取消
普通评论
普通评论

人工智能+金融:AlphaGo称雄金融还有多远?

零壹财经2017-07-28 08:57
人工智能 金融 AlphaGo AI 金融科技 收藏

人工智能+金融:AlphaGo称雄金融还有多远?

  人工智能被认为是一场革命,摸得着看得见。

  从百度无人驾驶汽车,到阿里巴巴和腾讯的金融科技,这场变革进行最深的领域,人工智能正在对人力取而代之。

  在消费金融、小额信贷等贷款件均额度较小的互联网金融业务领域,大批信审员正在被智能决策系统代替,数以万计岗位被人工智能取代。

  在7月21日零壹财经(Finance_01)金融科技峰会上,一场关于人工智能+金融的大讨论在大数据、消费金融公司、VC机构、信贷机构从业者之间进行。

  "目前人工智能发展还处于弱人工智能和强人工智能中间的阶段,但已到达由弱人工智能到强人工智能的临界点。"这是参会者百融金服CEO张韶峰在论坛最后给人工智能发展现状作出的判断。

  1、人工智能在互联网金融业务场景上的价值应用

  都说人工智能改变金融科技,那究竟它能起什么作用?

  这次峰会上,两位来自银行的嘉宾给出的解答大致相同。

  贵阳银行大数据金融事业部总经理郇公弟、包商银行消费金融公司总经理助理汤向军二者都认为,人工智能在驱动业务发展上,涉及三方面,一是风控,二是获客,三是业务效率。

  第一,风控方面,在信贷业务上,许多银行依赖大数据风控的自动决策引擎已可以完成绝大部分用户的审批。

  "但是金融行业离人工智能还是比较遥远的"郇公弟称,例如在大额借贷项目上,通过查征信方式,根据过去违约的行为判断未来可能的违约几率,依据X变量和Y变量做分析。"掌握一个人有几万条X的变量,但是怎么推断基于几万条X变量判断一个人是否会违约?"人工智能下一步解决这个问题可能是一个很好的方向。

  第二,获客。主要涉及三个问题,以消费金融业务为例,一是当大量的客户在线过来申请产品,可以人工智能决策来解决后台承载问题;第二是客户体验,人工智能技术如人脸识别可得到较好应用;第三个客户的实名信息,在录入、识别上都可以较好应用人工智能。

  三,业务上,如何在很短的时间内针对客户变化、市场变化快速的改变产品?

  这或许可以依靠金融科技团队,以AI驱动业务迅速发展,快速的响应市场的竞争。郇公弟认为,在银行业的同业合作上,很多中小银行做直销银行的平台,涉及到多家银行的合作,这些客户的智能分配、划款结算,人工智能若能解决这些问题的价值很大。

  2、人工智能、大数据应用之中美比较

  由于中美征信数据差异,对强变量、弱变量数据重视的差异;以及应用场景和技术上的差异,人工智能的场景应用也不尽相同。

  美国常规的征信系统能够覆盖85%的人口,所以大数据和人工智能算法在美国信贷领域的应用不是很广泛。"纯粹从信贷角度来讲它的强变量不给大数据更大的空间。"明特量化COO刘轶说。

  据刘轶介绍,知名机构FICO,其基于过去的行为表现来预测用户将来的行为表现,运用的算法核心是逻辑回归算法,一般用10-15个变量处理就可以了。"根本不用什么大数据和人工智能算法。"

  但是在中国这种情况下,金融强变量相对缺乏,中国金融科技公司善于应用弱数据和强变量相结合,"变量足够多,模型的效果就稳定。"刘轶说。

  那么,人工智能应用的场景在哪里?

  美国因为有了详尽的征信数据,大数据风控在信用风险上作用并不是特别的大,但有两个领域是有很大的作用:第一就是反欺诈,在反欺诈领域,美国也有很多公司大量投入人力做大数据分析;第二就是获客,金融获客领域,在美国这方面也是应用比较深,很多大数据公司通过分析客户的网上购物数据、浏览网站的数据,为金融公司和银行提供精准的客户服务。

  这种模式在国内也得到了很好的延伸。刘轶认为,相对而言,中国欺诈风险远大于美国。对获客来讲,它直接反映到获客成本上,中美有区别、也有共通性。数据的使用和算法上因为数据本身的不同也有很大区别,中国有更多各种各样的数据,但是数据源覆盖率很高,用缺失的数据把它拼凑在一起,凝聚成一个有效的强变量,帮助我们做决策。

  3、金融科技如何改变银行业?

  2017年7月,关于四大行和BATJ合作的消息震动市场。这是金融科技冲击下的传统银行与金融科技的联姻。

  早期互联网获客成本低,银行线上业务具有显著优势。但这状况在当下已经改变--线上获客成本较高。此时,银行线下网点的获客优势凸显出来。

  "银行业经久持续的业务模式是以线下网点体系为核心支撑,依托网点获客、提供金融产品与服务。"央行科技司原副司长李晓枫在同一天的主题演讲中指出,金融科技能够大幅度降低交易成本,改进金融业务信息不对称,同时,科技投入与收益呈指数非线性关系,前期投入规模大、后期投入消失,盈利却是指数级上升,将导致一系列网络金融新业态模式出现。

  李晓枫认为,金融科技发展不会使银行网点消失,但网点成不了主业也是肯定转型的重点在网络金融业务,要向探索网点体系那样稳定获客,提供银行产品服务的网络金融新业务模式,要找出这个模式,这是转型的核心,也是全部问题根本所在。银行面临金融科技转型目前还在探索,它的核心就是要找到新的稳定的获客的模式。

  "转型成功的银行新业态将会是移动化'网络金融'与线下网点相互依存,以O2O一体化模式实现间接融资业务。"他说。

  郇公弟认为,传统大银行拥有大量网点,其覆盖的客户决定了其金融服务的广度。"但是金融服务的深度远远不足,包括家庭的理财家庭财富管理,这个空间和深度是足够传统银行和互联网银行合作为客户群提供更好的服务。"

  4、人工信审与智能决策,如何平衡才能达到成本、效率最优?

  在信贷风控领域,如果完全依赖大数据风控也不现实,完全依赖人工也不现实,怎样权衡大数据风控与人工二者间的比重,才能达到成本、效率、收效的最优化?

  当下业内大量消费金融和现金贷的公司都基于大数据研发了决策引擎。

  自动决策的应用深度,不同件均段位会有不同体现。据汤向军介绍,1万元左右和1万元以下的信贷,很多金融科技公司的自动决策率达到80%-90%。件均在3万左右,自动决策贡献率相对低一些,在5万到10万以上自动决策的就相对很少,这一件均阶段主要起辅助作用。

  明特量化COO刘轶认为,大数据决策与人工信审的取舍和运用,也取决于它的成本和价值,决定是否要做人工审核,"要考量加入人工审核之后的成本是多少?过滤的坏账是多少?可能误伤的客户是多少?"

  机器审核也有同样的问题,机器既可能筛掉坏的客户,也可能筛掉好的客户,加上成本考量,"最终在你的产品人群中,哪一个创造了更大化的价值,这才是你机器审核和人工审核的核心。"刘轶说。

  对很多消费金融公司来说,件均较低,而基于消费金融贷款的在线申请要件数则非常多,靠人工审核在小额分散的产品市场中难以生存。

  目前,在件均较高的风控领域,需要靠行业数据的完整性和准确度才能填补空缺,机器学习和人工智能做风险决策,不管AI或大数据,都是在目前的市场过程中提供更高效更准确的手段工具。

  "它本身存在很大的缺陷和问题,所以需要人工来弥补。"刘轶认为。在人工审贷上,对于自动过件过程中的一些问题件、疑难件,需要人工做过滤,另外,对于数据缺失的部分,也要做相关的人工信审。对于大数据风控决策,只要数据相对完整,其自动决策通过率会越来越高。但是要达到98%或者100%还较难。

  刘轶认为,人在智能信用审核中永远发挥着不可取代的作用,这种作用超越了数据,是进一步的判断未来行业人群发展的方向,"这是任何做智能信贷的公司必须要把握的一个原则,这样才能够防止行业发生剧变的时候能提前布局,才能不会陷入人工智能永远自己学习自己的僵局。"

  未来一段时间,人工信审和机器信审未来几年将是并存的,刘轶说。

责任编辑:Rachel

点击加载

点击加载

发送
普通评论
发送
普通评论
普通评论

为你推荐

暂无相关推荐