王昕宇、樊晓芳

一、中国金融风控产业背景

金融的本质是风险管理。传统金融风控主要利用了信贷数据，大约使用20个左右的数据维度来给借贷客户的还款能力和还款意愿进行评分。现有大数据智能风控则增加了可用的数据维度，使用基于强信用属性的金融数据进行初步判断后，用弱信用属性的行为数据综合关联分析借款人的信用情况，借助量化数据模型来挖掘用户行为特征与其信用风险之间的关系。

大数据智能风控主要常用于互联网金融借贷业务，但其数据驱动的风控思路与方法也逐步应用于传统商业银行、互联网银行、保险公司除信贷之外的支付、保险等各类金融业务中。

1. 中国现有常用四大类金融风控体系

2. 传统金融风控模式存在的问题与数据智能技术的应用潜力

3. 金融风控产业市场竞争格局

在中国，四大类机构——征信产业传统公司、互联网巨头、第三方智能风控科技公司、长期服务金融机构的IT公司，通过数据、技术、客户三个方面切入大数据风控市场。征信产业传统公司通过多年业务经验积累大量具有附加价值的金融信用数据，而互联网巨头则以技术绝对优势、平台用户数据量和数据维度相较其他类型参与者更具优势，也已与国有商业银行展开合作拓展优质客群。第三方智能风控科技公司大多数为创业公司，在技术上投入较大，算法及数据维度优势较为明显。

二、数据智能金融风控流程

在使用机器学习算法提取特征并智能形成框架的过程中，一共要经历三个阶段：早期尝试、持续探索和最佳实践。

在经过前期尝试探索之后，将有能力形成集成的机器学习模型，可以针对不同的应用场景自动地把数据合成处理、代入合适的模型之中以解决相应的场景应用问题。

三、数据智能金融风控涉及应用的技术

四、数据智能金融风控相关业务场景与技术应用方法

五、数据智能技术在金融风控中的应用局限性以及未来应用趋势

局限性

1. 大数据应用和管理不当会造成数据的泄露和滥用。

2. 人工智能鲁棒性不强，难以应对极端的经济环境。

3. 企业间、金融机构间的数据信息不共享，形成数据孤岛。

4. 智能风控对数据的全面性、真实性以及挖掘效率的要求极 高，且对因果性的分析不足。

5. 人工智能技术尚且无法对虚假财务材料进行识别。

未来应用趋势

1. 各国、各组织将不断加强数据智能科技在监管事前、 事后阶段的运用。

2. 区块链技术将继续作为现有监管的重要辅助工具得到 继续开发和运用。

3. 各类智能风控参与者将积极推进线上线下的大数据资 源共享。

4. 各国、各机构将进一步完善大数据应用和监管规范。