金融科技助力普惠金融智能风控研究

范 可 许鑫慧

(1.中国建设银行 上海市分行；2.中国建设银行 上海审计分部，上海 200120)

0 引言

金融业态随着经济与社会环境的变化不断迭代演变，以满足特定历史时期人类的生产生活需要。一场突如其来的新冠肺炎疫情推动了金融行业进一步向数字化迈进，各家金融机构加速推进线下业务向线上转变，扩大了各类服务和其他新兴技术的应用范围和普及度。金融防“疫”，科技先行，金融科技在这场防疫战中进一步凸显了其重要性。本次疫情既是对前期已率先布局金融科技的头部银行转型效果的一次实战检验，也是倒逼金融科技发展较为迟缓的中小银行更加注重对金融科技的投入。智能风控是金融科技的一块重要应用领域，意指将大数据、人工智能、云计算等新兴科技综合应用到银行业务风险控制环节，提升风险管理效率并有效降低运营成本的一种精益风险管理模式，是金融科技通过风险控制环节显现其自身价值的具体体现形式。

长远来看，未来商业银行利用先进的科技手段对客户识别、营销服务、产品开发和风险防控中的现有业务模式与流程进行改造，运用ABCD(人工智能、区块链、云计算、大数据)以及5G、VR等新技术进一步深化智能营销、智能投顾、智能客服、智能风控等运营系统的开发和应用，实现以线上流量为主的获客模式、以场景为主的产品模式、以模型为主的风控模式，让更多人享受到更优质、安全、高效的金融服务，已成为从监管层到各金融机构的共识。

本文立足于新金融的大时代背景和疫情特殊时期，从智能风控在普惠金融中应用的必要性，不同类型金融相关企业的智能风控获取路径，传统银行的智能风控实践等三个方面来阐述金融科技与普惠金融的深度融合。

1 普惠金融中智能风控应用必要性

国内外疫情的负面冲击波及餐饮、物流、娱乐、旅游、贸易等各个行业，小微企业、个体工商户等市场主体所受影响最为严重，融资需求最为迫切。据北京大学数字金融研究中心发布的《中国个体经营户系列报告之一》估算，我国有近1亿的个体工商户，每个个体工商户可带动2.37个人就业，总共吸纳了约2.3亿人就业，占全国就业总人口的28.8%，数字信贷类普惠金融业务的发展可以起到缓解疫情冲击的作用，数字信贷发展水平每增长1%，疫情对经营的冲击减少2.57%。自2020年2月初至3月末，国务院常务会议连续八次部署强化对中小微企业扶持力度，定向为中小微企业和个体工商户这一庞大群体“供氧”。要利用大数据、云计算、人工智能等新技术提升小微企业的金融服务质效，加强信用信息的整合与共享。

疫情发生以来，金融机构积极贯彻落实国家政策要求，助力小微企业纾困。小微企业的优势在于成长性和创新力，劣势在于缺少规范的经营管理制度、完备的财务信息和有价值的抵质押物。传统金融机构应用于大中型企业的风险管理模式照搬到小微企业往往达不到预期效果。金融机构如何充分利用金融科技领域的前沿技术，根据小微企业的特征，考虑其成长性和创新力，建立智能化、系统化的风控体系，精准识别客户，提供个性化服务和产品，有效控制风险的同时获得预期回报，既是遭遇突发事件时的社会需要，也是金融行业长期发展的需要。

中小微企业不仅是吸纳就业的“主力军”，也是大企业不可或缺的产业配套链条。智能风控体系以新一代信息技术为基础，运用大数据、人工智能、云计算等技术构建模型，对客户进行风险画像，只要有足够丰富的数据，即使没有合格的押品，也可以对中小微企业及个人做出较为精确的风险评估。金融机构可以利用智能风控体系，在事前、事中、事后等环节做实风控，覆盖传统风控模式所服务不了的小微企业和个人客户，实现线上实时审批、因客定价与贷后风险的动态监控。

金融机构的风控水平是其定价能力的决定因素之一，定价能力又是金融机构在激烈的同业竞争中胜出的关键因素，某种程度上也决定了金融机构的生存空间。新金融时代，风控不再是一个简单的词，而是一个具有生命周期的闭环，真正实现“数据即信用，信用即风控，风控即价值”。在面对金融科技发展带来的挑战的同时，只有把握机遇寻求突破与转型，将技术与业务深度融合，才能使普惠金融真正创造价值，惠及全社会。

2 智能风控路径

智能风控体系有三大核心要素：数据源、决策模型、计算能力。数据源的丰富程度决定了一个机构风控的最大潜力，决策模型的有效性决定了接近最大潜力的程度，而计算能力的强弱决定了接近最大潜力的速度。智能风控的决策模型训练需要综合运用大数据、人工智能、云计算等技术。在实际业务场景中，当风险事件发生时，风控决策模型根据风险事件的特定要素，实时作出相应的风险评估。同时，该部分风险事件又会强化风控决策模型的有效性。前述决策模型的训练及其对风险事件的反馈速度均依赖于底层的计算分析平台。

目前，对智能风控体系有较强需求的机构主要包括传统银行、持牌消费金融机构、互联网金融机构等三类主体，它们一般通过下述三种模式获得智能风控能力。

(1)自主构建智能风控体系。该模式主要被建设银行、招商银行等传统银行以及蚂蚁金服、微众银行等互联网头部企业采用，这类企业一般具有较大规模的客户基础，基于其自身或母公司的主营业务，累积了海量金融、电商、社交等高质量数据，同时依托其自身强大的科技研发实力，形成数据服务能力和智能风控产品。

(2)借力互联网巨头。随着智能风控产品的迭代升级，互联网巨头公司将其风控能力由面向集团内部生态逐步转向外部输出。中小金融机构多直接引进互联网公司的风控产品，或者利用互联网公司的商业场景与风控服务,开展联合运营。例如，重庆三峡银行通过引入蚂蚁金服的蚁盾风控大脑，打造实时交易反欺诈平台，建立事前防范、事中实时监测控制及事后分析的全面风控体系；上海银行与微众银行、蚂蚁金服、京东数科等互联网巨头联合搭建贷款风险评估平台，实现了互联网消费贷业务的快速增长。

(3)借力大数据风控服务公司。近年来，同盾、百融等大数据风控公司逐渐兴起，这类公司自身不产生数据，主要通过采集、整合各类外部数据为中小金融机构等提供风控模型与数据服务，以此解决中小金融机构所面临的数据、技术、人才短缺等问题。但是，随着有关部门对公民信息安全保护力度的不断增强，该模式将会面临越来越多的监管合规风险。

3 商业银行智能风控实践

以下将以某传统商业银行(以下简称“该银行”)的具体实践为例，简述传统金融机构如何利用数字技术做实普惠金融的智能风控，减小疫情对小微企业的影响。

该银行近几年大力推进金融科技发展战略，尤其在智能风控领域，一直专注于打造一套基于大数据应用技术的智能风控体系，以解决传统风控手段操作风险大、成本高、效率低的问题。疫情期间，该银行以行内新一代核心系统平台为支撑，通过大数据、人工智能等新兴技术精准识别受疫情影响较为严重的中小微企业和个体工商户，并基于多维度数据分析，对此类主体进行风险识别和分级，按照监管层要求合理安排对应的信贷政策，缓冲疫情对此类主体的经济冲击。同时，通过线上供应链金融、交易银行等服务模式支持医疗物资生产等特定行业企业客户的国内生产、海外采购工作，保障国内医疗物资的供应能力。

(1)数据获取与整合。该银行整合了客户内外部各类高质量信息，内部信息涵盖了客户在银行的资金结算、存贷款、理财投资等全部金融交易信息；外部数据源不仅包括行政机构相关数据平台，例如人行征信、税务、工商、社保、民政、司法、质监、环保、海关、公用事业缴费等公共信息，也覆盖了部分第三方交易平台的交易信息。以此实现对客户的精准“画像”，对客户的身份属性、信用属性、行为数据、消费属性、人脉关系做全方位的完整呈现。

(2)产品与渠道。该银行依托相关的移动APP等新兴网络渠道，持续发展壮大“小微快贷”产品系列，围绕小微企业实际生产场景及经营需要，创新定制以税务缴交信息、账户资金流信息以及政府采购业务合作信息等为授信基础的快贷产品，形成了分层分类的产品体系。特别是针对医疗、生物科技等疫情防控全产业链，以及受疫情影响的小微企业及个体工商户等客群，该银行也依托其智能风控平台向客户提供线上全流程“秒批、秒审、秒贷”的融资服务，实现了线上一站式办理。该银行还将风控前置在营销获客端，利用生物特征技术在渠道层实现人机核验和身份核验，同时在对小微企业各类数据进行充分分析的基础上，制定完善自动审批标准，研究优化在线测额等智能决策工具，快速自动完成小微企业的贷款决策，契合小微企业的小额信用贷款需求，在降低服务门槛和交易成本的同时，为传统风控方式覆盖不到的长尾客群提供了精准服务。

(3)模型与平台。该银行成立专业专注的风险计量中心，针对各类业务场景研发在线贷款风险模型、反欺诈风险模型、贷款违约风险模型等，形成不同场景下的风险评估专用模型。

一是搭建风险模型实验室平台，为全行各类风险模型的设计、开发、验证、监测提供了可靠的操作平台。

二是搭建人工智能技术支持平台，利用人脸识别、声纹识别、反钓鱼、防木马等技术实现智能安全服务，利用机器学习、深度学习等技术提供模型训练框架和优化迭代能力。机器学习能够依靠不断新发生的数据输入，集成各类算法，进行条件训练，不断动态调整模型参数，促进模型自我进化和完善，提高模型结果的准确性。深度学习技术能够对原始数据作非线性变换处理，优化机器学习技术中数据的简单特征对任务效果的限制问题，进一步提高模型结果的准确性。

三是搭建信息共享平台，借助知识图谱技术，整合内外部关联数据，充分识别小微企业的股权关系、资金往来关系、担保关系，总结客户设备、交易习惯、时间空间定位等特征；建立多维综合分析网络和实时关联图谱，辅以图形化展示，高效识别风险案件，特别是快速抓取协同作案、多案并发的案件。

四是搭建企业级智能化全面风险监控预警平台,全面升级风险计量工具，整合小微企业预警规则和黑名单，精准分析小微企业履约能力和还款意愿；综合考虑小微企业成长性和发展潜能，对传统评级方法进行改造，研发新版小微贷款评分评级模型，利用大数据挖掘技术，全面扫描并联动分析客户内外部数据，前瞻性预判客户风险。

五是搭建企业级智能化反欺诈风险管理平台，建立统一的反欺诈监测指标与模型体系；全面布局反欺诈技术，事前评估剔除高风险客户，事中预警拦截异常交易，事后追踪监控、加入黑名单，形成多层立体的防御网络，应用于业务的全流程。

4 结语

正是基于面向小微企业的线上智能化风控体系，该银行才能做到风险早识别、早发现、早预警，保障特殊时期业务稳健运行。此次疫情是传统银行充分检验自身金融科技能力的一次契机，使其既能看到率先布局的亮点、优势、先机，又能看到发展中的痛点、限制与空白。

长远来看，剔除疫情因素，随着普惠金融政策对小微企业信贷支持力度的不断深入，今后仍需有针对性地优化完善面向小微企业的银行智能风控体系。一是根据需要拓展数据获取渠道，监管层推动建立国家层面的信用信息平台，打破政府与各金融机构间的信息孤岛现象，将分散在政府和公用事业单位的信息集合在统一的平台，与金融信息连通；二是提高半结构化、非结构化数据的处理能力，如交易备注、微表情等信息，便于更加多维、立体地分析小微企业经营状况；三是进一步提高主动感知风险的能力，学习国内外头部互联网企业的风控技术，如谷歌AlphaGo、阿里蚁盾等；四是加速提升流式数据处理能力，针对多种实时特定业务场景增强快速计算和决策能力，扩展并发计算容量，提高响应速度、降低延迟；五是建立开放合作的商务生态模式，银行应广泛借助移动网络、社交平台、电子商务等各类平台，拓展经营蓝海，打造具有银行特色的开放性金融生态圈；六是积极探索联合增信机制，充分发挥融资担保、信用保证保险的风险保障和缓释作用，以减少单一主体的风险敞口。