马波量化派 量化派:人工智能遇上消费金融

2017-06-19
字体:
浏览:
文章简介:在今年"两会"政府工作报告指出,"在全国开展消费金融公司试点,鼓励金融机构创新消费信贷产品",这意味着消费金融迎来市场和政策双重红利.掘金大

在今年“两会”政府工作报告指出,“在全国开展消费金融公司试点,鼓励金融机构创新消费信贷产品”,这意味着消费金融迎来市场和政策双重红利。

掘金大幕刚刚开启,就成为BAT、传统金融机构、创业公司等各路人马奋起角力的战场,而消费金融行业的风险管理越来越受到关注。与此同时,整个领域都在朝着越来越“科技范儿”的方向上前进。

一方面随着人工智能的发展,金融智能化已是大势所趋。从去年开始,李开复等人不止一次在公开演讲中提到,人工智能在中国爆发的第一个且最大的领域一定是金融。

“金融本来就是人类虚构的游戏,没有制造,没有配送,没有物流。这是人工智能的黄金时代,其最好的应用领域之一是金融,因为金融是唯一纯数字和钱的领域。”

另一方面随着移动互联网的深入推进,消费者的行为和特征都将数据化,未来金融服务全流程都将由数据驱动。

从客户准入、预授信、再到风险控制和审批的全流程,数据不仅能够动态实时的形成精准用户画像,还将成为一块可增信的资产,用于质押并发挥风险缓释功能。由此可见,互联网金融从“互联网 金融”逐步转向“互联网 金融 人工智能 大数据技术”。在科技的乘数效应下,消费金融领域的欺诈事件也逐渐呈现集团化、智能化、组织化的特点。

金融自诞生始就是刀口舔血的行业,各种风险始终与之共存。根据新《巴塞尔协议》框架下,金融长期面对的风险可以分为三类:信用风险、操作风险和欺诈风险,其中恶意欺诈风险是目前消费金融安全的最大威胁。

恶意欺诈风险指的是客户在发起借款请求时即无意还款的风险,按照人数可以分为团伙欺诈和个人欺诈,欺诈者往往通过伪造身份信息、联系方式信息、设备信息、资产信息等方式实施欺诈。

由于国内的征信体系不完善,互联网消费金融 信贷具有小额、分散、高并发的特点,消费金融的风控需要更多数据维度与科技支撑。传统银行的反欺诈规则体系类似杀毒软件,具有一定滞后性,往往只能在欺诈事件发生后才能升级把漏洞补上。而当人工智能出现后,通过机器学习分析大数据,能够预测用户行为,大幅度降低金融业风控和运行的成本。

利用人工智能和数据驱动为主导的技术反欺诈,在量化派中可以看到一些实践。 面对国内庞大的尚未纳入征信体系的消费人群,量化派早在2014年就通过人工智能 大数据搭建了完备的信用风控体系。

在线上数据的挖掘探索上,量化派已形成适合自己的独到模式,既可以通过合作第三方机构和互联网爬虫进行用户贷款数据挖掘,也可以基于自有产品“信用钱包”作为流量入口,在用户授权后挖掘用户行为数据。

在过去三年,量化派一直致力于探索线上线下数据的联动整合,把线下数据应用到线上,把线上数据应用到线下。目前量化派的消费场景已经触达了3C、旅游、、购物、游戏、出行等多个互联网领域,如通过去哪儿网、新氧、城市交通一卡通等产品和服务平台,搭建了丰富的、多层次的互联网消费场景,积累了超过5亿用户的数据关系网络。

在量化派,每个用户都有上万条基本数据,在这些数据的基础上,量化派的技术团队通过成熟的建模方法、国际金融算法和机器学习相结合,可以对用户数据提炼出5个维度数百条特征,包括:基本行为信息、特征、消费、数据、社交、数据、信贷历史。拥有1000万黑名单、8000万灰名单 ,搭建一个基于用户关系链的庞大的人工智能反欺诈网络,并进行定期迭代和调优。

同时人脸识别、虹膜识别、语音识别等技术都已逐步应用到量化派的具体业务中,这些资源和能力让量化派在开展消费金融时,可以高效地核实身份、反欺诈防范,大大降低了人工审核时间,同时也缩短了审核周期,最终让秒级审批成为可能。

“我们200人的员工可以做金融机构2万人做的事情。”量化派创始人兼CEO周灏说。拥有物理学博士学位的周灏认为,无论是人工智能也好,数据驱动也好,本质都是帮你从N种甚至上万种不同的可能性中,选择最有可能成功,效率最高的一条路,同时不断的复制。