金融风险建模的青年研究者邱钰娟

　　在金融科技风起云涌的今天，能将数学、统计学、人工智能与金融风险融会贯通的人依然稀缺。邱钰娟，正是这样一位在学术与产业之间穿行的“架桥者”，她的成长故事里沉淀着一份少见的执着。
　　“从本科开始，我就着迷于一个问题：金融体系崩盘的那一刻，数据到底有没有提前预警？”邱钰娟开门见山。
　　在约翰霍普金斯大学，邱钰娟主修应用数学与统计和经济学。2017年，她对发展中国家的三个货币局体系进行了实证分析，“这奠定了我的‘母题’，危机中究竟什么因素让一个体系稳住，又是什么因素让它崩塌？”
　　硕士阶段，她转向极端事件尾部风险建模，系统比较多种极值混合模型，显著提升了风险价值和预期损失的估算精度，这两个指标，正是全球银行业使用的核心风控工具。
　　真正让邱钰娟研究方向发生跃迁的是在2022年，一个市值近600亿美元的稳定币生态竟在72小时内归零。“传统风险监测体系完全失效，这件事对我冲击太大了。”她意识到，去中心化金融的风险检测几乎是空白的。
　　此后，她进入乔治·华盛顿大学攻读工程博士，专注于区块链系统性风险检测，搭建了融合变换器模型和图注意力网络的框架，对链上交易流进行联合建模。她提出的卷积神经网络—长短期记忆网络—注意力机制混合框架，在信用违约预测上达到更高准确率，比极限梯度提升模型高出16%。
　　邱钰娟坦言，学术界追求新颖，金融业务要求稳定，“这中间的鸿沟，让我反复跌进去再爬出来。做风险研究，必须经得起真实业务的考验。”
　　邱钰娟认为，应用数学与统计学是金融风险管理的“母学科”。但进入金融科技公司后，她扮演了学术与产业之间的桥梁。“我敬畏模型风险，全球金融业每年因模型失效造成的损失超过千亿美元，2008年次贷危机本质上也是风控失败。”
　　展望未来，邱钰娟有两个方向：一是将AI系统性风险检测从去中心化金融扩展到更广泛的金融基础设施；二是推进多智能体金融叙事分析框架，捕捉“叙事先行、价格滞后”的风险模式。
　　“未来5到10年，AI驱动的实时系统性风险预警一定会成为全球监管机构和大型金融机构的标配能力。”邱钰娟表示，自己正走在让这一天更早到来的路上。 
　　俞涵晓 文/图