（林北/文）近年来，随着金融监管持续强化，防范系统性金融风险被多次写入重要政策文件。2023年以来，监管部门围绕金融机构关联交易管理、资产真实性审查及风险传导防控等陆续出台指导意见，明确提出要提升对隐性关联关系和异常交易行为的识别能力。在融资租赁等资产密集型金融业务中，交易结构复杂、主体关联交叉频繁，关联交易风险的识别与治理，正成为行业亟须破解的现实课题。

在这一背景下，金融科技在风险管理中的应用正逐步由效率工具转向结构性风险识别工具。长期从事金融风险管理与融资租赁相关工作的曹智明，围绕关联交易风险识别问题，持续开展研究与实践探索，并主导研发了“基于图神经网络与异常检测的租赁资产关联交易识别系统”。围绕这一成果，记者与其进行了交流。

（图为曹智明）

记者：曹总，您好！近两年监管部门多次强调加强关联交易管理。从您的实践经验来看，融资租赁行业在风险层面呈现出哪些新的特点？

曹智明：如果从实际业务角度观察，会发现当前很多风险并不集中体现在单笔交易上，而更多体现在交易之间的结构关系上。单一交易可能看起来是正常的，但当多笔交易在主体、资产或资金路径上形成交叉时，就有可能产生风险叠加效应。这类风险往往隐蔽性较强，也更考验识别能力。

记者：这是否也意味着，传统风险管理手段在应对这类问题时存在一定局限？

曹智明：是的。传统方法更多以单一主体或单笔合同为分析对象，侧重静态指标和结果判断，对交易之间的关系结构关注相对有限。而在实际业务中，隐性关联往往通过多层路径呈现，仅依靠规则或经验模型，很难完整刻画。

记者：基于这些观察，您着手研发“基于图神经网络与异常检测的租赁资产关联交易识别系统”？

曹智明：可以这么理解。我们希望换一个视角来看风险问题，因此在系统设计中，将租赁业务中的企业、资产、合同和资金流视为一个动态变化的关系网络，而不是彼此孤立的对象。通过这种方式，可以更真实地还原业务结构本身。

记者：图神经网络在这一系统中承担了怎样的功能？

曹智明：图神经网络比较适合处理复杂关系数据。它可以在多层关系结构中学习节点和路径特征，从而识别出一些非显性的关联模式。这对于融资租赁这类关系交织密集的业务场景来说，具有较好的适配性。

记者：那异常检测模块主要解决的是哪一类问题？

曹智明：异常检测更多关注结构变化和行为偏移。系统会在学习正常业务模式的基础上，对偏离常态的关联结构进行提示，帮助风险管理人员提前关注潜在异常，而不是直接给出判断结论。

记者：从应用效果来看，这一系统主要在哪些环节发挥作用？

曹智明：目前主要应用于租赁资产组合的关联关系分析、异常交易路径识别以及风险传导监测等方面。它的意义在于提升风险识别的前瞻性和系统性，为管理决策提供更充分的信息支持。

记者：与传统风险管理方式相比，您认为这一成果在理念上的变化体现在哪里？

曹智明：我觉得最大的变化在于观察视角的转变。关联交易识别更关注结构是否异常，而不是简单判断是否违规。这种方式更强调对业务复杂性的理解，也更贴合当前监管环境和行业实际。

记者：最后，您如何看待金融科技在风险治理中的作用？

曹智明：金融科技并不是要替代人工判断，而是为专业判断提供更好的基础。通过技术手段，让风险管理人员看得更早、更全面，从而作出更稳健的决策。

随着金融监管持续深化和融资租赁业务结构不断演化，关联交易风险的识别与治理正成为行业无法回避的重要课题。从单点分析走向结构识别，从事后判断转向前瞻监测，金融科技正在为风险管理提供新的路径，也对从业者的专业能力提出了更高要求。

在这一过程中，曹智明围绕图神经网络与异常检测开展的持续探索，体现了风险管理实践向结构化、系统化方向演进的趋势。这类立足具体业务场景的技术实践，不仅回应了现实中的关联交易识别问题，也为融资租赁行业在复杂环境下提升风险治理能力，提供了具有参考价值的思路。

郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。