的担保。

　　（二）存在的风险问题

　　1.信用风险

　　在融资融券业务中，信用风险是指客户履约能力不足导致到期无法偿还资金或证券等，即融资人无法及时补充担保资产或是融券人不能按时偿还其借入的债券。在客户未能履约的情况下，公司会采取强制平仓的措施，平仓后融资人仍资不抵债的、融券人仍不能足额偿还出借证券，证券公司可以自有资金购买证券来偿还证券出借人，再对客户进行追索，如追索不成功，公司承担相应的损失。

　　2.市场风险

　　市场风险指在证券市场中因市场因素如股市价格、利率、汇率等的变动而导致资产价格波动或投资收益波动的风险。对于融资融券负债而言，因客户的担保证券价格波动，会导致客户的偿债能力变化，极端情况下，会导致客户资不抵债，进而影响证券公司的债权收回，发生业务减值损失。

　　3.流动性风险

　　流动性风险指证券公司资金或证券头寸不足，无法满足融资融券业务客户交易需求或不能到期偿还外部债务的风险。证券公司在为投资者提供融资时除了使用自有资金，还会采取外部融资的方式以满足投资者需求。随着融资融券业务规模扩大，若无法按照原有约定及时收回投资者的融资，将导致证券公司发生流动性风险。

　　三、融资融券业务担保资产风险评价选择ChatGPT+RPA的理由

　　（一）能够处理大量数据

　　在进行融资融券业务担保资产风险评价时，需要进行大量证券历史行情数据的取值和清洗，同时要与每家券商自身的融资融券客户担保证券相结合，找到可以运用的基础数据。基于不同的评价周期、不同的担保资产性质、不同的评价模型方法，需要取得不同历史数据并对其进行清洗和转换，成为便于处理的数据，这个过程较为繁琐，仅凭人工数据获取和匹配，需要耗费大量的时间和精力，更容易出现数据错误。ChatGPT能够根据场景需求判断所需的数据，RPA作为自动化机器人，可以根据ChatGPT分析结果自动抓取担保证券历史行情数据，节省人力资源，释放分析师劳动力以从事更高级的结果分析工作。

　　（二）能够重复工作

　　担保资产行情数据需要长期跟踪并及时更新分析，存在大量的重复性工作。市场的风险不断变化，证券的走势在不断波动，历史的数据也会不断更新，当天的评价数值并不适用于后续评价，需要对其进行持续跟踪评价，记录资产风险的变化，以在风险增加的时候及时发现并处置，达到评价风险的目的。RPA可以根据需求设置程序，自动更新数据，并及时准确地将结果传输给工作人员。

　　（三）代码编写和运算能力强

　　风险评价模型的构建需要依赖复杂的运算过程，计算量大，且涉及复杂代码的编写，非IT技术人员难以掌握。证券公司客户担保证券的数量、品种不断扩容，从最初业务开展时标的证券90只，发展到2023年超过2200只，需要计算的每一只证券的数据量非常大。风险评估时，要计算历史收益率、方差、协方差、VAR值等，人工手算几乎不可能，必须借助代码公式加以实现，对分析人员要求较高。通过ChatGPT+RPA的组合，实现风险评价模型的构建和代码的运行，可以有效解决IT代码技术以及运算的问题，提高了分析效率。

　　四、担保资产风险评价框架构建与实现步骤

　　（一）框架构建

　　ChatGPT+RPA进行担保资产风险评价的基本框架，如图3所示，共分为输入层、处理层、输出层、操作层四个层面。输入层包括场景需求和内部数据，主要是将融资融券担保资产风险评价场景详细描述给ChatGPT，并将场景所需业务数据进行传输。处理层包括模型构建和代码写作，主要是ChatGPT根据场景需求和内部数据进行合适的模型构建，并根据模型撰写所需代码。输出层包括源代码和结果分析，ChatGPT输出源代码的文本形式，对代码运行结果进行分析。操作层包括代码运行和重复操作，依靠RPA机器人运行ChatGPT输出的代码，并对每日风险进行重复计算。

　　（二）实现步骤

　　1.数据来源

　　本文选取东亚前海证券内部客户某日担保资产，该日有74位个人和机构客户进行融资融券交易，共持有256只证券标的，部分数据如表1所示。证券收盘价数据来源于choice金融终端。

　　2.模型构建

　　所有担保资产可以看作是一个投资组合，因此使用Markowitz均值—方差模型对担保资产的风险进行评价。

　　Cov（ri，rj）为第i项资产和第j项资产的协方差，表示第i项资产和第j项资产之间的相关性。

　　一般来说，方差越大，该组合波动率越大，其风险越大。

　　3.参数说明

　　本文使用的主要参数有收盘价、收益率、权重等，具体参数说明如表2所示。

　　4.实现过程

　　（1）计算日收益率

　　在ChatGPT中通过相关描述获得python代码并进行提问，问答结果如表3所示。将代码中样例数据data修改为指定股票收盘价，放入RPA中执行，获得每只证券历史日收益率。执行部分结果如表4所示。

　　（2）计算每只证券占整体账户权重

　　利用RPA计算每只证券的市值与总市值的占比权重

，其中mi为证券i的自有证券市值，ni为证券i的融资市值。占比权重部分计算结果如表5所示。

　　（3）计算每只证券的日均收益率方差var（r_i）与协方差cov（r_i，r_j）

　　在ChatGPT中通过相关描述获得python代码进行提问，将返回的python代码放入RPA进行执行得到方差权重表与协方差权重表（表6）。

　　（4）计算担保证券组合方差

　　根据公式利用RPA编写代码计算担保账户组合方差。

　　该组合方差为0.00012382261051574597。

　　5.结果评价

　　以该组合方差为基准，券商根据每日两融业务担保账户持有情况，使用RPA软件重复本过程，计算每日组合方差。一般情况下，方差越大，波动率越大，风险越高。在方差变化较大时留意当天担保资产份额，观察担保账户持有情况，对资产风险较大账户持有者进行提醒，持续重点关注该账户担保资产变化情况，并采取相应措施规避风险。

　　（三）创新之处

　　一是工具创新。本文在融资融券担保资产风险评价中将ChatGPT和RPA两种工具结合，突破了以往仅靠人工的操作。将两融业务担保资产风险每日状况量化赋值，将重复性、专业性的工作交由机器处理，人工只需起到监控作用，极大地释放了人力资源，为券商两融业务担保资产风险评价以及其他风险评价场景提供了很好的思路和工具。

二是评价步骤创新。本文在融资融券担保资产风险评价中使用数字化工具进行数据处理、模型构建、代码运行，不再依靠专业分析师的数据处理能力、模型构建能力以及代码写作能力进行风险评价操作。同时，每日的风险赋值都可以在较短时间内得出，这些都使得两融业务担保资产风险评价更加容易，简化了两融业务担保资产风险评估步骤。

　　五、结论与启示

　　（一）结论

　　1.ChatGPT与RPA的结合能够有效适应融资融券业务担保资产风险评价

　　ChatGPT作为一种大语言模型，其自然语言处理、代码写作、上下文理解等方面的功能强大，但在代码的运行与计算上有所缺失，将ChatGPT提供的代码自动抓取到RPA自动化流程处理软件中，能有效解决ChatGPT计算能力上的缺失，更好地赋能企业。在融资融券业务担保资产的风险评价中，ChatGPT和RPA的结合通过对风险评价模型的构建、代码写作、代码运行以及计算结果的生成，揭示了每日担保资产组合的方差大小即风险状况，简化了分析师风险分析流程，效果明显。

　　2.本方法出错率低运算效率高

　　传统人工风险评价模型的构建需要复杂的计算过程，分析师需要掌握大量的知识进行模型构建、代码写作以及结果分析，而使用ChatGPT+RPA仅仅只需要将场景应用需求传输给ChatGPT，运用ChatGPT进行模型构建和代码写作，出错率低，使用RPA运行该代码，计算较快。同时，券商的融资融券担保资产每天都会产生新的数据，人工更新较为复杂，而使用RPA能够及时自动更新数据，不需要人工每天对数据进行操作，提高了效率。

　　（二）启示

　　1.企业要注重引入数字化工具

　　数字化背景下，数字化工具频出。企业要根据自身场景需求，结合不同数字化工具，赋能企业数字化转型。ChatGPT与RPA的结合对融资融券业务担保资产的风险评价提供了思路，同时，可以使用ChatGPT+ERP、ChatGPT+微软全家桶、RPA+搜索引擎等多种工具，在企业的特定应用场景中进行应用。

　　2.券商要注意数据安全与隐私保护

　　ChatGPT功能强大，在融资融券担保资产风险评价时会涉及券商内部客户的数据，券商在使用过程中要注意安全性，确保客户数据的安全存储和传输。在大量场景运用时，企业要注意隐私保护，制定合规场景使用，明确规定某些隐私信息不可通过ChatGPT运行，遵守相关的隐私法规，并采取适当的措施保护用户个人信息的机密性。

　　3.券商可以将ChatGPT+RPA运用到其他场景

　　使用ChatGPT进行需求重述和代码写作，RPA进行代码运行和重复化流程操作，对券商在其他场景的应用具有借鉴意义。比如进行量化投资操作时，可以使用ChatGPT将自然语言转化为机器语言，使用RPA运行代码并将量化结果传输至ChatGPT进行结果分析，降低量化投资门槛。

基金项目

科技部高端外国专家引进计划项目“人机协同与企业价值”（G2022158002L）；湖北省高等学校哲学社会科学研究重大项目“湖北打造全国数字经济发展高地路径研究”（139）

参考文献

［1］程威.民法典时代融资融券担保的法律构成：以让与担保为适用进路［J］.江西财经大学学报，2022，139（1）：136-148.

［2］刘志洋，宋玉颖.融资融券的系统性风险管理研究［J］.上海经济研究，2015（7）：3-8.

［3］陈利，田甜，吴玉梅，等.卖空机制、内部控制与企业债务违约风险：基于中国融资融券制度的准自然实验研究［J］.上海金融，2022（7）：18-30.

［4］张成军，谢海玉.证券公司开展融资融券业务的风险控制［J］.中国金融，2010，682（4）：59-60.

［5］程天笑，闻岳春.融资融券业务个人客户违约概率计量研究［J］.金融研究，2016，430（4）：174-189.

［6］李闻一.财务共享服务中心的大语言模型应用探究［J］.会计之友，2023（15）：2-10.

---

-  END  -