案例|線(xiàn)上信貸智能風(fēng)控體系建設(shè)
分類(lèi): 最新資訊
口才詞典
編輯 : 口才大全
發(fā)布 : 04-03
閱讀 :137
近年來(lái)，隨著大數(shù)據(jù)和人工智能等先進(jìn)技術(shù)的成熟與普及，銀行正在積極探索前沿技術(shù)在業(yè)務(wù)創(chuàng)新、風(fēng)控能力提升等領(lǐng)域的應(yīng)用。信貸業(yè)務(wù)作為銀行的基本業(yè)務(wù)，其業(yè)務(wù)模式的轉(zhuǎn)型勢(shì)在必行，而智能風(fēng)控的建設(shè)則是轉(zhuǎn)型的關(guān)鍵。無(wú)錫農(nóng)村商業(yè)銀行科技開(kāi)發(fā)部 總經(jīng)理 錢(qián)敏健智能風(fēng)控核心：實(shí)現(xiàn)銀行風(fēng)險(xiǎn)管理的數(shù)字化轉(zhuǎn)型在數(shù)據(jù)基礎(chǔ)與系統(tǒng)基礎(chǔ)建設(shè)達(dá)到要求的情況下，線(xiàn)上信貸業(yè)務(wù)應(yīng)運(yùn)而生。在創(chuàng)新線(xiàn)上信貸產(chǎn)品方面，傳統(tǒng)銀行動(dòng)作相較于互聯(lián)網(wǎng)金融機(jī)構(gòu)的動(dòng)作是明顯滯后的。為了補(bǔ)足這方面的業(yè)務(wù)，各個(gè)機(jī)構(gòu)的解決方案不盡相同。有的銀行參考互聯(lián)網(wǎng)金融創(chuàng)新業(yè)務(wù)的模式進(jìn)行，選擇引入很多數(shù)據(jù)供應(yīng)商與模型供應(yīng)商建設(shè)產(chǎn)品；有的銀行選擇以資金提供方身份與互金機(jī)構(gòu)合作，嫁接出“助貸”“聯(lián)合貸”的產(chǎn)品模式；有的機(jī)構(gòu)兩種模式兼而有之。這些模式之下，有銀行認(rèn)為會(huì)使用供應(yīng)商提供的模型就是智能風(fēng)控，或者能實(shí)現(xiàn)后置風(fēng)控體現(xiàn)風(fēng)險(xiǎn)管理能力就是智能風(fēng)控。這種想法是否正確，從近兩年監(jiān)管機(jī)構(gòu)的密集發(fā)文與指導(dǎo)意見(jiàn)中可以看出，答案是否定的。在監(jiān)管的提示與要求中，傳統(tǒng)金融機(jī)構(gòu)也開(kāi)始重新審視新技術(shù)與新思路，探索應(yīng)用方法與路徑。無(wú)錫農(nóng)商行建設(shè)智能風(fēng)控體系，將“智能”定位為人的智能與科技智能的有效融合能力，是數(shù)據(jù)賦能后風(fēng)險(xiǎn)管理能力的數(shù)字化轉(zhuǎn)型。智能風(fēng)控體系由人發(fā)揮智能進(jìn)行設(shè)計(jì)，多組來(lái)自不同崗位的專(zhuān)家圍繞業(yè)務(wù)開(kāi)展的不同角色和職責(zé)將銀行信貸業(yè)務(wù)中的風(fēng)險(xiǎn)管理環(huán)節(jié)進(jìn)行重新構(gòu)建。智能風(fēng)控體系中，模塊落地由科技智能推動(dòng)，采集完備的風(fēng)險(xiǎn)決策要素，并實(shí)現(xiàn)準(zhǔn)確加工與決策，通過(guò)數(shù)據(jù)算法與分析技術(shù)捕捉歷史知識(shí)。同時(shí)自研風(fēng)控模型，做到模型的完全自主可控，將知識(shí)與智能實(shí)現(xiàn)了互動(dòng)互補(bǔ)，實(shí)現(xiàn)有效的人機(jī)配合。為建成智能風(fēng)控體系我行從三個(gè)方面著手。1.創(chuàng)新人才的培養(yǎng)傳統(tǒng)業(yè)務(wù)專(zhuān)家由行內(nèi)骨干組成，數(shù)據(jù)建模工作方面的人員確實(shí)是空白，由于需要較高的算法技術(shù)、學(xué)術(shù)門(mén)檻。面對(duì)人才的空白，我行于2018年開(kāi)始培養(yǎng)數(shù)據(jù)挖掘領(lǐng)域的科技人才，尋找具有較高學(xué)術(shù)涵養(yǎng)的年輕科技人員，通過(guò)培訓(xùn)與實(shí)踐結(jié)合的方式，不斷提高其數(shù)據(jù)分析與數(shù)據(jù)挖掘的能力。期間先后嘗試了ATM加鈔預(yù)測(cè)、信用卡逾期預(yù)測(cè)、消費(fèi)貸授信額度測(cè)算等多個(gè)專(zhuān)題。2020年初起再引進(jìn)多名社招、校招人才，至此我行已有成熟的建模團(tuán)隊(duì)。2.海量數(shù)據(jù)的積累我行始終重視數(shù)據(jù)資產(chǎn)的積累和質(zhì)量管控。2018年完成大數(shù)據(jù)平臺(tái)建設(shè)后，立即啟動(dòng)了數(shù)據(jù)治理項(xiàng)目。同時(shí)，通過(guò)建設(shè)外部數(shù)據(jù)平臺(tái)，對(duì)接外部數(shù)據(jù)公司，引入多維的三方數(shù)據(jù)，豐富行內(nèi)數(shù)據(jù)資產(chǎn)。這為我行建設(shè)智能風(fēng)控體系打下了扎實(shí)的數(shù)據(jù)基礎(chǔ)。3.算法模型的開(kāi)發(fā)有了人才，有了數(shù)據(jù)，智能風(fēng)控模型的開(kāi)發(fā)自然水到渠成。2020年中，我行正式啟動(dòng)了面向我行線(xiàn)上消費(fèi)貸款—--“錫銀快貸”的智能風(fēng)控模型體系建設(shè)。傳統(tǒng)風(fēng)控模型是基于專(zhuān)家規(guī)則而成，而智能風(fēng)控則是基于機(jī)器學(xué)習(xí)算法開(kāi)發(fā)而得。傳統(tǒng)風(fēng)控?zé)o論是在數(shù)據(jù)來(lái)源、數(shù)據(jù)維度，還是在數(shù)據(jù)關(guān)聯(lián)性、模型可靠性層面都遠(yuǎn)遠(yuǎn)弱于智能風(fēng)控。建模團(tuán)隊(duì)使用多年積累的行內(nèi)外客戶(hù)信息數(shù)據(jù)，在業(yè)務(wù)專(zhuān)家的指導(dǎo)下，完成海量數(shù)據(jù)清洗。對(duì)高緯特征進(jìn)行計(jì)算，充分利用機(jī)器學(xué)習(xí)不同算法特性，包括隨機(jī)森林（RF）、梯度提升決策樹(shù)（GBDT）、支持向量機(jī)（SVM）等，擇優(yōu)開(kāi)發(fā)出信用風(fēng)險(xiǎn)評(píng)級(jí)模型。對(duì)客戶(hù)的履約意愿、履約能力進(jìn)行全面分析、甄別和判斷。從數(shù)據(jù)角度因違約而導(dǎo)致?lián)p失的可能性進(jìn)行量化評(píng)估，做出合理決策。模型于2020年中經(jīng)過(guò)風(fēng)險(xiǎn)評(píng)審后，正式投產(chǎn)，自此宣告我行具備了自主研發(fā)風(fēng)控模型的能力。智能風(fēng)控平臺(tái)：運(yùn)行風(fēng)控模型的容器基于機(jī)器學(xué)習(xí)的風(fēng)控模型開(kāi)發(fā)使用的是Python語(yǔ)言，得出的是預(yù)測(cè)模型標(biāo)記語(yǔ)言PMML（Predictive Model Markup Language）模型文件。模型的運(yùn)行需要提供可運(yùn)行環(huán)境，常見(jiàn)的應(yīng)用都是基于Java環(huán)境，對(duì)于基于Python開(kāi)發(fā)而得的模型，則需要Python環(huán)境。同時(shí)我們需要提供API接口，用于業(yè)務(wù)系統(tǒng)調(diào)用模型，并將模型結(jié)果返回給業(yè)務(wù)系統(tǒng)。不僅如此，我們還需要對(duì)業(yè)務(wù)系統(tǒng)的請(qǐng)求做記錄、可視化案件查詢(xún)、模型指標(biāo)加工、模型產(chǎn)品配置、支持風(fēng)控決策流的可視化配置與實(shí)時(shí)調(diào)整等。詳細(xì)功能架構(gòu)如圖所示。圖 功能架構(gòu)圖為此，我們需要建設(shè)一個(gè)智能風(fēng)控平臺(tái)——信用風(fēng)險(xiǎn)決策平臺(tái)。具體建設(shè)目標(biāo)如下。1.決策引擎設(shè)計(jì)實(shí)現(xiàn)規(guī)則配置、管理、導(dǎo)入導(dǎo)出等功能；允許用戶(hù)對(duì)規(guī)則進(jìn)行關(guān)閉、模擬、正式運(yùn)行等狀態(tài)切換；提供了規(guī)則的快速?gòu)?fù)制與粘貼功能；允許客戶(hù)對(duì)規(guī)則編輯進(jìn)行暫存，對(duì)規(guī)則的上線(xiàn)流程進(jìn)行審批管理等功能。實(shí)現(xiàn)實(shí)時(shí)指標(biāo)的配置和管理功能；允許用戶(hù)對(duì)指標(biāo)進(jìn)行導(dǎo)入導(dǎo)出，并切換開(kāi)啟與關(guān)閉狀態(tài)，在指標(biāo)的配置上線(xiàn)流程中提供完整的審批管理。除此之外，決策引擎提供接口服務(wù)，供外部服務(wù)使用已配置的規(guī)則及指標(biāo)。決策結(jié)果及指標(biāo)數(shù)據(jù)均可通過(guò)接口輸出。2.模型中心設(shè)計(jì)模型中心是一個(gè)用于運(yùn)行按要求打包的模型，用于管理、查詢(xún)、模擬運(yùn)行模型的平臺(tái)。提供Python模型、評(píng)分卡模型、PMML模型、決策樹(shù)、決策表和決策矩陣。支持模型的上傳及預(yù)測(cè)。3.信貸風(fēng)控中心信貸風(fēng)控中心主要包含風(fēng)險(xiǎn)大盤(pán)和策略中心。風(fēng)險(xiǎn)大盤(pán)可以根據(jù)業(yè)務(wù)部門(mén)、產(chǎn)品、地區(qū)進(jìn)行過(guò)濾統(tǒng)計(jì)。提供可視化風(fēng)險(xiǎn)數(shù)據(jù)大盤(pán)展示，包含首頁(yè)、貸前風(fēng)險(xiǎn)大盤(pán)、案件分析。策略中心是風(fēng)控智能系統(tǒng)的核心模塊之一。在策略中心可以基于各業(yè)務(wù)場(chǎng)景的風(fēng)控要求，配置對(duì)應(yīng)的規(guī)則或者模型來(lái)進(jìn)行風(fēng)險(xiǎn)的防控。引擎下所有的流程對(duì)于運(yùn)營(yíng)人員來(lái)說(shuō)都是可見(jiàn)可修改的，規(guī)則中所有的相關(guān)參數(shù)，也可以由運(yùn)營(yíng)人員自行配置，這些參數(shù)修改都是視窗化、產(chǎn)品化的界面，無(wú)需進(jìn)行任何代碼的編寫(xiě)，并且是即時(shí)生效的。總結(jié)與展望我行的智能風(fēng)控體系上線(xiàn)初即有優(yōu)異表現(xiàn)，相對(duì)傳統(tǒng)專(zhuān)家規(guī)則，通過(guò)率提升近21%。上線(xiàn)至今，建模團(tuán)隊(duì)對(duì)機(jī)器學(xué)習(xí)風(fēng)控模型已完成兩次迭代優(yōu)化，產(chǎn)品通過(guò)率逐次提升8%和6%。使用智能風(fēng)控體系的錫銀快貸產(chǎn)品，迄今為止累計(jì)授信78.55億元。智能風(fēng)控體系建設(shè)是無(wú)錫農(nóng)商行數(shù)字化轉(zhuǎn)型戰(zhàn)略中的重要一環(huán)，是銀行發(fā)展的重要保障。智能風(fēng)控是一條從銀行業(yè)務(wù)出發(fā)，經(jīng)過(guò)“學(xué)習(xí)新技術(shù)、梳理數(shù)據(jù)、融合業(yè)務(wù)知識(shí)”，并最終回到信貸業(yè)務(wù)的螺旋上升的道路。“人員+數(shù)據(jù)+系統(tǒng)”構(gòu)成一個(gè)體系，有效地配合發(fā)揮才能實(shí)現(xiàn)質(zhì)的提升。智能風(fēng)控體系的構(gòu)建，從業(yè)務(wù)開(kāi)始，由人驅(qū)動(dòng)，建設(shè)各個(gè)系統(tǒng)間的數(shù)據(jù)流轉(zhuǎn)與決策流程，最終形成了業(yè)務(wù)的發(fā)展，周而復(fù)始，一次一次的打破又建立，沒(méi)有明確的終點(diǎn)，因?yàn)槲覀冞€在路上。（欄目編輯：韓維蜜）
