一、项目背景及目标

背景：

为满足财务公司数字化转型的发展需要，落实监管部门对金融机构的风险管理要求，提升成员单位资金预算和资金运用等风险管理水平，组织开展资金流动性风险监测系统建设，进一步提高财务公司风险监控质效，满足经营管理提质增效要求。

目标：

通过数字化、智能化、自动化的技术手段，实现风险信息的实时收集、处理、整合等，为财务公司提供及时、准确、全面、有效的风险信号，确保资金运营的合规性与合理性，实现流动性风险流程化管理目标，持续提升财务公司风险管控与决策能力。

必要性：

业务数据比较分散，存在源头多、不规范、获取困难等问题；分析困难，单位资金预算和资金运用等数据难以掌握，

业务数据不完整、属性不全、缺少跨域整合；风险数据处理与指标计算依赖人工处理、计算效率低、数据校验困难等数字化程度低。

二、创新点

1.模型驱动的动态预警引擎

基于机器学习算法构建监管红线指标动态监测模型，实现每日流动性存款下限和可动用头寸上限的动态监测，确保资金流动风险可洞察可预警。

2.资金计划闭环管控

通过对资金计划和实际支付情况进行智能对比，自动生成资金计划执行跟踪、偏差率统计，强化对资金计划真实性和精准性的评估管控。

3.多维度监管合规体系：

建立资本充足率、贷款比例、流动性比例、投资比例、流动性匹配率等关键指标线上监测模块，满足金融监管机构对流动性监测标准要求。

4.前瞻性风险预测能力

围绕降低资金风险、增强流动性缺口管控要求，开发大额资金滚动、月度资金头寸、次月贷款比例预测等监测模块，支持流动性缺口滚动预判，助力主动式风险管理。

三、项目技术方案

项目规划：

项目整体规划以财司数据中台体系框架及数据资产体系搭建为建设指导，以资金流动性风险管控需求为基础目标，搭建财司数据中台技术底座、实现核心、司库、核算、外部数据等多业务系统数据整合汇聚、设计风险数据主题模型和风险监测指标体系、定义风险监测规则和风险处置事件、搭建流动性风险监测和压力测试功能模块，建立风险预警管控联动能力，促进内部各部门之间风险联动和风险协同处理，满足流动性风险监测及压力测试风险要求，推动数字化风险防控体系不断完善。

图-项目规划

风险指标模式：

流动性风险指标监测平台提供集指标管理、规则定义、指标计算、监测预警、异常识别、决策处置等一体化的风控指标管理体系，支持根据风险诉求对风险指标进行个性化定制、设置风险规则与监测引擎。通过任务驱动实现管理下沉的风险指标数据协同上报、任务跟踪，同时，基于预警引擎、决策引擎等实现风险指标数据的识别评估、自动报警和成效分析，为持续风险识别、改善公司风险指标精准性提供决策分析支撑。

图-风险指标设计流程

业务功能视图：

图-业务功能视图

技术架构：

系统架构基于SpringBoot、React、微服务、容器云等主流的技术体系构建，采用前后端分离的设计模式，系统部署在国产操作系统、中间间、数据库等国产信创环境，软硬件平台具备开放性、通用性、标准性和安全性等特点。

图-技术架构

功能效果：

图-流动性管控

图-流动性压力测试

四、项目过程管理

项目启动：2024年9月10日

召开项目建设启动会，明确项目总体目标、实施范围、实施计划、团队组成、沟通方式、协同机制等。

需求阶段：2024年9月11日至2024年9月30日

业务流程梳理、业务需求讨论、数据现状分析、应用场景细化等。

系统设计：2024年10月8日至2024年10月18日

系统架构设计、功能设计、数据模型设计、规则事件设计等。

开发测试：2024年10月21日至2024年12月31日

系统功能开发、规则配置、数据模型开发、系统测试验证等。

UAT测试：2025年1月2日至2025年1月16日

业务需求验证、功能性测试、数据准确性测试等。

UAT测试：2025年1月20日至2025年1月21日

系统切换生产环境、上线试运行等。

五、运营情况

系统上线运行后已在计划财务部、金融市场部、风险管理部、营业管理部、公司业务部等主要业务部门得到应用推广，系统从业务指标全面性、风险指标合理性、风险规则有效性及风险预警准确度等维度不断得到验证及优化，为资金业务健康稳健发展提供系统保障。--实现流动性风险精准识别和及时预警，

系统覆盖的19类监管指标有效赋能风险管理业务场景，如流动性存款下限穿透分析流动性头寸上限场景，基于存贷指标、同业活期指标、预算指标、监管预警红线比例等构建的头寸预测风险模型，支撑系统动态测算流动性存款头寸下限,选择满足30%流动性可动用头寸上限指标值，穿透分析到可动用头寸的各项目指标数据，跟踪流动性资产、流动性负债、流动比例、超额准备金、存放同业活期、应收利息、各项贷款、活期存款、定期存款、应交税费等各维度数据风险隐患，实现风险指标联动测算及穿透式分析预判。

示例效果如下

图-头寸实时测算

图-风险穿透分析

六、项目成效

整体成效：从效率提升到价值创造

（1）数据治理革新

风险预测方式替代传统线下手工统计方式，实现存贷款、同业、计划等多项数据系统自动取数，资金计划执行率和资金调拨配置日益合理，提升资金数据的准度和精度，年节约人工工时超200小时，数据准确率提升至98%。

（2）风控能力跃升

穿透式风险监测覆盖每日头寸、大额收支及监管指标，动态反映流动性比例、预计可动用备付头寸上限及对应存款下限，实现对成员单位大额资金流向的动态跟踪、流动性监管指标的持续监控。

（3）资源整合增效

通过跨部门协同穿透式管控，精细到每日规模客户、资金收支变动，涵盖同业、投资、票据、准备金等全模式，实现财务公司数据资源的整合，引导贷款、投资、存放同业等资产配置更加精准高效。

（4）风险指标向好向稳

流动性匹配率 由实施前150% 改善为190% ；

资金计划偏差率 由实施前60% 改善为80% ；

流动性比例 由实施前34% 改善为54% ；

贷款比例 由实施前70% 改善为63% ；

保障资金运营稳定，为80家客户企业投放300亿贷款；

压测时效显著提升，现金流缺口测算由季改为日频率。

（5）风险资源全量打通

为充分发挥流动性风险模型价值效能，借助财司数据中台技术能力打通了财务共享系统、司库系统、核心系统、总账系统等数据集成路径，实现多系统之间跨平台跨业务的数据互联互通，为构建全业务域风险模型建立数据条件，丰富流动性风险模型覆盖范围和预测维度，提升流动性风险模型预测能力。

七、经验总结

聚焦风控要点、敏捷开发落地：以监管合规与公司风险管理诉求为重点，快速设计开发风险模型；

数据驱动风控闭环：打通核心业务系统数据壁垒，全面获取风险相关数据，建立“指标计算-预警-处置-反馈”全链路闭环，确保风险可视、可控、可追溯。

业务与技术深度协同：风险、财务、业务部门全程参与规则设计，确保监测模型与真实场景高度契合。

场景化AI落地：聚焦“预测+预警”高频刚需，结合AI赋能，实现智能场景应用。

持续迭代机制：建立动态指标库与规则引擎配置平台，支持监管政策变化后快速调整监测逻辑，保障系统长效生命力。