0
| 本文作者： AI金融評論 | 2018-09-27 20:01 |
雷鋒網AI金融評論報道，在近日舉辦的智能金融峰會上，一眾金融科技代表企業共聚一堂探討了人工智能與金融風險控制議題。網商銀行 風險管理部總經理 余泉、CashShield 中國區業務總經理 李寧、騰訊云 算法專家 李超、宜信 高級副總裁 張越、51 信用卡 CRO 蔣燕青、度小滿金融 金融信貸系統平臺部總經理 張文斌參與了該圓桌討論。財經作者馬紅漫擔任主持人。
下為對話原文，雷鋒網作了不改變原意的編輯：
馬紅漫：金融監管的事情在生活當中不斷有新的內容出現。我們發現從2016年年底開始到今天接近一年半的時間，金融防風險是非常重的政策措施，大家看到目前不管是宏觀還是微觀整個金融運行都受到比較大的影響。大家知道經濟學有兩種，一種叫市場經濟，一種叫中國的市場經濟。在這樣一個背景情況下，我們看到行政的風險防范意識在最近兩年非常強硬，在這種情況下我們的市場機構如何去看待風險防范的問題。要討論的第一個問題，行政性的風險防范和市場機構的風險防范之間，雙方如何去處這個關系，是怎樣的關系，市場防范的主體應該發揮什么樣的作用？第一個問題是比較戰略的定性問題。
李寧：我覺得這是兩個層面，一方面是市場主體，也就是說我們作為企業應該做什么，另外一個層次是監管層面，從企業來講我覺得首先對于風險防范肯定是要自己來做，為什么？因為最后所有的損失是企業承擔，你不管自己的事，最終所有的損失還要自己承擔。我覺得在風險和機會之間，永遠是一個天平，我特別喜歡講的一個就是當企業說什么樣的風險指標是最好的風險指標，你能告訴我一個數字嗎，我特別坦白講這沒有一個特別公正的數字，因為就是一個平衡。每個企業有自己的DNA，都不一樣。所以它處在不同的行業，金融這個詞特別大，它有很多層面，它也有很多不同的行業。所以其實要做的就是一定要找到自己的平衡點，你才能夠積極的促進一個企業的發展。另外一個層面我們說監管的層面，其實我覺得這是一個好事，如果說在大的環境里面沒有國家層面的監管，那我覺得市場肯定就亂了。目前兩方好像有點鴻溝，不是那么通暢。我希望未來能夠看到的就是在國家監管層面能夠再稍微細分一下，我們把大金融能不能分到二級類目、三級類目，逐漸能夠跟接地氣的企業有一個通道，能夠正常對話。
馬紅漫：您的建議好像會引發一些爭議，因為很多市場機構會覺得切的越細分，意味著每個細分領域都有一個婆婆在那管，會影響市場機制的劃分，您為什么喜歡切的更細一點，P2P下面還有P2P1、P2P2。
李寧：監管的人一定要了解業務，否則沒有辦法起到一個真的管控的作用，離業務很遠，就造成上有政策，下有對策，不知道下面人怎么操作的，這個比較可怕。
蔣燕青：我來自于網貸行業，最近一年受到政策影響比較大，包括市場的波動。作為市場參與主體，第一還是打貼還需自身硬，自身的技術、風控實力要過關。第二，對于政策我想其實有兩點期待，一個是說宏觀政策更加明確可期待，第二個就是在微觀的執行上面可以用更多技術手段。舉個例子，從去年開始我們給中國互金協會上報數據，一方面有助于我們自身規范透明，另一方面也會有相應的數據防范給企業，有助于我們加強風控，控制好借貸人的負債水平，這是互利的，這個監管就非常好。
張越：宜信討論這個問題特別能感同身受討論，我們是中國第一家P2P，2006年創建，我們在普惠和財富管理里面現在做業務。今年整個P2P行業的動蕩，其實對于我們自己來說，我們在討論風控，也去說技術，其實本身就以P2P網貸業務為例，本身風控并不難，但是違約風險、流動性風險、操作風險、欺詐風險這四個核心風險，我們知道怎么做，這不是大的問題。但是宏觀帶來的其實非常難以預測的不管是從監管還是整個宏觀這些方面，一定程度上也可以抵御。去年年底現金貸開始徹查的時候，很多機構判斷說是兩個賽道，拆他們對我們沒有影響。但是當時我們內部做的判斷不是這樣，我們覺得現金貸的風波一定會蔓延到整個消費金融，因為中間資金是串聯的，并不是完全不同的客群。
去年年底我們就收緊整個風控措施，也調整了整個業務的發展，動蕩中業務還是很穩定的。什么時候我們感受到非常大的壓力，當整個P2P市場，特別是在三四月份接連出現跑路和爆雷，那時候監管還沒有明確的動作，那時候整個全市場的投資人恐慌，這種情緒不會分青紅皂白的。任何一個企業在這里面，不管是12年做業務還是進來搗亂的，是不區分的。這種情況之下，其實對于整個行業就是災難性的。您剛才說的話題，作為其中一家機構跟整個建構來說是怎樣的關系，這事真的不是技術、數據、智能可以解決的，要發揮點人類智慧，一定要溝通。
馬紅漫：和行政部門溝通還是和投資人溝通？
張越：兩方面都要，也要跟監管溝通。我個人不認為讓監管特別理解業務是不現實的，公司里面的各層領導越往上都很難了解業務。但是不是因為困難就要停止這種溝通，所以對于宜信來說我們自己的經驗，不遺余力溝通，哪怕一天、兩天一兩年看不到效果，也還是要做。第二，在行業關鍵問題上下功夫，一起解決。如果監管層面解決不了，行業自律解決，行業自律解決不了行政小的聯盟解決，總有人跟你志同道合。第一個問題準入問題，一個金融行業沒有準入門檻這是不可想象的，離錢這么近。第二，就網貸而言，資金成本問題，這是基礎生產資料。后續你的風控，你的服務，你的體驗都可以市場化解決，大家去憑本事。但是資金成本問題是可以讓一批機構輸在起跑線上的，這個東西抬上去，這一批機構只能聚焦在高風險，因為沒有辦法，定價門檻在這。這兩個問題如果就網貸來說不解決，很難在長遠給它一個健康發展的保證。這是一個例子，還可以有很多領域。這些問題跟監管、投資人都能溝通清楚，是一個非常漫長的努力。
李超：整個監管對行業變到健康有序的狀況是有一個積極的促進作用，如果沒有好的監管什么人都進來做的話，是很危險的一件事情，我自己對這方面也是感觸有一定的切身感受。
我現在一直在騰訊云負責金融風控業務，給金融行業提供風險控制相關的服務。在今年年初的時候我們明顯感覺到整個行業，其實起因是發現我們模型的結果有一定的變化，我們做研究發現整個行業在多頭借貸把控嚴格很多。后來了解到在去年年底我們發了一個監管措施，叫做關于規范整頓現金貸業務的通知。當時最大的一點，對有效年化利率有很嚴格的控制，必須符合國家的規定。其實這就帶來一個結果，當我們把年化利率控制，對壞賬的容忍度變的更低了，逼迫所有的行業從業者必須要加強自己的風險控制系統，最后的結果是可以把這種多頭借貸的門檻變的更高，做更多更嚴格的風險把控，保證行業有健康的發展。整個監管的措施，對整個行業其實是有一個正向的促進作用。我們企業怎么跟監管進行一個很好的共處呢，我覺得也是我們自身應該加強我們自己的風控系統，即使監管沒有這方面的要求，有些地方沒有到位，我們也要像張總說的這樣提前做預判，該控的風險還是要控，這不只是在一些科技公司，包括一些傳統的金融行業，我覺得也是要不斷提升自己在風險控制的能力。早先做風控更多是以一種規則、策略模型的系統，現在我們自身的經驗，我們自己在做自己騰訊自身內部風控業務可以明顯感覺到人工智能可以將策略系統的性能提升一大截。我們也知道黑產現在已經開始利用人工智能的技術，作為我們業務方要提升自己的能力，開始構建新技術的風控系統。
張文斌：我覺得有效的監控在金融這個行業還是非常重要的，如何把監管做的更好，我覺得可以分三步。第一步，企業自身要把自己的風控做好，這就是技術驅動，用我們的人工智能技術、大數據技術去構建自己的風險防范系統，這樣一個模型，把自己的業務做好。在這個基礎上可以以技術為橋梁，去構建整個金融行業的合作生態，誰做的好可以把這個技術輸出，讓大家把風控都做的很好。比如說可以給我們比較大型的金融機構輸出金融大腦，金融云這種一體化的平臺方案。對于中小企業，其實我們也可以提供可以靈活組合的平臺，比如說獲客、大數據風控這種平臺。最后監管科技也是非常重要的課題。金融的科技企業可以依據自己的數據、技術、平臺優勢去服務更多的監管機構。怎么做呢？從宏觀上其實可以有金融脈搏，去幫監管機構把脈，金融地圖。對于微觀上其實也可以提供一些監管系統，還有我們金融機構的服務平臺，從而更有效的幫助監管機構進行監管。度小滿金融的多投風控的模型可以提30天發現風險，對風險預警起到很大的作用。
馬紅漫：第一輪討論話題主要是，大家看到金融監管監管部門容忍的標準已經越來越清晰了，比如資金池、套利、期限錯配等等。但是大家也都知道，包括我跟監管部門的負責人在聊，他們也知道，監管部門手里有一個所謂的白名單也有黑名單，到底什么標準，到底誰的名字他們永遠不會對外說，他們知道有傳說中的兩個名單。我也知道監管部門希望和金融機構做更多的溝通，你們在風險防范方面有什么突破，可以從灰名單跳到白名單，溝通的渠道和機制還是有的。
馬紅漫：今天第二輪討論就是如果我們整個監管的風向依然保持非常嚴厲的程度，而且繼續嚴厲下去，目前沒有看到任何松動的跡象。中國現在有兩個調控沒有看到松動的跡象，一個是房地產調控，第二個金融調控，也是非常嚴格的調控，目前為止都沒有任何松動的跡象，大家必須要接受這個環境的話，人工智能和風險防控當中有沒有突破的點，技術應用以后可以取得重大突破，監管部門在評判具體市場、產品、機構可以在風險等級當中做一些優化調整。您所在的機構，人工智能和風險防范方面有什么突破？
馬紅漫：要確定你的承諾與接受程度，有風險測試接受程度，一般壞人是快速點同意，正常人稍微看看猶豫下再點同意，這么幾秒鐘就是判斷的標準。
余泉：我稍微在剛才問題上加一點，比如說有一個很大的業務，現在關心鏈和圖譜關系新的算法在反欺詐里面非常有用的，因為壞人一定是團伙行為，很少是個體行為，不管是文本挖掘他們的通訊，還是資金交換都有很大的作用，人工智能還是占了非常大的作用。大家都談自己的機構，我覺得網商銀行，我們智能風控的特點，首先網商銀行是螞蟻金服和其他幾個股東成立的，宗旨就是服務小微企業，特別特定的客群。從技術上我們這幾年發展的量很大特點，智能風控很行，也不是一個獨立的扔進去就是特別牛的機器，一定是一個場景、產品和風控加起來才能轉得動的東西。如果我拿一個比較實的例子舉一下，去年開始我們推支付寶推線下收錢碼，收錢碼在網商銀行里面起的作用就是起了一個多收多貸的產品，買包子這樣的小企業之前去銀行貸款無抵押沒有任何可以抵押的東西。但是現在有了支付數據，有了誰在那邊買東西，還可以這些人有時候是用個人賬戶來收，我們識別哪些是經營性收入，哪些是熟人轉賬，還有刷單，都可以用機器學習的方法算出來，識別經營收入和經營穩定性。還有網絡化和大數據的方式去把欺詐和壞人刷出來。在這樣一種非常高風險和過去沒有人服務的客群人，現在有兩千萬線下商戶可以享受到服務，而且風險也是在非常低的水平，平均利率大概在10到14%之間，大家可以倒推風險成本一定不會很高。
李超：大家很關心人工智能到底有沒有用，我給一個直接的數據。我們有很多合作的案例，我們剛才提到了這幾年一直在干一件事情，把我們傳統的策略系統升級到人工智能，我們看到在升級過程當中基本上我們的準確率都可以提升到20%到100%，甚至100%以上的結果，這是實實在在可以看到的準確率。
為什么有這樣的提升呢？其實人工智能我們之前叫做機器學習，更多是以人開頭，但是更多代表了機器。傳統的策略其實是人總結出來這樣的規律，真的是代表了人。人和機器有什么特點呢？人很擅長規模總結，很擅長給一個大的方向，人總結出來策略，大方向是對的，但是很難精確到精確的數字。但是機器可以比人處理更多的數據，然后在海量數據保證精確度，你給越多數據得到的結果越精確會越準確，這是人做不到的。這不是機器完全好于人的特點，另外一個特點機器可以快速迭代，因為所有的東西都是自動的，只要你計算能力足夠，就可以自動更新模型。人和黑產不斷進行對抗，黑產是分工非常專業，每個人只負責一小塊，整天研究你做風控人的策略是怎樣的，它不斷更新技術，我們做風控的人也要不斷更新。你想憑借一個人觀察日志，總結新的規律，這個周期特別長。機器可以開發新的算法，自動更新自己的模型，迭代數據，就可以做到很快速的響應，這也是保證機器能夠對策略系統相對來說有一個很明顯的提升。同時機器給的東西是綜合了很多的不同因素，很多數據不同出來的結果，不是簡單一條比如最近三天借貸頻率是多少。外表看起來是黑盒子，作為黑產很難猜出你的策略，難以繞過風控體系，相對來說也是更安全。整體來講人工智能對于傳統的策略系統有很大的人的體系有很大的提升，我們也是在全部AI化。
馬紅漫：剛才問的問題大數據一個很重要的規則就是不問因果，只問相關，剛才講的標準也是相關性，不是嚴格的因果性。您現在做計算機算法可以看到計算機通過海量數據分析得出更多人沒有判斷出來的相關性嗎？
李超：其實是可以的，比如有一些無監督的方式，很多策略并不是一定靠樣本，因為你標定這個人有沒有逾期和壞賬需要很長時間，但是你用無監督的方式，找到異常，這個人跟其他人有很多不一樣，可以更進一步分析這個人的行為，可以很容易找到之前沒有看到的規律。
張文斌：我覺得人工智能技術可以應用到整個業務的方方面面，比如說信貸業務，貸前獲客可以用，貸中審批授信以及貸后的監控和催收都可以用。我們獲客是用人工智能的技術更好的對用戶進行畫像，從而更好的理解用戶，以及用戶的需求。這時候能夠提供一個與它更加匹配的金融產品，這樣用戶的體驗也好，我們的轉化率也高。貸中構建了反欺詐模型，還有信用風險模型，結合大數據技術，除了傳統的央行征信數據，我們還用百度的大數據，我們的風險區分度可以提升15%，還是很大的。在用戶管理上，我們一方面是構建這種貸后模型，實時多維度分析用戶的行為，從而知道它的異常行為。另一方面我們可以合理的調高調價，把風險控制的很低。人工智能技術其實剛剛教授也提了我們的語言識別、自然語言理解，我們也是以這些技術為基礎，構建了智能機器人，現在在客服、催收還有電銷有廣泛應用。催收還不錯，第一機器人沒有情緒波動，不會胡亂說話。第二，話術很專業標準，減少客服的工作量，客訴少了。另外成本非常低，大概只有人工成本的1%，我們現在機器可以取代300多人催收員的工作。
馬紅漫：通過發短信還是打電話完成？
張文斌：打電話，用語音識別技術，比如說我們系統可以發現哪些人逾期，根據時間的長度，以及用戶的畫像，我們判斷說它是忘記了還是真實的故意的去不還，我們有專門的話術，機器會打電話過去，根據語音識別的技術，自然語言處理的技術理解，可以形成完整的對話。
馬紅漫：接電話的對方可以感覺到是機器碼？
張文斌：有的能感覺到，大部分還是效果不錯。有一個數字，我們通過催收機器人催收。款額率提升了5%。
更多資訊，請關注公眾號雷鋒網AI金融評論
雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。
