银行信贷业务中智能风控技术的应用及思考.docx

《银行信贷业务中智能风控技术的应用及思考.docx》由会员分享，可在线阅读，更多相关《银行信贷业务中智能风控技术的应用及思考.docx（6页珍藏版）》请在第一文库网上搜索。

1、一、应用场景智能风控技术是指综合运用大数据、人工智能和云计算等技术，以数据驱动风险管理，实现风险管理流程智能化转型的重要手段，目的是提高风险管理效率、解决信息不对称问题及降低风险管理成本。目前，智能风控技术在银行信贷业务中的应用呈现出全流程、多场景和高耦合的特点，其在贷前信审、贷中风控和贷后管理环节中的部分应用场景及技术功能详见表Io表1智能风控技术的应用场景及技术功能信贷管理阶段应用场景技术功能贷前信审客户准入评价利用决策树（DT）构建客户准人评估模型，通过充分分析客户的基本信息、工商税务信息、信贷历史信息、司法诉讼信息及披露的其他信息，对客户行为、经营情况进行分析甄别，提高客户准入评估能力

2、欺诈行为识别通过多维度、多途径掌握客户的外部信息数据，充分利用随机森林（RF）和高维度机器学习算法，建立反欺诈评估模型贷中风控信用风险计量在多维数据的基础上，采用支持向量机（SVM）,决策树（DT）、K-近邻学习（KNN）等算法，建立信用风险评级模型，对海量数据进行分析并对高维特征进行计算，对客户的履约意愿、履约能力情况进行全面的分析、甄别和判断；从数据角度因违约而导致损失的可能性进行量化评估，根据客户背景、还款意愿、还款能力进行综合信用风险计量，做出合理决策信贷审批管控充分发挥金融大数据服务云平台的作用，及时采集和分析相关数据，整合商品流、资金流、信息流的数据，采用支持向量机（SVM）,梯度

3、提升决策树（GBDT）、随机森林（RF）等算法，准确评估小微企业和消费客户的信贷风险贷后管理贷后风险监测结合随机森林（RF）、深度学习（D1）等算法，打造贷后风险监测模型.对客户的经营管理、财务状况进行跟踪分析、监测和评估贷后（逾期）催收管理运用自动语音识别（ASR）、自然语音理解（N1U）等语言处理模型和技术实现语义的分析和挖掘，完成智能外呼、智能分案、智能外呼语音质检等工作二、应用实践自大数据、人工智能和云计算等技术兴起，银行就不断将智能技术引入信贷风控领域以提高风险管理能力。特别是随着移动互联网和网络支付的广泛应用，部分头部互联网公司积累了大量客户金融及信用数据，为智能风控技术的发展奠定

4、了基础。与此同时，头部银行开始积极探索智能风控体系建设，结合银行业务、技术、数据和管理优势选择了不同发展路径。笔者基于公开资料，整理了部分银行的智能风控系统建设情况及使用效果。1 .实现平台体系化运营国有银行基于自身的技术能力和基础数据管理能力，均已建成智能化风控平台并开始体系化运营。工商银行着力构建“融安e盾”等一系列智能风控系统，打造了企业级智慧化风险防控整体解决方案；积极开展智能风控体系建设，如个人客户智能化风险监控的十大应用场景等。其中，基于大数据创新的风险管理服务形态智能模型自投产以来，模型预警量较原监督体系减少了30%,风险识别率达到21%,风险监控的精准性、时效性得到有效提升。农

5、业银行目前已建成包含即时查询、可视化展示、图计算分析等功能于一体的大数据平台；逐步建成模型管控中心、风险策略中心、风险计量中心，形成以“三大中心”为核心的风控模型体系；建立了客户准入评价、信用风险评估、反欺诈、贷后风险监测和集中催收等智能风险管理模型，为风险管理全流程提供支撑和服务。2 .重点突破场景化应用部分股份制银行基于自身优势业务，利用智能风控技术赋能业务发展。例如，平安银行自主研发分布式金融PaaS平台，以数据集市、指标库、数据仓库为数据基础层，以核算、内评、预警、计量等多场景为应用系统层，构建了完善的智慧风控生态体系，实现审批效率提升30%以上。平台智能放款功能覆盖了平安银行90%的

6、放款量，单笔放款时长从5小时缩短为5分钟。3 .积极探索平台试点部分股份制银行和农信机构积极探索智能风控技术，着力搭建平台逐步进行试点应用。例如，中信银行在智能风控体系中引入大数据智能化处理技术，对柜面渠道、电子渠道、自助渠道等全网络渠道提供7X24小时风控服务，并针对内外部操作风险进行多重主动防范。陕西农信自主构建多元化客户标签体系，融合了存量业务数据、征信和第三方反欺诈等外部数据，借助大数据建模、智能风控等技术培养数据驱动的信用评价、智能决策和数字化风控能力，建立了流程简单、风控有效、客户体验良好的线上信贷服务体系。三、应用难点近年，业界涌现出一大批自成体系的智能风控产品。银行通过购买和部

7、署相关智能风控产品，提高了信贷风险管理水平。但由于智能风控产品质效的发挥严重依赖使用者的数据质量、建模能力和制度流程等，银行在信贷风险管理中应用智能风控产品时，普遍面临以下难点。一是依赖外购产品，自身能力不足。从当前银行信贷智能风控系统建设情况来看，大多数中小银行仍以外部采购为主，以购代建的方式在一定程度上降低了中小银行应用智能技术提升风控能力的难度。但银行对智能风控产品、技术、流程和理念的理解存在差异，以及技术人员能力和数量的不足也影响了其信贷风险管理向智能化转型的进程。二是同质化程度较高，场景融合不足。头部智能风控产品供应商通常在提供产品的同时，也会提供业界常用信贷风控模型，导致各家银行风

8、控模型同质化情况严重，难以形成契合自身的独特竞争力。三是数据质量较低，模型准度不足。数据质量的高低决定着信贷智能风控体系质效的发挥，但银行由于内部数据质量参差不齐、数据标准不一、内部流动不畅、外部获取不足等因素，导致其智能风控模型在进行数据挖掘、自我训练和深度学习过程中效率不高、质量不好。四、思考与建议以人工智能为代表的金融科技正在不断改变银行业信贷风险管理模式。银行应强化智能意识、完善组织机制、优化制度流程和夯实数据基础，加快信贷智能风控体系的建设，更好地满足新形势下风险管理的需要。1 .强化智能意识是智能风控体系发展的关键驱动一是选择合适策略。中小银行可以利用后发优势，积极引入业界成熟产品

9、和体系，借鉴头部银行经验，快速搭建智能风控体系框架，逐步培育自主管理和发展能力。二是强调嵌入场景。智能技术嵌入实际业务场景才能展现成效，银行要持续培养全行数据思维，将智能技术融入信贷流程，持续探索新场景的智能意识。三是结合资源禀赋。银行应将独特的基础数据和风控管理能力禀赋与智能风控技术相结合，扩大差异化竞争优势。2 .完善组织机制是智能风控体系发展的重要保障智能风控技术的应用使得信贷流程与智能技术结合得更加紧密，对银行现有组织架构的灵活性和员工复合能力提出了更高要求。一是加强行内各条线融合。通过敏捷小组、虚拟团队等方式，连通业务、技术、风险、合规等部门，调整各条线、各岗位职责分工，缩短决策流程

10、、降低沟通成本，加快智能风控体系建设，提升员工业务和技术能力的双向融合。二是积极拓宽外部合作范围。通过与高校和科研机构建立联合创新实验室，引入学术界的信贷智能监测和分析的最新成果，以及数据挖掘和基础建模能力，补强银行基础研究能力的短板。3 .优化制度流程是智能风控体系发展的有效支撑银行在信贷业务流程中应用智能风控技术，提高了业务办理、风险监测和贷后管理的效率，但同样也需要注意模型算法的不稳定性。一是优化容错机制。建立有别于传统业务的容错机制，因智能决策模型出现业务风险的，主要通过模型更新迭代和优化信贷管理流程来持续完善容错机制，同时设置风险容忍度，在容忍范围内可免除金融机构和人员的管理责任，做

11、好风险管理与创新的平衡。二是用好考核指标。通过考核指标的合理设置，将信贷智能风控所涉及的各业务、科技人员统一进行考核，加强业务与技术的相互融合，释放团队创新活力，提升智能风控创新和迭代效率。4 .夯实数据基础是智能风控体系发展的核心能力数据作为模型算法运转和迭代的“养料”，其数量、维度、精度和频度的差异都会影响智能风控体系的质效。构建数据能力是智能风控体系发展的核心能力。一是内部实现无界流动。银行通过智能风控体系建设，基于风控场景整合关联数据，从单系统逐步向多系统整合，持续连通内部数据孤岛，实现内部数据的全面调用。二是外部积极开源扩维。在保护客户数据隐私的前提下，银行可积极引入工商、司法、行业协会等数据信息，加强与公共数据平台和互联网公司等进行数据交换和共享，扩大基础数据的维度，通过交叉验证提高数据的精准度。