金融科技如何助力风险预警智能化？

伴随着大数据、云计算、 人工智能 、区块链等技术的蓬勃发展， 金融科技 引领信息技术服务于金融创新，创造出新的金融业务模式、流程或产品，对金融市场和金融服务的提供方式带来深刻影响，成为目前金融创新的重要趋势与领域。在金融科技时代，随着传统的金融业务模式正在被颠覆，风险管理的方法也将被改变。主要表现为“一增一减”：“增”指提高业务效率，比如信贷效率、 风控 效率等；“减”指减少损失、降低行业成本。

金融科技推动传统风险管理的改变

在传统金融信贷服务领域，信息、信用、渠道、成本等难题正在凸显。 典型的例子是，传统的银行服务主要依托网点开展，在业务中极其依赖服务对象有无工资流水、征信报告、社保证明等强特征数据，通过这些数据筛选出与风险敞口契合的客户，此类强特征数据是能否获得信贷服务的关键因素。由于传统模式风控手段的限制，很多人被排除在了服务体系之外。据估算，我国传统信贷服务的客群仅占总人口的15%左右。

传统信贷服务需要依托线下网点展开，资质审核、合同签订等流程都需面对面进行，效率低、体验差。同时，由于流程中个人经验、情感状态等因素的影响，服务的安全性和稳定性也会受到干扰。另外，传统信贷风控模型的优化、迭代周期较长，难以适应快速变化的市场坏境。

以用户体验为导向、数据为驱动、互联网为手段的金融科技具有资本集约、资源开放、创新集中的特征，通过技术的积累与突破，筑起传统金融机构无法超越的服务壁垒。通过构建庞大的金融科技服务生态圈，可以实现金融组织形态的多样化，在运行效率、运营成本、传播介质、数据分析等维度对传统 金融风险 管理形成冲击。

金融科技防范风险、风险管理的机理

金融的核心是风险控制。对于金融企业来说，在新形势下，要实现稳健发展，必须 加强科技运用，通过异构异源数据融合、全息画像图谱建立、基于风险因素指标的解读，提升新形势下的风险防控水平。

金融科技加持风控能力是建立在多维、海量、动态的数据基础之上的。通过对自有数据整合、公开数据的抓取、第三方服务商合作、以及渠道开发等，实现了人工智能、大数据、云计算和区块链等领先技术的创新，并应用到了风险模型、企业征信、贷后风控管理等实践领域。

具体来说包含以下要点： 一是通过收集用户的行为数据，进行穿透式风控管理。 现在金融系统里面一直担忧的很多问题：老鼠仓、内部交易、市场操纵，如果能够充分、及时地取得相关的行为数据进行分析，可以尽早采取介入措施，从而使得这些行为得到比较有效的规范。二是 提高违约、违法的成本，使得客户在违背承诺以后，将会受到市场及时的惩罚 。三是 提高风险管理的针对性和预警性 。通过大数据、人工智能的算法，能够推理或者挖掘出一些行为的模式，可以相对比较准确地预警或者针对性地发现风险，以便尽早采取相应措施介入。四是 降低了人工处理过程中可能带有的一些情绪和主观上的认知偏差，在一定程度上可以纠正人在行为过程中的情绪因素。

风险控制是金融科技的核心能力。在此，人工智能可以有丰富的运用场景，结合大数据和机器深度学习，通过针对性风险监测模型的搭建，实时抓取和分析用户的抵押物的变动、评估动态偿还能力，可以快速了解到资产的变化，提高平台对于资产的风控能力，引入优质的资产；另外，通过大数据分析可以优化产品组合，满足用户对于个性化产品的需求；最后，在运营和营销环节，人工智能技术可以帮助平台实现精准营销，提高运营的效率，降低对人工的依赖。风险控制是严谨、专业且高难度的工作，需要解决来自技术、信用、法律等多方面的风险难题。

金融科技的目标是实现“预警智能化”

人工智能等新技术和科技手段的突破和应用，驱动了现阶段金融的智能化，也让风险管理的实现方式呈现新的变化，通过新技术甄别风险和信用比传统的手段更加精密科学。此类技术在贷前、贷中和贷后都能发挥较大的作用。贷前，大数据技术能够提高 反欺诈 准确度与效率；贷中，大数据能够对借款人收入情况、流水变化作出预警；贷后，通过与客户的沟通促使其及时正常还款。

具体来说，可以分为个人和公司两个领域来阐述。

1.个人业务领域。金融机构在承做个人零售贷款业务时，对客户信用能力的精准评估无疑是非常重要的，因为它关系到贷款坏账率的高低。通常要对客户进行全维度的画像，包括：分析客户的风险承受能力，以及其还款能力和还款意愿。

针对还款意愿，传统金融机构对欺诈的鉴别力是比较弱的，需要花费大量的人工和时间，对借款人的真实身份、基本信息、借款用途进行核对验证，成本高昂，而且效果不佳。这也使得传统金融机构只愿意做有官方征信纪录的客群。但有了金融科技的技术支撑之后，用大数据及人工智能可以进行信息核真核实、黑名单比对、社交行为分析、行为轨迹分析等，可以非常快速地鉴别出欺诈行为，从而了解客户真实的还款意愿，大大降低了风险成本。例如，苏宁金服构建的反欺诈 知识图谱 基于大规模图计算的2C、2B关系挖掘，实施行为监控、收集、分析，构建了一个多类型的实体关系网络，可以及时预警潜在风险，提供威胁检测、异常检测及反欺诈行为分析。

针对还款能力，传统的信贷分析一般侧重现金流分析、财产分析、消费行为分析等，人工操作成本也是居高不下，这使得传统金融机构的服务范围有限，大量的长尾客群游离在业务之外。运用大数据技术可大大简化上述人工的审核分析过程，而且使结果更加可靠。

此外，做好逾期或者坏账预警，把损失降到最低。例如，利用自然语言处理及深度学习的技术，开发使用催收机器人。由人工智能技术和催收领域的专家团队，按照产品和用户的特点量身定制催收方案，包括：催收话术、催收频率、最佳时间、催收策略等。智能机器人能最大化缩短逾期天数，降低逾期率，减小风险敞口。同时，还可免去电催团队的建设和运营成本，显著地节约费用；催收机器人可支持多路话务并行催收，提高工作效率，大幅缩短了执行时间。

2.公司业务领域。在对公业务中，信息不对称是信用风险管理最头疼的问题之一。尤其是对非上市企业做授信时，因为缺乏严格的信息披露机制，财务报表未经过权威机构审核，债权人与债务人掌握的有效信息往往不透明、不对等，这就对精准风控提出了挑战。为此，风控人员往往要花费大量时间解决信息穿透的问题，成本也随之升高。

大数据与人工智能技术可以提供有效的解决方案，通过人工智能和大数据技术构建智慧预警监控体系，通过整合多个来源的数据，获得工商、财务、行业、司法、舆情等多个维度的全面信息。由系统自动分析预警，从而提高贷后资产管理的工作效率，并降低人工操作风险。此外，跟传统监控模式相比，除了信息源比较全面，而且可以对监控对象的全产业链监控。根据产业链上下游的价格、订单等波动情况预测企业的风险。例如，苏宁金服的企业图谱系统，集成了工商、司法、舆情等自有或其他来源数据，为企业客户建立了300多个维度的全方位画像，从企业关联关系、投资关系、风险要素体系等角度对企业运营状态进行刻画（如下图所示）。

图 苏宁金服的企业图谱系统

知识图谱是金融数据分析从简单的量化模型走向更为复杂的价值判断和风险评估的必经一环，把经验逐步变成可重用、可演化、可验证、可传播的知识模型，从而实现数据到智能的升华。

总而言之，金融的本质没有变，科技也没有改变金融的本质，但是改变了金融的运行方式，金融的未来是高科技行业。同样，人工智能也没有改变金融风险管理的本质，但是借助金融科技的进步，能够更有针对性、更及时、更有效率地监测、识别和处置风险，从而建立具有丰富内涵的金融新生态。