孙爽 刘洋

2019年8月22日，中国人民银行印发《金融科技（FinTech）发展规划（2019-2021年）》，明确提出要运用金融科技提升跨市场、跨业态、跨区域金融风险的识别、预警和处置能力，加强网络安全风险管控和金融信息保护，做好新技术应用风险防范，坚决守住不发生系统性金融风险的底线。金融科技在银行业中得到了广泛的应用，而智能风控就是其中重要的一环。智能风控运用了数学、统计学、生物工程、计算机及一系列前沿科技，成为金融变革的推动器，引发银行业的一场革命。

为此，由《银行家》杂志社携手中国社科会学院金融研究所、中央财经大学互联网经济研究院共同主办的“2020年中国金融创新论坛”特设“智能风控：管理与创新”圆桌论坛。论坛由《银行家》杂志副主编、中国金融创新奖组委会秘书长欧明刚主持，来自银行与科技企业的专家共聚一堂，共同探讨我国智能风控的创新与发展之路。

智能风控为传统银行业风险管理插上了翅膀

风险控制是银行最核心的业务，智能风控为银行更好地控制风险提供了保障。正如《银行家》杂志副主编欧明刚所说：“银行作为金融体系中的风险承担者必须拥有自己的金刚钻——风险管理能力，而智能风控实际上给银行传统的风险管理能力插上了翅膀”。诚然，智能风控对银行业来说十分重要。

中国银行风险管理部副总经理章彰指出，智能风控拆开看是智能和风控，除去智能，风控与商业银行存续了相同的时间。智能化因素的加入可以使管理部门或银行更全面、高效地了解风险情况，并能够及时采取一些有效的管控措施来化解、转移或杜绝一些风险。

中国建设银行风险管理部副总经理钱爱莉表示，智能风控管理已经成为风险管理界的一个热词，金融与科技的合作是非常必要的。与传统的风控相比，智能风控在精准性、有效性和全面性方面有一些独到的优势。在落实国家的普惠金融政策、解决小微企业的融资难融资贵问题的过程中，没有智能风控的支撑是很难想象的，大规模的业务量使我们采用搬砖头的方式管理小微企业风险几乎是不可能的，成本也不可能降下来，更不用说贯彻落实党中央有关普惠金融的战略了。此外，零售金融是各家银行业务发展的重中之重，如果没有智能风控，零售金融业务的发展也是很难想象的。

中国民生银行个人金融部副总经理王笑丛指出，在个人消费金融领域，智能风控是十分重要的，没有智能化、自动化的审批和风控，消费贷款很难发展，长尾客户也很难获取。民生银行在做消費贷款智能化自主营销的过程中，感受到了几个方面的支撑：一是风控决策框架的全面升级;二是技术团队和模型团队的合作实现了客群和模型的精细化管理;三是与其他机构进行合作，沉淀消费场景数据，将这些数据和行内数据相结合，使获客更加精准。

亿联银行首席风险官陈以平表示，目前风控最大的一个特点就是数字驱动。实际上以科技为基础的智能风控有一个自然发展的过程，科技发展到了某一个阶段的时候，它就应运而生了。这个过程也是从低程度智能到中高程度智能的一个过渡时期，在这个阶段机构会碰到各种各样的问题，但是通过不断的技术改进、方法改进，当下的问题终将在发展中得到解决。

北京云真信科技有限公司联合创始人/COO朱金星指出，智能风控的核心目标是降本增效。降本，即如何降低获客成本，不仅能做到将客户需求与应用场景相结合，还要能够触达互联网长尾客户，并实现高转化率。增效，就是增强数据效果，一方面是数据有效的融合场景，在贷前、贷中、贷后有细化的产品来实现场景化的联合建模，另一方面是技术能力的提升。

智能风控发展之路荆棘丛生

任何事物都有两面性，智能风控虽然为银行风控的发展带来了诸多好处，但同样存在一些不可消除的问题。国家互联网金融安全技术专家委员会秘书长吴震总结了智能风控目前面临的三个关键问题。首先，数据来源问题。数据是大数据和人工智能等技术的原材料，但是面对中国14亿人的数据，很难做到全面、有效覆盖，且在个人风控中大量的数据还会涉及个人隐私问题。其次，可信度问题。市场上的数据来源五花八门，其可信度是值得怀疑的。最后，数据安全问题。2018年以来国家对数据安全的要求越来越高，现在对App违规收集数据等都加大了安全管控，但是数据有“黑、白、灰”三个领域，灰色领域的数据是否合法较难判断。目前的解决方案主要包括各企业、交易平台汇集数据，以及通过供应链金融、工业互联网、物联网等采集企业的数据。

中国银行风险管理部副总经理章彰也指出，技术的发展提升了风险的识别能力，尽管部分领域进展较快、跑得较远，但是整体来看智能化程度还是没有那么高。从银行体系来看，智能风控要求银行的IT架构具有足够的灵活性，数据管理也需要根据智能化的决策、识别及管控要求进行，而这一过程本身较为缓慢。此外，银行内部数据的不通、不全、不准是制约银行智能化风控体系的重要因素。所以，风控中台如果能够增强IT架构的灵活性，使数据管理形成一套体系，是智能风控在银行落地的前提条件。同时，银行业需要高度关注合作机构的风险和消费者权益保护方面的问题，避免风险传染以及数据使用不当等带来的隐患。

中国工商银行信贷与投资管理部副总经理刘超表示，智能风控的痛点体现在以下四个方面：一是数据的合规性。许多数据在使用上存在合规性问题，寻找替代数据需要花费大量成本，这一问题可能需要通过立法来解决。二是模型的有效性。当一个具有颠覆性的技术产生时，在专家评审过程中如果发现其存在例外性，就会被淘汰。银行本身的风险偏好就是比较稳健和保守的，故模型的有效性也是一大难题。三是系统的复杂性。系统的建立在理论和实际中是天差地别的，看似很简单的问题在实际解决的过程中往往非常复杂。四是技术的先进性。银行在智能风控系统建立初期会有大量的资金投入，如果一两年后技术失效或研究方向不正确，会产生一定的损失。所以，现在我们会关注科学家们的研究，并据此做相应的尝试。

“现在消费信贷市场发展如火如荼，但机遇与挑战并存。对于前台来说，挑战还是比较大的，包括信用风险、欺诈风险以及监管政策的相关要求。”中国民生银行个人金融部副总经理王笑丛指出。在业务方面，获客成本高、通过率低;在数据合规方面，维度缺失、准确率低;在模型方面，部分模型的风险测验存在漏洞，效果也不佳。

北京云真信科技有限公司联合创始人/COO朱金星也指出了智能风控面临的困难。一是数据层面的，包括数据不全，饱和度、纬度各方面受到限制等。二是安全合规的数据交互。三是开放性受到制约。机构与机构之间，科技公司和金融机构之间，都存在着交互性问题，不同类型的机构都有各自的优势，未来如何能够有效地提升数据的融合补充仍有待探讨。

同盾科技副总裁李伟东表示，线下业务变线上，是这次疫情的倒逼，而做线上业务和线下业务完全不一样，因为整个业务的“黑产”攻防对抗性非常高，且现在整个“黑产”是团伙化、平台化的，所以智能风控要做到整个业务模型的变化，包括管理手段、管理方式、防范方式的变化。此外，现在很多银行与平台合作，不同的平台有不同的产品，不同的产品有不同的准入标准，所以会出现同样一个申请人在不同的平台申请出现不同的审批结果，这是现在很多银行面临的问题。所以，需要从客户的角度建立风险评级，建立客户档案和客户风险评价体系。

中国诚信信用管理股份有限公司副总裁谢秋平提出，智能风控在零售端的应用与消费金融对企业端的应用有明显的差异：一是银行普遍存在数据治理难题，所以做智能风控的第一个问题就是到底哪些数据维度可以放到智能风控数据模型中;二是在B端智能风控的建设需要有足够多经验丰富的专家参与进来，不能完全模仿C端的路径构建;三是银行对主体风险的识别，能否贯穿到全业务流程，风险管理的前置很重要。

邦盛科技首席风控官尹航从风控的具体实践角度谈了三点体会。一是金融风控的重点和难点实际上是来自于反欺诈，也就是欺诈所造成的坏账，或者骗贷风险实际上比信用风险大很多。二是目前从欺诈的领域来讲，团伙欺诈比个人欺诈无论从范围还是社会危害程度上都大得多。三是产业化、智能化是目前金融欺诈最明显的两个特征，“黑产”分子利用大数据、AI等技术，研发出了精准欺诈系统，从欺诈数据获取、身份信息的伪造、相关信息的包装，到欺诈、骗贷的实现以及销赃等，形成了完整、畅通的产业链。

江苏通付盾科技有限公司高级总监朱旭光也谈了几点智能风控存在的问题。一是新形势下环境的变化带来了一些新的机遇和新的挑战，很多风控流程转到了线上，一些传统风控手段并没有效果，这为风控领域创造了很多机会。二是大家对AI、区块链、物联网等新技术赋予了新的期望，但是不能解决所有的问题。三是一些分工的变化，以前是金融机构自行解决风控问题，现在出现了更多的风控企业以专业手段和智能手段解决风控问题。四是数据合规和数据隐私的问题，这也是近年来国家立法方面很重视的一点，为此，一些传统的智能风控手段也需要变革。

智能風控的探索与实践

近几年，智能风控的发展如火如荼，多家金融机构以及互联网企业在此领域均进行了深入探索。中国平安集团风险管理部副总经理刘小青指出，风险管理的工作要先知、先觉、先行，由于银行存在数据孤岛问题，所以会导致银行内部重复采购或重复建设，提高了成本。为解决这一问题，在建设底层数据库时，平安银行从内部打通了各个子公司的数据，从外部购入了各类数据并进行数据清洗;在AI层面，各个子公司会搭建自身的智能化信贷系统，并由集团内部进行公共的AI组建。智能风控平台的建设使平安集团拥有了四个方面的能力：一是风险预测与预判能力;二是将AI工具嵌入系统中提升管理效率;三是受益所有人关联方的识别达到秒级;四是节约重复采购的成本。

FICO公司中国总裁助理胡睿轩从大数据评分方面提出了对当前零售金融风险的思考。在智能风控方面，除了IT架构以外，做风险模型的最重要的三个环节是数据、模型和战略。尤其是在信贷模型方面，银行或金融科技企业需要通过结合宏观经济、外部环境以及模拟真实世界的情况，研究出真正模拟信贷业务特点的专利算法，把好人和坏人分开，在一个大数环境下，好人和坏人并不是一盘散沙，而是呈现一种分布，这种专门的算法，相当于把这两个分布分的足够开，模拟信贷业务的实际情况。

慧安金科（北京）科技有限公司CEO黄铃分享了一些AI技术在落地层面解决风控和监管领域的案例。金融科技部门可以利用半监督、无监督大关联图关系的手段，从海量的银行帐号和数据中挖掘出看不到的风险并将其呈现出来，以帮助业务部门发现和管控这些风险，把金融的风控合规从事后管控推向事前的预警和事中的阻断。

江苏通付盾科技有限公司高级总监朱旭光将他们在智能风控领域的探索概括为四个紧密协同：一是人力与机器的协同;二是产品和管理体系的协同，三是智能风控被动与主动的紧密协同;四是内部与外部的协同。以往的智能风控都是被动风控，事后再弥补，AI、机器学习、数据分析和挖掘等新技术的应用，可以创造主动风控的机会。