智能風控：管理與創新

伴隨金融科技的迅猛發展，科技正在深刻改變傳統風控的發展形態，各家金融機構和科技企業都在積極推進智能風控。在此背景下，2019年5月28日，2019中國金融創新論壇特設“智能風控：管理與創新”分論壇，邀請金融機構、科技企業高管及業內專家共聚一堂，圍繞智能風控的管理與創新問題展開了深入討論。

社科院金融研究所所長助理楊濤主持分論壇并介紹了分論壇的主要議題：一是風險控制智能化經歷了哪些發展階段，解決了傳統風控的哪些痛點問題;二是智能風控在支持實體經濟發展，降低融資成本方面究竟發揮了什么作用;三是智能風控如何加強客戶信息安全管控，保護客戶的信息隱私;四是如何把握智能風控未來創新趨勢;五是開放銀行的建設過程當中，智能風控將扮演什么樣的角色。

在金融科技時代，要做好風險與安全邊界的構建。“不管金融概念如何出新，風險和安全一直都是金融創新最重要的邊界。”社科院金融研究所所長助理楊濤總結指出，過去互聯網金融時代曾經出了一些問題，歸根到底也是因為在風險控制方面沒有把握好底線。在金融科技時代，更需要做好風險與安全邊界的構建。智慧金融時代，一方面大數據、互聯網、區塊鏈等技術成為支撐，另一方面多元化的金融功能，如支付清算、資源配置、風險管理、信息管理，也拓展了金融科技與創新的應用場景。從創新實踐角度出發，智能風控貫穿在整個價值鏈當中。

技術平臺與業務層面有機結合，構建智能風控體系。“智能風控就是利用大數據、人工智能及時時分析等技術來整合處理客戶的交易行為、資產負債特征、違約歷史、行為偏好、關系網絡等內外部多維度數據，進而開展事前、事中、事后的風險預測和管控。”中國銀行風險管理部資深管理專家宋首文指出，構建智能風控體系需要技術平臺和業務層面的有機結合：技術方面，中國銀行在2018年逐步完成了大數據、人工智能和分布式架構三大技術平臺的搭建，為智能風控體系的構建提供了良好的技術支持;業務層面，全行數字治理工作取得了一系列成效，為智能風控具體任務的開展奠定了扎實的數據基礎。中國銀行智能風控體系的建設覆蓋貸前、貸中和貸后管理。銀行的數字化轉型，對風險管理部門處理數據爆炸，更新風控系統，完善風控模型，前瞻預判風險，保護數據安全等提出了更高要求。

貸前風控演進：從經驗、評分到網申秒批再到智能化風控。中國民生銀行信用卡中心科技總監余金橋總結了民生信用卡中心貸前風控發展的四個階段：第一個階段是根據專家制定的規則及評審人員個人的業務經驗對申請人進行打分和審批，確定是否核發以及信用額度;第二個階段我們引入了評分系統，包括收入模型和風險模型等，根據這些模型對申請人的資質進行打分，增加了決策的量化依據;第三個階段是2014年上線的網上申請平臺，做到了自動化申請和時時風控，最快三秒鐘就可確定申請是否通過，借助大數據分析，自動化、智能化審批的平臺，我們做到了千萬級的核卡數量，而人工核卡只能做到百萬級;第四個階段是智能化風控階段，應用大數據、生物識別等技術來進一步提升風控的自動化水平，同時也把審批和應用場景結合，如手機購買的現場分期。這個階段的特點一方面是數據來源更加豐富，另外一方面是計算能力突飛猛進，利用大數據分布式計算技術，可以一次處理千萬級的變量，進一步提升智能風控能力。未來民生還要在智能化風控方面進行提升，更加精準地識別客戶，在此基礎上進一步提高審批率，進而還可以差異化定價，降低客戶信貸成本。

關注數據本身質量，風控與業務流程相融合。“智能風控絕不僅僅是風險部一個部門的事情，業務部門在產品推出的過程中也要有風控意識，否則無法實現業務的可持續發展。”關于風控，中國建設銀行風險管理部副總經理怡穎有兩大觀點：一是風控模型、風控技術的發展都是建立在數據基礎之上的，因此要密切關注數據本身是否真實、準確;二是風控應用在業務流程中，風控指標是否實用，能否發揮作用，有賴于風控是否適用于業務體系。風控跟管理是密切相關的，在信貸業務中，風控技術的應用跟業務是相關的;在投資交易業務中，風控也要融入流程。所有的風控指標和信號都通過流程發揮作用，只有將風控技術與業務流程充分融合，才能充分發揮其作用。

智能風控需要解決數據真實性、穩定性和安全性的問題。江蘇銀行副行長周凱指出，中國銀行業風控的發展經歷了三個階段：第一個階段是人工決策階段，這個階段的風控主要靠人工完成，但應用技術手段和數據模型等輔助手段，進行風控決策。第二個階段是時時風控決策階段，這個階段針對的是信用卡這類標準化產品，借鑒回歸模型等算法，應用信用卡申請評分卡、行為評分卡等技術來實現一定程度上的時時風控決策。第三個階段是智能風控決策階段，這個階段有三個鮮明的特征，首先，風控跟營銷場景越來越融合;其次，風控與銀行自身風險偏好、戰略定位相匹配;最后，風控越來越跟定價相結合，風控需要解決精算、定價問題。

智能風控可以緩解前臺營銷人員和后臺風控人員之間的矛盾。天津濱海農商銀行首席信息官郭萬剛指出，后臺風控人員和前臺營銷人員之間的博弈現實中一直存在，但通過智能風控可以進行調節。一線營銷人員為把產品推銷出去，很少考慮成本，后臺風控就要通過模型測算，監測業務質量。智能風控讓數據說話，可以減少前臺營銷人員和后臺審批風控人員之間的矛盾。機器自動做貸后檢查，大數據風險自動預警，自動生成貸款報告，既降低了風險，又精準的做了貸后。目前天津濱海農商行營銷人員都是佩戴移動設備來服務客戶，并采集各種數據以便分析，通過大數據時時獲取客戶信息，自動形成審批報告，進行貸款定價。然而，我們在智能風控應用過程中，缺少對中小微企業，特別是民營中小微企業的服務數據，所以做小微貸款時的風控難度較大。

針對傳統風控的痛點，智能風控應運而生。同盾科技副總裁李偉東認為，傳統風控有四個痛點：第一，人群覆蓋率較低;第二，無法滿足小額高頻分散普惠金融的需求;第三，貸前審批反欺詐、貸后監控、逾期催收都會面臨不同的挑戰，傳統風控欠缺抵御風險的能力;第四，風控流程效率偏低，難以適應互聯網時代下的金融模式。針對這些痛點，智能風控應運而生，其發展經歷以下三個階段：第一個階段是云端風控，打破信息孤島，構建完整的反欺詐體系;第二個階段是構建全生命周期的風險系統，對金融機構前中后臺業務模式進行重塑，改善用戶的體驗，挖掘客戶的潛在價值;第三個階段是私有云加公有云的云端一體化智能風控，滿足銀行個性化的安全、私密需求，既可以進行企業云端處理，又可以進行本地化部署。李偉東同時指出，加強信息安全管控是一個系統工程，首先要樹立牢固的安全意識;其次要建立內外部相結合的安全管控體系;最后，要結合分布式存儲和大數據等技術進行數據的安全治理，應對潛在的突發事件。智能風控有局限，但利用大數據分析可以提升風控水平。金融壹賬通首席風控官高帆指出，金融是一個風險行業，但銀行并不是什么客人都能做，銀行關系到整個社會的金融系統安全，銀行有自己的風險偏好，在風險偏好之內的業務才是可以做的。針對不同的風險等級，無論是個人業務，還是對公業務，其風險定價應該是不一樣的，而且風險也應該跟場景融合。智能風控并不能解決所有問題，在零售、小微、支付等大數據的場景底下，智能風控有很好的應用，但像特別定制化的投行業務，會有很多單獨制定的合同，這時智能風控所起的作用就很有限了。但利用數據分析可以提升客戶體驗，提高風控效率，降低成本。

智能風控要解決數據處理、數據流動和數據價值挖掘問題。天云融創數據科技首席執行官雷濤提出，智能風控有三方面問題需要解決：第一個是數據來源問題。數據治理是一個常見問題，具體來講，需要處理辨別核心數據，自動化掃描、獲取，快速迭代形成應用表達的問題。第二個是數據流動問題。如何讓交易分析化，讓分析交易化，讓底層技術支持數據融合都是要解決的問題，可能需要借助分布式記賬技術。第三個是數據價值化，機器學習技術策略處理數據要能夠做到可解釋可表達，繼承原來的風控策略和規則，但由靜態變為動態。如何把已有的數據資產盤活？要對數據進行相加相乘的高維化處理，獲得更好的數據資產價值。在數據中臺的平臺上，天云融創可以很快速的抽象出很多智能應用，服務于前端。數據中臺的運行包括三個步驟：第一步是用自動化的數據治理方法來盤活和量化數據資產;第二步是建立混合式架構，數據庫同時支持交易、儲倉和數據挖掘三塊業務;第三步是用機器學習和深度學習技術進行數據學習，使數據資產得到價值挖掘。

摸查梳理數據源，在場景層面把業務和風控結合起來。中科聚信信息技術（北京）有限公司董事長兼CEO馬占軍表示，中科聚信目前覆蓋兩大領域的風控管理業務，一個是信貸的智能風控，另一個是資管類的風控管理，特別針對銀行資管部門以及正在陸續組建的理財子公司。中科聚信二十年始終如一做數據，做算法，做模型，因地制宜，不斷蛻變。國外的風控管理直接移植到國內并不好用，大行的風控管理移植到城商行也并不好用，究其原因，就是風控管理要和業務場景結合起來。

智能風控的建設應具備業務、技術和數據三要素。“智能風控的建設應具備三要素：第一個是業務規則，從業務的角度去觀察和把握風險;第二個是技術，智能風控需要機器學習、關聯圖譜、設備技術等要素;第三個是數據，數據是授信場景下風控系統很重要的一個組成部分。”邦盛科技的聯合創始人銀行事業部總經理王海漫提到。首先從業務規則入手，以手機銀行轉賬詐騙為例，要判斷是否為常用交易對手方、常用設備，通過業務規則或者模型設置交易的金額和交易時間，并利用外圍數據（代理IP地址、虛假手機號數據）來實現風險防范。其次從技術入手，用機器學習發現新特征，用業務知識、機器學習、關聯圖譜技術把這些風險特征關聯到一起，然后加以分析利用，這樣做的效果最好。技術方面要采用多種技術手段，而不是單一的，要從不同角度識別風險。最后是數據，邦盛在中文模糊地址匹配和二、三類賬戶識別方面有所創新，數據處理也需要更高的準確性和覆蓋率。

利用智能風控手段對傳統評級方法進行升級改造。中誠信信用評價中心評級總監林宏偉指出，中誠信的業務主要是給公開發行的債券做評級，銀行面臨的風險有操作風險、市場風險和信用風險等，而中誠信專門對信用風險進行評估。大數據時代，中誠信正在利用大數據和智能風控手段對傳統的評級方法進行改造。傳統的評級方法由于監管和各種歷史原因，不能隨意改變，監管每年都要進行審核，甚至評級方法和一些評級模型的細節都要在網上公開，這對傳統評級公司的業務是一種束縛。但是對智能風控的創新研究卻不受這種束縛，而且效果良好，借助智能風控技術，2018年中誠信為保險資管客戶避免了幾十億的損失，同樣，也可以為銀行的金融市場部或者資產管理部提供風險識別工具。銀行有特定的場景去收集數據，中誠信雖然積累了許多關于行業的數據，涵蓋工商、稅務、司法和電信等，但除了評級時的訪談，評級機構缺少特定的場景來收集專有數據。為此，中誠信在評級時加入了心理學和行為經濟學因素，主動進行風險管理。

風控要前置在營銷獲客端。“風控要前置在營銷端”品鈦科技的首席科學家任然認為，從獲客的角度來說，獲客時用戶還未申請業務，但風控方面就已需要將其分層。品鈦的商業模式，首先是為金融機構提供流量，幫助金融機構獲取優質客戶;其次是針對不同的業務場景，用不同技術構建風控模型，把技術應用在業務場景中。針對小微的風控第一個難點是獲客，第二個是數據比較離散。小公司、電商類的小微企業，數據分散，品鈦針對不同的場景進行了細分。比如客戶是線下業務，那線上模型就不一定好用，線下場景訓練的模型效果就比較不錯，這也回應了風控要前置，要在獲客端去做更多的事情。在數據源方面做得更精細，模型效果更好，是品鈦努力的方向。

智能風控在商業匯票領域也大有可為。德鴻金服貼唄票據交易平臺CEO夏子翔提出，德鴻金服在商業匯票風控領域的作用主要表現在三個方面。第一個是票據作廢的風險，因為票據是一種金融支付工具，已支付但合同沒有履約，則票據就作廢了，德鴻金服借助銀行ECD的票據鑒別功能，可以實現票據安全。第二個是在德鴻金服平臺建立黑白名單機制，識別傍名牌、假國企等企業。第三個是德鴻金服可以作為智能風控領域的資源聯結平臺，將風控技術公司與需要技術的中小企業連接起來。

利用全特征和自學習的組合處理方式，解決低頻動態風控問題。第四范式智能風控事業部總經理王明總結指出，目前風控領域存在兩個問題。第一個是個性化即低頻化挑戰加劇，客戶下沉，場景越來越多，客戶和產品的個性化極大發展，使得數據的分布方式發生了很大變化。原來業務里共性因素非常多，按照二八法則，我們解決高頻部分就能解決80%的問題，但是現在高頻部分越來越少，傳統的方法解決個性化（低頻化）風控問題的性價比就越來越低。第二個問題是動態博弈問題，欺詐與反欺詐之間存在對抗和博弈，現在業務往線上轉移，犯罪的成本很低，可以迅速變換欺詐手段，如果風險防控或者反欺詐技術是停留在依靠人去逐一細分處理階段，將疲于應付。機器學習技術可以進行精準預測，適合解決低頻動態問題。該技術有三個主要特征：第一，當低頻部分變得越來越多時，抽樣方法無法解決問題，借助機器學習技術就可以用全量方式，挖掘到最大信息量。第二，借助機器學習技術應用全量特征，可以精細刻畫場景。第三，自學習。例如根據時時的天氣特征推斷下一個小時的天氣情況。全特征和自學習的組合處理方式背后需要高維數據處理，應用復雜模型來解決復雜問題。做出一個模型并不難，但把這個模型變成一個穩定的工業應用很難，這也是風控技術公司要努力解決的問題。

智能風控推動實體經濟發展，降低融資成本。“金融機構在服務個人客戶還是中小微企業客戶時，都面臨很多風控問題，風控環節容易產生許多成本。”通付盾公共關系總監王鵬指出，銀行在解決融資貸款的風控問題時，可以借助智能風控，通過機器學習、大數據分析等技術手段，進行多維度的數據、關聯分析。這些數據包括電商平臺數據、運營商數據等等，同時也可以分析客戶的行為特征，包括風險產生的概率，比如還款意愿、還款能力，通過建模還原客戶的信用狀況。利用技術手段標識出“壞人”，用科技的手段代替傳統人工盡調，不僅能夠極大的降低金融服務的成本，也可以降低目標客戶自身的融資成本，這樣有利于推動實體經濟的發展，響應國家供給側改革的戰略。通付盾搭建的一體化智能風控防護體系，可以做到事前預警，事中監控，事后關聯分析，把風險前置，利用更多更可靠的數據源實現群防群控，最終提升風險防控的效率問題。