近年來，金融機(jī)構(gòu)都很喜歡提智能風(fēng)控這一概念，但市場上對智能風(fēng)控并未有準(zhǔn)確的定義。事實上，在AI潮到來之前，也沒有人將風(fēng)險管理與“智能”聯(lián)系起來。大數(shù)據(jù)熱逐漸降溫后，隨著人工智能的興起，計量金融領(lǐng)域又迎來新一波熱點：AI in Financial Risk Management。

我很討厭“智能”這個流行詞，因為其不過是將機(jī)器學(xué)習(xí)進(jìn)行了有目的的包裝，而機(jī)器學(xué)習(xí)也遠(yuǎn)沒有發(fā)展到一個可靠的工程原則，很多不確定性、規(guī)模化、推理性的問題都沒有解決。隨著大數(shù)據(jù)、AI技術(shù)運用于風(fēng)險管理已經(jīng)越來越不鮮見，金融機(jī)構(gòu)對于智能風(fēng)控系統(tǒng)的建設(shè)需求迫切，市場成熟度和集中度也逐漸提升。我想聚焦于其內(nèi)涵、應(yīng)用模式和應(yīng)用架構(gòu)，談一談什么是智能風(fēng)控。

1智能風(fēng)控的定義

智能風(fēng)控有很多種“別名”，我見過的像大數(shù)據(jù)風(fēng)控、決策引擎、風(fēng)險計量引擎、風(fēng)險模型實驗室...其實都可以納入到這一概念范疇。其基本邏輯都是運用大數(shù)據(jù)平臺的計算分析能力、機(jī)器學(xué)習(xí)或深度學(xué)習(xí)模型，運用于信貸風(fēng)控、反欺詐、反洗錢、交易監(jiān)控、保險理賠等場景。所以，本質(zhì)上是以數(shù)據(jù)驅(qū)動的風(fēng)險管控與運營優(yōu)化。

對于金融機(jī)構(gòu)而言，智能風(fēng)控并沒有改變底層業(yè)務(wù)邏輯，也和傳統(tǒng)金融的風(fēng)控模式、建模方法和原理沒有本質(zhì)區(qū)別。只是由于大數(shù)據(jù)的引入，能夠獲取到更多維度的外部數(shù)據(jù)，像客戶行為、電商消費、運營商數(shù)據(jù)、地理位置、購物習(xí)慣等等。與傳統(tǒng)金融數(shù)據(jù)相比(如央行征信、交易流水、資產(chǎn)狀況、財務(wù)報表等)，雖然這些數(shù)據(jù)與客戶違約本質(zhì)上沒有必然關(guān)系，但增加了更多風(fēng)險因子和變量，可以從更多層面刻畫客戶風(fēng)險視圖，可以提升風(fēng)險定價、違約計算的效果。

智能風(fēng)控改變了過去以合規(guī)、滿足監(jiān)管檢查為導(dǎo)向的風(fēng)險管理模式，強調(diào)用金融科技降低風(fēng)險管理成本、提升客戶體驗、數(shù)據(jù)驅(qū)動風(fēng)控能效，實質(zhì)上代表了一種精益風(fēng)險管理思維。如果說巴塞爾新資本協(xié)議的全面風(fēng)險管理(資本計量、監(jiān)督檢查、市場紀(jì)律作為三大支柱)是傳統(tǒng)風(fēng)控的體現(xiàn)，那么智能風(fēng)控則是互聯(lián)網(wǎng)、大數(shù)據(jù)時代風(fēng)險管理實務(wù)的變革與創(chuàng)新。

從前些年的大數(shù)據(jù)風(fēng)控到如今的智能風(fēng)控，并沒有改變數(shù)據(jù)+模型+規(guī)則的處理邏輯，而是突出了機(jī)器學(xué)習(xí)模型的應(yīng)用，如線性回歸、Logistic回歸、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、集成學(xué)習(xí)等。對于金融機(jī)構(gòu)的風(fēng)險管理人員來說，隨著外部數(shù)據(jù)獲取途徑的增加，對于過去無法獲取有效風(fēng)險特征的人員或中小企業(yè)，風(fēng)險數(shù)據(jù)得到了有效的補充，從而能夠為更多的場景、人群設(shè)計不同的金融產(chǎn)品，從而起到了金融科技賦能普惠金融的作用。

2智能風(fēng)控的應(yīng)用模式

智能風(fēng)控在金融領(lǐng)域的應(yīng)用模式應(yīng)站在不同行業(yè)的視角來看。雖然本質(zhì)上都是數(shù)據(jù)驅(qū)動的風(fēng)險控制與管理決策，但由于銀行、證券、保險的行業(yè)屬性、業(yè)務(wù)場景差異較大，智能風(fēng)控的應(yīng)用模式也不同。

銀行業(yè)：信貸、反欺詐、關(guān)聯(lián)分析

雖然沒有考證過，但我相信智能風(fēng)控的稱謂最初應(yīng)來源于銀行業(yè)在信貸風(fēng)險管理、交易反欺詐、風(fēng)險定價和關(guān)聯(lián)關(guān)系監(jiān)控中的大數(shù)據(jù)應(yīng)用。像FICO、Experian(益百利)、Equifax(艾可菲)等公司早已通過各類風(fēng)控模型來實現(xiàn)反欺詐或征信。隨著技術(shù)手段的豐富，數(shù)據(jù)獲取的逐漸便利，商業(yè)銀行可以通過外部數(shù)據(jù)合作的方式獲取、存儲、加工不同維度的數(shù)據(jù)。通過大數(shù)據(jù)基礎(chǔ)平臺的強大算力，計算用戶之間的相關(guān)性，例如電話號、郵箱、地址、設(shè)備號等。

以消費信貸風(fēng)控為例，按照貸前、貸中、貸后作為風(fēng)控的時間維度，以信用品質(zhì)、償債能力、押品價值、財務(wù)狀況、還款條件作為評估維度，時間和評估形成不同的信貸風(fēng)險關(guān)注要點。商業(yè)銀行結(jié)合不同信貸風(fēng)險的關(guān)注要點，進(jìn)行相關(guān)數(shù)據(jù)的獲取。

圖：信貸風(fēng)險管理控制體系

除大數(shù)據(jù)外，智能風(fēng)控的“智能”主要體現(xiàn)在機(jī)器學(xué)習(xí)算法構(gòu)建模型。在授信申請、違約損失計算、逾期預(yù)測、反欺詐等業(yè)務(wù)目標(biāo)確定后，通過內(nèi)外部數(shù)據(jù)的整合、預(yù)處理(如采樣、PCA、缺失值填充、歸一化)、特征統(tǒng)計等方法，再選擇合適的算法進(jìn)行分析。而在基礎(chǔ)工具的運用上，由于運用到大數(shù)據(jù)技術(shù)，多離不開Hadoop/Spark這樣的基礎(chǔ)計算平臺，R/Python這些數(shù)據(jù)分析工具。當(dāng)前一些專注于機(jī)器學(xué)習(xí)廠商如第四范式、阿里云也研發(fā)了可拖拽的建模工具，部分降低了機(jī)器學(xué)習(xí)的學(xué)習(xí)成本和門檻。

圖：智能風(fēng)控的分析流程

無論是對個人或是企業(yè)的銀行貸款、抵質(zhì)押或擔(dān)保貸款，亦或是供應(yīng)鏈貸款、評分卡、巴塞爾協(xié)議中的貸款，還是當(dāng)前熱門的智能風(fēng)控，根本原理都是衡量客戶還款能力和意愿。智能風(fēng)控只是通過更多的數(shù)據(jù)維度來刻畫客戶特征，從而更準(zhǔn)確的量化客戶違約成本，實現(xiàn)對客戶的合理授信?？梢钥闯?，其原理和方法論和傳統(tǒng)金融風(fēng)控沒有區(qū)別，但可以通過自動化審批來替代人工審核，降低人力成本。

證券業(yè)：異常交易行為、違規(guī)賬戶偵測

與銀行業(yè)的智能風(fēng)控專注于信貸風(fēng)控、反欺詐等不同的是，證券公司、交易所更關(guān)注于“實時”、“事中”交易違規(guī)行為的偵測。從監(jiān)管要求方面，滬深交易所近期也發(fā)布了《關(guān)于加強重點監(jiān)控賬戶管理工作的通知》，要求強化交易一線監(jiān)管、突出事中監(jiān)管，明確了嚴(yán)重異常交易行為的重點監(jiān)控賬戶監(jiān)控；從技術(shù)方面，由于每日盤中連續(xù)交易階段的數(shù)據(jù)量大、并發(fā)性高，對于低延遲實時計算、機(jī)器學(xué)習(xí)和復(fù)雜事件處理是證券智能交易風(fēng)控的設(shè)計要點。

異常交易行為特征描述本質(zhì)上是一個用戶畫像項目，對高頻交易客戶進(jìn)行群體劃分，建立用戶畫像體系，基于客戶交易行為中的各種指標(biāo)提取特征，使用這些特征作為模型的輸入，輸出為該用戶所屬的類別。特征指標(biāo)如交易活躍度(下單次數(shù)，下單頻率等)，每單報價，持有標(biāo)的、總資產(chǎn)、資金與持倉信息等。在證券業(yè)務(wù)層面，則需要覆蓋經(jīng)紀(jì)業(yè)務(wù)、自營、資管等業(yè)務(wù)。

保險業(yè)：風(fēng)險定價、反欺詐與智能理賠

保險風(fēng)控的主要應(yīng)用領(lǐng)域在防騙保和反欺詐。近年來險企運用大數(shù)據(jù)技術(shù)的越來越多，基本思路是借助內(nèi)外部數(shù)據(jù)在財產(chǎn)險的查勘、定損、核算等環(huán)節(jié)識別風(fēng)險特征。以眾安保險為例，其對接了央行征信、公安、前海征信、芝麻信用等外部大數(shù)據(jù)，其中公安數(shù)據(jù)包含所有已識別到的風(fēng)險電話數(shù)據(jù)、短信數(shù)據(jù)等。此外，智能風(fēng)控也逐漸加入生物特征識別、人臉與圖像識別等AI技術(shù)，提高欺詐識別率、降低理賠成本。

3智能風(fēng)控的應(yīng)用架構(gòu)

前文說到智能風(fēng)控是數(shù)據(jù)+模型+規(guī)則的應(yīng)用模式，其實仍是一種決策信息系統(tǒng)，其技術(shù)和應(yīng)用架構(gòu)離不開數(shù)據(jù)采集、數(shù)據(jù)加工處理、數(shù)據(jù)挖掘與分析、算法模型上線等關(guān)鍵環(huán)節(jié)。只是相比于傳統(tǒng)的管理信息系統(tǒng)，其架構(gòu)多引入基于分布式架構(gòu)的計算引擎(處理離線大數(shù)據(jù))、實時流計算引擎(處理線上實時數(shù)據(jù))、策略模型平臺(算法和建模)。

在商業(yè)銀行中，智能風(fēng)控組件多集成于電子銀行、互聯(lián)網(wǎng)金融等業(yè)務(wù)部門的后端平臺中，作為線上秒貸平臺、反欺詐、反洗錢等系統(tǒng)的獨立的規(guī)則或決策單元。

圖：基于大數(shù)據(jù)技術(shù)的秒貸平臺

還有一些商業(yè)銀行基于大數(shù)據(jù)構(gòu)建了新一代風(fēng)險管理體系，其本質(zhì)也是依托于大數(shù)據(jù)平臺的計算能力以及大數(shù)據(jù)金融風(fēng)險計量模型，為智能化、自動化風(fēng)控決策提供支持。這類風(fēng)險管理體系從全行角度接入包括客戶信息、對公信貸、個貸、信用卡、外部數(shù)據(jù)(工商、稅務(wù)、司法等)?；诖髷?shù)據(jù)平臺建設(shè)風(fēng)險數(shù)據(jù)集市和模型實驗室，綜合運用了數(shù)據(jù)倉庫、知識圖譜、商業(yè)智能、數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)等多種技術(shù)，為多種風(fēng)險類別提供決策支持，如客戶信用風(fēng)險、抵質(zhì)押品風(fēng)險、異常交易風(fēng)險、操作行為風(fēng)險、機(jī)構(gòu)行為風(fēng)險、授信風(fēng)險等等。另外，也會與行內(nèi)基于巴塞爾III的全面風(fēng)險管理系統(tǒng)、經(jīng)濟(jì)資本計量系統(tǒng)進(jìn)行打通，整合全行全面風(fēng)險管理與控制體系。

圖：基于大數(shù)據(jù)的全行綜合風(fēng)險管理體系

對于銀行的大數(shù)據(jù)風(fēng)險計量引擎，包括不限于小微企業(yè)貸款、對公客戶評級與債項評級、個貸申請評分、對公風(fēng)險指標(biāo)計算、信用卡申請與分期評分、零售LGD與RAROC等風(fēng)險指標(biāo)計算，實現(xiàn)對零售、對公業(yè)務(wù)風(fēng)險管理的全面覆蓋。而人工智能技術(shù)的應(yīng)用，則仍體現(xiàn)在機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)模型在客戶行為分析、反欺詐等應(yīng)用領(lǐng)域。

除商業(yè)銀行外，證券公司、交易所、保險公司的智能風(fēng)控系統(tǒng)架構(gòu)，也多數(shù)都是依賴于分布式大數(shù)據(jù)計算引擎+實時流計算引擎，將其作為獨立的系統(tǒng)組件、或模塊整合于風(fēng)險預(yù)警單元、商業(yè)智能系統(tǒng)之中。

圖：基于大數(shù)據(jù)的風(fēng)險模型實驗室

4智能風(fēng)控的問題

我過去曾寫過一篇文章《大數(shù)據(jù)時代的金融風(fēng)險管理》，談到的主要是數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等技術(shù)在傳統(tǒng)金融風(fēng)險管理中的應(yīng)用方法。例如，以新資本協(xié)議為核心，以風(fēng)險治理、風(fēng)險限額、監(jiān)控指標(biāo)和內(nèi)控體系為要素的傳統(tǒng)金融風(fēng)險管理，已經(jīng)具備了基于模型的定量風(fēng)險分析(如風(fēng)險價值度VaR、債券久期與凸性分析、希臘字母分析、信用風(fēng)險LGD與RAROC等)，以及基于傳統(tǒng)集中式架構(gòu)的管理信息系統(tǒng)的支撐。

對于當(dāng)下熱鬧的智能風(fēng)控市場，我認(rèn)為其問題可以歸納為三點：

第一，市場上很多所謂的智能風(fēng)控系統(tǒng)仍談不上什么“智能”。大部分仍是基于規(guī)則組合、條件篩選來實現(xiàn)風(fēng)險預(yù)警、半自動化的方式來輔助人來判斷。一些系統(tǒng)其實是做了一個客戶畫像和標(biāo)簽體系，另有一些甚至把風(fēng)險指標(biāo)和報表系統(tǒng)也包裝成為智能風(fēng)控平臺。行業(yè)沒有標(biāo)準(zhǔn)，不乏有故意夸大和蹭熱度的現(xiàn)象。

第二，對于金融機(jī)構(gòu)來說，智能風(fēng)控的前提是大數(shù)據(jù)的運用，而大數(shù)據(jù)則完全依賴于場景的布局?；ヂ?lián)網(wǎng)公司由于具備穩(wěn)定的場景優(yōu)勢自然能夠積累海量數(shù)據(jù)來刻畫用戶行為，而絕大多數(shù)金融機(jī)構(gòu)仍需借助于外部數(shù)據(jù)交易的方法來補充數(shù)據(jù)維度的不足。一方面買來的數(shù)據(jù)可能缺乏金融屬性，不具備參考意義；另一方面由于金融機(jī)構(gòu)缺乏像互聯(lián)網(wǎng)那樣穩(wěn)定可持續(xù)的場景和數(shù)據(jù)運營體系，也很難形成真正的作用和價值。所以有些機(jī)構(gòu)也干脆直接買同盾分、芝麻信用分，而并不自己來建設(shè)系統(tǒng)。

第三、大數(shù)據(jù)強調(diào)相關(guān)性而不是因果性，且基于機(jī)器學(xué)習(xí)模型的評估和結(jié)果不具備可解釋性，將其運用到實際風(fēng)險審核、偵測場景中的可行性有待商榷。

所以對于智能風(fēng)控，只可看作是當(dāng)下大數(shù)據(jù)、人工智能風(fēng)口中，風(fēng)險管理領(lǐng)域的一種新興技術(shù)運用模式。在風(fēng)險管理的方法論上、風(fēng)險管理的計量標(biāo)準(zhǔn)和監(jiān)管要求上，都與傳統(tǒng)金融風(fēng)險管理模式并無區(qū)別。其特色在于，通過引入更多維的客戶數(shù)據(jù)(如客戶線上消費、電商、運營商、行為)，重構(gòu)數(shù)據(jù)和應(yīng)用架構(gòu)，借助分布式大數(shù)據(jù)平臺的能力、機(jī)器學(xué)習(xí)或深度學(xué)習(xí)模型，能夠?qū)崿F(xiàn)大批量、快速、精準(zhǔn)的風(fēng)險事件過濾或預(yù)測，從而能夠在風(fēng)險管理的時效性、前瞻性、精準(zhǔn)性、技術(shù)先進(jìn)性上尋求突破。未來隨著生物特征識別、圖像識別、區(qū)塊鏈等技術(shù)的成熟，或可運用于風(fēng)險管理領(lǐng)域，形成更多智能風(fēng)控應(yīng)用模式。

銀行與金融科技融合的理想境界是什么？是銀行即服務(wù)。

2019年6月14日，億歐智庫研究院將在“2019丨全球新經(jīng)濟(jì)年會·金融科技峰會”上發(fā)布《2019開放銀行與金融科技發(fā)展研究報告》，深度解讀金融科技賦能開放銀行的融合與落地應(yīng)用——上?！ず鐦颉な蕾Q(mào)展館邀您見證！搶票鏈接：https://www.iyiou.com/post/ad/id/792

本文已標(biāo)注來源和出處，版權(quán)歸原作者所有，如有侵權(quán)，請聯(lián)系我們。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。