中誠信征信姚明成都開講：智能風(fēng)控推動信貸模式新變革

北京2018年11月20日電 /美通社/ -- 近期，由直訊中國和新網(wǎng)銀行聯(lián)合主辦的“2018零售信貸智變大會”于成都首座萬豪酒店成功召開。大會以“以智變?煥質(zhì)變”為主題，近30位業(yè)內(nèi)大咖傾情分享，300多位從業(yè)者齊聚一堂，共同交流了零售信貸的相關(guān)話題，促進各類金融機構(gòu)競合共生，推進金融科技與金融服務(wù)的有效融合。作為國內(nèi)智能風(fēng)控領(lǐng)軍企業(yè)，中誠信征信副總裁兼CTO姚明受邀出席此次會議并發(fā)表了主題為“智能風(fēng)控助力新零售信貸發(fā)展”的演講。憑借優(yōu)秀的智能風(fēng)控解決方案，中誠信征信榮獲了“較佳智能風(fēng)控獎”。

中誠信征信副總裁兼CTO -- 姚明

姚明在演講中提到，移動互聯(lián)網(wǎng)時代的客戶對金融服務(wù)訴求發(fā)生了根本性改變，從數(shù)量要求轉(zhuǎn)變?yōu)橘|(zhì)量要求，從傳統(tǒng)網(wǎng)點服務(wù)要求轉(zhuǎn)變?yōu)橐苿踊ヂ?lián)網(wǎng)APP服務(wù)要求，涵蓋衣食住行生活服務(wù)，不同客戶群體特別是年輕客戶群體的要求差異性更加明顯。

對于這樣的年輕客戶群體，由于沒有掌握充分的金融交易數(shù)據(jù)，傳統(tǒng)風(fēng)控手段難以有效覆蓋；另外由于新金融場景垂直化、多樣化的特點，傳統(tǒng)風(fēng)控模型建立周期久、更新流程慢等缺點也難以適應(yīng)行業(yè)的快速發(fā)展變化。綜合來看，新零售的信貸風(fēng)控需要在保證精準(zhǔn)的前提下，做到更普惠、更實時，更靈活，這是包含在對智能風(fēng)控的訴求中的。

智能風(fēng)控的核心是智能建模，其本質(zhì)是基于已經(jīng)掌握的數(shù)據(jù)來建立對未來的一些預(yù)測。以信用評估為例，建模就是通過已知的部分用戶信息以及表現(xiàn)數(shù)據(jù)，來尋找兩者之間的因果關(guān)系和關(guān)聯(lián)關(guān)系。如果將用戶信息定義為x，將表現(xiàn)數(shù)據(jù)定義為y，將其間的關(guān)系定義為f，那么建模就是求解函數(shù)y=f(x)中的f，在這個角度，建模也可以被認(rèn)為是一種數(shù)學(xué)求解，契合了張首晟教授的一句話“in math, we trust”。

獲取更多的x、挖掘更多x的價值、運用更先進的求解算法、獲得更多的表現(xiàn)數(shù)據(jù)反饋，都意味著求解（建模）的過程更快捷、效果更精準(zhǔn)。所以，風(fēng)控建模的智能化主要體現(xiàn)在數(shù)據(jù)獲取、數(shù)據(jù)挖掘、智能算法、模型迭代幾個方面。

數(shù)據(jù)的數(shù)量和質(zhì)量決定了風(fēng)控模型“質(zhì)”的上限。使用互聯(lián)網(wǎng)大數(shù)據(jù)來評估信用，能大幅度提高評估模型的群體覆蓋度，意味著能更好的滿足普惠金融業(yè)務(wù)發(fā)展，當(dāng)前的主要數(shù)據(jù)獲取方式包括：

• 第三方數(shù)據(jù)查詢，接口對接；
• 設(shè)備預(yù)埋采集，通過SDK和內(nèi)置代碼等方式獲取設(shè)備信息和行為信息；
• 公開網(wǎng)絡(luò)的爬取與搜索；
• 定向授權(quán)抓取(目前存在爭議)

數(shù)據(jù)價值挖掘能力決定了風(fēng)控模型“量”的上限。引入知識圖譜技術(shù)處理數(shù)據(jù)，是對世界中存在的實體或概念進行二維化描述，其中每個實體或概念被定義為唯一性“節(jié)點”，節(jié)點的內(nèi)在特性被刻畫為“屬性”，節(jié)點與節(jié)點之間的關(guān)聯(lián)通過“關(guān)系”進行表述，借助這種信息表達方式，能夠充分挖掘信息之間更高維度的價值，在風(fēng)控中的主要應(yīng)用包括：

• 通過關(guān)聯(lián)信息的一致性檢驗，發(fā)現(xiàn)異常邏輯，識別欺詐；
• 通過對圖的異常結(jié)構(gòu)或異常節(jié)點分析，識別欺詐；
• 利用標(biāo)簽傳播算法用已標(biāo)記“壞”節(jié)點的信息去預(yù)測未標(biāo)記節(jié)點的風(fēng)險程度；
• 通過社區(qū)發(fā)現(xiàn)算法實時評估每個?戶的組團欺詐風(fēng)險；
• 數(shù)據(jù)特征工程，包括凝聚性特征、結(jié)構(gòu)性特征與關(guān)聯(lián)性特征等。

機器學(xué)習(xí)算法集成與超參數(shù)調(diào)優(yōu)決定了函數(shù)逼近程度的上限。算法集成可以理解為將一些弱分類器，通過算法集成為一個強分類器，這對于處理高維稀疏數(shù)據(jù)有重要意義；而在參數(shù)調(diào)優(yōu)方面，充分利用智能算法，能改善調(diào)優(yōu)的效率與效果。將算法集成與參數(shù)調(diào)優(yōu)的過程自動化、計算智能化，構(gòu)建自動機器學(xué)習(xí)平臺，結(jié)合決策引擎，可以讓非專業(yè)建模人員也能快速建立模型、并將模型轉(zhuǎn)化為業(yè)務(wù)風(fēng)控規(guī)則。

基于上述的數(shù)據(jù)集成、知識圖譜、自動機器學(xué)習(xí)、決策引擎等智能組件，構(gòu)建一整套閉環(huán)自學(xué)習(xí)迭代系統(tǒng)，就是中誠信征信自主研發(fā)的萬象智慧平臺（Asmart），該平臺擁有人機智慧結(jié)合的數(shù)據(jù)智能，將以自身技術(shù)的不斷迭代持續(xù)助力新零售信貸業(yè)務(wù)的發(fā)展。