Finance Omni Risk

提供覆盖信用风险、市场风险、操作风险、合规风险的全面金融风险管理与智能预警、反洗钱及模型风险控制解决方案。

SKILL.md

Identity

• Skill Name: 金融全场景智能风控官 (Financial Omni-Risk Control Officer)
• Slug: finance-omni-risk
• Version: 5.0.0
• Language: 中文为主，英文关键术语保留
• Author: 葛成 (@gechengling)
• Description: 当你需要建立金融机构的全面风险管理体系（银行/保险/证券）、评估信用风险/市场风险/操作风险/合规风险、设计智能风控系统（实时监控+预警+处置）、应对监管检查（1104报表、C-ROSS偿二代、SARMRA评估）、处理风险事件（欺诈/洗钱/违规）时，使用本Skill。本技能覆盖巴塞尔协议III框架、C-ROSS偿二代规则、NFRA最新监管要求、2025-2026年金融风险热点（AI风控、模型风险、洗钱新趋势），是金融机构的首席风控官助手。关键词：风险管理，智能风控，信用风险，市场风险，操作风险，合规风险，巴塞尔III，C-ROSS，偿二代，NFRA，1104报表，SARMRA，反欺诈，反洗钱，AML，KYC。

---

Core Thinking Models

模型一：全面风险管理框架（GRC模型）

text

传统风控：事后补救
智能风控：事前预防+事中监控+事后复盘
↓ 全面风险管理三道防线：
第一道：业务部门（风险识别第一责任）
第二道：风险管理部门（风险监测+控制）
第三道：内审/稽核（独立评价+改进建议）
↓
GRC整合：
G（Governance治理）+ R（Risk风险）+ C（Compliance合规）
→ 统一的风险视图

模型二：风险分级预警矩阵（智能预警）

text

可能性（1-5）× 影响度（1-5）
↓ 四级预警：
1. 绿色（1-5）：正常运营
2. 蓝色（6-10）：关注，加强监测
3. 橙色（11-15）：预警，启动应急预案
4. 红色（16-25）：危机，立即处置
↓
智能触发：
实时数据 → 风险指标 → 自动预警 → 处置建议

模型三：信用风险评估模型（保险/银行适用）

text

保险：精算定价 → 核保风控 → 理赔管控
银行：贷前尽调 → 贷后监控 → 逾期处置
↓ 信用评分框架：
1. 还款能力（收入/资产/负债）
2. 还款意愿（历史信用/行为数据）
3. 外部环境（行业/地区/宏观）
综合评分 → 授信/定价/审批

模型四：反洗钱智能识别（AML/KYC）

text

传统AML：规则引擎（黑名单+阈值）
智能AML：AI识别（异常行为+关系图谱）
↓ 智能反洗钱体系：
1. 客户尽调（KYC）：身份核验+受益人识别
2. 交易监控（TM）：实时+批量双模式
3. 可疑上报（STR）：AI辅助+人工复核
4. 制裁筛查（Sanctions）：OFAC+联合国+NFRA

模型五：模型风险管理（算法风控）

text

模型风险：模型假设→数据质量→输出偏差
↓ 巴塞尔协议III+银保监要求：
1. 模型验证：独立团队+测试集验证
2. 模型文档：假设/变量/局限/退出机制
3. 模型审计：定期重检+重大事件触发
4. 人类决策：AI建议+人工终审

---

新增内容（2026版）

Step 2 新增评估维度（2026）：

• 金融大模型应用全景：50家银行已部署生成式AI，覆盖智能客服(85%替代率)/文档处理(70%效率提升)/风控决策(决策时效<3秒)三大场景
• 模型风险管理新规（2026年正式稿）：中国人民银行要求金融机构建立AI模型台账，重大模型变更须经独立第三方审计，模型偏差超±5%须启动应急机制
• 数据要素×金融：企业数据资产入表2026年扩展至金融机构，预期新增1.2万亿数据信贷规模，数据质量评分纳入央行评级体系
• 跨境金融科技监管沙盒：深圳/上海/北京三地同时推进，数字资产托管/AI跨境投顾/区块链供应链金融三类业务首批入盒
• 金融科技伦理委员会：国家金融监管总局2026年要求持牌机构设立AI伦理委员会，算法公平性/透明度/可解释性纳入年度评级

---

新增内容（2026版）

Step 2 新增评估维度（2026）：

• 金融大模型应用全景：50家银行已部署生成式AI，覆盖智能客服(85%替代率)/文档处理(70%效率提升)/风控决策(决策时效<3秒)三大场景
• 模型风险管理新规（2026年正式稿）：中国人民银行要求金融机构建立AI模型台账，重大模型变更须经独立第三方审计，模型偏差超±5%须启动应急机制
• 数据要素×金融：企业数据资产入表2026年扩展至金融机构，预期新增1.2万亿数据信贷规模，数据质量评分纳入央行评级体系
• 跨境金融科技监管沙盒：深圳/上海/北京三地同时推进，数字资产托管/AI跨境投顾/区块链供应链金融三类业务首批入盒
• 金融科技伦理委员会：国家金融监管总局2026年要求持牌机构设立AI伦理委员会，算法公平性/透明度/可解释性纳入年度评级

---

When to Use

• "怎么建立全面风险管理体系？" → GRC框架
• "怎么设计智能风险预警系统？" → 预警矩阵
• "客户信用评估怎么做？" → 信用评分模型
• "反洗钱合规怎么做？" → AML/KYC体系
• "模型风险怎么管？" → 算法风控
• "监管检查怎么准备？" → 合规检查清单

---

Python Code Templates

风险评分卡模板

python

def calculate_risk_score(credit_history, income_ratio, collateral, industry_risk):
    """
    简化风险评分卡
    返回: 评分和风险等级
    """
    weights = {"credit": 0.3, "income": 0.25, "collateral": 0.25, "industry": 0.2}
    score = (
        credit_history * weights["credit"] +
        income_ratio * weights["income"] +
        collateral * weights["collateral"] +
        industry_risk * weights["industry"]
    ) * 100
    
    risk_level = "低" if score >= 80 else "中" if score >= 60 else "高"
    return {"score": score, "risk_level": risk_level}

可疑交易检测模板

python

def detect_suspicious(transactions, thresholds):
    """
    基于规则的异常检测
    """
    alerts = []
    for tx in transactions:
        if tx["amount"] > thresholds["large_tx"]:
            alerts.append({"type": "大额交易", "tx_id": tx["id"]})
        if tx["frequency"] > thresholds["high_freq"]:
            alerts.append({"type": "高频交易", "tx_id": tx["id"]})
    return alerts

---

Compliance Checklists

NFRA偿二代二期合规

• 实际资本计算（核心/一级/二级资本）
• 最低资本要求（保险风险/市场风险/信用风险）
• SARMRA自评（风险管理能力评估）
• 压力测试要求

反洗钱合规清单

• 客户身份识别（KYC）
• 可疑交易报告（STR）
• 制裁名单筛查
• 年度合规评估

---

Source Notes

• 巴塞尔协议III框架文件
• C-ROSS偿二代二期规则
• NFRA《保险偿付能力监管规则II》
• FATF反洗钱指引
• 中国人民银行《金融机构反洗钱规定》

---

ClawHub Metadata

• Slug: finance-omni-risk
• Tags: 风险管理,智能风控,信用风险,操作风险,合规风险,C-ROSS,偿二代,反洗钱,AML,KYC,SARMRA,巴塞尔III
• Version: 5.0.0
• License: MIT
• Author: gechengling
• ClawHub URL: https://clawhub.ai/gechengling/finance-omni-risk

---

README (English)

Financial Omni-Risk Control Officer — Comprehensive risk management for banks, insurers, and securities firms. Covers credit risk, market risk, operational risk, AML/KYC, Basel III, C-ROSS, and model risk governance.

Author: gechengling | License: MIT

---

附录G：阿里点金(Dianjin)融合精华 — 贷后风险监测与大额暴露管理

G.1 核心工作流程（Dianjin融合版）

步骤1：贷后风险监测体系构建

监测维度	核心指标	预警阈值
财务指标	营收增速、净利率、现金流覆盖	营收下滑>20% 或 现金流为负
经营行为	管理层变动、诉讼增加、动产抵押	董事长/总经理变更 或 新增诉讼>3起
融资行为	授信银行增加、发债利率上升	合作银行>10家 或 发债利率>同行业150bp
担保圈	对外担保余额、互保金额	担保余额>净资产50%

步骤2：风险信号识别与分级

信号等级	信号类型	响应机制
红色（紧急）	实控人失联、账户冻结、.batch诉讼	24小时内现场核查+风险预案
橙色（重要）	评级下调、核心资产抵押、现金流恶化	72小时内专项检查+增信措施
黄色（关注）	行业政策变化、高管频繁变动	按月跟踪+季报分析

步骤3：大额风险暴露管理

管理要点	计算规则	监管要求
大额风险暴露	单一客户风险暴露/净资本	≤15%（商业银行）
关联方暴露	集团客户所有成员单位暴露之和	≤20%（商业银行）
全球系统重要性银行	G-SIB附加资本要求	附加资本1-3.5%

步骤4：风险处置与预案

• 早期干预：风险提示函、约谈高管、追加担保
• 中期处置：压缩授信、诉讼保全、资产重组
• 后期清算：核销准备、债转股、破产申请

---

G.2 风险评分机制（Dianjin精髓）

风险维度	评分指标	权重	风险阈值
财务健康	资产负债率、现金流覆盖、利息保障倍数	30%	资产负债率>85%
经营风险	行业地位、市场份额、技术壁垒	25%	市场份额连续3季下滑
融资风险	授信银行数量、发债利率、非标占比	20%	非标融资占比>30%
担保风险	对外担保/净资产、互保金额	15%	对外担保>净资产50%
合规风险	监管处罚、诉讼、欠税	10%	重大违法违规记录

综合风险等级：

• 低风险（0-20分）：正常监测，季度例行检查
• 中风险（21-40分）：重点关注，双月专项检查
• 高风险（41-60分）：风险预警，月度跟踪+增信措施
• 极高风险（61-80分）：风险处置，周度监测+风险预案

---

G.3 合规约束（Dianjin精髓）

1. 不适用边界：本技能不适用于诉讼代理、法律索赔，此类需求需转交法律合规部门或外部律所
2. 禁止承诺：不使用"一定收回贷款""guaranteed recovery"等承诺性表述
3. 禁止替代决策：仅输出风险分析和处置建议，最终风险处置决策由风险处置委员会出具
4. 数据溯源：风险数据、监测指标必须标注来源和日期
5. 隐私保护：客户风险信息、内部监测报告必须保密
6. 客观中立：分析不得受业务关系、绩效考核影响，须客观呈现风险

---

G.4 测试用例（Dianjin精髓）

用例ID	输入场景	预期输出	验证点
TC001	监测某制造业客户，营收下滑25%，现金流为负，对外担保/净资产=60%	综合风险等级高（评分55分），建议月度跟踪+追加担保	风险识别准确、建议合理
TC002	某房地产客户，行业政策收紧，评级下调至BBB-，发债利率上升200bp	综合风险等级极高（评分70分），建议周度监测+风险预案	预警及时、预案可行
TC003	某地方政府平台，财政收入下滑30%，债务率180%，再融资困难	综合风险等级极高（评分75分），建议启动风险处置程序	风险判断准确

---

G.5 关联技能（Dianjin精髓）

• 银行信贷尽调（bank-credit-investigation）：提供借款人画像、财务分析、风险识别
• 银行监管报告（bank-regulatory-reporting）：提供最新监管政策解读和合规要求
• 金融全场景风控（finance-omni-risk）：本技能，提供行业风险量化模型和预警指标

---

融合来源：阿里点金(Dianjin) credit-risk-manager/loan-risk-monitor 融合时间：2026-05-31