大數(shù)據(jù)時(shí)代下的互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)管控研究

朱煜

摘 要：大數(shù)據(jù)早已滲透到人們生活的各個(gè)領(lǐng)域并發(fā)揮著重要的作用。大數(shù)據(jù)時(shí)代的到來給各行各業(yè)帶來了新的思維方式和解決問題的方式。對(duì)于金融行業(yè)而言，傳統(tǒng)的風(fēng)險(xiǎn)管控中數(shù)據(jù)維度單一，數(shù)據(jù)滯后性，審核效率低下的問題阻礙了業(yè)務(wù)的發(fā)展，因而需要使用大數(shù)據(jù)風(fēng)險(xiǎn)管控的優(yōu)勢(shì)進(jìn)行補(bǔ)充，兩者相輔相成，共同促進(jìn)金融行業(yè)的發(fā)展。

關(guān)鍵詞：大數(shù)據(jù);互聯(lián)網(wǎng)金融;風(fēng)險(xiǎn)管控

數(shù)據(jù)，早已滲透到每一個(gè)行業(yè)和業(yè)務(wù)職能領(lǐng)域。數(shù)據(jù)與我們息息相關(guān)，我們每天都在和各種數(shù)據(jù)打交道，進(jìn)入“大數(shù)據(jù)”時(shí)代。大數(shù)據(jù)技術(shù)依托現(xiàn)代互聯(lián)網(wǎng)技術(shù)而出現(xiàn)、興起、發(fā)展，網(wǎng)絡(luò)資源的海量存儲(chǔ)特性，為大數(shù)據(jù)存儲(chǔ)提供了必備的條件，大數(shù)據(jù)技術(shù)的分析特性及存儲(chǔ)特性，有助于收集更多的用戶信息。隨著金融機(jī)構(gòu)業(yè)務(wù)的快速發(fā)展及服務(wù)人群的擴(kuò)大，傳統(tǒng)的風(fēng)險(xiǎn)管控暴露出相關(guān)問題，例如人力成本高昂，審核流程冗長等，無法滿足當(dāng)下業(yè)務(wù)中產(chǎn)生的海量數(shù)據(jù)實(shí)時(shí)分析和多樣化風(fēng)險(xiǎn)識(shí)別的要求。為了更好的開展業(yè)務(wù)與服務(wù)客戶，金融機(jī)構(gòu)需要加強(qiáng)對(duì)大數(shù)據(jù)的使用。

一、大數(shù)據(jù)與金融

大數(shù)據(jù)的特征經(jīng)歷了3V、4V到5V的演變，阿姆斯特丹大學(xué)提出了大數(shù)據(jù)體系架構(gòu)框架的5V特征，分別是數(shù)量（Volume）、速度（Velocity）、種類（Variety）、價(jià)值（Value）及真實(shí)性（Veracity）。第一是數(shù)據(jù)體量巨大（Volume），體現(xiàn)在數(shù)據(jù)采集、存儲(chǔ)和計(jì)算的量都非常大，存儲(chǔ)單位從過去的GB到TB，直至PB、EB、ZB。第二是數(shù)據(jù)類型繁多（Variety），大數(shù)據(jù)包括多種格式和不同類型的數(shù)據(jù)，分為結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。第三是價(jià)值密度低（Value），價(jià)值密度的高低與數(shù)據(jù)總量的大小成反比，要從海量的數(shù)據(jù)中挖掘出有價(jià)值的信息。第四是處理速度快（Velocity），這是大數(shù)據(jù)區(qū)別于傳統(tǒng)數(shù)據(jù)挖掘的最顯著的特征。在數(shù)據(jù)處理速度方面，有“1秒定律”之說，即數(shù)據(jù)如果沒有在秒級(jí)時(shí)間內(nèi)給出分析結(jié)果，數(shù)據(jù)就失去價(jià)值了。第五是數(shù)據(jù)的真實(shí)性（Veracity），大數(shù)據(jù)都是在真實(shí)世界發(fā)生的，要保證數(shù)據(jù)的準(zhǔn)確性和信賴性。

金融行業(yè)由于服務(wù)客戶眾多，業(yè)務(wù)類型復(fù)雜、信息化程度較高，天然具有“海量用戶和大數(shù)據(jù)”的特性。在規(guī)模上，金融機(jī)構(gòu)積累了海量的數(shù)據(jù)，包括客戶信息、產(chǎn)品信息、交易信息、行情信息等，每時(shí)每刻都在進(jìn)行數(shù)據(jù)的收集與處理。在速度上，為了滿足客戶、產(chǎn)品及交易要求，金融機(jī)構(gòu)重視大數(shù)據(jù)技術(shù)的發(fā)展，提高業(yè)務(wù)的處理速度，不斷優(yōu)化數(shù)據(jù)的采集、存儲(chǔ)及分析平臺(tái)。在類型上，金融機(jī)構(gòu)產(chǎn)生的數(shù)據(jù)中，不僅包含結(jié)構(gòu)化的數(shù)據(jù)，但更多的是半結(jié)構(gòu)及非結(jié)構(gòu)數(shù)據(jù)。

二、傳統(tǒng)金融風(fēng)險(xiǎn)管控的痛點(diǎn)

（一）單一的數(shù)據(jù)維度

傳統(tǒng)金融風(fēng)險(xiǎn)管控?cái)?shù)據(jù)來源單一，多基于征信信息及客戶主動(dòng)提供的信息。金融機(jī)構(gòu)多使用和客戶相關(guān)的強(qiáng)信用屬性數(shù)據(jù)，一般采用20個(gè)維度左右的數(shù)據(jù)，例如客戶的年齡、職業(yè)、學(xué)歷、收入、支出、還款情況、資產(chǎn)、負(fù)債等數(shù)據(jù)，利用評(píng)分模型來識(shí)別客戶的還款能力和還款意愿。金融機(jī)構(gòu)利用這些強(qiáng)信用屬性的數(shù)據(jù)構(gòu)建了不同的用戶畫像，對(duì)客戶的還款能力及還款意愿進(jìn)行了差異性區(qū)分，依據(jù)最終的打分模型來決定是否貸款以及貸款額度。

相較于歐美國家，我國個(gè)人征信行業(yè)起步較晚，雖然央行征信中心個(gè)人征信系統(tǒng)經(jīng)過不斷發(fā)展，已產(chǎn)生了較為顯著的成果，但是其覆蓋人群、覆蓋維度仍遠(yuǎn)遠(yuǎn)不足。數(shù)據(jù)顯示，央行個(gè)人征信記錄覆蓋率為35%，目前仍存在大量的征信白戶。對(duì)于此類人群，金融機(jī)構(gòu)獲取的信用屬性數(shù)據(jù)有限，采用原有的方法對(duì)客戶進(jìn)行評(píng)估存在偏頗，評(píng)估結(jié)果容易失效。其次，金融機(jī)構(gòu)在使用數(shù)據(jù)不全面的情況下，沒有大數(shù)據(jù)的支持，缺乏有效的交叉核驗(yàn)手段，對(duì)于欺詐風(fēng)險(xiǎn)的識(shí)別能力有限，容易遭受團(tuán)伙欺詐及其他類型欺詐。

（二）風(fēng)險(xiǎn)管控的滯后性

對(duì)金融機(jī)構(gòu)而言，欺詐風(fēng)險(xiǎn)管理相比信用風(fēng)險(xiǎn)管理更為復(fù)雜。信用風(fēng)險(xiǎn)管理側(cè)重于對(duì)用戶的還款能力和還款意愿進(jìn)行衡量，欺詐風(fēng)險(xiǎn)管理側(cè)重于評(píng)估用戶是否有主觀惡意騙貸的意圖或者行為。隨著社會(huì)的進(jìn)步和科技的發(fā)展，新型欺詐也日益活躍，各類欺詐手段千變?nèi)f化，各種欺詐行為層出不窮，欺詐事件也從傳統(tǒng)的個(gè)人作案逐漸演變成了有組織、成規(guī)模的團(tuán)伙作案，背后有一整條完整的犯罪產(chǎn)業(yè)鏈，所有人分工明確、緊密合作、協(xié)同作案。面對(duì)著層出不窮的欺詐事件，金融機(jī)構(gòu)主要使用名單+規(guī)則+有監(jiān)督模型去進(jìn)行風(fēng)險(xiǎn)管控，但以上三種方法均存在一定的滯后性問題。金融機(jī)構(gòu)在業(yè)務(wù)的開展過程中，積累了一定數(shù)量的黑名單，通過黑名單過濾掉部分欺詐客戶，但機(jī)構(gòu)在收集黑名單的過程中存在數(shù)據(jù)來源及準(zhǔn)確性有限，數(shù)據(jù)時(shí)效性滯后的問題。

金融機(jī)構(gòu)通過各種規(guī)則對(duì)不同的風(fēng)險(xiǎn)行為進(jìn)行區(qū)分，有力的識(shí)別欺詐事件，但是現(xiàn)有規(guī)則的制定來源于已發(fā)生風(fēng)險(xiǎn)事件的分析以及過往的經(jīng)驗(yàn)，存在滯后性，對(duì)于新型欺詐事件的識(shí)別乏力。在積累了一定的風(fēng)險(xiǎn)數(shù)據(jù)之后，金融機(jī)構(gòu)通過有監(jiān)督模型識(shí)別欺詐事件，有監(jiān)督模型需要高質(zhì)量的標(biāo)簽（已發(fā)生的風(fēng)險(xiǎn)事件）去不斷優(yōu)化，但機(jī)構(gòu)所收集到的欺詐事件僅是所有欺詐行為中的小部分，模型對(duì)于新型未知欺詐的檢測(cè)仍顯得力不從心。數(shù)據(jù)是有時(shí)間價(jià)值的，金融機(jī)構(gòu)利用滯后數(shù)據(jù)來識(shí)別欺詐事件，不能實(shí)時(shí)反映風(fēng)險(xiǎn)變化情況，存在一定程度上的結(jié)構(gòu)性風(fēng)險(xiǎn)。

（三）風(fēng)險(xiǎn)管控的低效率

以往的風(fēng)險(xiǎn)管控措施中，客戶的負(fù)擔(dān)較重，金融機(jī)構(gòu)的負(fù)擔(dān)較輕。金融機(jī)構(gòu)在犧牲客戶體驗(yàn)的前提下?lián)Q取了風(fēng)險(xiǎn)的可控。比如說，客戶需要提供相應(yīng)的資料，需要按照機(jī)構(gòu)的要求進(jìn)行申請(qǐng)、安裝、激活、更新等。金融機(jī)構(gòu)在獲取了客戶的信息之后，還需要進(jìn)行相應(yīng)的審核流程，在將審核結(jié)果反饋給客戶。從客戶申請(qǐng)貸款到金融機(jī)構(gòu)出具審核結(jié)果的耗時(shí)較長，客戶體驗(yàn)度較差。

傳統(tǒng)的風(fēng)險(xiǎn)管控中，人起到了很大的作用。比如，需要人工對(duì)壞樣本進(jìn)行標(biāo)記，需要人工通過相關(guān)信息找出關(guān)聯(lián)標(biāo)記樣本，需要人工對(duì)風(fēng)險(xiǎn)事件進(jìn)行調(diào)查等。但是每個(gè)人的計(jì)算能力和理解能力各有不同，在調(diào)查中也會(huì)受限于個(gè)人的經(jīng)驗(yàn)，存在一定的主觀性，難以實(shí)現(xiàn)標(biāo)準(zhǔn)化及量化，缺乏整體的把控能力，使評(píng)估結(jié)果容易出現(xiàn)偏差。而隨著金融機(jī)構(gòu)業(yè)務(wù)規(guī)模的擴(kuò)大與服務(wù)人群的提升，傳統(tǒng)的依靠人來進(jìn)行審核的風(fēng)險(xiǎn)管控中存在時(shí)效性差和風(fēng)控水平參差不齊的問題。

三、大數(shù)據(jù)風(fēng)險(xiǎn)管控的優(yōu)勢(shì)

（一）豐富數(shù)據(jù)維度

大數(shù)據(jù)風(fēng)險(xiǎn)管控中涉及多維度的數(shù)據(jù)，對(duì)傳統(tǒng)金融風(fēng)險(xiǎn)管控的不足進(jìn)行了補(bǔ)充。在風(fēng)險(xiǎn)管控中最好的數(shù)據(jù)依舊是強(qiáng)信用屬性的數(shù)據(jù)，這類數(shù)據(jù)的風(fēng)險(xiǎn)權(quán)重高，在信用評(píng)估中起到了重要的作用，能夠反映客戶的還款能力和還款意愿。但除了這些強(qiáng)相關(guān)數(shù)據(jù)，機(jī)構(gòu)內(nèi)部還積累了大量的非信用屬性數(shù)據(jù)，例如設(shè)備信息、網(wǎng)絡(luò)信息、運(yùn)營商信息、用戶行為信息等。盡管這些數(shù)據(jù)并非直接影響金融借貸，但都存在一定的價(jià)值，對(duì)這類數(shù)據(jù)的挖掘與分析有助于金融機(jī)構(gòu)從更全面的角度構(gòu)建客戶的用戶畫像及對(duì)客戶進(jìn)行風(fēng)險(xiǎn)評(píng)估。對(duì)于在傳統(tǒng)風(fēng)險(xiǎn)管控評(píng)估中存在偏差的群體，例如沒有信用卡、沒有房貸的征信白戶，金融機(jī)構(gòu)通過對(duì)大數(shù)據(jù)的使用，從更多的維度對(duì)這類群體進(jìn)行區(qū)分，在風(fēng)險(xiǎn)可控的前提下更好地服務(wù)于客戶。

設(shè)備信息、網(wǎng)絡(luò)信息、用戶行為信息一般不是客戶主動(dòng)提供，很大程度上是大數(shù)據(jù)采集和分析的結(jié)果。大數(shù)據(jù)技術(shù)對(duì)零散的碎片數(shù)據(jù)具有更好的整合能力，將零散的數(shù)據(jù)整合輸出規(guī)律性的數(shù)據(jù)，便于金融機(jī)構(gòu)的使用。大數(shù)據(jù)也給金融機(jī)構(gòu)提供了新的思維方式，即直接從海量數(shù)據(jù)出發(fā)，關(guān)注數(shù)據(jù)本身，通過大量的數(shù)據(jù)分析得出結(jié)論，不容易受到以前經(jīng)驗(yàn)的影響。

（二）實(shí)時(shí)風(fēng)險(xiǎn)管控

傳統(tǒng)的風(fēng)險(xiǎn)管控中存在著一定的數(shù)據(jù)滯后性問題，而大數(shù)據(jù)通過強(qiáng)大的數(shù)據(jù)采集和計(jì)算能力，能夠幫助金融機(jī)構(gòu)建立實(shí)時(shí)的風(fēng)險(xiǎn)管控，隨時(shí)監(jiān)控客戶的申請(qǐng)、交易行為，發(fā)現(xiàn)警報(bào)馬上處理，停止相關(guān)交易，減少損失。

大數(shù)據(jù)風(fēng)險(xiǎn)管控下，多樣的數(shù)據(jù)維度對(duì)原有規(guī)則以及有監(jiān)督模型進(jìn)行了擴(kuò)充，提升了使用范圍和效用。雖然有監(jiān)督模型在預(yù)測(cè)的準(zhǔn)確性上有不錯(cuò)的表現(xiàn)，但由于其天然存在的數(shù)據(jù)滯后性以及數(shù)據(jù)標(biāo)簽難以獲取的問題，大數(shù)據(jù)風(fēng)險(xiǎn)管控中同時(shí)強(qiáng)調(diào)對(duì)無監(jiān)督模型的使用，無監(jiān)督模型在進(jìn)行學(xué)習(xí)時(shí)并不知道其分類結(jié)果是否準(zhǔn)確，也不知道何種學(xué)習(xí)是正確的，通過給模型輸入大量范例，使之自動(dòng)識(shí)別出潛在的風(fēng)險(xiǎn)并輸出相應(yīng)類別規(guī)則。通過模型的不斷自我迭代，模型在識(shí)別新型欺詐方面有著不錯(cuò)的表現(xiàn)。面對(duì)欺詐行為日益呈現(xiàn)團(tuán)伙化特征，關(guān)系網(wǎng)絡(luò)提供了全新的反欺詐視角，通過無監(jiān)督學(xué)習(xí)算法，挖掘詐騙團(tuán)伙的特征，進(jìn)而識(shí)別詐騙團(tuán)伙。關(guān)系網(wǎng)絡(luò)通過基于圖的數(shù)據(jù)結(jié)構(gòu)，把不同的個(gè)體按照其關(guān)系連接在了一起，提供了從“關(guān)系”角度分析問題的能力，通過對(duì)個(gè)體與個(gè)體之間的關(guān)系的分析，使我們更能從正常行為中識(shí)別出異常的特征，有效的提高風(fēng)險(xiǎn)管控的精準(zhǔn)度，實(shí)現(xiàn)復(fù)雜環(huán)境下的反欺詐。

（三）提升客戶滿意度

傳統(tǒng)風(fēng)險(xiǎn)管控中，機(jī)構(gòu)往往要求客戶提供大量的資料來進(jìn)行輔助審核。這個(gè)過程涉及到了大量的人工及時(shí)間成本，為了提高效率，機(jī)構(gòu)必須搭建一套自動(dòng)化程度較高的后臺(tái)管理系統(tǒng)，具備數(shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)清理、數(shù)據(jù)建模及數(shù)據(jù)輸出的功能。機(jī)構(gòu)要重視大數(shù)據(jù)技術(shù)，加強(qiáng)底層技術(shù)架構(gòu)搭建能力，加強(qiáng)技術(shù)基礎(chǔ)設(shè)施的建設(shè)。

相對(duì)于傳統(tǒng)金融風(fēng)險(xiǎn)管控，大數(shù)據(jù)風(fēng)險(xiǎn)管控通過大規(guī)模的數(shù)據(jù)運(yùn)算，完成大量用戶的貸款申請(qǐng)審核工作，提升工作效率。傳統(tǒng)金融的審核中人占據(jù)了很大的作用，因而效率相對(duì)有限。大數(shù)據(jù)風(fēng)險(xiǎn)管控中，通過全方位收集客戶的各項(xiàng)信息，進(jìn)行有效的分析、建模、迭代，對(duì)客戶的信用情況進(jìn)行評(píng)價(jià)，使客戶在申請(qǐng)之后能迅速得到審核結(jié)果，大大減少了等待時(shí)間，提升了用戶體驗(yàn)。大數(shù)據(jù)技術(shù)的運(yùn)用幫助機(jī)構(gòu)簡化信貸業(yè)務(wù)辦理流程，實(shí)現(xiàn)申請(qǐng)過程的電子化，節(jié)省重復(fù)和無效的信息輸入，更加高效、低成本、低風(fēng)險(xiǎn)的服務(wù)客戶，在某些信貸領(lǐng)域甚至實(shí)現(xiàn)“秒貸”，擺脫了工作時(shí)間的限制。大數(shù)據(jù)技術(shù)的運(yùn)用，實(shí)現(xiàn)了實(shí)時(shí)及自動(dòng)化審核，覆蓋了很多以前無法觸及的更廣泛的人群。

結(jié)束語：

傳統(tǒng)金融風(fēng)險(xiǎn)管控使用有限的數(shù)據(jù)維度，強(qiáng)調(diào)變量之間的因果關(guān)系，講究邏輯性。即使變量與審核結(jié)果存在相關(guān)性，但是如果不能在邏輯上講通，也不會(huì)采用。大數(shù)據(jù)風(fēng)險(xiǎn)管控，核心在于利用更多維的數(shù)據(jù)，不強(qiáng)調(diào)因果性，更著重于統(tǒng)計(jì)學(xué)上的相關(guān)性，通過數(shù)據(jù)間的弱相關(guān)性來加強(qiáng)傳統(tǒng)的強(qiáng)因果性。這些弱相關(guān)變量看起來和結(jié)果沒有直接關(guān)系，但通過大量的數(shù)據(jù)累積及數(shù)據(jù)間的相互作用，能產(chǎn)生有效的識(shí)別客戶的能力。大數(shù)據(jù)風(fēng)險(xiǎn)管控并不是取代傳統(tǒng)風(fēng)險(xiǎn)管控，而是在一定程度上加強(qiáng)傳統(tǒng)風(fēng)險(xiǎn)管控，對(duì)傳統(tǒng)風(fēng)險(xiǎn)管控進(jìn)行補(bǔ)充。

參考文獻(xiàn)：

[1]劉英，羅明雄.互聯(lián)網(wǎng)金融模式及風(fēng)險(xiǎn)監(jiān)管思考[J].中國市場，2013（43）：29-36.

[2]李思遠(yuǎn).基于大數(shù)據(jù)的互聯(lián)網(wǎng)金融研究[J].消費(fèi)導(dǎo)刊，2017（01）：131-132.