FinTech將帶來金融風控革命

勞佳迪+陳惟杉

2016年，世界著名未來學家、《第三次浪潮》作者托夫勒離世。早在上個世紀80年代初，他就在書中預言，信息革命是繼農業革命和工業革命后的“第三次浪潮”，而在當時，他就盛贊“大數據”為“第三次浪潮的華彩樂章”。

后來很多研究者把大數據概念的提出，歸功于麥肯錫報告或是IBM公司，但實際上，托夫勒才是世界上說出“大數據”這個詞匯的第一人。

現在，世界依然活在他的預言里，并且因為FinTech的流行而讓大數據攀上了前所未有的科技高峰。

如今“黑科技”不斷激發著金融發展的種種活力，對于永遠是金融核心話題的風控而言，正是“人工智能+大數據”帶來了金融風控革命，也因此成為眾家FinTech公司的標配。

風控需求生變，“ABCD”現身

“與其說金融風控革命是金融科技直接改變了風控，不如說是改變了風控的需求，新的風控需求再倒逼金融科技提供對應的產品。”一位長期活躍于金融科技領域的資深機構投資人對《中國經濟周刊》記者分析說。

“傳統金融中，銀行有不良率的指標考核，是不能忍受用高利差覆蓋高風險的，所以次級一點的客戶，即便愿意接受更高的利率，銀行也無法放款。事實上，給‘好人放款不需要什么風控技術，甚至今天棄之如敝屣的評分卡模型也顯得過于高級，在不少地方，只要是公務員就能放貸款，這個時候不是沒有相應的技術，而是市場對技術沒有需求，我們過去的風控技術長期處于很原始滯后的狀態。”上述投資人這樣解釋道。

事實上，傳統金融機構的風控，尤其是信貸風控，受制于現有的模型，基本還都是需要抵押物來完成授信，因此風控變動成本較高，客戶的增長遇到了瓶頸。而當以大數據為基礎的金融科技公司開始嶄露頭角之后，金融服務行業便出現了新的變化。

“金融科技公司會在一個細分領域做到極致，例如Paydayloan這樣的短期發薪日貸款，針對這個場景做風控模型，然后去不斷優化用戶體驗，而非像傳統銀行那樣基于抵押去做一個通用的產品。”京東金融副總裁曹鵬對于兩者產品設計思路的差異也給出了自己的解釋，傳統銀行用傳統的模式做顯得“得不償失”，因為他們做一個風控模型的成本特別高，但一個細分領域下可能帶來的收益卻很難看到。

如何以低成本構建風控模型？這無疑給了“ABCD”四項技術（人工智能AI、區塊鏈Blockchain、云技術Cloud和大數據Big Data）巨大的用武之地。

曹鵬向記者解釋，傳統金融機構的做法是模型的降維，在開始放貸時可能有100個參數，最后篩選出最相關的3個參數，如收入證明等來做一個模型。但金融科技的做法是會盡量采集更多的維度去描述一個人的行為，但是每個維度的相關性都沒有那么高。

他向記者透露，京東第二版的白條也曾采用積分卡模型，但現在白條風控模型中的參數已經超過3萬個，“哪些參數會參與，權重是多少，都要靠系統來跑，而且針對不同的客群選擇的指標也不一樣，例如一個新用戶與一個老用戶會選擇不同的相關指標。”

京東金融CEO陳生強表示，風控并非孤立存在，它需要與需求、場景、體驗、產品融為一體，既要保證風險的有效管理，又要保證用戶無感知的極致體驗。

“自學習”實現有效反欺詐

除了在消費金融這樣新興的FinTech金融產品中扮演主角外，人工智能+大數據的風控模式也讓長期困擾傳統金融行業的反欺詐難題得到了很大程度上的破解。

今年2月，在東莞鳳崗警方成功破獲的一起利用木馬竊取個人信息進行盜刷的網絡詐騙案件中，受害人劉某銀行卡內的錢被嫌疑人利用第三方理財平臺，通過京東支付完成交易。在京東金融風險監控體系和數據分析技術的配合之下，警方迅速理清了劉某資金的流向，并及時鎖定了第一嫌疑人的去向，隨后成功抓獲另外三名同伙，該案件涉及廣東、江蘇、浙江、山東等十四個省份，涉案資金達數十萬元。

這一案件的偵破過程中，就借用了京東金融的大數據分析、風險監控等技術能力。

征信企業上海斯睿德信息技術有限公司CEO趙杰告訴《中國經濟周刊》記者，過去的風控痛點在于征信管理都是靜態地截止到某個時點，是一個時點的靜態畫像，過一秒鐘以后，這些數據全部失效，所以無法追溯到這個貸款人三個月或者一年中的行為變化蹤跡，而在“人工智能+大數據”的模型下，風險管理變成了動態時間軸上多維度交叉影響的趨勢。

“例如有一家上市銀行查看一個貸款申請人的信息，這個申請人名下的公司在歷史上有過幾次變更，按照以前的技術來看，它的每一次變更，法人變更或者經營范圍變更都是正常的，銀行可以放款，但現在的技術可以看到這個法人代表名下其他公司在銀行有壞賬，公司之間還互相擔保，整個擔保圈的涉案金額達到2.4億元，他通過法人變更來掩飾關聯公司，又通過經營范圍變更剔除了當時不允許貸款的鋼貿業務。”趙杰認為，這個案例對比顯示出FinTech對傳統銀行的風控貢獻。

據記者了解，目前的人工智能+大數據技術已經可以幫助找出一家企業背后的實際控制人、關聯公司和上下游供應商，為銀行風控提供了多重維度，幫助識別過去隱蔽的行業交叉風險。

秦倉科技聯合創始人兼CTP李炫熠則補充，雖然劣質客戶欺詐方式一直在變，但信用良好的客戶行為在一段時間內并不會發生劇烈變化，所以人工智能可以通過自學習來有效地識別欺詐。

所謂“自學習”，也就是深度的機器學習，和著名的阿爾法狗的算法如出一轍。據悉，目前在AI的技術框架下，上市公司的財務反欺詐模型也在設計中，未來可能為會計師事務所和律師事務所服務。

京東金融風險管理部總經理沈曉春向記者舉例說，“每個人做一件事情都會有一些習慣，例如在‘6·18時網購，你可能會先領取優惠券，查看其使用場景，再瀏覽相關產品，選擇商品加入購物車，這可能是一個常規的行為模式。但如果在登錄后直接看賬戶余額，查看綁定了幾張手機卡，甚至修改綁定的手機號，我們可以通過這個‘軌跡進行判定，這不是你本人在操作。”

沈曉春介紹，而在抓取到這種“異常”行為后，會再進行一些相應的處理和跟進，通常在幾十微秒、幾十毫秒的情況下做出決策，決定操作者能否繼續順利進行下面的操作。

為銀行業提供“貸后預警”

“人工智能+大數據”帶給傳統銀行業的突破還不僅于此，眾所周知，傳統銀行業的信貸風控流程一直存在著重貸輕管的積弊，貸后管理是銀行業的軟肋所在，但恰恰貸后管理又是持續時間最長、內在不確定因素最多、最容易出問題的薄弱環節，作為風控最后一環的催收，一直缺乏配套的政策法規，游走在灰色地帶。京東金融副總裁曹鵬告訴記者，從營銷到用戶運營，比如給用戶推送最新的產品、做一個新的活動，到風控，再到風控過后的壞賬催收，人工智能都在參與。

“一家銀行的上海分行，5個人就要管理500家企業，銀行重貸前、輕貸后的狀況是因為無法投入更多人力去做這個事情，誰都知道貸后很重要，但是長期缺少管理工具，現在FinTech可以提供貸后預警的機制。”棱鏡征信副總裁錢鋒告訴記者。

“現在智能風控系統可以用于分析貸中貸后用戶的貸款行為管理，這不只是在一個模型上判斷風險，而是在每個環節上指導金融行為，在客戶申請的時候會使用，放款的時候也會分析，根據貸中的環節用戶申請的意愿，這期間做了什么行為，去判定騙貸的概率多大，同時貸后追蹤發生逾期的可能性。”狐貍金服首席技術官周霖對《中國經濟周刊》記者表示。

普華永道咨詢部上海辦公室合伙人陶欣曾在過去半年，與上海互聯網金融協會攜手，共建了一個關于大數據在風控領域應用的課題組，在他看來，不管是銀行還是新金融，舊有風控體系中，傳統催收中大量人力資源都浪費在已經違約而還款能力不強的人身上。