智能风控：管理与创新

　　伴随金融科技的迅猛发展，科技正在深刻改变传统风控的发展形态，各家金融机构和科技企业都在积极推进智能风控。在此背景下，2019年5月28日，2019中国金融创新论坛特设“智能风控：管理与创新”分论坛，邀请金融机构、科技企业高管及业内专家共聚一堂，围绕智能风控的管理与创新问题展开了深入讨论。

　　社科院金融研究所所长助理杨涛主持分论坛并介绍了分论坛的主要议题：一是风险控制智能化经历了哪些发展阶段，解决了传统风控的哪些痛点问题；二是智能风控在支持实體经济发展，降低融资成本方面究竟发挥了什么作用；三是智能风控如何加强客户信息安全管控，保护客户的信息隐私；四是如何把握智能风控未来创新趋势；五是开放银行的建设过程当中，智能风控将扮演什么样的角色。

　　在金融科技时代，要做好风险与安全边界的构建。“不管金融概念如何出新，风险和安全一直都是金融创新最重要的边界。”社科院金融研究所所长助理杨涛总结指出，过去互联网金融时代曾经出了一些问题，归根到底也是因为在风险控制方面没有把握好底线。在金融科技时代，更需要做好风险与安全边界的构建。智慧金融时代，一方面大数据、互联网、区块链等技术成为支撑，另一方面多元化的金融功能，如支付清算、资源配置、风险管理、信息管理，也拓展了金融科技与创新的应用场景。从创新实践角度出发，智能风控贯穿在整个价值链当中。

　　技术平台与业务层面有机结合，构建智能风控体系。“智能风控就是利用大数据、人工智能及时时分析等技术来整合处理客户的交易行为、资产负债特征、违约历史、行为偏好、关系网络等内外部多维度数据，进而开展事前、事中、事后的风险预测和管控。”中国银行风险管理部资深管理专家宋首文指出，构建智能风控体系需要技术平台和业务层面的有机结合：技术方面，中国银行在2018年逐步完成了大数据、人工智能和分布式架构三大技术平台的搭建，为智能风控体系的构建提供了良好的技术支持；业务层面，全行数字治理工作取得了一系列成效，为智能风控具体任务的开展奠定了扎实的数据基础。中国银行智能风控体系的建设覆盖贷前、贷中和贷后管理。银行的数字化转型，对风险管理部门处理数据爆炸，更新风控系统，完善风控模型，前瞻预判风险，保护数据安全等提出了更高要求。

　　贷前风控演进：从经验、评分到网申秒批再到智能化风控。中国民生银行信用卡中心科技总监余金桥总结了民生信用卡中心贷前风控发展的四个阶段：第一个阶段是根据专家制定的规则及评审人员个人的业务经验对申请人进行打分和审批，确定是否核发以及信用额度；第二个阶段我们引入了评分系统，包括收入模型和风险模型等，根据这些模型对申请人的资质进行打分，增加了决策的量化依据；第三个阶段是2014年上线的网上申请平台，做到了自动化申请和时时风控，最快三秒钟就可确定申请是否通过，借助大数据分析，自动化、智能化审批的平台，我们做到了千万级的核卡数量，而人工核卡只能做到百万级；第四个阶段是智能化风控阶段，应用大数据、生物识别等技术来进一步提升风控的自动化水平，同时也把审批和应用场景结合，如手机购买的现场分期。这个阶段的特点一方面是数据来源更加丰富，另外一方面是计算能力突飞猛进，利用大数据分布式计算技术，可以一次处理千万级的变量，进一步提升智能风控能力。未来民生还要在智能化风控方面进行提升，更加精准地识别客户，在此基础上进一步提高审批率，进而还可以差异化定价，降低客户信贷成本。

　　关注数据本身质量，风控与业务流程相融合。“智能风控绝不仅仅是风险部一个部门的事情，业务部门在产品推出的过程中也要有风控意识，否则无法实现业务的可持续发展。”关于风控，中国建设银行风险管理部副总经理怡颖有两大观点：一是风控模型、风控技术的发展都是建立在数据基础之上的，因此要密切关注数据本身是否真实、准确；二是风控应用在业务流程中，风控指标是否实用，能否发挥作用，有赖于风控是否适用于业务体系。风控跟管理是密切相关的，在信贷业务中，风控技术的应用跟业务是相关的；在投资交易业务中，风控也要融入流程。所有的风控指标和信号都通过流程发挥作用，只有将风控技术与业务流程充分融合，才能充分发挥其作用。

　　智能风控需要解决数据真实性、稳定性和安全性的问题。江苏银行副行长周凯指出，中国银行业风控的发展经历了三个阶段：第一个阶段是人工决策阶段，这个阶段的风控主要靠人工完成，但应用技术手段和数据模型等辅助手段，进行风控决策。第二个阶段是时时风控决策阶段，这个阶段针对的是信用卡这类标准化产品，借鉴回归模型等算法，应用信用卡申请评分卡、行为评分卡等技术来实现一定程度上的时时风控决策。第三个阶段是智能风控决策阶段，这个阶段有三个鲜明的特征，首先，风控跟营销场景越来越融合；其次，风控与银行自身风险偏好、战略定位相匹配；最后，风控越来越跟定价相结合，风控需要解决精算、定价问题。

　　智能风控可以缓解前台营销人员和后台风控人员之间的矛盾。天津滨海农商银行首席信息官郭万刚指出，后台风控人员和前台营销人员之间的博弈现实中一直存在，但通过智能风控可以进行调节。一线营销人员为把产品推销出去，很少考虑成本，后台风控就要通过模型测算，监测业务质量。智能风控让数据说话，可以减少前台营销人员和后台审批风控人员之间的矛盾。机器自动做贷后检查，大数据风险自动预警，自动生成贷款报告，既降低了风险，又精准的做了贷后。目前天津滨海农商行营销人员都是佩戴移动设备来服务客户，并采集各种数据以便分析，通过大数据时时获取客户信息，自动形成审批报告，进行贷款定价。然而，我们在智能风控应用过程中，缺少对中小微企业，特别是民营中小微企业的服务数据，所以做小微贷款时的风控难度较大。

　　针对传统风控的痛点，智能风控应运而生。同盾科技副总裁李伟东认为，传统风控有四个痛点：第一，人群覆盖率较低；第二，无法满足小额高频分散普惠金融的需求；第三，贷前审批反欺诈、贷后监控、逾期催收都会面临不同的挑战，传统风控欠缺抵御风险的能力；第四，风控流程效率偏低，难以适应互联网时代下的金融模式。针对这些痛点，智能风控应运而生，其发展经历以下三个阶段：第一个阶段是云端风控，打破信息孤岛，构建完整的反欺诈体系；第二个阶段是构建全生命周期的风险系统，对金融机构前中后台业务模式进行重塑，改善用户的体验，挖掘客户的潜在价值；第三个阶段是私有云加公有云的云端一体化智能风控，满足银行个性化的安全、私密需求，既可以进行企业云端处理，又可以进行本地化部署。李伟东同时指出，加强信息安全管控是一个系统工程，首先要树立牢固的安全意识；其次要建立内外部相结合的安全管控体系；最后，要结合分布式存储和大数据等技术进行数据的安全治理，应对潜在的突发事件。智能风控有局限，但利用大数据分析可以提升风控水平。金融壹账通首席风控官高帆指出，金融是一个风险行业，但银行并不是什么客人都能做，银行关系到整个社会的金融系统安全，银行有自己的风险偏好，在风险偏好之内的业务才是可以做的。针对不同的风险等级，无论是个人业务，还是对公业务，其风险定价应该是不一样的，而且风险也应该跟场景融合。智能风控并不能解决所有问题，在零售、小微、支付等大数据的场景底下，智能风控有很好的应用，但像特别定制化的投行业务，会有很多单独制定的合同，这时智能风控所起的作用就很有限了。但利用数据分析可以提升客户体验，提高风控效率，降低成本。

　　智能风控要解决数据处理、数据流动和数据价值挖掘问题。天云融创数据科技首席执行官雷涛提出，智能风控有三方面问题需要解决：第一个是数据来源问题。数据治理是一个常见问题，具体来讲，需要处理辨别核心数据，自动化扫描、获取，快速迭代形成应用表达的问题。第二个是数据流动问题。如何让交易分析化，让分析交易化，让底层技术支持数据融合都是要解决的问题，可能需要借助分布式记账技术。第三个是数据价值化，机器学习技术策略处理数据要能够做到可解释可表达，继承原来的风控策略和规则，但由静态变为动态。如何把已有的数据资产盘活？要对数据进行相加相乘的高维化处理，获得更好的数据资产价值。在数据中台的平台上，天云融创可以很快速的抽象出很多智能应用，服务于前端。数据中台的运行包括三个步骤：第一步是用自动化的数据治理方法来盘活和量化数据资产；第二步是建立混合式架构，数据库同时支持交易、储仓和数据挖掘三块业务；第三步是用机器学习和深度学习技术进行数据学习，使数据资产得到价值挖掘。

　　摸查梳理数据源，在场景层面把业务和风控结合起来。中科聚信信息技术（北京）有限公司董事长兼CEO马占军表示，中科聚信目前覆盖两大领域的风控管理业务，一个是信贷的智能风控，另一个是资管类的风控管理，特别针对银行资管部门以及正在陆续组建的理财子公司。中科聚信二十年始终如一做数据，做算法，做模型，因地制宜，不断蜕变。国外的风控管理直接移植到国内并不好用，大行的风控管理移植到城商行也并不好用，究其原因，就是风控管理要和业务场景结合起来。

　　智能风控的建设应具备业务、技术和数据三要素。“智能风控的建设应具备三要素：第一个是业务规则，从业务的角度去观察和把握风险；第二个是技术，智能风控需要机器学习、关联图谱、设备技术等要素；第三个是数据，数据是授信场景下风控系统很重要的一个组成部分。”邦盛科技的联合创始人银行事业部总经理王海漫提到。首先从业务规则入手，以手机银行转账诈骗为例，要判断是否为常用交易对手方、常用设备，通过业务规则或者模型设置交易的金额和交易时间，并利用外围数据（代理IP地址、虚假手机号数据）来实现风险防范。其次从技术入手，用机器学习发现新特征，用业务知识、机器学习、关联图谱技术把这些风险特征关联到一起，然后加以分析利用，这样做的效果最好。技术方面要采用多种技术手段，而不是单一的，要从不同角度识别风险。最后是数据，邦盛在中文模糊地址匹配和二、三类账户识别方面有所创新，数据处理也需要更高的准确性和覆盖率。

　　利用智能风控手段对传统评级方法进行升级改造。中诚信信用评价中心评级总监林宏伟指出，中诚信的业务主要是给公开发行的债券做评级，银行面临的风险有操作风险、市场风险和信用风险等，而中诚信专门对信用风险进行评估。大数据时代，中诚信正在利用大数据和智能风控手段对传统的评级方法进行改造。传统的评级方法由于监管和各种历史原因，不能随意改变，监管每年都要进行审核，甚至评级方法和一些评级模型的细节都要在网上公开，这对传统评级公司的业务是一种束缚。但是对智能风控的创新研究却不受这种束缚，而且效果良好，借助智能风控技术，2018年中诚信为保险资管客户避免了几十亿的损失，同样，也可以为银行的金融市场部或者资产管理部提供风险识别工具。银行有特定的场景去收集数据，中诚信虽然积累了许多关于行业的数据，涵盖工商、税务、司法和电信等，但除了评级时的访谈，评级机构缺少特定的场景来收集专有数据。为此，中诚信在评级时加入了心理学和行为经济学因素，主动进行风险管理。

　　风控要前置在营销获客端。“风控要前置在营销端”品钛科技的首席科学家任然认为，从获客的角度来说，获客时用户还未申请业务，但风控方面就已需要将其分层。品钛的商业模式，首先是为金融机构提供流量，幫助金融机构获取优质客户；其次是针对不同的业务场景，用不同技术构建风控模型，把技术应用在业务场景中。针对小微的风控第一个难点是获客，第二个是数据比较离散。小公司、电商类的小微企业，数据分散，品钛针对不同的场景进行了细分。比如客户是线下业务，那线上模型就不一定好用，线下场景训练的模型效果就比较不错，这也回应了风控要前置，要在获客端去做更多的事情。在数据源方面做得更精细，模型效果更好，是品钛努力的方向。

　　智能风控在商业汇票领域也大有可为。德鸿金服贴呗票据交易平台CEO夏子翔提出，德鸿金服在商业汇票风控领域的作用主要表现在三个方面。第一个是票据作废的风险，因为票据是一种金融支付工具，已支付但合同没有履约，则票据就作废了，德鸿金服借助银行ECD的票据鉴别功能，可以实现票据安全。第二个是在德鸿金服平台建立黑白名单机制，识别傍名牌、假国企等企业。第三个是德鸿金服可以作为智能风控领域的资源联结平台，将风控技术公司与需要技术的中小企业连接起来。

　　利用全特征和自学习的组合处理方式，解决低频动态风控问题。第四范式智能风控事业部总经理王明总结指出，目前风控领域存在两个问题。第一个是个性化即低频化挑战加剧，客户下沉，场景越来越多，客户和产品的个性化極大发展，使得数据的分布方式发生了很大变化。原来业务里共性因素非常多，按照二八法则，我们解决高频部分就能解决80%的问题，但是现在高频部分越来越少，传统的方法解决个性化（低频化）风控问题的性价比就越来越低。第二个问题是动态博弈问题，欺诈与反欺诈之间存在对抗和博弈，现在业务往线上转移，犯罪的成本很低，可以迅速变换欺诈手段，如果风险防控或者反欺诈技术是停留在依靠人去逐一细分处理阶段，将疲于应付。机器学习技术可以进行精准预测，适合解决低频动态问题。该技术有三个主要特征：第一，当低频部分变得越来越多时，抽样方法无法解决问题，借助机器学习技术就可以用全量方式，挖掘到最大信息量。第二，借助机器学习技术应用全量特征，可以精细刻画场景。第三，自学习。例如根据时时的天气特征推断下一个小时的天气情况。全特征和自学习的组合处理方式背后需要高维数据处理，应用复杂模型来解决复杂问题。做出一个模型并不难，但把这个模型变成一个稳定的工业应用很难，这也是风控技术公司要努力解决的问题。

　　智能风控推动实体经济发展，降低融资成本。“金融机构在服务个人客户还是中小微企业客户时，都面临很多风控问题，风控环节容易产生许多成本。”通付盾公共关系总监王鹏指出，银行在解决融资贷款的风控问题时，可以借助智能风控，通过机器学习、大数据分析等技术手段，进行多维度的数据、关联分析。这些数据包括电商平台数据、运营商数据等等，同时也可以分析客户的行为特征，包括风险产生的概率，比如还款意愿、还款能力，通过建模还原客户的信用状况。利用技术手段标识出“坏人”，用科技的手段代替传统人工尽调，不仅能够极大的降低金融服务的成本，也可以降低目标客户自身的融资成本，这样有利于推动实体经济的发展，响应国家供给侧改革的战略。通付盾搭建的一体化智能风控防护体系，可以做到事前预警，事中监控，事后关联分析，把风险前置，利用更多更可靠的数据源实现群防群控，最终提升风险防控的效率问题。