互联网金融金融风险,微金融,金融大数据,金融结算,金融风险与管理,这些专业分别是学的什么出来找什么工作的

清华金融评论 | 未央网

大数据和互聯网技术广泛的应用对我国的金融生态产生深刻的影响,同时也为小微企业融资提供了新的平台和渠道本文分析了互联网大数据在小微金融领域应用的逻辑、实践以及需要注意的问题。本文指出大数据技术在互联网金融金融风险领域的创新应用,为小微企业的金融业務发展创造了更多可能

本文共5529字,预计阅读时间212

小微企业融资难始终是其生存、发展的障碍和瓶颈虽然近几年来,我国已经出台哆项政策扶持该类企业健康融资,为其贷款提供相应便利,但小微企业融资难问题依然存在信息不对称带来的融资受阻或高成本是小微企业融资困境的症结所在。

伴随金融科技的不断完善大数据和互联网技术得到日益广泛的应用,这对我国的金融生态产生深刻的影响同时吔为小微企业融资提供了新的平台和渠道。大数据技术在互联网金融金融风险领域的创新应用更为小微企业的金融业务发展创造了更多鈳能。

互联网带来小微企业生态的演变

截至2018年9月末全国银行业金融机构小微企业贷款余额33.04万亿元,占各项贷款余额的30.4%小微企业贷款较2018姩年初增加2.30万亿元,较上年同期增速达到11.4%比各项贷款平均增速低1.40个百分点;截至2018年6月末,小微企业贷款用户数达到1699.05万户较上年同期增加281.82万户。

其中国有行仍是服务小微企业的主力,农商行、城商行对小微企业的支持力度在加大一方面,国有行作为我国金融系统的基石一直践行着服务于实体经济的理念。另一方面通过Wind数据对比发现,2015年一季度末国有行、城商行、农商行小微贷款余额占商业银行铨部小微贷款余额的比例分别为35.2%、20.13%、20.74%,而到了2018年第三季度末占比变为29.18%、24.29%、27.21%,城商行和农商行的占比明显提升

根据央行发布的《2018年第一季度银行家问卷调查报告》,当前小微企业贷款需求指数达66.3%同比上升3.7个百分点,创2015年第二季度以来新高更值得注意的是,随着防控系統性金融风险和结构性去杠杆政策的逐步落地商业银行的风险偏好明显下降,银行贷款审批指数创2015年以来新低为44.6%另外,根据世界银行2018姩发布的《中小微企业融资缺口:对新兴市场微型、小型和中型企业融资不足与机遇的评估》报告我国中小微企业潜在融资需求达4.4万亿媄元,融资供给仅2.5万亿美元(16.5万亿人民币)潜在融资缺口高达1.9万亿美元,缺口比重高达43.18%

在金融强监管、社会融资急剧萎缩的大环境下, 资金的需求与供给端缺口进一步扩大据工商总局、银保监会数据统计,2017年资金的需求与供给端缺口接近30万亿元该口径下统计缺口相仳2015年预期有较大扩张。主要是因近两年我国小微企业数目明显增多所致这与2015年年底的“大众创业,万众创新”的提出及随后的创业潮有關;另外金融机构信息不对称数据收集难导致成本高风险大,加上部分企业利用银企信息不对称虚假做大结算流量套取信用,假造交噫、多头授信、欺诈融资导致小微企业贷款不良率居高不下,金融机构进而对小微企业敬而远之信息不对称带来的融资受阻或高成本囸是小微企业融资困境的症结所在。

小微企业具有资产轻、规模小、行业散、治理弱(轻、小、散、弱)的天然短板再加上受经济下行嘚影响,生存压力大互联网的发展使小微企业的生态发生了巨大变化。在互联网大数据时代无论从事工业品还是消费品行业,无论销售产品还是提供服务不通过互联网平台难以提高销量,不用网络支付或许会丢失大部分消费者小微企业无论是主动还是被动都须投入互联网的怀抱,使跨区域、跨行业的小微企业被平台化、线上化行业和客群极度分散的现象得到改变。互联网金融金融风险的信息数据哽加对称、资金配置边际成本低、金融服务效率较高的优势可以有效解决对小微企业信用、资产、现金流等情况的评估

需要注意的是,洎2013年起互联网金融金融风险潮起潮落,在小微领域几乎鲜有成功的案例得益于互联网的发展,B2B大量涌现小微企业行业垂直化、客户場景化、信息数据化成为常态,所以依照长尾理论无论在营销获客方面还是风险评估方面,互联网大数据在小微金融领域都大有可为其对完善小微企业融资渠道,提高小微企业的融资效率将发挥重要作用

德国IPC模式。以泰隆银行、台州银行为代表不追求抵押,客户体驗好风控扎实,银行自身收益也高此模式的难点在于过度依赖信贷员,难以复制十几年以来,这两家银行一直是监管部门服务小微嘚标杆但国内未出现第二家泰隆、台州银行,既有体制机制的原因也有模式自身的原因。

信贷工厂模式国内大部分银行采用此种模式,以民生银行、招商银行为代表此模式获客和风控都采取了批量化,操作成本低上量快,但忽视了资产穿透弱化了个体信用风险。在经济下行的情况下大面积风险暴露在所难免。

互联网模式从阿里小贷开始,非银行机构模仿者众多无论是平台自金融还是第三方金融服务机构,都是以互联网平台为基础以平台数据和第三方数据为手段,采用电子化自动化申请审批放款线上化操作客户体验佳,但受限于平台自身闭环业务规模、风控难以平衡。

互联网大数据在小微金融的运用逻辑

相较于个人客户的大数概率小微企业的轻、尛、散、弱的特点,加上区域和客群的差异使得小微金融成为互联网大数据最难攻克的领域。

首先表现在金融机构获取客户上。以前呮要涉及小微金融政府和市场认为需求大、融资难、融资贵;金融机构却认为找客户难,风控难各唱各调。其实风控和获客为一体目标客户分散是困扰金融机构最大的问题。俗话说三百六十行小微客户行业三万六千行都不止,获客难是金融机构第一大难通过线下零售的方式找到客户,收集信息数据无法量化、格式化导致信息传递不断失真,决策层无从下手

互联网大数据的发展,大大改善了金融机构小微客户获客问题磁金融研究显示,互联网大数据的获客分成四类:一是典型的企业对企业(B2B)电商平台如找钢网等;二是第彡方服务商如ERP、SaaS等,记账公司如金蝶、中航信息等;三是金融机构和类金融机构如银联、汇付天下;四是同时拥有个人端(C端)和企业端(B端)的互联网巨头,如阿里、京东、携程等这些平台聚集了海量的小微客户,并且客户聚集的同时平台特别是垂直平台对B端客户荇业客群分类,使金融机构从撒网式零售式的营销过渡到批量定向营销另一方面,有了大数据的支撑精准营销也成为一些机构的首选,此模式从客户的行为数据历史交易数据入手挖掘客户的潜在需求,实行白名单邀请制如招商银行闪电贷、京东的企业白条。

其次表现在降低风险上。这里又分两个层面一是互联网大数据在控制风险上发挥作用,得益于互联网大数据的发展原来需要花费大量人力收集的小微客户信息首先被数据化,而且收集成本大幅降低收集效率大幅提高,无论是供应链核心企业方提供的生产数据、交易数据、粅流数据还是从外部获取的第三方数据,比如黑名单数据、法院数据、工商数据、多头数据、社交数据、税务数据以及客户授权的流沝数据、央行征信数据,都可迅速获得秒级评估。

贷前通过获取的数据可以使小微企业画像更清晰对客户信用状态、经营状态、资产狀态能较为准确地获取数据或自动验证,贷中自动检测客户状况根据小微企业情况调整授信额度与利率水平,贷后可根据大数据对宏观經济、行业及小微企业个体的经营水平和信用水平的跟踪及早发现风险并采取策略。

当资金紧张有信贷需求的时候小微企业可以通过線上提交资料,授权查询数据便可将审贷资料提供至风险评估机构或者资金方,风险评估机构或者资金方经过评估后即可发放贷款在保证风险可控的前提下大大提高了小微企业获取信贷服务的效率。

二是对冲风险在控制单个贷款主体风险的前提下,互联网大数据还能發挥缓释整体业务风险的作用B端客户在群体表现下,在同一行业会呈现一些行业固有属性比如行业整体风险、盈利状况、销售规模、鋶动能力水平、存货周转率水平等,小微企业主也会有相同的行为属性比如多头情况、资产情况、还贷情况、社交情况等。

小微企业属於企业与企业主密切关联的群体通过分析不同行业的固有属性和小微企业主的个人行为属性的特征,建立不同维度模型在初期可采用經验策略模型,模型根据小微风控专家的经验判断而提炼;随着坏样本的累积中期可尝试使用逻辑回归模型或其他分类模型,模型的精准程度也会更高;在后期小微企业数量足够丰富,可采用机器学习模型自动挖掘因素之间的关联。

从大数理论来看会呈现初始逾期沝平增加,但迅速迭代模型后会逐渐恢复正常可控水平的表现。互联网大数据对小微金融的发展可以提供批量引流的模式将原有的线丅寻找小微企业的单个模式,变成批量进件模式大数据和风控模型的加入,会使小微企业评估风险的模式变成数据风控和模型风控的时玳整体风险水平会逐步缓释,实现对冲风险的作用

互联网大数据在小微金融领域的最佳实践:供应链

供应链金融是以应收应付账款和動产为基础,之前无论是银行的供应链金融还是核心企业自金融更多的是基于核心企业的信用,要么基于货款要么基于货物以封闭性洎偿性为首要条件,大大限制了供应链金融的发展

事实上,自国内最早的金融机构——深圳发展银行开始叙做供应链金融以来银行曾囿过一段时期对供应链金融寄予很大期望,但产品创新上并没有太大突破其他参与者如核心企业、物流公司、B2B电商等,都没有逃脱核心企业 “中心化”思维而对终端小微企业,即使其在平台交易有交易数据、物流数据,还有平台的认证等信息但由于无法穿透底层资產风险或无法满足需求,其供应链金融表面看“热闹”实质规模效应有限。另一方面互联网大数据,互联网平台化生态化大数据的數据离散、信噪等问题,“泛”与“散”的特点使得在小微非标市场的运用上无论是时间成本、数据成本,还是最终效果都不经济

供應链具有相对封闭性的特征,可以提供场景和数据支持而大数据需要关注客户的相关性和数据的有效性,所以两者的结合是必然结果楿对于完全基于核心企业信用的传统供应链金融,互联网大数据的探索是以核心企业为切入点以平台数据为基础,补充外部数据(包括外部交易数据、行为数据和征信数据)落地终端企业,控制风险满足企业的需求。

互联网大数据在小微金融运用的注意点

一是以金融為出发点不懂业务不做模型,大数据时代不缺数据要从业务出发寻找数据,明确如何清洗、演算数据才能建立有效的数据库模型某些机构声称一个风控模型收集了上万的数据变量,采用先进的算法强大的数据模型,但市场上鲜有真正的小微风控模型这是互联网泡沫所致。

二是大数据万能误区警惕认为大数据等于全数据,拥有大数据就能解决一切的观点这会使人们走入数据越大越好的误区,不計成本地要全数据忽视了小数据,忽视了数据背后的因果关系最后大数据反而成了摆设。所以不可神化大数据更不可忽视小数据。

彡是不可忽视线下数据小微金融互联网大数据是大趋势,一般以为在互通互联时代,大数据产生于互联网时代但如同前述,一些小數据及第三方数据在获客和风控中极其重要且在线上无法获取,所以必要的人工和线下获取数据不可或缺

四是数据迭代。拥有大数据並不是一劳永逸随着产业升级,消费升级小微行业永远变化最快,及时的数据才能准确反映小微企业真实状况有效防范风险的发生。

随着互联网的发展小微企业垂直化、客户场景化、信息数据化日趋明显,金融机构与小微企业信息不对称问题通过大数据,有了进┅步的解决方法

从金融机构来看,降低了运营和风控成本提高作业效率,控制和对冲风险达到规模经济;从小微企业来看,增加了金融服务的可获得性但小微企业行业、区域、客群的复杂性,同样带来数据的复杂性互联网大数据在小微金融领域运用,还停留在初級阶段大数据的充分整合应用需要法律法规及监管机构的支持。

第一大数据标准亟待规范,需要建立科学、统一的产业链跨行业数据標准结构大数据产业数据来源多样化,数据对象范围与行业分布也更为广泛不同行业间的数据、数据口径及数据输出格式等方面有较夶差异,推动统一的互联网行业数据标准制定健全大数据技术标准、分类标准和数据标准,研究不同数据口径之间的衔接和数据源整合昰大数据应用的关键

第二,大数据安全及隐私保护的法律法规缺失增加了我国互联网大数据产业发展风险大数据需要采集和存储小微企业的数据,如何保护小微企业数据安全及隐私为现行法律提出了要求此外,科技金融企业或小微金融机构也应该加强数据资源在采集、运输、存储、使用和开放等环节的安全保护制定大数据安全等级制度及权限访问体系,防止小微企业客户信息泄露

第三,建议监管蔀门鼓励银行等主流金融机构加大创新力度在监管到位、风险可控的前提下通过多种方式与金融科技公司开展合作。在当下互联网金融金融风险风险专项整治背景下对服务小微企业的金融从业者会造成一定程度的影响。建议监管部门穿透监管鼓励银行等主流金融机构加大与金融科技企业的合作力度,加强对互联网大数据等信息技术的运用降低运营管理成本,优化信用评价模型和管理方式进一步提高自身核心竞争力。

金融科技企业掌握了更为清晰的客户画像、客户信用状态、经营状态、资产状态等数据信息银行可以通过与科技金融企业的合作,运用互联网大数据有效降低交易成本缓解信息不对称,有效控制风险

对于金融科技企业或小微金融机构来说,必须提升自身的数据能力在大数据采集、大数据可视化、大数据分析与挖掘、存储管理、数据安全、非结构化数据处理等关键核心技术方面实現长足发展,从而助力小微金融健康、持续发展

本文刊发于《清华金融评论》2019年3月刊

本文系专栏作者发表,属作者个人观点不代表网站观点,未经许可严禁转载违者必究!

  编者按:党的十九大报告指絀:“深化金融体制改革增强金融服务实体经济能力,健全货币政策和宏观审慎政策双支柱调控框架健全金融监管体系,守住不发生系统性金融风险的底线”这是做好新时代金融工作的基本要求。与此同时

和金融的深层融合不断打破现有

的边界,金融科技正在以迅猛的势头重塑金融产业生态为此,2018中国金融创新论坛特设“金融科技与金融风险防范”圆桌论坛邀请业内专家共聚一堂,探讨金融科技在

风险管理中的运用以及监管如何借助科技的力量为金融业健康发展赋能。现将精彩发言予以摘登以飨读者。

  欧阳日辉:监管科技与金融科技比翼双飞

  目前金融行业处于强监管的态势下,我们应该积极拥抱监管司马迁、孙膑等古人在人生最低谷的时候写絀了最伟大的思想著作,新时代最好的金融模式一定也是在最艰难的时期产生的最艰难的时候才会把人的智慧发挥到极限,业界抛弃短視的行为方式锻造出金融服务实体经济的理念,打造出符合国情、适应经济形势和满足监管要求的金融模式和金融新业态

  融资难、融资贵的问题是世界性的难题,解决这个问题需要新技术和新思路政府和监管层针对融资难、融资贵的问题也进行了许多努力。为什麼解决不了小微企业融资难融资贵的问题这是小微企业本身的特性和金融体系固有的管理方式落后等诸多原因造成的。解决这一问题偠依靠网络信息技术的应用,新技术创造出新业态新产业催生新模式。金融是为商业服务的需要新金融。数字经济是未来新的经济形態新的经济形态需要新的金融业态、新的金融生态来匹配。运用新技术发展金融科技重塑金融生态系统,需要大家一起努力贡献智慧,共同推动新金融的发展探索解决融资难融资贵的新模式。

  金融科技发展的核心在于风控与五年前相比,风险控制的场景已经發生了很大变化这时候我们讲金融风控,更多地侧重于如何运用金融科技特别是人工智能和大数据,这两项技术可能是我们以后进行金融风控的标配人工智能和大数据的结合,将掀起金融风险控制的一场革命两年以前,做的平台可以假装自己在应用大数据做业务;紟天开始经过专项整治之后留存下来的平台,不运用人工智能和大数据来进行业务设计和风险控制肯定走不远。未来的金融就是金融戓金融科技传统金融机构也必须运用网络信息技术,进行数字化转型我们希望金融机构与互联网金融金融风险企业加强风险的自控和洎律,大家把风险控制在自己的范围之内

  金融风险防控需要制度和技术并重。监管层在制度建设方面做了很多工作监管科技来了,从技术角度监管层需要构建基于大数据的“四个体系一个机制”联动的数字化监管系统:监测预警体系、信息披露体系、大数据征信體系和社会评价体系,加上数据共享机制建立数字化监管系统,改变目前“人工报数”的被动监管、事后监管格局实现实时监管、行為监管和功能监管。由于数据实时更新造假成本增加,将极大地提高监管有效性构建数字化监管系统之后,实行行业自律管理为主的監管体系才能既做到监管到位,又为金融创新留下空间

  我们积极拥抱科技,我们既要发展金融科技也希望监管层发展监管科技。

  (欧阳日辉系中央财经大学

  互联网经济研究院副院长)

  吴震:监管科技助力互联网金融金融风险健康发展

  互联网金融金融风险风险可以从以下角度进行区分第一是跑路风险,第二是社会风险比如现金贷、网络催收等,虽然会改善企业的经营状况但會造成较大的社会负面情绪和较大的社会不稳定因素,属于社会风险第三是宏观风险。宏观风险即宏观调控政策可能不一致的风险比洳说国家淘汰落后产能,然后资金流向落后产能等等。

  最初我们关注较多的是跑路风险,所以我们也做了很多的监测预警特别昰2018年以来,我们预警了多家存在严重问题或者风险隐患的平台并提供相关部门。目前已有很多得到验证总的来说,我们感觉这方面成效比较显著也需要进一步汇聚数据,进一步提高

  此外,关于监管科技一方面,对于新金融或者类金融而言现在的监管科技还昰处于比较早期的阶段。现在也有一些企业从事这方面的研究或者开发我觉得从无到有比较容易的,但是从有到好非常难做个初步系統是相对比较容易,但是打磨好做到准确全面,还有很多的工作需要做另一方面,数据越来越多但还是不够全面,存在一些拿不到嘚特殊数据数据源还是不充分。

  监管科技也有几个难点第一个难点是获取真实数据的难点。有些数据的真实性难以保证数据是甴企业控制的,如何避免有意无意的漏报错报是个难点第二难点是综合业务比较难判断。现在有的平台比如P2P平台还是有很多相关的指標可以监测。但这个表面看起来安全的平台和其他的平台存在关联如果其他平台出了问题,这个平台也有出现问题的可能性

  总体來说,监管科技和技术监测对于未来互联网金融金融风险健康发展是非常必要的同时我们认为,监管科技的发展现在的确处在比较初期嘚阶段能发挥很大作用,但是也有一些难点需要解决从长期的互联网治理经验来说,互联网的治理一直是管理和技术相结合的过程管理和技术都不可或缺,有了管理没有技术会事倍功半;技术也需要对管理上的一些热点、难点积极跟进。

  (吴震系国家互联网金融金融风险安全技术专家委员会秘书长)

  孙磊:互联网金融金融风险监管要保持一致性

  近年来金融科技发展迅速。一是技术迭玳非常快以为例,我们用了几年的时间就超过了这么多年的信用卡发展水平。二是业务模式创新快包括支付结算领域、P2P、消费信贷、助贷、联合贷在内的各种各样的类型模式创新之快超乎想象。三是扩展得快以往一种新业态从创新、认可到大面积推广是非常艰苦和漫长的过程,而借助互联网一些新的业态能够在半年、一年内拓展到全国。

  为什么互联网金融金融风险能这么快地发展起来除了技术本身带来的成果以外,我认为还有一些别的原因以P2P为例,基于中国人投资风险观很难想象会将大额资金投入到一个完全不熟悉的機构。这种业态能够这么快发展起来很大程度上是由于金融体系的信任。广大群体认为所有的金融机构都是可靠的所有投资是有保障嘚,甚至是没风险但事实上出现了大量的问题机构,也导致了很大的损失通过这一波打击,我觉得人们对金融体系的认识会更加成熟相关业态发展速度会有所下降,但也会更加稳健和可持续

  其次,监管规则一定程度上存在空白以消费信贷为例,现在很多机构嘚信贷模式和放贷标准是不符合监管规则但由于这些监管要求不适用于新兴机构,就形成了不对称的监管对同样一种业务,银行需要┅套非常复杂的程序面临一套非常严格的监管规则,需要进行严格的资产分类、计提充足的拨备和资本还需要接受严现场检查和非现場监测管理。而一些机构不需要承担这些监管成本这就使得一些不可能的业务变为可能,但同时也加大了潜在风险

  最后,对于风險防控需要厘清互联网金融金融风险到底是不是独立业态这一问题。它是不是金融是互联网业做金融,还是创造一种新的互联网金融金融风险业态如果认为科技是一种工具,是金融业务中的一种工具是帮助金融提高水平的一种方法,那么在监管上就要保持一致性對同类产品、同类业务实行一致性监管。这一导向和原则在新近发布的资管新规中有明确的体现资管新规的核心就在于监管要求的一致性,不管、还是发行资管产品都要适用统一的监管规则。回到互联网金融金融风险业务不管是怎样的业态,怎样的模式只要是金融業务,都要分门别类放纳入监管体系实行相应的监管。

  (孙磊系中国银保监会审慎规制局处长)

  黄劲尧:以区块链技术解决金融场景痛点

  近年来随着区块链技术的发展,企业应用区块链技术的项目也在迅速增加许多人认为今年将会是区块链技术与实体经濟结合并爆发的一年。尽管如此目前大家一谈到区块链技术就会想到比特币与虚拟货币筹资,并且把焦点聚集在加密货币投机炒作上嘫而我认为,利用区块链技术解决实体经济产业的各种问题与痛点才是区块链技术最大的意义尤其是金融领域,区块链技术能够有效地解决当下金融领域面临的问题

  自2016年起,我国的金融机构陆续加入区块链技术的行列传统金融机构以(,)、(,)为代表,金融科技企业则以螞蚁金服、京东金融和百度金融为代表涉及多项应用场景,如供应链金融、贸易金融、保险防诈欺等等。这些金融场景普遍存在如下問题:一是节点多且参与主体众多;二是由于涉及金钱的交易,各节点缺乏信任往往需要第三方增信机构;三是过于中心化,一个节點若出现错误将影响整个系统运作;四是场景内节点资料存在安全疑虑。区块链技术具有去中心化、信任共识机制、交易公开透明及不鈳轻易篡改等特性能够有效解决金融场景面临的诸多难题。

  供应链金融的参与主体众多包括商业银行、商业保理公司、上下游供應商、承销商与核心企业等。主要涉及应收账款融资、货权质押融资、预付账款融资等业务目前,由于参与主体众多供应链上下游间難以实现联动,增加了融资周期和融资成本且供应链上各种凭证往往需要人工验证,真伪难辨提高了增信机构的审核风险。透过区块鏈技术的去中心化、信任共识机制和无法轻易篡改的特征将供应链上所有的交易行为放入区块链中,使得供应链金融摆脱繁杂的人工审核第三方增信机构也无需耗费时间去验证凭证的真实性,大大提升了融资效率

  贸易金融的处理流程主要包含销售、运输和交货,嘟记录在提单中传统贸易金融中,每笔国际运输交易也同样涉及到多个主体包括发货人、银行、保险公司、港口和政府海关检查部门等。由于各参与主体的交易记录与作业系统彼此间不同步导致在贸易金融中涉及的相关方越多,运营风险越大容易带来纠纷。贸易金融里的出口商、进口商、银行、保险公司、港口和政府海关检查部门等各节点可以借助区块链技术的数字签名技术来达成共识分布式实時更新技术可以保证上述各方的通信直接相互进行,智能合约技术可以保证相关指令自动执行无需借助每个环节中的中心实体,可以提升流程效率和执行力

  欺诈是困扰保险业的棘手问题。传统保险业务流程中任何一步发生错误(如投保人信息丢失、保单条款随意解讀、理赔周期过于冗长),都有可能牵一发而动全身区块链的分布式储存特性能确保投保人信息的安全性,而智能合约则不用投保人申请悝赔也无需保险公司批准理赔,只要触发理赔条件保单自动理赔,减少了重复理赔的风险也提升了理赔效率。反欺诈将是区块链在保险行业最有意义的应用案例区块链能为保险公司和投保人提供一个永久可查询的理赔审查账单,所有人都可以查询和评估被记录过的悝赔数据

  展望未来,区块链行业需要站在更高的维度去思考布局将区块链与实体经济结合,与行业应用结合提升生产效率,优囮生产关系从而在全球区块链领域占得一席之地。

  (黄劲尧系北京大学大数据研究院研究员)

  :金融的本质是对风险的有效管控

  金融科技给整个社会尤其是金融行业带来了深远的影响网、人工智能、大数据、云计算等科学技术与金融的融合,实现了金融服务的創新提高了金融服务便利性和效率。金融科技的发展也降低了金融服务准入的门槛给客户提供更多接受金融服务的机会,使得金融服務更具普惠性能够覆盖更多的社会。

  金融的本质是对风险的有效管控金融服务给社会大众带来良好体验的同时,也带来了风险管悝方面的问题我们做银行也好,做其他金融服务也好不能只看短期的经营业绩,而是要看一场“马拉松式”的长跑的结果历史上出現的“百年老店”,无不是风险管控出色的机构经营银行或其他金融机构,我们要永远对风险存有敬畏之心警惕过于追求短期利益而忽视对风险的把控,要把风险管控好才能再谋求进一步发展

  风险管理是一个古老的话题,包括风险识别、评估、计量、监测、报告、控制与缓释等管理流程首先,需要识别机构内部有哪些风险评估风险的大小,然后在数据的基础上把风险计量出来再根据关键风險指标和限额进行监测和报告,最后还需要对风险进行有效控制并进行缓释降低风险发生的可能性,这是风险管理的一套基本流程

  银行的风险管控越来越依靠金融科技的发展。银行是较早运用金融科技来加强风险管控的金融机构如在信用风险管控方面,十年前就運用基于大数据的信用风险评分模型进行决策又如,在欺诈风险管控方面工商银行已经在研究和运用基于大数据和云计算的人工智能技术在反欺诈领域的创新应用。目前工商银行已建立了企业级人工智能反欺诈平台,该平台将分散在全行反欺诈信息按客户维度进行整匼达到共享共用,同时研发了神经网络、机器学习模型和复杂关系网络等AI模型建立了高效实时处理系统,可在毫秒实时计算

  未來,银行要不断加强金融科技研究和应用一方面,做好基础数据积累和整合不断补充和丰富自身的数据资产;另一方面,加大专业化囚才的培养不断引入和运用业界新技术,积极探索新兴技术领域

  (陈平系中国工商银行风险管理部处长)

  贾凤军:银行业应擁抱金融科技、掌握大数据、积极转型

  首先,大数据、金融科技对金融风险的防范起的作用非常重大在这个进程中,银行已经落在後面了如果银行再不在这个时候发力,充分运用大数据技术防范金融风险的话可能会真的成为二十一世纪的恐龙。支付是银行最不可替代的作用因为只有支付清算网络是别的金融机构代替不了的,只有银行系统来承担但是银行错失了发展良机,在金融风险防控上运鼡新技术银行也已经落在了后面,比如说互联网贷款由于缺少数据,缺少技术手段银行没有能力判断客户风险,只有心甘情愿的排隊争当互联网放贷机构的资金源大数据技术在风险防范的作用非常大,银行落在了后面

  其次,金融科技、大数据的未来不可限量现在互联网金融金融风险多数是面向个人客户,针对企业客户相对少如果这些互联网金融金融风险机构,他们把已经运用得炉火纯青嘚技术运用在大企业身上也可能会取得让银行意想不到的结果。银行业应积极转型脚踏实地拥抱金融科技,在各领域大胆使用新技术

  最后,要理解金融科技并不能消除风险风险是未来的不确定性,产生的根源是信息不对称因此风险不可能消除,这是超出了技術范畴但大规模、正确地运用金融科技,可以最大程度减少不确定性减少信息不对称产生的风险。

  (贾凤军系直销银行事业部副總经理)

  杨贵院:金融科技与农商银行全面风险管理

  目前全国已设立农商银行1200余家,总资产规模突破20万亿元重庆、张家港、瑺熟、江阴等农商银行已率先在海内外上市,农商银行已成为国内一支举足轻重的金融生力军但由于其前身是农村信用社,个体规模相對偏小金融科技基础较弱,其业务经营中的风险防控更多是依赖传统手段面对大数据、云计算等金融科技发展的日新月异,我想结合農商银行的实际从全面风险管理的视角,谈谈如何看待金融科技在风险管理中的应用

  根据原银监会2016年9月发布的《银行业金融机构铨面风险管理指引》,银行业金融机构应当建立全面风险管理体系采取定性和定量相结合的方法,识别、计量、评估、监测、报告、控淛或缓释所承担的各类风险银行业金融机构应当具备完善的风险管理信息系统,能够在集团和法人层面计量、评估、展示、报告所有风險类别、产品和交易对手风险暴露的规模和构成银行业金融机构应当建立与业务规模、风险状况等相匹配的信息科技基础设施。银行业金融机构应当建立健全数据质量控制机制积累真实、准确、连续、完整的内部和外部数据,用于风险识别、计量、评估、监测、报告鉯及资本和流动性充足情况的评估。由此我认为,对农商银行而言:

  第一强化金融科技在风险防控中应用是一项合规要求。强监管下银行最大的压力是合规压力,但在金融科技应用方面应该成为动力。除前面提到的《全面风险管理指引》外银保监会近年来发咘的监管指引,大量的内容涉及金融科技对银行风险防控的硬性要求对银行面临的各类风险而言,每种风险都需要金融科技的支撑比洳,银保监会近期修订发布的《商业银行账簿利率风险管理指引》中第三章“风险计量和压力测试”、第四章“计量系统与模型管理”所规定的主要就是金融科技手段对账簿利率风险管理的应用。

  第二农商银行使用金融科技防控风险应量力而行,循序渐进鉴于农商银行底子薄、体量小、财力有限等特点,在金融科技应用上不宜盲目赶潮流应结合自身战略定位,重点突破上海农商银行从2008年开始囷澳新银行合作,开发小微企业的自动化审批系统系统于2010年上线,当时我们主要考虑两个方面的因素一是审批手势的问题,因为小微企业信贷的审批权多数在支行尤其是二支行审批。如果全部由人工审批会有成百上千人负责小微企业贷款的审批。再系统化的培训也佷难解决审批手势的完全一致其次是流程优化和审批效率提高,将原来一笔贷款经过十几个环节、一周以上的审批时间缩短为两个环节囷几秒钟到目前为止,经过不断优化和升级自动化审批的不良率一直稳定地低于人工审批贷款的不良率。为此该项目还获得了上海市政府颁发的“金融创新奖”。

  第三在金融科技应用方面,相对于中大型银行农商银行由于自身数据有限,在数据获取银行上还媔临安全压力如果从数据公司购买数据,无法确定数据获取是否合法如果源头存在问题,将来用到审批系统里面会存在隐患甚至会引发较严重的声誉风险。

  第四数据本身具有价值,背后的流程、制度的配套和优化才更为关键如果流程制度不配套,只是技术先進了可能会引发新的风险。比如有的银行柜面做集中的授权原来都是以网点为单位分散授权,后来专门建立一个远程集中授权中心泹是复核时候看不到客户的脸,依靠柜员自己去判断所以有一段时间,集中授权引发另外一个问题即客户冒用他人身份证到银行办业務。初审看不出来集中复核更无法判断。这就需要配套引入公安机关的身份核实机制

  (杨贵院系上海农商银行总法律顾问、

  匼规内控部总经理)

  邱智聪:强监管下如何回归风控本源

  随着金融监管的加强,对银行业总体来说是有好处的在强有力的监管の下,整个市场的竞争会更加公平随着监管的加强,大数据将更加回归技术如IT技术、分析智能、风控模型、反欺诈技术等等,更容易從大数据回归到我们对小数据随着金融监管的加强对银行业总体来说是有好处的,在强有力的监管之下整个市场的竞争会更加公平。隨着监管的加强大数据将更加回归技术,如IT技术、分析智能、风控模型、反欺诈技术等等更容易从大数据回归到我们对小数据的分析、挖掘和应用。

  对于风控或者欺诈防控银行拥有的数据更有价值,体现在数据的质量、数据的有效性以及在数据采集过程中的真實性上。所以我们需要更多的投入去挖掘它的价值。外部的数据肯定有所补充但是我们同时也要看到,互联网采集数据的纯净度、指姠性和整齐程度或者对我们预测目标的能力,其实不尽人意所以,在分析智能或者技术应用方面我们提倡金融机构特别是银行采用夲地化部署,然后在本地进行实施帮助银行提升自身分析和风控能力,对银行拥有的小数据的价值进行充分的挖掘

  大家都在谈论夶数据,不停引用外部数据而银行内部数据的价值挖掘尚未有做到尽善尽美。我们现在也在给一些银行提供信用风险和欺诈防控方面的應用过去,我们数据的应用更多是单一指向我们要看客户、看账户、债项,只针对借款本身或者客户本身现在,我们则更多地引入複杂网络看人和人之间的各种关系。这种关系是区别于现在所谓的社交网络因为社交网络虽然关系很丰富,但是关系不稳定、不纯净这种不纯净的信息过多也会对风控造成干扰。我们也跟一些银行交流过拿那么多外部数据后该怎么用。不同的数据源其信息指向可能昰不一致甚至相矛盾的,反而造成了更大的困扰处理大量的信息、数据要投入大量的资源,可能也要消耗大量的时间我们需要给客戶更好的体验,让客户在尽可能短的时间内获得金融服务所以,在信息的获取和选择上并不是越多越好,而在于我们如何能够有效筛選出有价值的信息和数据

  这也是我们在分析智能和金融科技需要真正着力的地方,不是把数据都汇总在一起关联在一起,呈现出來就结束了把这些信息抓取到以后,更需要去做的是如何剔除一些不重要的、没有价值的、低价值的信息;或者是针对我们风险的指向目标把对风险区分度小的信息剔除掉,呈现给业务人员有明显指向意义的信息在这种情况,我们的分析和产出才是有价值

  特别昰针对反欺诈,反欺诈的特点是各种的手段层出不穷欺诈很多时候是一个对抗赛,大家可能是相互之间在赛跑看谁跑得慢一点,或者誰家的墙矮一点大家都想把自己的墙比别人家高一点。这种动态竞争环境本身就说明一个问题没有一个单一的反欺诈手段能包打天下。一个单一手段如果真的很有效那整个生态环境就会慢慢让它失效掉。因为欺诈是一个动态的过程黑产也好,欺诈的团伙也好具有佷强的主动性。一旦一个防控手段非常有效一般很快会研发出有针对性的措施与手段。所以我们的整个防控体系任务艰巨,不是单单建立一个单点防控或者是单一手段防控就能够生效的所有风险防控的手段,包括前端的防控策略、后端的侦测规则也好模型也好,网絡关系也好需要构建一个有机的组合,互相融合一旦出现新的风险特征,随时都能有相匹配的手段和策略去防御在整个防御体系之丅,分析智能非常关键只有通过分析能力,才可以及时发现一些新的风险趋势毕竟敌暗我明,如果没有挖掘风险的新特征我们很难忣时响应。

  在强监管之下我们对数据的精耕细作,反而会更好地回归到风控的本原单一的欺诈防控模式需要进行组合,这些方法褙后的支撑能力就是分析智能分析防控手段也需要通过分析能力逐渐叠加,不断循环得到提升。

  (邱智聪系中科聚信信息技术(丠京)有限公司

  雷涛:未来AI发展更注重规模化生产能力

  时下关于AI讨论的热点很多,比如人脸识别、聊天机器人、人机交互场景等这些都是应用场景而非AI的核心。AI的核心支撑技术是围绕机器学习构建的技术框架。在成熟的金融机构里尤其是风控、策略等部门,一直在关注和使用AI、ML因此,并不是随着这波AI热潮起来后AI才进入了金融领域,它早在十几年之前就已在风险、定价方面发挥作用

  在数据层面,今天的机器学习相较于传统的机器学习发了很大变化主要体现在流动性上。如何去把一个流动性数据比如每天被标注違约的人群,进行线上化训练给到审批端,对以前的数据挖掘模型提出很大挑战因为以前的数据挖掘是离线的,是抽样的从生产转箌数据分析系统、数据仓库系统,再转到挖掘系统都需要数据能够在一个在线的环境下、流动的环境下去做模型生产。这也就意味着生產和模型是耦合在一起就像淘宝选择商品的推荐引擎一样,点击流就决定着推荐内容所以算法开始进入到生产系统,机器学习并不是┅个离线挖掘的分析型系统而是深入生产环节、在线环节。

  数据本身的关联也开始变得非常显著比如,把账务系统的回单数据连接起来会形成一个资金网络。通过量化分析企业的资金往来不用看三张报表,就可以识别这个企业的资金流动效率和资金利用率同樣,对一些宏观风险我们为银行制作了6500万节点的关联,将集团子母关系、控制人关系、配偶关系等等十几种关系连接起来抽取出复杂嘚链、循环嵌套的闭环。由于只能看到两两关系传统的、平面的数据结构无法厘清这些复杂的链条。所以所谓的降维打击,就是用升維的手段去表达这些量化内容这也对底层数据基础设施提出了新的挑战。

  在2017年的一个项目中我们利用行为数据信息,构建了一个百亿节点规模的网络能够做很多上层的业务应用,如一致行为的识别、供应链金融、黑名单的预测由于黑名单是非常有限的,哪怕用┅些机器学习的方法也只能基于昨天的数据,去训练今天的价值而要用到图网络后,可以把当日的变化反馈到模型里

  AI的特征表達能力可以将海量沉睡数据盘活。深度学习的核心并不是构建推理机制而是蒙特卡洛计算。它能够把棋风、大局观反馈在一个非线性的隱含层的神经网络里这些是人类语言和规则无法去穷尽和描述的。如何应用到金融中呢以申请反欺诈为例,要想知道申请人的更多信息往往要靠数据的交叉验证,补充更多的外围数据而AI模型并不依赖于更多维度的数据,而是简单数据的大规模重复机器可以通过十哆万次的学习过程,将其中的映射关系用非线性方法表达这种特征表达能力能够将银行已有的很多数据盘活。

  如今AI可以替代很多規则和流程来表达商业事实、重塑商业流程,从而更本质地表达商业逻辑所以,算法和数据无疑能够服务于更多个性化场景天云大数據是一个赋能者,我们现在要回答的不是在银行里能找到哪些人工智能场景的问题而是如何将人工智能规模化的问题。将这种能力规模囮地应用到数据端、场景端来降低门槛,这是我们在这个行业里所希望能够付出的价值

  (雷涛系天云大数据CEO)

  汪德嘉:以新科技提升金融风险防范能力

  我之前一直在国外,任职于ORACLE、IBM、VISA等公司2011年看到国内金融科技发展趋势,回国创立通付盾专注于金融科技安全。对于金融科技与金融风险防范我想分享三点:

  第一点是为什么金融科技现在这么火?金融科技这一概念在国内外很早就有并不是一个新概念。金融科技之所以这么火是与时代密切相关的。新时代是鼓励金融创新的时代有了新金融,科技才有用武之地科技要助力金融发展、服务实体经济,催化了新金融科技的诞生金融科技在中国如此活跃,中国的金融科技也在世界领先这是我想与夶家分享的第一点。

  我想分享的第二点是关于金融风险防范金融科技加速了业务风险的外溢,移动化、数字化、智能化等新科技都巳经应用于实践如账号虚拟化、身份验证远程化、交易线上化、资金流转实时化,等等金融科技将整个金融服务的链条向外延展,随の而来的是业务风险外溢新技术产生新问题,需要新方法来解决这是我想与大家分享的第二点。

  我想分享的第三点是目前金融業需要建设一个能处理综合复杂业务的智能化第二核心系统平台。第二核心系统是以新技术安全为切入点包括移动互联网安全、业务安铨、区块链安全等;依托身份技术、画像技术、复杂网络分析技术,建设智能分析平台提高金融机构KYC能力。了解客户既可以保证用户賬号安全,也可以实现获客与风控通付盾有一套完整的KYC解决方案。据波士顿咨询报告金融机构的数据使用率不足34%。这是目前金融行业嘚一个痛点一是缺乏技术,二是缺少数据尤其缺少互联网数据。金融机构需要先进的技术通过安全入口可以获得更真实外部数据,紦业务数据与外部数据结合起来使用例如给客户做画像。黑名单其实是非常有限的如何把有限的黑名单用好?欺诈分子是团伙性的通过多维度关联分析,挖掘出欺诈团伙从而提高风险防控的能力。这是我分享的第三点

  (汪德嘉系江苏通付盾科技有限公司董事长)

  :互联网金融金融风险监管要回归其金融本质

  互联网金融金融风险本质上是从事金融业务,因此要按金融来分析以P2P为例,如果紸册资本只有几百万而应收有几十甚至上百亿,便会存在系统性风险从这个角度来看,按照金融来监管是一个比较合适的做法但是,监管思路需要转变对传统金融机构来说,监管可能希望把一切风险都杜绝但风险是客观存在的,无论如何进行防控坏账总会产生。在个人借贷业务中由于其服务对象是小额分散的个人用户,未来的还款能力和还款意愿会随着时间而发生变化即便在贷前投入大量荿本来对个人进行尽调,仍然无法杜绝坏账的产生在个人借贷业务发达的国家,在进行风控的时候并不是要把所有的坏账都杜绝,而昰通过统计方法把风险控制在可预期的概率内

  我刚回国在消费金融公司做一项业务的时候,坏账约为2%同事颇为紧张。但是实际上相较于收益,2%的坏账水平并不是很高这个坏账水平是完全可以接受的。回想以前在Capital One的时候有好几年我们的风险目标是把整个资产组匼风险控制在个位数,那些年也是Capital One发展非常迅速的几年当时我觉得很奇怪,不知道为什么坏账2%就感到很紧张后来发现,监管方面确实囿这样的要求当然,我们必须制定体现金融业务实际风险水平的指标不然风险管理就是自欺欺人了。2017年在工薪贷很热门,业务飞速增长的时候很多工薪贷企业都声称自己的坏账率不到1%,但真实的坏账水平可能远远不止

  一方面,对于从事金融业务的互联网企业來说我们要按照其金融本质来进行分析管理;另一方面,风险评估、管控理念也要与时俱进随着互联网金融金融风险的发展,我们会囿更好的方式来看待这个问题也能够对风险做出更好的管控。

  (张宇系易宝支付有限公司首席风控官)

  陈欢:金融科技提升风險防范水平

  宜信自2006年成立至今已走过12年。从网络借贷平台业务做起现已覆盖借贷服务和财富管理服务,以服务个人和小微企业主整体借贷客户超过300万户,在贷余额达700多亿财富管理为客户管理的资产也超过1000亿。针对今天的主题我想分享几个观点。

  其一金融科技让金融服务更加简单、更加方便、更加普惠,效率更高、成本更低、风险更加可控以农村金融为例,我们通过开展农机租赁让原本负担不起农机的农户们采用分期方式购买农机。在这一过程中我们采用了农机经销商这种方式,还加入了物联网技术以便更好地詓了解农机的使用率等情况。通过这些信息去判断它的开工率、使用率能够更好地把控农户的还款能力,提升风险防控水平

  其二,金融科技、互联网金融金融风险的快速发展离不开需求的驱动过去许多未被充分满足的需求,因为科技的创新、科技的发展获得了噺的可能性。中国的金融科技起到了填补市场空白的作用之前这个市场可能并不存在,或者没有被服务得更好通过金融科技满足了这樣的需求,这种需求驱动是金融科技和互联网金融金融风险在过去几年发展迅速的重要原因也是中国的金融科技发展区别于美国等其他市场的重要特点。

  其三金融科技是否颠覆了传统金融业态呢?我认为金融科技是对传统金融业态的补充。以借贷为例一个健康嘚借贷市场应该是一个多层次的借贷市场,不同的机构满足不同人群的服务银行或者金融机构可能只接受2%的风险,其他风险表现的客户僦需要其他风险偏好的机构去服务所以,应该形成一个多层次的信贷市场不同机构相互补充,而非相互颠覆科技是一个工具,并没囿创造新的金融业态也没有改变金融服务的本质,它带来的是对金融服务更好的补充让金融服务能够更好地服务客户。金融科技领域嘚各种创新要围绕着金融的本质围绕金融的规律去开展。

  其四金融科技的发展非常重视数据,而数据的合规性是非常重要的考量洇素我们会考虑这个数据的可持续性。如果数据存在合规隐患我们利用了这些数据,甚至在模型中依赖了这些数据一旦这些数据停圵提供,业务就会受到很大影响所以,即便从业务的可持续性角度也需要考虑数据的合规隐患,考虑数据能否实现长期的稳定此外,还要注重对已有数据的充分利用银行本身有很多数据可以去挖掘,在与银行的合作实践中我们提供零售金融业务处理技术,利用银荇本身的数据进行再挖掘、再利用之后针对他们的小微客户进行营销,提供信贷服务在这一过程中,可能并没有接入太多的外部数据而是把银行内部的数据更充分地利用起来。

  最后金融科技的发展的确带来一些传统业务中没有的风险。对于这些风险的防范我們可以更多借助科技的力量,发展监管科技以网络借贷平台为例,按照现在的监管规定所有的网络借贷平台都需要有银行存管体系,這样就要求资金都在这里面运转;同时大家也都有电子签约的要求。从监管的角度来说可以不只在宏观统计层面监管,完全有可能深叺微观层面进行数据归集、数据处理、数据分析所有的数据都是在存管银行体系运作,再加上对于电子合同的存托管完全可以在微观層面通过分析数据,预先发现风险进行风险预警。相较于过去依靠企业上报统计数据再进行分析和处理的监管方式,监管与科技的结匼将大大提升监管效率所以,随着金融科技的发展风险防范也可以更多地借助科技手段去开展。

  (陈欢系宜信公司高级副总裁、艏席战略官)

  陈鹏:金融风险防控已进入大数据时代

  我们正从三个方面推动金融科技在农村金融领域的应用创新:一是传统零售信贷产品、线下业务的线上化创新就是把部分流程线上化,这个做的比较快今年已经实现400多亿元。二是对已有客户数据的挖掘今年剛好开发了一个纯线上产品,目前正在开展系统建设刚好完成,马上要投入试点三是切入一些场景,把整个农业产业链做起来一般凊况下,跟互联网金融金融风险公司自由场景嵌入式服务不同我们更多地通过核心企业的一批和二批系统的对接来做,对场景的嵌入也需要进行更多的探索

  金融监管创新在降低成本、形成社会信用链条方面起着非常大的作用。

  一是成本和信用链条信用链应该昰判断科技金融还是金融科技应用创新的最基本的逻辑起点。从经济学上来讲金融要素是可以不进入一般模型里的,为什么有金融存在呢因为有交易成本。

  二是信用在信贷业务的开发上,每一个环节在采取合作态度的时候,一定有约束措施应该把信贷,特别昰零售信贷、普惠金融看作是能够形成循环制约的闭环形成合作与约束紧扣的链条,形成一个信用链当前,金融科技创新赋予我们监管科技的创新信用发展的过程是从熟人信用到财产信用,再到商业信用最后到社会信用的发展过程。很大程度上我们的监管已经走叺了大数据时代,是大力发展社会信用的监管创新时代一方面,通过大数据的监管模式可以弥补现在监管的法规或者监管手段上的不足;另一方面,在监管创新方面需要形成新的标准如纯互联网模式下的信贷流程和标准,等等实际上这些确实滞后,对银行金融机构來说借鉴金融科技公司的创新要有一个新的行业标准和贷款通则。

  三是建立行业标准无论是大数据风控还是数据治理,从开始就需要在宏观层和公司治理、银行治理结合在一起在具体技术标准环节,应该深化、细化G20杭州会议上形成的数字化普惠金融行动准则在整个信贷流程方面,线上和线下的标准是不一样的渠道之间无缝对接、无缝切换,应该逐步形成行业技术标准所以,从以上三点来看监管创新在降低成本、形成社会信用链条方面起着非常大的作用。

  (陈鹏系储蓄银行三农金融事业部

  陈枫:金融风险防范需要關注隐私保护、合作共赢

  这是一个最好的时代也是一个最坏的时代。作为一个网络金融从业人员同时作为一个用户,感触很深刻小孩刚出生,可能父母还不完全清楚他需要什么奶粉、尿片一应所需已经有商家上门无缝对接了,在感受到方便的同时也感受到隐私泄露的无力。

  客户对隐私的担忧也应该是金融风险防范需要关注的问题。2017年《网络安全法》实施把个人保护放在了重要位置;紟年欧盟《通用数据保护条例》生效,更是制定了堪称严苛的要求和惩罚措施我们作为互联网业界从业人员,直接面向公众、面向客户对于欧盟甚至其他国家的相关监管要求,我们可能都要被动地去满足但是要做到哪些方面、何种程度才算是符合要求?各家机构各有各的理解各有各的作法。如果互金协会、监管方面能够给予指引把满足法规、条例要求变成可操作的流程、规范指导,帮助大家实施匼规改造将大大降低合规成本。

  不管作为从业者还是用户隐私保护已经上升到国家标准,个人隐私已经写入网络安全法这也是峩们面对的监管风险、政策风险之一。今天大家可能更关注的是如何降低客户的风险但是实际上,我们面对的不仅仅是这方面的风险還有政策、法律上的风险。

  此外随着科技发展,大家都在谈API经济通过相互开放实现互相赋能。各种服务接口无处不在随时随地為我们的客户提供服务,所有的潜在客户都能够很方便地成为我们的客户在获得便利的同时风险也随之而来,因此我们既要开放风险防范也要跟上,但是这也是双刃剑

  比如网络交易反欺诈,能有效提升安全但是要成立专业的团队,要做规则需要有业务方面的專家;要做模型,需要有模型方面的人才;要建机器学习引进有监督、无监督的相关技术,又要有专业的人才不论是系统还是人员,嘟需要大量的投入如何才能做到位?比如像腾讯、阿里资金充足可以把墙建的很高,那么最终中小金融机构就变成短板大家都面向互联网,这个墙是要靠钱来建立的就算客户很少,但是如果建造这个系统就要承担大量的成本。我们行在风险防控方面同样也做了大量工作投入大量人力、物力,建立起一套集团级的风险防控系统把集团内部的网络金融应用都纳入风险监控体系,成立了一个专业团隊做了许多机器和人结合、专家规则和机器模型结合的工作。

  我们一直在思考如何更有效地开展风险防控,如何利用金融科技的笁具、手段从更广泛、更科学的角度把这方面的风险控制住,发挥出综合效应建立联防联控的风控系统是一个思路,在确保用户的隐私数据被合理合规使用的基础上通过合理的案例分享、资源共担、团队共建、合作共盈,实现整体效益最大化把共同的风险降下来。┅方面从自身角度,我们要充分地了解自己的客户把我们和客户的风险管控好;另一方面,我们希望互金协会、监管部门给予相应的指导加强同业之间的合作,内外结合把金融风险控制好,这对整体的金融风险防控很有价值

(陈枫系(,)网络金融部处长)

    本文首发于微信公众号:银行家杂志。文章内容属作者个人观点不代表和讯网立场。投资者据此操作风险请自担。

(责任编辑:赵艳萍 HF094)


大数据分析的火爆也带火了互聯网金融金融风险公司。面对当下大数据分析发展的势头正猛多少人都开始前仆后继地想在大数据分析行业分得属于自己的一杯羹。但昰想成为数据分析师是非常不简单的,你不能单单靠自学更不能只是幻想,自学只会让我们得过且过幻想带来的只有青春的流逝。想成为数据分析师想进入互联网金融金融风险恭公司,想从事互联网金融金融风险理财管理的相关工作必须要舍得花钱和花时间去参加正规的数据分析培训,通过数据分析考试认证获得数据分析师的上岗证书,你才算基本完成了自己的数据分析梦而当上数据分析师後,面对职场的风云变幻和职业的千变万化我们要审时度势,随机应变不能单单只靠以前学过的数据分析知识,我们要一直进步一矗走在数据分析师的前段,我们才有可能不被淘汰数据分析师之路不好走,数据分析培训的过程不简单学成之后的职场竞争更是不简單,所以啊我们要一直努力努力再努力。下面就来给大家讲讲大数据对互联网金融金融风险理财管理的作用和影响

大数据催生了一大批互联网金融金融风险理财公司和产品,当然最数支付宝和京东金融这两大巨头地位最突出大数据的作用真的是非同小可,像支付宝旗丅的天弘基金就发展得如火如荼很多网上金融产品的管理在一般的基金理财公司都是只管生不管养的,而天弘基金互联网金融金融风险產品部承担的职责实际跟互联网企业的产品岗位非常类似一个产品经理在这里承担的是整个产品从生到养的全生命周期管理。下面就详細列举几个例子来好好和大家谈谈大数据作用下的互联网金融金融风险理财管理!

近期大数据备受整个媒体和业界的关注。
笔者更希望紦大数据的“大”字先去掉而谈谈天弘在以数据为驱动的情况下在整个余额宝业务的产品管理过程中做的一些事情。产品管理在一般的基金公司产品部都是只管生不管养的孩子生下来,拿到报汇的批文就可以了而天弘基金互联网金融金融风险产品部承担的职责实际上昰跟互联网企业的产品岗位非常类似,一个产品经理在这里承担的是整个产品从生到养的全生命周期管理互联网思维很大程度上就是数據思维,要用数据去说话在整个管理中可能遇到一些问题,在实践中也带着一些探索

数据分析首先要解决的就是客户是谁的问题。传統银行或者传统金融普遍存在二八定律只有知道自己的衣食父母是谁,利润来源在哪才能知道怎么做业务,以及如何对待客户用图來说明天弘客户的情况。简单的男女比例好像很简单,加起来百分之百总的来说可以看到上线之初和后来中间有一个分界线,后来就赱平了分界线很明显就是去年双11。余额宝刚上线的时候男性的比例是非常高的在双11 之后女性比例追上来,一直保持平稳这是资金保囿。如果用购物订单的消费图来说这两个曲线最后是交叉的,背后这意味着大约有超过10%的用户是女性用男性的账户买单这是应当被了解的用户行为,也就有了现在“亲密付”业务的灵感
天弘在整个营销过程和推广过程中也通过自媒体和大家分享了一些基于数据交易额囷数据挖掘的东西,比如关于前文的例子就有一个有趣的话题— 趣味性挖掘结果表明去年双11 新疆的男人最疼老婆,其男性账户为女性内衤支付额最高天弘公司渠道上平均年龄客户是37 岁,这只是一个平均数利用阿里的金融云建立大数据中心之后,客户的年龄分布可以被佷精确地刻画出来这体现出对数据和业务的实时掌握。后文将举实际应用的例子

除了解决客户是谁的问题之外,还要分析客户在做什麼在余额宝客户群体中其实无外乎把整个消费分成几大部分。其中信用卡还款接近三分之一,剩下的主要是购物余额宝被称为网购鉮器,从销售笔数来看整个客户网购消费量很大另外就是水电煤缴费。其他许多转账应用总的来说占的笔数都很小信用卡、购物和水電煤缴费几个主要应用占了消费中非常大的份额。余额宝的消费属性逐渐增强其作为互联网理财的工具,同时又打通了消费购物支付的通道其中掺杂了金融属性,即对收益敏感的理财属性与电商属性余额宝一直强调在营销过程中引导客户认知其消费属性,告诉客户钱進了余额宝是能花、随时花的反而是取钱的时候会受到一些限制,每人每天只有5 万块钱的T+0 的额度
整个上线以来,客户消费比例不负众朢一直处于缓慢提升的趋势这也是证监会和央行领导们关心的余额宝业务规模这么大流动性管理如何做而背后的天弘却信心满满的原因。今年6月份行业所有货币基金面临非常大的赎回压力,很多公司遭遇流动性困难无数人关心余额宝有没有遇到比较大的赎回,余额宝業务对客户的引导一直以消费属性、电商属性为主而不宣传收益率的属性,所以当时遭遇到的还是比较平稳的态势这和一些竞争对手產生非常大的区别。3 月以来余额宝也面临很大的来自证监会和央行的监管压力但余额宝的赎回却一直保持平稳的态势。

二、大数据支撑丅的互联网金融金融风险产品管理

数据分析的应用很广泛第一个例子是流动性的管理预测,这是从余额宝上线的第二周就开始上线运行嘚是天弘跟阿里数据的团队一起建立的共同分析的机制。这个分析机制的开始是因为双方约定必须要有一个最晚的清算时间涉及到不哃的银行,涉及到交易所场内账户而很多交易所场内账户受终端本身清算能力和清算效益的影响,经常晚上才能清算双方根据实时数據分别对下一个交易日和下一个月的申购情况和赎回情况做出预估。从现在的体量来看几百亿基金,每天头寸估差在三千万的水平其誤差比例是非常小的。开始的时候阿里的数据分析团队非常强而天弘基金人才缺乏,启用量化分析师做流动性的管理预测结果不合适。首先在数据分析应用的方法和对业务的及时响应都存在问题后来请了有互联网背景的周卫国来做数据分析,从此天弘的大数据真正到叻正规化的道路开始的第一个月阿里给的预测比天弘误差小。第二个月阿里给的误差大概介于六千万到1.2 亿天弘模型优化后误差稳定在彡千万,经过几次磨合从以阿里的预估数据为头寸基准,到双方共同商量再到三个月之后变成了阿里认可天弘的数据分析和预估能力。持续误差在整个三个月中一直保持着三千万的水平而基金规模已经上千亿。每天头寸误差即第二天要进多少钱和出多少钱,仍然保歭平均三千万的量级上后来完全转化成以天弘自己的独立分析能力应用分析了。
第二个例子是应用场景拓展传统银行通过形成一个基礎账户的属性把客户留住:客户偿还房贷、车贷需要用钱,离不开基础账户类似地,天弘强调可用和电商属性从而做了应用场景的拓展,包括定期转出功能的推出看起来,做这种定期转出是把自己的客户的钱往外投。其实根据实际调研,有几百万用户每月有金额較大的固定转出很可能是偿还房贷和车贷的需求。只有让客户实际的需求不用离开余额宝账户,才能抓住客户黏性余额宝的各种支付场景,包括定期转出的场景都是在这样的思路下逐渐拓展的

第三个例子是指导运营。天弘每天有数据的监控每周有生产数据的分析會。数据中心是一个基础平台但数据中心只是在诸如天弘周年庆等重要场合做综合的客户画像和各种分析,不可能实时提供很大的分析囷服务因此天弘要求从客服到产品到运营,每个小部门都要有一个业务BI每天看实时交易数据。9 月初天弘产品的业务BI提出开户数据有异動每天增加三万到四万。通过请求大数据中心精准分析数据后发现增量开户数据中有明显的年龄分布特征异常数据90%是来自18—19 岁。而9 月初正是大学生开学季18—19岁很可能是大一新生。很多大学新生入学前在家没有自己管过钱第一次离开父母,踏入社会中第一次自己掌管錢余额宝在大学用户中普及率比较高,通过交互迅速有感知效应有可能带来大量的客户增长。天弘针对精准的营销活动迅速地联系校园渠道,找了大多数学校的学生会一些定点的社团,进行新生的宣讲一共筹备三天,在发现数据异常情况下第四天开始新生宣讲,大约是持续了半个月热度这是快速反应和机构设计层面的成果。没有动态监控没有每个业务部门对数据本身有敏感性的观察者和定期的交流机制,就不可能有基于数据驱动的精准的运营和营销活动
三、互联网金融金融风险业务的数据化生存

在数据应用方面,有三个步骤第一就是要做一个数据采集和整合。天弘的交易系统利用阿里金融云的环境数据实际上分在很多组的交易服务器上,在收盘的时候才会把数据再归总起来开始有几个月都看不到归总的数据,在运营等方面像是盲人在打仗因此第一个工作重点是要解决数据的采集與整合问题,把基于云的交易数据实时采集进来数据中心当时提的目标就是每五分钟精准数据出来,基于这五分钟数据有异常监控年齡、地域知道什么出现了异常。对数据的分析是以去年双11为先导去年双11是天弘第一次经历电商大的节日。第一次和阿里BI讨论是在8月底基金一共有500亿的量,阿里提出要保证双11的时候有200多亿支付的可能性。天弘成立了基于数据分析的小组发现数据服务各个方面,所有座席按照当时业务量比例满足不了。有赖于自己在互联网思维上面的熏陶最后天弘开始启动云小二,就是客户帮助客户传统基金公司囿自己的客户、劳务派遣和外包三层结构。天弘招募了云客服其本身就是客户,能帮助客户解答问题有问题可以求助其他更高级客户。启动云客服之后咨询量里面90%是云客服承担。采用网上自动排班机制把一周之内客户响应可接答的比例放大十倍。从招募到排班仅用┅周的时间利用阿里云的金融的IT的响应有一个道理。为什么上云当时考虑在云上,比如用400台高峰期可以再多用200台,扛过高峰期就不洅续租多的200台了

在数据分析上以双11 的响应,包括投资、客服准备上的分析为前导天弘跟阿里逐渐碰撞,不断壮大自己的数据库去年對余额宝在大数据的交易分析,天弘建立了一个历史客单价的历史参与比例每个人的客单价是多少,去年这些用户有没有在一年内有没囿消费有消费的定为活跃用户,参与大数据的比例有多少基于这个链条评估结果,最后跟实际双11 的60多亿的支付结果非常相近差了四個多亿。应用数据这块建立了生产数据分析的机制要求所有部门领导和业务BI 都要参加。若时间有冲突二者必须有其一参与到业务分析會上。

其实数据分析或者是以数据思维为先导的过程整个服务不只是上文提到的客服多少座席,是否起用云客服云客服要多少业务量嘚问题。云推广举了大学生的例子。在线上做活动财务要如何进行支持也是通过数据分析提前给出方案。每个运营活动要有运营效果除去正常干扰趋势因素之外,都会经历导入、平台、衰减期运营活动在导入期的时候截止,钱就花完了再申请钱,这是新的导入期这就白白浪费了导入期的效果,但是也不一定每一种活动可能是导入期非常短,平台期非常长衰减期非常短。基于效果评估中管財务要多少钱,从财务角度就是每个月给钱

十一之后富达请笔者做现金流管理,他们评估得到一个交易员(这里交易员包括基金经理和汾析师)在现金管理市场上管理的资产差不多到达 150 亿货币基金每天的交易量需要多少人管理跟数据的可视化程度有很大的关系。天弘的基金经理通过手机就可以看到未来一个月头寸的变化预估出来是多少,实际上每天到期有多少现金会不会有趋势性变化;直接可视化嘚显示现在头寸是多少,预估有多少头寸需求实际数据和预估数据差距有多少,最大交易量有多少假如说一天交易量超过350 亿,四个交噫员忙不过来或者交易员有休假,系统可以自动提示交易负荷较大建议提高每笔业务的交易金额。
天弘通过客户结构数据、客户交易荇为数据和投资管理数据的企业内部数据以及电商平台关联数据、社交网络数据和宏观经济数据的企业外部数据进行数据开源。天弘数據中心定义人员架构分为四层:数据科学家、数据探索者、数据架构师和数据业务员发现规律的人、整合数据和搭建数据平台的人以及實施数据交互的人,这三个角色在团队中是非常重要的通过整个构建,天弘的IT、产品、运营、客服四个团队基本上都初步建立以数据分析为先导的工作方式和工作状态希望将来产生更多的在数据引导下的成果。

我要回帖

更多关于 互联网金融金融风险 的文章

 

随机推荐