取消
普通评论
普通评论

新网银行COO刘波:建立数字银行要先打造数字化的科技和风控体系

方圆零壹财经2018-10-15 14:21
新网银行刘波风控
金融AI 收藏

  10月13日,中央财经大学联合零壹财经召开"中国金融科技创想峰会暨中国金融科技创新发展指数发布会"。

  会上,新网银行首席运营官刘波发表了主题为“如何打造一家数字科技普惠银行”的演讲。

  刘波表示,要建立一家数字科技股份银行,首先要打造数字化的科技和风控体系,主流银行主要运用的服务方式是因果性分析,大量参照专家的经验模型。但在征信覆盖人群不多、数据缺失的前提下,如果用这套经验模型考核他们的收入负债比、财务数据,缺失了任何重要一项,或者有任何一项无法交叉验证,就无法去做。

  对此,他认为,首先一定要自主研发反欺诈系统,自主研发大数据模型。虽然非常多公司在细分领域或者某一块做的比较先进,但仅仅是某一块,如果要做这一块成品服务,目前市面上还没有成熟的架构和体系,只有依靠自研,既使在蚂蚁金服、阿里巴巴,也没有做出一套完全可以适用于市场可以推行的东西。

  另外,他还表示,要做互联网金融业务,首先要防住的是心脏,在这中间要确定三个真实,即真实的深,真实的意愿,真实的设备,三点缺一不可。

  演讲实录:

  刘波:大家好,我今天为大家分享的题目是“如何打造一家数字科技普惠银行”,5年前我在蚂蚁金服筹建组,两年半前我在成都也是筹建组参与筹建了新网银行,这两家银行都是以互联网运营的银行,我今天用比较短的时间和大家分享一下民营银行,数字科技股份银行是怎么筹建的,中间有哪一些要点,我们的经验和教训是什么。

  首先认识一下新网银行,新网银行有三家股东,第一家是新希望集团,第二家是小米,第三个是红旗连锁,新网银行定位为“互联网模式运营的民营银行”,新网银行是全国首批将在线技术运用到银行主体中来的银行,作为主体运营模式的银行,同时也是全国唯有三家经过银监会书面批准,可以做全在线信用业务的银行。第三个是把机器学习作为重要的信贷决策依据放入到实际生产链中。新网银行服务客户定位是小微企业主,第二个是C端用户的消费者,服务C端用户的同时,我们搭建了金融开放平台。

  要建立一家数字科技股份银行,首先要打造数字化的科技和风控体系,我们的主流银行主要运用的服务方式是因果性分析,因为A,所以B,大量参照的是专家的经验模型,有大批的审批人员依据的尽调报告,为客户提供长长的银行流水,非常多的时候需要个人去柜台办理,依据的是央行征信的一些数据,财务的一些数据,这些方式有没有用?当然有用,当然有效。

  金融业、银行业这么多年积累的经验当然是有效和有用,说实话银行征信报告覆盖的人群是4.8亿,大概有9亿多人群是征信报告覆盖不多的。第二点很多数据是不完整,是缺失的。这种前提下,如果用这套经验模型考核他们收入负债比,考核他种种财务数据,缺失了重点任何一项,或者有任何一项无法交叉验证,就无法去做。

  新网银行采取的是相关性分析,A和B关联,B和C关联,C和D关联,N多的可能性,这么多数据无法用人工经验分析,我们用机器去学习。我们运用大量的数据,更多的应用行为数据,而每个数据决策要用到数据。根据这样的风控体系,首先我们判断技术首先是人,新网银行70%人员是数学科学家,只有这样的人数比例才能保证这家机构的基因,否则做着又回到老路上来。

  新网银行采用的云计算架构,对于很多新金融机构来说云计算很正常,但对银行来说就是风控。当然,你如果做互联网业务的话,互联网业务是高速发展的,且不谈双十一一天的交易量是平时的几百倍,几千倍,几万倍,既使一天中间,晚上占的时间,或者下班一刻占的时间,可能是正常时间点的7倍到10倍,准备的服务器到底要准备多少,到底有多少人,真正的极限到的时候,服务器够不够,对于一家银行而言,不可能出现长时间宕机,出现宕机就是失误,你的主机房、备用机房到底需要备多少,所以我们采用的是云计算。

  我们要做到数据化风控体系,首先一定要自主研发反欺诈系统,自主研发大数据模型,我知道有非常多公司在细分领域或者某一块做的比较先进,但仅仅是某一块,如果要做这一块成品服务,这个市面上没有成熟的架构,没有成熟的体系,只有依靠自研,既使在蚂蚁金服,既使在阿里巴巴,也没有做出一套完全可以适用于市场可以推行的东西。所以在新网银行我还在研发,因为有一些技术蚂蚁不卖。

  这套东西如果还有后来者,希望继续走这条道路的话,需要非常强的人才,懂得这一块的人,你一定要不计代价的把他挖过来,在国内真正懂得这个的不多。

  要做互联网金融的一些业务,首先要防住的是心脏,在这中间我们首先要确定三个真实,真实的深,真实的意愿,真实的设备,这三点缺一不可。

  首先,真实的设备,我们对应的方式是对每个社会,就在上个月我们大概看到有很多的报告,大概有9700万部问题手机,也就是说疑似被黑产掌握的手机,但是智能手机有成本,你要做一个坏事买一部手机成本非常高,所以我们不断的识别手机,其实真正的黑产不用真正的手机,用模拟设备,根据手机的种种特征可以定位这个手机究竟是什么,当你刷完机或者怎么样,依然还是这部手机。

  第三个根据人际关系关联。当一个人是正常人的时候,你的人际关系是广泛的。当你不是一个正常人,既使模拟关系也可以识别出来。这些专业技术每家公司情况不同,我们自己有一些图谱,这些是反欺诈整体架构,具体架构怎么搭,短时间内说不完。

  我们简单讲一下这些关联到底怎么做的?这些真实的案例,一个真实的人,根据IP地址我们找到一个人,知道他是同事,第二层管理是朋友,我们可以关联到十度关联,在新网基本上可以做到十度关联,但是我们不会每个都去跑,我们会跑出四维到五维数据。我们会记录下来客户每一个操作每一个数据,这些客户在这些地方操作,我们把数据放大到四川再放大到成都,再放大到某个街道再放大到新网银行所在地,这个人在这一刻做了什么样的操作,是登陆,是什么信息是什么设备,它有完整的数据链,一旦其中的一环攻破,我根本不怕,因为你造假很难。

  我们银行都在用一些数据,历史还款逾期的数据等,我们拿到了非常多客户行为数据,比如说在客户授权情况下,我知道他的打车习惯,它的公司的大概的范围,家的大概范围,我知道它每一餐的消费多少钱,消费的水平怎么样,这种情况下我知道你这个人平时出去坐什么样的飞机,这样你跟N多平台合作,对一个人的刻画非常的准确,第三方的数据包括电信和移动的数据、社保的数据加上政府公开的数据,加上很多优秀的互联网公司云上的数据,加起来之后形成了我们的数据。

  在这个上面我们做了8种模型,关于消费能力,关于债权等等,这是我们的逻辑判断方向。这些东西我们交给机器自主修正,机器自主做一些判断,现在每天发放贷款的笔数是25万,数据越来越多,样本越来越丰富,它的盘子越来越大。连我自己都决策不了这个客户是放款还是不放款,有时候有一些判断找不到它的原因,因为我们用的是相关性分析,它的内在原因以我现在的制度或水平理解不了机器的举措,但是机器实际的举措就是这样的。机器决策的同时我们加入了人工理性的模型,当相似性达到90%的情况下就可以放款。

  我们用GBDT模型,它不断的对结果进行预测修正,对稀缺数据的容忍度比较高,我们有8000多个决策树,我也不知道它用哪个模型,现在按照银行标准口径新网银行的不良率0.23%。我们自己做了这么长时间,用传统的方法批,批0.2%以下都没有把握,这还是我们在银行做了这么长时间的情况下,这就是科技的力量。

  我们在2016年12月8号开业,现在合作机构突破200家,突破放贷1700万,估计2000万,我们放款的余额超过1100亿,它的加速度非常快,我们频率的授信是7秒完成一笔放贷。我今天跟大家讲的就是我们用这样的方式在全国这些城市都可以做这些业务。好,谢谢大家!

责任编辑:韩希宇

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