专题 Special Topic 大数据时代智能风控体系建设实践 中国农业银行科技与产品管理局应用管理六处处长 大数据的思维方法与传统思维方法存在一定的差异，但构建基于大数据的 风控体系是发展的新趋势。农业银行近年来经过不断的探索和实践，在 大数据智能风控方面取得了一定的成效。随着历史数据的积累和模 型的丰富，通过大数据和人工智能技术的应用，能够更进一步地深 入挖掘数据价值，大幅度的提高风控水平及效率，有助于农业银行在激 烈的市场之间的竞争中取得先机。 险管理能力提出了更高的要求。随着大数据、人工智能、 云计算等新一代金融科技的快速地发展，驱动着包括银行 业在内的经济社会各领域加速向数字化、智能化、信息 化的更高阶段发展。在此背景下，商业银行应抓住机遇， 充分的利用大数据、人工智能等技术对传统风控模式进行 创新，建立覆盖风险识别、计量、分析、处置全流程的 智能风控体系，进而全方面提升银行风险防控能力。 一、智能风控体系重塑银行风险管控模式 传统的风控体系中定性风险管理占主体，以主观规 则及客户评级为主，存在数据获取维度窄、定量分析能 力偏弱、难以精确化用户特征等缺点。评价模型一般是 基于客户历史行为、数据来进行预测，无法前瞻性地预测 未来风险情况的变化，导致风险管理滞后。在数字化转 中国农业银行科技与产品管理局应用管理六处处长 型的背景下，传统的风险管控模式已不足以满足全面风险 管控的需求。 商业银行作为金融中介机构，经营的本质是对风险 以大数据、人工智能为代表的新技术发展为风控领 的承担和管理。伴随着全球金融一体化进程的加快，银 域相关痛点的解决提供了很好的契机。一方面，大数据 行的经营环境日益复杂，面临的风险进一步加大，对风 技术通过整合大量数据，包括银行内部的数据和外部机 2018 . 08 中国金融电脑 15 1 / 4 SPECIAL 专题 TOPIC 构的数据，从多维度对客户做全面评估，极大地提升 的问题比较普遍。为满足智能风控体系的数据要求， 了对客户的评估精准度，促使传统模式下难以度量的风 应该整合银行内部所有数据，统一数据基础，强化数据 险显性化，提升风控能力。另一方面，大数据与人工智 治理，改进数据质量。 能技术凭借强大的计算能力和先进的模型算法对海量数 （2）引入外部数据，融合内外部数据。在移动互 据和信息的整合、分析，改变事后分析和预测判断的方 联时代，商业银行要树立数据共享理念，抓住有利时机， 式，建立主动、实时响应机制和模型，提高风控效率。 积极拓展外部数据来源，实现内外部数据有效补充。当 利用大数据、人工智能等技术培育大数据风控能力， 前外部数据最重要的包含风险名单信息、多头借贷与逾期信 建立智能风控体系，已成为银行塑造互联网金融时代核 息、重要数据采集信息等。在外部数据引入上能够使用 心竞争力的重要举措。智能风控体系结合传统风控防范 购买、合作、共同开发等多种灵活形式。外部数据维度 经验，运用大数据技术，重塑以客户信用评级为主的传 众多，为了更好的提高数据价值，应与内部数据有效整合，统 统风控模式，构建主动型、智能化、安全可靠的风控体系。 一管理，实现内外部数据共享与集中管理。 （3）搭建数据平台，支持数据闭环管理。智能风 二、智能风控体系建设“四步曲” 控体系需要对海量数据和信息进行整合、分析、应用， 基于大数据的全景式智能风控体系是以数据为基 需要构建支持面向数据的“采集 - 分析 - 使用 - 反馈” 础、以风控模型为工具、以风险指标为决策依据的体系。 闭环体系的支撑平台，涉及数据存储和管理、分析挖掘、 建设智能风控体系，首先是收集基础数据，尽量获取范 场景化应用、反馈评估等环节。数据平台应该能够突破 围更广、层次更深、质量更高的数据；其次是计量模型 传统数据计算的性能瓶颈、时效性及指标复杂度等多个 运用，通过运用大数据分析、人工智能等算法将获取到 问题，具备高性能、高可靠性以及复杂计算能力。 的海量数据来进行深度加工，建立高效准确的风控模型； 2. 模型的运用和完善是智能风控的核心 最后是应用场景的建立和完善，在不同的风控场景中深 模型是智能风控的“灵魂”。商业银行利用简单或 入应用，以此来实现智能风控在风险识别、计量、处置等 复杂的模型，逐步的提升自身的智能感知和响应能力，进 风控环节的全覆盖，并推动风控体系的优化完善。另外， 而辅助或替代人工，提升风控水平。目前，智能风控模 为了使智能风控体系更好地发挥作用，还应对银行原有 型主要有以下几类。 的风险管理模式、业务流程来优化、完善，使得智能 （1）通过简单规则的判定和匹配，辅助银行进行 风控体系与业务流程有效融合。 风险决策，如信息核验、黑白名单匹配、人脸识别等。 1. 数据的获取和整合是智能风控的基础 此类模型在数据具备的前提下实现难度不大，规则较简 风控是一个复杂的过程。智能风控体系利用数据对 单，可复用性高，但是规则创建依赖专家经验和已发生 风险进行管控，因此数据可获得性、数据质量及数据处 风险事实，无法针对新的风险模式进行自动更新。 理能力最重要。 （2）利用数据挖掘算法，将银行积累的大量的客 （1）整合内部数据，强化数据治理。我国商业银 户相关的数据及外部数据来进行汇总分析，提升风控准确 行具有海量的客户，且囊括了客户账户信息、协议信息、 度。常用的数据挖掘算法包括多元逻辑回归、聚类分析、 交易信息等在内的高的附加价值数据，具备极高的业务价值。 神经网络、决策树、关联分析等，如运用神经网络模型实 但是由于历史原因，数据往往分散在多个系统中，缺乏 现对客户的信用风险评价。此类模型通过训练模型，不断 规范性，缺乏统一标准，数据质量差、管理弱、共享难 优化和调整模型，在模型精度和适用性上有了质的提升。 16 FINANCIAL COMPUTER OF CHINA 2 / 4 专题 Special Topic （3）利用机器学习、知识图谱等新技术、新手段 智能风控体系可凭借数据和技术优势发现寻找更多的线 动态分析信用风险、欺诈风险等，建立动态决策机制和 索特征，挖掘用户的行为特征，用户关联特征等异常事 风控模型，提高决策准确性和效率。如通过采用机器学 件，结合 IP、手机、位置等维度分析潜在的欺诈风险， 习技术，从数据中自动识别欺诈交易，总结交易模式， 能极大提升反欺诈的效率和能力。 提升银行欺诈、反洗钱侦测系统的侦测率。此类模型通 4. 管理支持是智能风控的有效支撑 过不断自我改进与自我优化，自动识别新的风险模式， 智能风控体系与传统风控体系的管理模式差别较 提升了风控体系的快速反应能力。 大，在传统风控体系下建立的业务制度、业务流程势必 3. 场景融合是智能风控体系发展的驱动力 无法适应智能风控体系。因此，应及时作出调整优化业务流 银行将基于大数据分析产生的知识嵌入到信用风 程，使之与智能风控体系衔接更加紧密。智能风控体系 险、操作风险、欺诈风险等风险管理的所有的领域中，建 对业务流程的影响主要有两点：一是需在业务制度及业 立主动预防、全场景、立体化的智能风控体系。 务流程中明确智能风控体系嵌入环节、效力范围及响应 （1）信用风险防控方面。信用风险产生的根源是 机制，使得风险信号产生后能够迅速响应，并根据不同 借贷双方的信息不对称。信用风险防控要解决的主要问 级别的风险事件及时采取对应的处置措施；二是在风险 题是如何更加准确、全面、清晰地了解客户信息，降低 事件处置后应及时将结果反馈，以便逐步优化智能风 信息不对称的程度，并据此作出正确的决策。目前广泛 控体系，形成良好互动。 使用的信用风险防控应用有客户画像、智能审批、智能 智能风控体系建设过程中应同步关注数据安全防 催收、风险预警等。其中客户画像是运用大数据和知识 护。首先，确保数据尤其是重要数据和个人隐私信息的 图谱技术，建立全面的客户信息审察体系，衡量客户的 获取、使用及处理合法合规；其次，作为数据处理者应 还款能力和还款意愿，从而全景式展现客户的风险特征， 保障数据安全，可通过安全技术措施、数据管理制度、 为精细化客户关系管理提供技术上的支持。 安全准则规范、保密教育等手段降低数据泄漏风险，守住数 （2）操作风险防控方面。操作风险是由于内部操 据服务底线。 作程序、人员、系统或者外部事件所造成的风险，例如 三、农业银行智能风控体系建设实践 洗钱、内部人员操作失误等。在内部员工操作风险监测 方面，银行在积累内部损失数据及引入外部损失数据的 目前，我国部分大型商业银行以及金融科技公司在 基础上，利用大数据技术对员工经营行为进行风险监测， 持续加大投入建设智能风控体系，经过多年的磨合与运 由监测人员通过对实时预警信息的及时识别、核查及统 营，已形成了成熟的模式。农业银行近年来通过不断 计分析，揭示相应风险并及时处置和化解，提高了风险 的探索与实践，以业务运用为突破口，借助大数据、人 监控的针对性、有效性与时效性。 工智能等先进的技术，构建由被动防御变主动拦截，从单 （3）欺诈风险防控方面。近年来金融欺诈事件数 一的事后监控到事前防范、事中控制、事后处置于一体 量逐年攀升，欺诈团伙内部分工越来越精细，反侦查能 的全景式智能风控体系，更好地满足新形势下风险管理 力越来越专业，欺诈行为也呈现出多样性、复杂性和隐 的需要。 蔽性特征。金融欺诈分子通过隐瞒、编造重要信息，制 1. 搭建大数据平台，夯实智能风控基础 造信息不对称的假象，谋取不正当利益。传统的风控体 为了全面整合各种来源的有价值数据，满足智能风 系受制于数据信息不对称，反欺诈效果不够理想，但是 控体系对数据的全方位探索需求，农业银行构建了企业 2018 . 08 中国金融电脑 17 3 / 4 SPECIAL 专题 TOPIC 级的大数据平台，全面支撑农业银行多元化、多领域的 钱平台，为客户的反洗钱筛查提供了有力支撑，提高了 分析、挖掘、预测、决策等应用。大数据平台整合了农 反洗钱管理上的水准。 业银行各业务条线涉及客户基础信息、金融理财产品交易、 （2）辅助风险判断，提升智能化决策水平。将各 资产信息、产品信息、客户信用历史等，并陆续接入工商、 环节用户所关注的信息自动推送到决策页面，对于重要 司法、海关等行外多领域数据。大数据平台的建立使得 风险信息则直接干预业务决策，为授信审批的辅助决策 内外部数据得到一定效果互补，从而建立全行统一、数据标 提供有力支持；将人脸识别等生物识别技术用于系统用 准、管理高效、技术强大的服务平台。 户身份认证，对日常出现的别人代为操作、通过违法路 2. 运用风控模型，挖掘分析数据价值 径密码被他人掌握等违规违法事件及潜在隐患进行相对有效 农业银行建立了以解决业务实际的需求为目标、建模 控制，提升农业银行对操作用户真实性监控的能力，有 过程独立、各条线各部门广泛参与的数据分析挖掘平台， 效防范操作风险；应用 OCR 技术，实现对客户财务报 支撑从数据清洗、数据分析、模型训练、模型发布、模 表的自动识别和录入，以及客户合同核对，防止合同被 型调优、模型评价整个建模流程。在此平台上自主开发 非法篡改，控制操作风险。 了评级评分、资金异常、销售下滑等模型，实现了对不 （3）聚焦贷后监控，建立主动实时的智能监控模式。 同客户风险的识别、评价、预警。同时，开展大数据分 为了对贷后全过程检测分析，实时监测客户信用风险的 析试点项目，研发了大数据审计模型、零售高风险贷款 变化，农业银行已基本搭建起了“客户风险前瞻预警 + 识别、理财违规私售线索识别、债券违约风险传染模型 信贷业务实时监测”的信用监控平台。基于该平台，通 等风险防控类项目，形成了一批有价值、可落地的项目 过大数据技术全面整合内部、外部数据，捕捉和发现客 成果。 户行为背后的相关性，把控客户信用风险的变化，提升 此外，农业银行还积极探索将机器学习等新技术运 应急处置能力，大大降低资金风险。目前已研发近二百 用于风控，提升风控智能化水平。正在尝试利用知识图 个监测指标，全面涵盖法人客户经营过程中的财务情况、 谱将客户担保关系、投资关系、高管关系、资金往

  暗黑UdieToo中英属性对照、装备名称、技能代码、怪物代码、灵气赋予数据代码汇总[规整].pdf

  2024-2030年中国手机回收行业市场全景监测及投资前景展望报告.pptx

  2023-2024学年广东省广州市黄埔区广附教育集团八年级（上）期中语文试卷.doc

  Unit 4 Natural Disasters单元整体教学设计高中英语人教版(2019)必修第一册单元整体教学设计.pdf

  2022-2023学年河南师大附中八年级（下）期末数学试卷（含解析）.docx

  原创力文档创建于2008年，本站为文档C2C交易模式，即用户上传的文档直接分享给其他用户（可下载、阅读），本站只是中间服务平台，本站所有文档下载所得的收益归上传人所有。原创力文档是网络服务平台方，若您的权利被侵害，请发链接和相关诉求至 电线) ，上传者