胡亮：人工智慧在金融風控中的探索與實踐
文/快牛金科聯合創始人兼高級副總裁胡亮
經歷了以計算機出現為標誌的信息化時代，人類社會進入了人工智慧引領的第四次工業革命時代。如果說信息化時代追求的是數據的採集和存儲，那麼人工智慧時代解決的就是隨著信息技術的深入和信息爆炸而導致信息處理能力的不足。幫助人們處理海量信息，對數據進行分析和利用，是人工智慧的時代宗旨。
在金融領域，人工智慧最早的應用場景在智能投資顧問領域。最著名的莫過於著名數學家詹姆斯·西蒙斯創立的大獎章對沖基金，該基金以電腦運算為主導，用量化策略從龐大的市場中篩選數據，尋找統計上的關係，找到預測商品、貨幣及股市價格波動的模型，最終做出短線交易的決策。公開資料顯示，在1989—2007年這十幾年的跨度里，大獎章基金的平均年收益率高達35%，遠高於股神巴菲特20%的平均年複合回報率。
人工智慧在國內的早期應用同樣也在智能投顧領域，起初主要用於私募基金，不被大眾熟知。近兩年來，國內市場對智能投顧已不再陌生，2016年招商銀行推出的摩羯智投就是其中最具代表性的產品。隨著互聯網技術的蓬勃發展和金融科技的興起，智能風控、智能客服的落地條件逐漸成熟，圖像識別、活體檢測等技術進行身份核實的場景開始變得豐富，為人工智慧和金融服務的有機融合創造了有利環境。因歷史發展、國內外市場差異的原因，國外的人工智慧在智能投顧等某些領域更為先進，但在以基於大數據的智能風控為代表的更多領域中，中國的企業已把國外遠遠甩在身後。
智能風控落地的前提
互聯網時代下信息技術和網路技術的廣泛滲透，讓人類生活進入大數據驅動智能發展、智能認知的階段。人工演算法進入商業領域後，開始展現普遍性的趨勢，尤其在金融業務中表現出較強的適用性，目前人工智慧在國內的應用集中在風控、徵信及反欺詐領域。人工智慧能夠結合場景進行產業化落地，離不開以下三個重要前提：
技術基礎的完善。在雲計算和大數據日趨成熟的背景下，深度學習作為人工智慧的關鍵技術取得了實質性進展。雲計算為深度學習提供了平台，大數據為深度學習提供了材料。以雲計算為例，在其出現之前，運算能力是一種昂貴的資源，企業無法單獨承擔此項成本。而在人人接入互聯網的時代，數據的運算量水漲船高，大規模數據的訓練和計算對CPU量級提升的要求隨之而來。雲計算服務實現了運算資源的循環和再利用，使得企業成本大大降低。在雲計算為企業降低成本2~3個量級的情況下，許多初創公司都可以擁有較強的計算能力。當然，對從事人工智慧服務的企業來說，僅僅擁有計算能力是不夠的，因為制約技術的因素還來自於數據獲取能力和數據加工處理能力，因此數學、統計學、機器演算法等決定大規模計算實力的人才必不可少。
場景的湧現呼喚更先進的技術。人工智慧使得機器在一定程度上具備模擬人的功能，批量和個性化服務成為其優勢，尤其在需求規模化和複雜化的消費信貸服務中，如何提供優質的用戶體驗成為痛點。如在小額、微小額的貸款業務中，要求金融機構或平台在短時間內給出某個用戶準確的風險評估，或者在一天時間內要完成幾十萬乃至更多的用戶授信——可以預見的是，此類要求只會越來越高、場景也會越來越多，傳統刀耕火種的評估方式與現有龐大且層次多樣的金融需求完全脫節。拿前文提到的智能投顧來說，其面臨的投資機會轉瞬即逝，對交易信息的判斷處理甚至要求快到毫秒級。場景的需求促使行業使用更合理的演算法、更快的計算速度，對新技術的呼喚讓人工智慧走上舞台。
數據材料豐富性的提高。人工智慧離不開數據，利用數據來支持運算和判斷是人工智慧的基礎。在金融行業，數據的需求同樣迫切。在互聯網時代背景下，金融消費者聚集的高度碎片化需求規模更加龐大，數據獲取成本更加低廉。金融機構和企業可以運用這些數據來進行計算、加工和判斷，為用戶提供個性化的服務體驗，並做出基於數據的智能決策，實現精細化管理，從而進一步推動人工智慧技術的應用發展。
智能風控是傳統風控的有效補充
傳統金融機構採用傳統評分卡模型和規則引擎等「強特徵」進行風險評分，而智能風控根據履約記錄、社交行為、行為偏好、身份信息和設備安全等多方面行為「弱特徵」進行用戶風險評估。兩種風控方式從操作到場景都呈現明顯的區別化效應，進入移動互聯網時代後，智能風控的優勢愈加凸顯，成為傳統風控的有效補充。
傳統風控已形成標準化的操作方式，首先進行用戶身份的判斷，然後對用戶提供的實物證明材料進行審核。簡單來說分為以下幾步：首先，通過面簽審核用戶身份，確認提交材料的真實性。材料包括身份證、戶口本、銀行流水、工作信息等身份和收入證明。其次，對用戶的資產進行評估，決定授信額度，主要是房產、車產等標準抵押物的資產評估。最後，在信用貸款方面，可能會增加其他步驟，比如調查貸款用途、確認交易意願等。
側重人工審核、強調因果關係的傳統風控會面臨的幾個關鍵問題。首先，傳統風控的時間跨度至少以周單位，業務流程需要層層審批，涉及多個人員和環節，導致效率低下；其次，長時間的業務流程，無法及時滿足用戶資金要求，導致糟糕的用戶體驗；最後，對於金額較小的業務，傳統風控複雜的審核程序導致的高成本使得銀行等機構無利可圖，從而這部分龐大的市場被放棄。
智能風控側重大數據、演算法和計算能力，強調數據間的相關關係，其在風控環節中的應用主要有三：計算機視覺和生物特徵的識別，即利用人臉識別、指紋識別等活體識別來確認用戶身份；反欺詐識別，智能風控利用多維度、多特徵的數據預示和反映出用戶欺詐的意願和傾向；正常用戶的還款意願和能力的評估判斷。對於交易、社交、居住環境的穩定性等用戶行為數據，運用神經網路、決策樹、梯度演算法、隨機森林等先進的機器學習演算法進行加工處理。
智能風控在互聯網經濟下「規模性」增長的消費金融市場中，捕捉非傳統金融數據，增加弱金融相關特徵，採用機器建模分析的方法為傳統風控進行了非常及時有效的補充。首先，智能風控帶來閃電般的審核速度，時間跨度以分、秒來計算，為用戶帶來更好的服務體驗；其次，對用戶行為數據的分析抵達更為精準化的評估；最後，風險預測上，運用數據模型能夠精準量化未來風險最可能發生的時間和場景。從快牛金科的實際應用來看，風險量化預測的結果和真實風險的表現非常符合，誤差很小，而風控標準的放鬆和收緊導致的壞賬表現程度的變化都可以用數據直觀測量，對實際業務操作非常有利。
目前在信用貸、消費貸等需求個性化、規模化的小額貸款場景下，智能風控具備充分的優勢，但在房產貸款、大型企業的供應鏈金融等涉及資產評估的大額貸款及交易真實性的驗證上，傳統風控依然無可替代，兩種風控模式仍將在較長時間內共同存在。
智能風控成長空間巨大
在金融行業，風控永無止境，智能風控更是不斷迭代、不斷按照結果優化的過程。迄今為止，智能風控已取得不錯的應用成果。實際應用中，智能風控模型已具備較好的用戶區分度，可以在評估結果中清晰反映出優質和劣質客戶，識別精度和判斷速度經過技術人員的不斷優化迭代，均呈現螺旋式上升的態勢。但目前整個行業都面臨數據孤島和信息不透明的問題，行業共債情況得不到共享，部分信息的準確度、覆蓋度、權威性和及時性存在不足，智能風控技術的提升空間依舊很大。在用戶體驗上，智能風控的優化路徑有兩條：一是減少對用戶的干擾。目前信貸審批等風控流程的數據調取需要用戶授權，隨著市場數據共享機制的完善及計算能力的提升，未來只需要提供很少的信息就可對用戶進行評估，消除用戶在信息安全、使用合規上的顧慮。二是在上述基礎上，用戶評估的精準度的提升。
人工智慧是一個不可逆轉的趨勢，但在具體場景的推廣落地上，人工智慧仍然面臨一些外部阻力。
首先，由於一些從業人員意識的滯後性，人工智慧在業務上的實踐還面臨銀行等機構出於模式轉變、經營決策、潛在風險的重重考量。其次，合適的業務場景需要探索。傳統的金融業務場景中，申請、審批、貸後等一系列環節都建立在不同的操作系統和諸多的人力資源上，如何切入人工智慧將面臨長期磨合調整的過程。此外，在監管上，人工智慧還面臨「黑箱理論」和金融活動「可溯源性」的矛盾。人工智慧對風控的很多執行過程並非人類大腦所能理解，但在某些法規監管較嚴格的場景下要給出必要的解釋。
中國著名科幻作家劉慈欣曾說，人工智慧就像一個黑箱，從理論上，它們的運算步驟是可以追蹤的，但是由於計算量巨大使得追蹤在實際上很困難，甚至不可能。達成二者之間的平衡、建立起信任是未來人工智慧面臨的巨大挑戰。對於這種情況，一方面可以採取解釋性更強的演算法。演算法既有難解釋的神經網路演算法，也有容易解釋的邏輯回歸、決策樹演算法。從理論上來講，對於相同的數據，不同的演算法帶來的結果應該相差不遠。另一方面，可以期待社會觀念的改變和監管法規的調整。畢竟不僅僅是人工智慧代表的計算機科學，其他人類學科都可能隨著研究的深入和領域的細分導致出現傳統的邏輯意義無法解釋的結果。
未來一定是人工智慧的時代
歷經蓬勃的技術發展，人工智慧的熱潮還在繼續。雖然目前中國的人工智慧尚處初級階段，甚至在較早落地的金融領域也主要集中在風控、量化交易、智能客服等幾個方面，但人工智慧為世界帶來的益處不會僅局限於此。
首先，人工智慧進一步的推廣應用將形成廣泛的基於機器的智能決策，在很大程度上能提高社會整體運行的效率；其次，人工智慧的介入能實現更多領域的個性化服務；最後，人工智慧在問題求解、邏輯推理、智能信息檢索等領域比人類更優秀，例如在圍棋、自動駕駛、公共安防等領域，人工智慧都表現出卓越的學習能力和決策能力。
人工智慧也會帶來諸如就業體系等社會結構的變化，一些簡單、重複度高、數據可被自動化採集和記錄的工種將被機器取代。從目前的發展速度看，客服、簡單風控、基礎營銷等人員被取代的可能性較高。技術的發展超乎人們的想像，就像2000年的時候，誰也不曾想到打字員在計算機和互聯網的全面普及之後，成為故紙堆里的符號。
人工智慧技術對人類生活的滲透能量將是巨大的，就像互聯網一樣，從20年前需要網吧、學校機房、撥號等特定的場景和手段才能接觸到的服務，到如今已介入人們吃、穿、住、行方方面面的活動經營場景。等到人們已不大能感覺到人工智慧的存在，意味著這項技術已經觸手可達、廣泛普及了。
本文刊發於《清華金融評論》2018年6月刊，6月5日出刊，本文編輯：謝松燕
我們期待您的來稿
歡 迎 訂 閱
深刻|思想|前瞻|實踐
專註於經濟金融政策解讀與建言的
智庫型全媒體平台
TAG:清華金融評論 |