为促进证券公司系统性提升风险数据管理能力，筑牢全面风险管理的数据基础 ，以高质量风险数据驱动“穿透式+全景式 ”风险管控体系的构建 ，10月13日，中证协发布《证券业务示范实践第7号——证券公司风险数据管理》（以下简称《示范实践》） ，并提到了人工智能（AI）与风险数据管理等在实施中建议关注的重点。有分析人士指出 ，在AI发展浪潮下，数据风险管理的重要性进一步凸显，深刻影响券商数字化管理建设成效 ，数据安全与合规管理也因此显得尤为重要 。
AI与风险数据管理迎规范
中证协指出 ，当前，如何从战略层面提升对风险数据治理的重视程度 ，建立权责清晰、执行有力的风险数据治理架构 ，实现集团风险数据的集中统一管理，已成为证券公司夯实风险管理根基 、实现高质量发展过程中普遍关切的难题 。10月13日 ，中证协发布《示范实践》并表示 ，该文件是为不同证券公司参考借鉴或优化操作方法及工作机制提供支持，不做统一强制要求。
具体来看 ，《示范实践》介绍了风险数据管理能力的重点建设领域 ，包含风险数据战略 、风险数据治理、风险数据架构 、风险数据标准 、风险数据安全、风险数据质量共六部分 。同时，《示范实践》还提到了境外子公司风险数据治理、人工智能与风险数据管理等在实施中建议关注的重点 。
例如 ，在人工智能与风险数据管理方面 ，《示范实践》指出，随着AI技术的快速迭代发展，其在证券公司风险管理领域的应用场景越来越受到重视。负面舆情智能分析 、风险报告自动化生成 、风险知识库智能问答等核心场景 ，正在系统性重构证券公司风险管理体系。
《示范实践》明确 ，在模型训练与部署应用的全过程中，证券公司应遵守数据安全、审计追踪等方面的内外部要求 ，提升数据及算法模型的可追溯性与可解释性 ，防范数据污染 、模型偏差等衍生风险，健全AI应用的内部控制体系 ，加强AI访问数据权限管理 ，关注并妥善解决数据安全 、模型安全等潜在风险 。
除上述风险外，中国企业资本联盟副理事长柏文喜还提到 ，AI时代券商面临的风险集中在四类：一是数据风险 ，敏感客户信息、交易数据被Prompt注入（一种针对大语言模型的安全攻击技术）或误传云端；二是模型风险，大模型幻觉 、训练偏差导致风险判断误报漏报；三是权限与边界风险 ，AI越权调数 、账号共享、核心风控决策被模型替代；四是同质化风险 ，行业共用相似模型和舆情源，易放大拥挤交易与系统性误判 。
推动证券公司风险管理战略升级
在《示范实践》出台背后，是多家券商已实现AI的应用 ，差异在于：部分自研垂类大模型 、自建智能体矩阵；部分以接入第三方大模型为主 ，聚焦业务流程提效。例如，华泰证券提出“ALL IN AI ”的战略 ，并在行业率先推出专注交易场景的AI原生应用——“AI涨乐” 。国泰海通也迭代升级行业首个AI原生智能灵犀App 3.0版本 ，全面提升智能化服务质效和客户体验 。
另外，当前已有券商落地AI+风险管理相关实践。中信证券在2026年半年度报告中提到 ，公司持续深化风险管理数字化建设 ，稳步推进“AI+风险 ”多场景应用落地，构建智能化 、拟人化、高效协同的“数字员工 ”体系 ，推动AI技术深度赋能核心业务与经营管理场景 。
中证协指出 ，AI与风险数据管理的深度融合，可以有效推动证券公司风险管理从“被动型 、事后型”向“主动型 、前瞻型”的战略升级 。
中信证券还在前述半年报中指出 ，持续深化风险管理数字化建设。同时 ，依托公司的人工智能平台，稳步推进“AI+风险 ”多场景落地应用，进一步提升风险管理自动化和智能化水平 。国泰海通同样在2026年半年度报告中提到 ，以数智化手段推动合规管理和风险防控能力全面升级 。
财经评论员郭施亮表示 ，当前是数字化时代，数据管理、数据治理已经变成顶层设计的方向 ，“数据孤岛 ”问题将会逐步得到改善。在AI发展浪潮下 ，数据风险管理的重要性进一步凸显，深刻影响券商数字化管理建设成效 ，数据安全与合规管理也因此显得尤为重要 。未来需要在数据维护、数据风险安全管理以及隐私保护等方面下功夫 ，构建系统性AI治理框架，加强从业人员的培训以及风险管理能力 。
（文章来源：北京商报）
