《每日经济新闻》记者获悉，中国证券业协会(以下简称“中证协”)已起草《证券公司风险数据管理示范实践》(以下简称《示范实践》)，并正式向行业征求意见。
近年来，资本市场全面深化改革持续推进，券商业务领域不断拓展、产品结构加速创新，集团化与国际化经营程度持续加深。在此背景下，风险数据的广度、深度和复杂度显著提升，对行业风险数据管理的精细化水平提出更高要求。如何夯实风险数据治理体系、统一数据标准、实现集团风险数据集中管控，成为券商稳健经营、高质量发展的关键课题。为此，中证协风险管理委员会梳理行业优秀实践经验，形成《示范实践》，为行业规范开展风险数据管理工作提供参考借鉴。
据了解，《示范实践》划定六大核心实施重点，覆盖分步实施规划、独立型数据集市管理、风险系统与数据统筹建设、境外子公司数据治理、实时数据架构建设、AI与数据管理融合等关键领域，形成全流程、可落地的实操指引，引导券商循序渐进完善风险数据管理体系。
证券公司可灵活选用适用的操作方法
本次《示范实践》对标国家标准《数据管理能力成熟度评估模型》(GB/T36073-2025)，结合证券行业风险数据的专属特性，聚焦风险数据战略、治理、架构、标准、安全、质量管理六大核心建设领域。文件正文明确各领域的建设架构、实施步骤与核心重点，同时配套案例、标准规范、实操步骤等附件内容，进一步提升落地指导性。值得注意的是，《示范实践》所载操作方式均为行业实践总结的指导性建议，不具备强制性。券商可结合自身业务结构、组织架构和经营禀赋，灵活适配建设方案，亦可采用文件未提及的合规工作机制。
券商应搭建配套的风险数据治理体系，统筹布局治理组织、制度与文化建设
完善的顶层治理架构是风险数据管理落地的基础，对此《示范实践》明确了体系化建设要求。券商需在公司级数据战略整体指引下，搭建适配风险数据特性的专项治理体系，统筹推进组织、制度、文化三大维度建设，依托专业化架构与团队保障治理工作落地见效。
在组织架构上，券商可根据自身业务体量与复杂程度，搭建决策层、管理层、执行层三级治理体系。业务复杂、体量较大的头部券商，可在董事会或经理层设立数据治理委员会；中小型券商可组建跨部门治理协作工作组，统筹重大治理决策。同时由首席信息官或对应高管指定固定专项团队，保障治理工作的专业性与连续性。
制度建设方面，券商需先搭建覆盖数据治理、标准、质量、安全、应用的全域公司级制度框架，再结合风控监管要求，细化完善风险数据标准、数据安全、数据质量管理等专项细则。文化建设上，券商通过自上而下树立数据驱动理念、开展全员专项培训、健全考核与人才培养机制，培育全员重视、主动运用风险数据的企业文化，全面提升企业数据治理综合能力。
依托完善的顶层治理体系，券商可进一步实现集团化风险数据精准管控。《示范实践》要求将各子公司全面纳入集团治理体系，构建差异化管控模式。各子公司需指定高管牵头负责数据治理工作，券商可依据自身管理能力、子公司业务重要程度、技术水平及业务复杂度，灵活选用适配模式。其中，全资子公司适配集中式统一管理；需并表风控的控股子公司采用混合模式，对核心并表风控数据集中管控，其余数据交由子公司自主管理；无需并表的子公司适用联邦式管理，实现精细化、差异化集团数据治理。
启动境外子公司风险数据治理专项工作，制定覆盖母子公司全业务条线的统一风险数据字典
随着券商跨境业务加速布局，境外子公司风险数据治理的战略地位持续凸显。针对境外机构普遍存在的境内外监管规则差异大、信息化建设滞后于业务发展等痛点，《示范实践》明确了标准化治理路径。
具体来看，券商需启动境外子公司风险数据治理专项工作，组建专项工作组并建立常态化沟通机制，持续研判境内外合规差异，闭环化解治理难题。同时加快境外风险数据中心、数据集市建设，搭建覆盖母子公司全业务条线的统一风险数据字典，统一数据架构、模型设计及治理标准。此外，推动风控校验规则前置，将集团核心校验标准落地至境外子公司数据终端，通过源头管控与全程监控，全面提升境外风险数据报送的时效性、完整性与准确性。
强调推动AI技术与风险数据管理深度融合
在行业数字化、智能化转型背景下，《示范实践》将AI与风控融合作为重要建设方向，为券商智慧风控升级指明路径。一方面，AI技术有效盘活数据价值，券商可在风险数据集市植入大模型能力，打造“AI问数”等智能化工具，大幅提升风控人员数据运用效率；另一方面，标准化、高质量的风险数据，是AI模型精准研判、科学决策的核心基础。券商通过统一数据口径、全流程清洗校验、分类分级管理，可有效解决数据杂乱冗余、口径不一等问题，同时依托统一的数据标准打破内外数据孤岛，为AI跨场景应用打通数据通道，为券商风控数字化、智能化转型筑牢坚实底座。
铁牛配资提示：文章来自网络，不代表本站观点。
