上篇
前言
《中国金融科技运行报告（）》系国家金融与发展实验室金融科技研究中心与金融科技50人论坛（CFT50）联合推出的系列年度报告的第一本。报告旨在系统分析国内外金融科技创新与发展状况、演进动态与市场前景，充分把握国内外金融科技领域的制度、规则和政策变化，不断完善金融科技相关的理论基础与研究方法。
凭借在智能风控领域行业领先的技术能力、创新机制和实践经验，同盾科技相关案例入选《报告》，全文节选如下：
近年来，随着互联网、人工智能、机器学习、大数据分析、区块链、云计算等金融科技的高速发展，对数据的收集、存储、传输、处理能力不断升级，金融业务得到不断的变革和发展，出现了如直销银行、手机银行、线上信贷、智能投顾、高频交易、手机钱包等多种新的业态。金融科技在这些业态的影响无处不在，从底层的硬件、网络基础设施、软件中间件，到基于大数据、机器学习的数据分析应用，同时包括安全、云计算、物联网、人工智能等，金融科技在金融业态的发展过程中发挥了关键的作用。
无论业务模式如何发展，新兴金融业务的核心仍是金融，而金融的核心离不开风险管理。我们看到金融科技的应用不仅体现在金融业务创新中，而且也被众多金融机构、监管机构用于金融业务的风险管理、监测中。
风险管理要解决的问题就是信息不对称问题，金融科技可以通过各种创新手段，更好地解决信息获取中维度不足、效率不高的问题，同时基于大数据和人工智能技术更好地进行客户画像，实现“了解你的客户”，有效地评估与客户相关的信用风险、欺诈风险等，帮助金融机构更好地管理客户关系，可以说，金融科技使风险管理的方式和手段更为多样化。
本文主要从风险管理概述、传统风险管理的特点，以及金融科技在风险管理中的应用情况三方面进行阐述，分析金融科技的发展对风险管理领域带来的变革。
一、风险管理概述
风险管理是指如何在项目或者企业一个肯定有风险的环境里把风险可能造成的不良影响减至最低的管理过程。风险管理对现代企业的经营非常重要，金融机构在发展过程中，本身就是在不断地经营风险、管理风险。
风险管理的对象即“风险”。从风险的来源分类，包括信用风险、市场风险、操作风险、流动性风险、合规风险等。根据《巴赛尔协议》的定义，信用风险是指债务人违约无法还本付息而造成损失的风险。在个人信贷业务中，信用风险与借款人的还款能力和还款意愿有关，还款能力不足的原因可能是借款人的收入水平发生改变、客户准入阶段未能有效衡量客户的收入，或是借款人过度负债导致的。还款意愿的缺失所引发的信用风险损失多与欺诈风险有相关性，表现为借款人虽有还款能力，但主观上不按约定还款。操作风险是指内部程序、人员和系统失误或外部事件而造成损失的风险。对操作风险进行细分，一般可分为内部欺诈、外部欺诈、风险事件、客户产品及商业行为引起的事件、有形资产损失、信息技术系统事件，以及执行、交割和流程管理事件等。需要注意的是，在信贷业务中较为常见的外部欺诈风险，被归类在操作风险中。
合规风险是指金融机构因没有遵循法律、规则和准则而可能遭受的法律制裁、监管处罚、重大财务损失和声誉损失的风险。
市场风险是指市场价格(利率、汇率、股票价格和商品价格)的不利变动而使银行表内和表外业务发生损失的风险。流动性风险是指商业银行虽然有清偿能力，但无法及时获得充足资金，或无法以合理成本及时获得充足资金以应对资产增长和支付到期债务的风险。声誉风险是指商业银行经营、管理以及其他行为或外部事件导致利益相关方对商业银行进行负面评价的风险。
风险管理本身就是对风险发生规律的分析与利用，通过风险转移、风险接受、风险规避、风险控制等手段对风险实施有效管理，以使收益最大化，而非单纯的风险最小化。
二、传统风险管理的特点
传统的风险管理由于在数据化、网络化、智能化方面的应用程度不深，同时与目前金融科技环境相比所拥有的资源也不同，在对客户的风险评价和审批方面呈现以下几个方面的特点。
1
外部数据利用率相对较低。以传统借贷业务为例，由于受到技术和合规的限制，传统风控模式中对外部数据信息的利用率较低。风险评价和审批的信息来源主要依靠传统方式采集，更多地依靠客户在本金融机构内部的数据，或是依靠借款人提供的财务报表信息和生产经营状况。
2
人工审核比重较高。传统银行对借贷申请的调查主要以实地调查为主，通过现场面对面核实、电话查问以及咨询等途径和方法，结合外部征信机构所获得的数据形成信贷审批报告。在这种风控模式下，存在信息收集成本和人力成本较高的问题，尤其是在业务量较大或跨区经营的情况下存在一定限制。
3
风险管理方式较为落后。在传统风险管理中，更多地依赖专家经验和主观判断形成风控规则或政策，对系统自动化和数据分析定量化的应用较少。该方式的缺点是规则的创建依赖专家经验和已发生的风险事实，无法针对新的风险自动更新，且规则容易被欺诈者得知后绕过。
三、金融科技在风险管理中的应用情况
随着金融科技在金融业务中的应用日趋广泛，风险的表现形式以及被客户感知的方式也发生了一些变化，下面主要探讨如何利用信息技术、人工智能、机器学习、大数据分析、区块链、云计算来防控操作风险、信用风险等风险。
1
操作风险
由于互联网金融基于互联网开展业务，缺乏线下网点，金融机构业务人员与客户通过非现场方式交流，无法现场亲见客户本人和身份证件，也就无法对客户身份证件的真伪、身份证件持有人与开户人的一致性进行判别，从账户开立到用户远程登录访问都存在如何有效识别客户身份和真实意愿的问题。
目前常用的认证方式包括人脸识别、身份证人像自动比对，同时结合线下第三方机构合作验证的方式。在身份识别的过程中，可以使用大量的金融科技手段提升认证效果和效率，如通过用户身份信息、用户行为信息和用户关系网络构建用户身份认证模型，进行信息的交叉验证。该类模型综合应用了规则、复杂网络关联模型、异常值模型、神经网络模型等技术来处理多维度用户身份和行为信息。
2
信用风险
作为信用中介，不论是传统银行还是互联网银行，其经营过程中面对的主要风险就是信用风险。从业务受理、进件审批、授信、放款到贷后管理各个环节，金融科技的应用都可以发挥关键的作用。
由于业务开展方式由线下转为线上，金融机构可以利用科技手段打造自动化的申贷受理系统、信贷审批系统、贷后管理系统、自动化逾期交互系统、风险防控系统等。
通过设置实时风险防控模型，针对不同场景设置不同的风控策略。例如，有些场景不需要输入短信验证码，但有些场景则需要。其背后是对客户使用习惯、大额转账等点滴行为的记录和分析。只要发现和普通行为习惯不符，就会强化安全措施，而且策略还可以不断优化调整。最为关键的是，策略是完全实时推送的，毫秒就能推送出去。都是后台操作，尽量不会打扰客户，保证良好的客户体验。
在风险评估过程中使用了大数据关联分析。以信贷业务为例，传统信贷风控主要依赖金融机构内部数据、央行征信数据和申请人提交资料进行评估授信。互联网信贷可通过大数据中的社交数据对借款人进行综合评估，如相互认识的朋友比例占好友总数的比例越高，说明其朋友圈可信度越高，对应的社交评级也将较高。对于一些蓝领工人、学生、个体户、自由职业者等在央行征信系统信贷记录较少的群体，传统金融机构可能无法对其信用风险进行准确的判断，了解其信用记录的成本比较高。而这些用户在使用互联网金融、社交、租赁、电商、支付等平台的行为和表现可通过海量数据挖掘和分析技术来预测其风险表现和信用价值，建立个人信用评分。
未完，待续......
★识别
转载请注明：http://www.baoshijiec.com/yljg/12527.html
