文 / 中國工商銀行風險管理部總經理 劉瑞霞

　　近年來，中國工商銀行以大數據為基礎、人工智能為手段，打造智慧化風險管理大數據應用生態鏈，推動反欺詐、交叉性金融風險、信用風險管控等從“事后分析”向“事前甄別、事中干預”全面轉變，不斷提升智能化管控水平。

　　建設風險管理大數據服務云平臺

　　為適應大數據時代的風險管理要求，工行啟動了風險管理大數據服務云建設。充分應用大數據和云計算技術優勢，構建統一的風險量化數據云存儲平臺，對信用、操作、市場、國別、風險加權資產、全面風險等風控應用進行改造和升級，并納入云管理，全面提高風險量化數據管理和應用能力。

　　1. 建立海量大數據云存儲空間，搭建風險量化基礎數據庫和指標庫。充分發揮大數據云存儲硬件成本低、擴展性好的優勢，建立統一的風險量化數據云存儲平臺，構建基礎數據庫和指標庫，支持所有數據與指標保存 10 年以上，使得存儲資源不再成為數據應用的瓶頸。

　　2. 實現所有基礎數據和指標按月高效抽取、加工和處理。利用云計算強大的數據處理能力，實現按月對全量基礎數據和指標進行更新，且耗時較短、穩定可靠，實現數據“即需即用”。通過大幅降低數據抽取和指標加工時間，縮短模型開發周期，顯著提升模型迭代速度。

　　3. 基于風險量化大數據服務云，實現對模型開發、驗證、運行等模型管理的統一優化升級。將現有各風險模型管理的應用進行上云處理，打通各應用的數據隔斷，共享、重用一套風險量化數據云存儲平臺的數據和指標庫，應用云計算，大幅提高各風險量化模型開發、優化、驗證、監控、運行的效率和穩定性。

　　完善模型開發技術平臺

　　1. 引進生物識別技術，加強客戶身份識別。探索構建客戶人臉和聲紋等生物檔案庫，利用人臉識別和聲紋識別等生物技術，研究利用智能化的生物識別技術替代傳統人工審核和 U 盾、密碼器等介質認證，提高客戶身份識別的準確率和效率，簡化業務流程，打造客戶極致體驗，提升欺詐風險防控的智能化水平。

　　2. 加強人工智能和機器學習等技術應用。引入高維特征計算和海量數據處理技術，研發機器學習反欺詐模型，提升大數據處理和計算能力，提高模型的風險識別能力。研究社會網絡分析技術，應用圖數據庫等關聯分析技術，挖掘客戶關聯關系，繪制客戶關系網絡，解決復雜的多層嵌套關系挖掘和關聯性識別與計量問題。

　　3. 創新風險計量模型。在應用傳統模型抓住客戶主要風險特征的基礎上，使用新技術優化建模方法，將散落的數據、弱信息進行集合、加總，形成強信息，提高風險識別和計量能力。研究推進互聯網年輕長尾客群、科創類企業、小企業供應鏈評級、境外機構、SPV 公司等風險計量問題。探索建立集團客戶關聯關系識別和管理機制。對關聯風險程度進行分級，對關聯關系的種類、緊密程度、風險傳染方向進行識別。研究解決第三方支付、超級賬戶、智能終端等重點領域的反欺詐風險計量問題，提高風險識別的前瞻性、科學性。

　　4. 探索建設人工智能模型實驗室。探索搭建人工智能模型實驗室，引入各類先進算法、特征工程等技術，實現海量數據的自動化處理和模型的自動化開發、優化、驗證，逐步替代傳統專家規則判斷，提高欺詐風險識別的及時性和精準性。

　　對接業務創新場景

　　應用大數據及風險管理模型，快速響應多樣化的應用場景需要，聚焦風控難點和痛點。

　　1. 積極推進實時事中交易反欺詐平臺建設，有效防控欺詐風險。為應對嚴峻復雜的外部欺詐風險形勢，工商銀行一直致力于建立新型外部欺詐風險管理體系。不斷完善信息整合、模型開發、策略應用和風險監測，實現了反欺詐管理技術在全行的“信息共享、技術共用、欺詐共防、步調共同”，保障了銀行安全運營，維護了客戶權益。目前，工商銀行已經建立了集團企業級反欺詐管理平臺。整合共享了各業務條線多年積累海量反欺詐信息資產，并應用大數據、云計算和人工智能技術，將反欺詐從信用卡、借記卡、網上銀行等應用基礎上，進一步擴展到個人業務全部領域，實現了對反欺詐的事前、事中、事后全流程的監控和“一點觸發、全面布控”。

圖 基于客戶標簽的智能推薦流程

　　2010年，工商銀行啟動了交易實時反欺詐項目建設，基于大數據技術搭建了欺詐風險信息數據“云平臺”，包括數千類信息內容，和近百億條交易記錄，涵蓋了客戶相關信息、賬戶信息、卡片信息、授權信息、清算信息、還款信息，以及已經確認的交易欺詐記錄等數據。應用特征工程技術，綜合運用交易信息、賬戶信息和客戶信息等數據源，從交易時間、交易金額、交易場所、交易頻率和交易花費速度等方面，考慮單維度、多個維度和歷史維度，設計了數億個客戶交易行為檔案。采用了業內主流的神經網絡、GBDT、隨機森林和高緯度機器學習技術，研發了精準的人工智能交易反欺詐模型，精準識別定位欺詐交易。

　　實時事中交易反欺詐系統需要在毫秒內完成客戶交易特征行為變量更新和模型計算，根據風險高低設置事中干預策略，采取阻斷、人工調查和放行處理。工商銀行自主研發了集團企業級反欺詐管理平臺，能在每秒上萬筆金融交易中實時甄別出欺詐交易，使得“精準打擊”的事中風險自動預警模式代替傳統的“撒網捕魚”式監控風險預警和人工事后干預，并能實現對新興業務潛在風險的前瞻性評估和揭示，為客戶在業務辦理流程中筑起一道高科技的“防火墻”。

　　2. 建設交叉性金融風險統計監控平臺，解決產品、客戶交叉關聯風險的監測和預警問題。交叉性金融風險統計監控臺通過對產品、客戶信息數據庫的整合，以交叉性金融業務的資金流向鏈條為基礎，建立由資金來源端到產品、資金使用端的多層投資關系，識別投資過程中涉及到的各類基礎資產，厘清資金流向，繪制風險傳染網絡視圖。應用圖計算算法，以客戶、產品交叉關聯的復雜度為標準，識別與客戶、產品關聯度高、具有較強風險傳染性的核心客戶和關鍵產品，找出各風險節點間的最短風險傳染路徑及發揮樞紐作用的關鍵節點。建立市場規模、產品規模、價格等不同風險因子與宏觀經濟變量間的相關性，借鑒壓力測試思路，研判市場變化趨勢，預測各市場、各產品風險因子變化對基礎資產的影響，基于資金流轉鏈條和風險傳染路徑，層層分析基礎資產變化對交叉性金融業務、發起金融機構的影響，從而實現對交叉性金融業務的前瞻性分析和監測。

　　3. 積極推進大數據在信用風險防控中的作用。信貸風險監控預警體系以大數據技術和方法為監控手段，基于對各類信息資源的有效整合，通過構建具有風險特征的監控預警模型，建立了分析建模、實時監測、風險預警、核查管控、跟蹤督辦、反饋優化及考核評價的全流程信用風險監控體系?？梢詫崟r開展融資客戶、融資產品、信貸機構及信貸人員風險的監測預警及跟蹤管控，實現對客戶準信用風險事件的精準、及時和高效識別，以及核實、反饋、控制等全流程管理，為前臺盡職調查、中臺審查審批、后臺監測及貸后管理活動提供支持。

<menuitem id="zjj55"></menuitem>

<menuitem id="zjj55"></menuitem>

<big id="zjj55"></big>

責任編輯：韓希宇