首页 > 金融科技 > 正文

智能风控|京东金融李尚荣:金融科技打造“无界风控”

2018-10-11 17:14:15  来源:金融科技研究

摘要:风险是金融行业的主线,贯穿业务始终。在金融回归本质、服务实体经济的宏观背景下,金融行业急需探索一条风险、效率和成本最佳匹配的小微企业服务新模式。
关键词: 京东金融
  风险是金融行业的主线,贯穿业务始终。在金融回归本质、服务实体经济的宏观背景下,金融行业急需探索一条风险、效率和成本最佳匹配的小微企业服务新模式。金融市场的新业态、新模式不断涌现,金融欺诈的手法和类型也不断翻新,给金融稳定带来了新挑战。
 
  “问渠哪得清如许,为有源头活水来”,金融科技的加持打破了传统风控的边界,提高了风控的触角和效率,但如何扬长避短、去粗取精,利用金融科技为传统金融的风险控制提供新思路和借鉴,是行业、学术界和监管机构共同关注的焦点。
 
  金融科技丰富了传统风控的内涵和实现路径
 
  金融行业风控一直与时俱进,新技术、新方法、新工具持续得到高度重视和广泛应用。金融科技为传统风控带来了新视角,进而丰富了传统风控的手段和路径。
 
  一是风控手段物化为数。传统信用模型强调客户的抵质押物,也就是眼见为实,以过去推导未来。客户的授信大多数取决于抵质押物或股东背景,而一旦面临无抵押、无担保的小微企业,金融机构就往往显得力不从心。目前在小微企业金融服务上,存在着监管、银行和小微企业三重天的观感,原因即在于此。金融科技强调数据洞察,基于客户多维度的数据分析建立信用模型,在具体放贷中,不仅可以做到无抵押、无担保,甚至可以无须见面。正如斯宾格勒在《西方的没落》中所言,“数字作为区分不同数量的事物和现 象的既成的符号,体现了一切被认知、被界定的实际事物的本质”。即便是贷后监控,基于LBS和物联网等技术,也大大提高了效率和降低了成本,将不可能变成可能。因此,传统风控将经历着物化为数,以抵质押物驱动转向数据驱动的变迁。
 
  二是传统风控组织形态的变化。基于数据的风控,需要传统金融机构能够掌握更多的交易数据和场景。供应链、交易行为以及资产的数字化,可以大大丰富金融行业的传统风控模型和变量,甚至可以构建独立的授信模型,但问题是,这些数据存在于银行体系之外,在数据没有打通以及信息安全保护的情况下,银行难以获取这些数据。而对其中非金融属性数据的分析和建模,也并非传统金融行业的长项,即使拥有了这些数据,金融行业的传统风控也可能力所不及。因此,为了更好地服务客户,需要金融行业与那些拥有数据和场景的企业深度合作,共同构建风控模型,实质是金融行业风险职能的外包,更进一步而言,改变了传统的金融供应链,即金融服务的产供销已经发生了变化,金融利润需要在不同行业进行重新分配。
 
  三是风控的边界由新的技术不断延拓。人工智能、大数据、云计算、区块链等新技术让风控的能力不断提升。中国移动互联网发展速度引领全球,移动互联网对各行业的深入渗透与融合也最先发生在中国,基于移动支付的新的商业模式每天都在迭代,中国也因此产生和贮存了全球维度最为丰富的用户数据。大数据、人工智能等新型技术的不断演进让数据直接或者间接用于风险定价,改变了传统金融行业风控模型搭建的逻辑。结合用户行为和场景的大数据对用户的分群、分层、画像精准度不断提升。随着AI技术的发展,机器对人的理解会远超过目前金融行业一直以来坚持KYC的标准,除了了解用户是谁,用户的未来行为预测将成为真正决定风险定价的能力。金融行业需要更多地跳出行业边界,才能丰富传统风控的场景。
 
  金融科技打造人、物、场“无界风控”的新模式
 
  金融科技的发展为金融风险控制带来了新的机遇,“人”“物”“场”与风控的界限被打通,无界风控的新模式正在逐步形成。
 
  “人”——人的行为和风控的边界被打破
 
  大数据风控并不是完全改变传统风控,而是利用更加多维的数据,使风控模型触及人的每一个行为变量,从而使模型的输出结果更加准确。传统风控更常采用信用属性强的数据指标来判断借款人的还款能力和违约风险,这在一定程度上容易忽视客户的潜在风险,也会误伤一部分客户。大数据风控采用的数据量和数据类型更加全面、丰富,比如网页浏览记录、网页停留时间、商品购买频率、消费金额、APP使用习惯、地理信息数据等,通过一系列看似与客户违约毫无关联的数据,却能够真实判断出客户所处的信用环境,从而提高对客户履约能力的识别本领,这就大大提高了风控的能力。简而言之,数字世界中对人的行为及属性更深入的刻画和理解让数字风控的能力越来越强大。
 
  比如,京东金融的生物探针技术就是通过用户使用手机的习惯,如登录账户敲击密码的习惯、使用APP的按压力度、滑屏速度等,来进行身份识别。在保证顺畅使用的同时,达到无感知风控的目的,大大提升用户体验度。
 
  “物”——抵押物作为风控核心的限制被打破
 
  抵押物是传统风控模式下的重要参考标准,金融科技的引入使得“物”的焦点由“抵押物”转变为“商业模式”,金融机构不再关心客户贷后违约的还款问题,而是关注客户的商业模式或商业逻辑能否讲得通、说得清,而大数据、人工智能、区块链等技术为讲清商业模式提供了巨大的便利和可能。例如,区块链技术能够实时监控金融业务的全流程,任何参与者无法篡改,为建立参与者的共信机制打下了坚实基础。而大数据技术能够有效预测金融产品的风险和收益的概率,帮助企业提高风险预警和控制的能力。
 
  比如京东金融的数字农贷模式,以农业生产过程的数据化模型为基础,代入历史生产数据,对未来生产结果做出预测,再以预测结果产生信用,即对农业生产过程进行评估而产生信用。数字农贷模式的核心在于改变了传统农村金融的基本逻辑,即由依靠抵押物和征信转变为基于农业生产的经营数据,而这个数据就是农业生产的商业模式和盈利模式。可以说,数字农贷已成为京东金融践行数字普惠金融的最好体现。
 
  京东金融的数字农贷项目上线一年多来,已在山东、吉林、河北、河南、浙江等地与100多家合作社合作,累计放款约10亿元,逾期率和坏账率均为零。以肉鸡养殖为例,数字农贷模式使养鸡户在一只鸡的养殖周期中,仅需为饲料款付6分钱的利息,避免了对闲置资金付息,比传统贷款成本低了近一半。
 
  “场”——风控应用场景的时空限制被打破
 
  传统风控模式在空间和时间上都会产生“错配”。“空间”上的错配表现为由于物理网点的限制,并非所有的金融服务需求都能得到满足,尤其是农民、中小微企业等普惠金融的重点人群的触达存在困难。“时间”上的错配表现为风控的实时性得不到满足,往往是放贷后的风险就无能为力了。
 
  金融科技加持下的智能风控使得风控的时空限制被打破。首先,消除了风控的空间限制,金融科技使风控开始从线下人工审批转为线上数据采集、模型构建和概率预测,风控不再依赖于物理网点的铺设和信审人员的多少,从而使覆盖率和触达能力显着提升。其次,消除了风控的时间限制,风控不再仅仅是贷前的严格审批,而是贯穿贷前、贷中、贷后的全流程解决方案,应用的场景被大大拓展和延伸。通过对数据的综合全面分析,数字化风控模型可应用的场景范围覆盖反欺诈系统、征信评估系统、监控预警系统和风险定价系统。在反欺诈系统中,智能风控能够在网络支付、网络营销、手机银行等数字金融场景中借助技术优势发展出身份判定、安全性综合评判、欺诈识别等多种手段。在征信评估系统中,数字化征信能够借助海量的互联网活动数据,对被征信对象刻画“全息”画像,使金融服务覆盖更多用户和人群。在监控预警系统中,数字科技通过数据共享,如当用户在其他平台出现逾期、贷款用途变更或失联、违法等可能无法按时还款的情况时,可及时进行预警,同时通过大数据智能分析,提供账户失联信息修复服务,协助找到失联用户,追回借款。在风险定价系统中,数字科技可为贷款客户提供个性化的贷款方案和贷款利率,根据个人理财目标和风险属性选择最合适的投资组合,实现风险定价精准化、金融产品定制化。
 
  比如,京东金融的安全魔方产品覆盖反欺诈、信贷前中后期等不同业务场景,并实现客户在营销、注册、登录、信贷申请、交易、贷中监控等不同业务环节的场景全覆盖。安全魔方解决方案共分为“智盾”“智真”“智数”“智策”“智慧”五个子模块。“智盾”-安全识别与验证。利用生物探针、人脸识别、滑块验证、设备认证、指纹验证等技术手段,通过构建设备识别、人机识别和生物识别全方位安全体系,对用户进行风险识别、验证与处置。“智真”——身份验证:基于大数据驱动的身份、设备、地址等申请信息的验真服务。“智数”——风控数据:基于大数据驱动和不同场景的风控客户画像,识别用户风险标签及风险等级。“智策”——基于策略和机器学习技术的风控系统引擎,通过京东金融的风险决策引擎、风险数据洞察系统、社群探测等技术,提高合作机构的风险防控能力,加强风险识别效果。“智慧”——机器学习与建模解决方案。为客户提供更加精准高效的机器学习平台,以及特征工程、模型训练、模型评估等解决方案,如RNN时间序列算法可通过分析浏览网页的轨迹和反应,判定风险情况。更为重要的是,安全魔方产品不仅支撑了自身的风控架构体系,更是形成了可以对外输出的能力。目前,安全魔方产品已经为中国工商银行、大连银行等多家银行客户较好地解决了金融业务中的风险防控问题。
 
  “无界风控”的未来之路
 
  在金融监管进入常态化的后监管时代,风控是关系金融从业机构生死存亡的大事,风控能力逐渐成为其核心竞争力的体现,且风控将呈现“全方位、立体化、多层次”的识别和防控,除了大数据、云计算、人工智能等科技的不断完善,新型智能风控在自我迭代中也呈现出一些新的趋势。
 
  一是搭建线上和线下融合的风控体系是必要之举。依托金融科技的线上审批活动能够提高效率、降低成本。但金融科技不是万能的,传统金融机构的线下业务有着天然的优势,需要充分融合,发挥合力。
 
  二是数据信息的交换共享是当务之急。一方面需要建立数据共享机制,在金融网络之间推广统一的网络互连协议,打破国内金融机构间金融专用网络隔阂,以银行为代表的传统金融机构也应进一步开放数据给外部机构;另一方面需要加强数据清洗、脱敏等治理手段的标准化建设,要解决数据的“定价问题”,最终解决数据的流通问题。
 
  三是用金融科技防范“次生风险”是重中之重。金融科技作为优化传统风控的重要活水,为整个风控行业的效率变革发挥了重要作用。但随之衍生出的欺诈风险亦呈现“科技化”“专业化”的趋势,这类“次生风险”需要引起足够的重视。
 
  正如巴菲特所说:“风险来自于你不知道自己在做什么。”在风险无处不在、无时不在的环境下,消灭风险是绝无可能的,我们真正要做的是提高对风险的感知、识别和控制能力,而金融科技无疑为我们更好地认识和控制风险打开了一扇新窗。

第三十四届CIO班招生
国际CIO认证培训
首席数据官(CDO)认证培训
责编:chenjian

免责声明:本网站(http://www.ciotimes.com/)内容主要来自原创、合作媒体供稿和第三方投稿,凡在本网站出现的信息,均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。
本网站刊载的所有内容(包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等)版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时,请及时通知本站,予以删除。