金融业的本体：从FIBO、BCBS 239、AML看效用与成本

金融数据为何难，金融业为何青睐本体

本文是“本体的虚与实”系列的第3篇，金融篇。第2篇介绍了Palantir本体是在对象、属性、链接之上加入动作，把决策回写到源系统的运营层。本篇将考察同样的思路在监管严密的金融领域能带来什么效用、需要付出什么成本。

金融数据难处理的原因主要有三点。第一，同一对象在不同系统中叫法不同。管理FIBO的EDM协会在介绍文章（w2）中举例说，即使在同一家金融机构内部，“counterparty（交易对手）”、“client”、“customer”在不同系统中也可能含义不同。第二，法人之间通过所有权结构相互交织。State Street在FIBO概念验证中，从外部来源另行获取了法人及其层级（母公司·子公司关系）数据（w3）。HSBC也表示会利用企业所有权信息等外部数据来发现交易对手之间的关联（w11）。第三，合同条款分散存放。FINOS在Goldman Sachs Legend开源的新闻稿（w10）中说明，像货币期权这样复杂产品的组成要素，可能分散存储在投资银行前台、中台、后台的数十乃至数百个系统中。

本体（Ontology，规定存在哪些概念以及它们之间如何关联的形式化知识模型）给出的答案很简单：不去逐个修改各系统的数据，而是把每个系统连接（映射）到同一套公共概念上。这样就可以跨系统提出“这个客户和那个交易对手是否属于同一法人集团”之类的问题。成本也正产生于此。建立映射、就定义达成一致、并在每次变化时进行维护，这些工作都需要人来承担。本文通篇围绕这一权衡展开。

组成部分：FIBO定义了什么，概念验证揭示了什么

FIBO（Financial Industry Business Ontology）是EDM协会与行业实务专家共同开发和管理的金融标准本体。根据协会的说明（w2），FIBO将金融领域划分为模块化的领域，并为每个领域定义概念（如债券）、关系（如“由……发行”）和属性（如到期日）。其格式为RDF/OWL，可转换为其他格式，在多种分析和数据管理工具中使用。它以开源形式公开，由本体专家和金融实务专家组成的团队每季度审查和更新。据2016年的报道（w3），FIBO自2011年起与标准化组织OMG合作开发。FIBO的作用不是承载数据，而是提供附加在数据上的“公共词典和语法”。

WatersTechnology 2016年的报道（w3）详细介绍了State Street的FIBO概念验证。State Street有意将范围缩小到占其处理交易多数的利率互换。它原样使用公开的FIBO，未做改动，也没有接入运营系统，只使用了数据抽取副本。项目分四步进行：将FIBO模型载入语义工具，把抽取数据映射到FIBO，将交易绘制成图，并在此基础上构建分析。State Street方面表示，结果是无需另建数据仓库即可生成报告，还能看到担保品集中在特定法人或地区的情况。

同一篇文章也提到了映射负担。某个数据项无法映射时，团队起初怀疑FIBO不完整。直到询问先做过概念验证的Wells Fargo后，才发现是在FIBO中找错了地方。State Street的首席科学家表示，FIBO总体上直观，但规模越大越复杂，因此需要培训。这一案例表明，“标准是正确的”和“让自家数据符合标准很容易”是两回事。还需注意，这是一次没有接入运营系统的概念验证。

监管带来的需求：BCBS 239与公共术语、数据血缘

金融业考虑引入本体，很大程度上受监管影响。巴塞尔银行监管委员会于2023年11月28日发布报告，评估各银行落实BCBS 239（有效风险数据汇总与风险报告原则）的情况（w4）。对象是2011~21年间被认定的31家全球系统重要性银行（G-SIB）。委员会指出，尽管原则首次发布已近10年、合规期限已过去7年，各银行的落实水平仍参差不齐，大多数还有大量工作要做。

同日发布的新闻稿（w5）提出了具体建议。董事会应全面承担监督稳健数据治理框架的制定、实施和维护的责任。银行应在整个组织内培养对数据质量的主人翁意识和责任文化，并确保良好的数据质量作为数字化项目的基础。委员会还建议监管当局对长期未解决的缺陷采取更有力的措施。另一方面，正如巴塞尔委员会自己所说，委员会的决定不具法律约束力，需要由成员国当局落实才能生效（w5）。

这些要求与本体之间的关联有两点。一是公共术语体系。要汇总多个系统的风险数据，就必须以相同含义使用相同概念。EDM协会直接将BCBS 239等监管报告的一致性以及KYC·AML风险分析列为FIBO的用途（w2）。不过，这是标准运营方的说法。二是数据血缘（数据谱系，记录数据从何而来、如何变化）。FINOS表示，MiFID II等通用监管框架使精细的数据血缘工具成为必需（w10）。总之，监管直接要求的是“可汇总、可报告的数据及其责任”，本体只是满足这一要求的手段之一。

美欧案例梳理：从官方发布和报道看用途

下表优先列出公司和机构的官方发布内容，媒体报道作为补充。所有内容均为“已发布或已报道的内容”，绩效数字均为发布方的说法。

| 机构（国家） | 领域 | 方式 | 来源 | |---|---|---|---| | State Street（美国） | 行业标准概念验证 | 将FIBO映射到利率互换抽取数据并以图进行分析，未接入运营系统 | 2016年报道（w3） | | HSBC（英国） | 贸易融资AML | 与Quantexa共同打造的“基于情境的监控”，构建交易对手·交易关联网络 | Quantexa新闻稿，2019年（w11） | | Goldman Sachs（美国） | 数据模型·治理开源 | 将内部平台Legend的5个模块以开源形式贡献给FINOS | Linux Foundation新闻稿，2020年（w10） | | Societe Generale（法国） | 金融犯罪应对（洗钱·欺诈） | 在海外零售业务中部署基于Palantir Foundry的金融犯罪应对方案 | Palantir新闻稿，2025年（w6） | | AIG（美国） | 保险承保 | 利用自主开发的本体和Palantir Foundry构建劳合社（Lloyd's）辛迪加投资组合 | 2025年报道，引用AIG发布（w8） | | Swiss Re（瑞士） | 再保险数据·AI平台 | 将整合本体、自动化和治理的Palantir平台置于战略核心 | 2025年报道，依据公司管理层说明会（w9） |

简要补充细节。HSBC表示已在英国和香港运行该系统，自动将贸易融资交易与50多个包含洗钱迹象的情景进行比对，并给出每年审查超过580万笔贸易交易的数字（w11）。Quantexa方面称，该方案是参照超过400亿笔金融交易的Entity Resolution·网络分析框架（w11）。Goldman Sachs Legend在开源之前，曾由Deutsche Bank、Morgan Stanley、RBC Capital Markets等试用6个月。该试点小组共同建模的FX期权扩展方案被ISDA的通用领域模型（CDM）采纳（w10）。AIG表示，借助自主开发的本体，模型可以访问超过400万个行业数据点。据报道，以此架构运营的Syndicate 2479将从2026年1月1日起开始承保规模3亿美元的保费（w8）。Swiss Re也强调，需要跨部门治理来管理模型风险（w9）。

韩国案例方面，据2025年8月报道，DB Insurance与T3Q签署业务合作协议，将共同推进利用基于本体的AI实现长期保险理赔处理自动化的概念验证（w12）。需要注意的是，目前仍处于协议阶段。

三种路径比较：Palantir型、标准·开放型、关系网络分析型

按方法划分，这些案例可分为三种路径。Palantir型在运营平台上叠加本体，Societe Generale、AIG、Swiss Re属于这一类。其优势在于不止于分析，还能在同一平台上处理承保、监控等业务流程。代价是必须接受第2篇中提到的转换成本和锁定，因为本体定义会沉淀在特定平台内部。

标准·开放型使用公开的公共语言。FIBO这样的公开本体（w2）和Goldman Sachs Legend这样的公开数据模型平台（w10）属于这一类。其优势是企业间的互操作性和供应商中立性。State Street表示，FIBO也可以用于其他产品，因此不推荐特定供应商（w3）。但标准本身并不执行业务。因此，映射和解读所需的培训要由各公司自行承担，接入实际运营系统的工作也需另行完成。

关系网络分析型是像Quantexa那样利用Entity Resolution和网络进行监控的方式（w11）。它把分散在多个数据源中的个人和法人合并为一个实体，并查看它们之间的关联和交易模式。它很适合AML这类以“谁和谁一起转移资金”为核心的问题。但它的目的并不是建立全企业的概念体系，因此无法解决整个监管报告范围内的术语统一问题。

实务中可以考虑三者叠加使用的架构：术语和概念与FIBO等标准对齐，需要监控的领域使用关系网络分析，只在需要把决策回写到业务流程的地方使用运营平台。与标准对齐的定义无论迁移到哪个平台都会保留下来，成为资产。从这一点看，它也起到降低锁定风险的缓冲作用。

金融业特有的约束与常见错误

第一项约束是可解释性与审计追踪。在金融领域，必须能够回答“为什么把这笔交易列为可疑交易”“这个风险数值来自哪一个源数据”这类问题。BCBS 239 评估持续强调数据质量的责任与治理（w5），FINOS 说明因监管需要而必须使用数据血缘工具（w10），也是出于同样的考虑。本体明确定义概念与关系，因此有利于满足这一要求。但如果映射规则没有记录下来，反而会多出一个黑箱。

第二项是模型风险管理。AIG 表示，其长期方向是让 LLM 在本体之上评估投资组合是否符合风险偏好（w8）。Swiss Re 表示，AI 越深入日常业务，就越需要跨部门治理来管理模型风险（w9）。本体定义一旦改变，建立在其上的模型和智能体的输入也会随之改变。因此，定义变更也应像模型变更一样接受审查。个人信息保护和韩国国内网络隔离等数据监管问题，不在本次资料的具体讨论范围内。但在结合外部数据、引入云平台之前，这些是必须单独确认的事项。

第三项是人的最终责任。在 HSBC 的案例中，系统负责找出可疑的关联，判断则由金融犯罪调查人员查看该网络后作出（w11）。可疑交易报告、保险拒保、风险限额决定等直接影响客户的决策，应设置人在回路（由人审核、批准的环节）。正如巴塞尔委员会所强调的，数据治理的最终责任也在董事会（w5）。

常见错误也整理如下。第一，把概念验证的成功当作运营上的成功。State Street 的案例是一项缩小范围、未接入运营系统的实验（w3）。第二，认为直接引入标准就万事大吉。解读映射需要经验和培训（w3）。第三，把供应商发布的成效数字当作一般性的预期效果。上表中的数字都是发布方的说法。第四，不为术语定义指定负责人。如果没有人修改定义，本体很快就会过时。

韩国金融机构从小处起步的步骤

以下步骤是根据前文案例和 BCBS 239 建议整理出的推荐流程。1）选定一项业务、一份监管报告。正如 State Street 从交易占比大的利率互换这一品种起步（w3），宜选择利益关系明确、数据源限定在少数几个的报告。2）提取该报告中出现的核心术语（客户、交易对手、法人集团、风险敞口等），并与 FIBO 等公开标准中的概念对照（w2）。如果一开始就自建体系，之后可能需要重新对齐。

3）为每个术语指定定义负责人。这是将巴塞尔委员会要求的数据质量归属文化（w5）真正落地的一步。要以文件形式记录谁拥有修改定义的权限并承担责任。4）将源系统的字段映射到通用概念，并接通数据血缘，使报告中的任一数字都能追溯到来自哪个系统的哪个值。5）实际生成该报告，并与原有方式的结果对照。如果出现无法映射的项目，先确认是标准本身不足，还是映射找错了（w3）。

6）此后才接入智能体。让 LLM 把通用概念和数据血缘当作工具使用，但影响客户的操作须经人批准。7）扩展到第二项业务时，确认是否复用了已定义的概念。如果复用率没有上升，就说明正在构建的不是本体，而是按业务划分的映射表。

检查清单如下：每个核心术语是否都有定义负责人；映射规则是否有记录并保留变更历史；能否从报告数字沿数据血缘追溯到源头；概念验证是否已在运营数据和运营系统上重新验证；外部数据结合与平台引入是否符合韩国国内数据监管；智能体的操作是否设有人工批准环节。

延伸阅读，以及第 4 篇预告

入门资料推荐 EDM 协会的 FIBO 介绍（w2）。其中的概念·关系·属性结构和“交易对手/客户”示例，最简明地展示了本体的用处。接着阅读 State Street 概念验证的报道（w3），可以同时了解映射的四个阶段和实际遇到的障碍。监管方面，可参阅巴塞尔委员会 BCBS 239 评估报告的介绍（w4）和整理其建议的新闻稿（w5）。

比较案例时，三份官方发布很有用。关系网络分析型是 HSBC–Quantexa 新闻稿（w11），标准·开放型是 Goldman Sachs Legend 开源新闻稿（w10），Palantir 型是 Societe Generale 新闻稿（w6）。保险方面可一并阅读 AIG（w8）和 Swiss Re（w9）的报道，但要考虑到这些是转述公司发布内容的文章。

第 4 篇将梳理本篇介绍的三条路线在市场上如何竞争，并探讨本系列的结论——本体的“虚与实”，即哪些是实际效果，哪些只是期待。