王强 End V金融智慧大脑 开放金融平台V0 2_MercyWang

FinanceAI&OpenFinancialPlatform,MercyWangPh.DIEEEFellowUCBerkeleyChairofCVTsinghuaChairofAI深圳前海弘犀智能科技有限公司创始人董事长,中国银行业痛点,M01如何高效开展金融产品的宣传MOR02小微企业客户获客成本高M03个人客户精准低成本营销M04运营有形网点成本高效益低,AR01获取高收益资产越来越难AR03实现小额高频的普惠信贷业务A02农业金融的低效益与高风险C01如何高效吸收低成本资金C02为大众提供高效低价的财富管理服务,O01繁琐的支付与转账服务MOR02小微企业客户经营成本高O03个人金融服务的客服与消费者教育O04供应链金融中对信息流和物流的可靠追踪O05机构结算与清算领域的流程、时滞及成本O06信贷业务流程的繁琐耗时O07海量业务资料的有效管理,T01科技系统软硬件投资巨大且扩展性差T02科技研发与创新效率低,AR01获取高收益资产越来越难MOR02小微企业客户获客与经营成本高AR03实现小额高频的普惠信贷业务R04个人金融服务中的反欺诈R05针对中小企业信贷的传统风控手段乏力R06合规管理、反洗钱与客户评估,深刻洞察金融行业业务痛点，开放的技术平台与解决方案让客户盈利是我们终身使命,实现小额高频的普惠信贷业务,小微企业客户获客成本高,个人金融服务中的反欺诈,针对中小企业信贷的传统风控手段乏力,小额：额度在1万500万之间高频：获客便捷，自动化审批、流程简便，随借随还。普惠信贷：不同客户切分不同额度、期限、利率，同时是信用贷款,供应链金融中对信息流和物流的可靠追踪,痛中之痛,小微企业：特征，无抵押、无财报，白户，征信数据验证困难获客成本高：信息不对称让信息中介成为高利行业，财务数据，经营信息获取难。,个人金融服务：个人消费贷款、个人经营贷，场景化问题，身份核验问题，团伙欺诈问题，包装欺诈问题。反欺诈：正向反欺诈、逆向反欺诈,传统风控：建模能力、算法、样本、验证、Y数据，数据收集与验真、人才ML风控：AI技术，数据处理，样本处理，组合算法，调参，人才,供应链金融：骗贷、资金挪用，应付账款、仓单质押真实性，外生风险，内生风险、主体风险、机会主义风险，上下游在资金、还款、信用、应收账款账户的控制信息流与物流可靠追踪：区块链技术性能问题，垂直行业认识上，数据应用：历史交易数据、外部数据积累和挖掘，动态数据的监控，交易真实性，质押物监控.,信贷业务流程的繁琐耗时,业务流程：触达客户、申请、反欺诈、面签、审批、尽调、放款、核算、贷后服务、监控、催收、保全、处置、ABS等繁琐耗时：贷前、贷中、贷后节点数，风控模型参与度，反欺诈参与度，自动化流程、O2O流程，操作风险，进度工具智能化，道德风险等等,这些痛点需要解决传统银行中的那些问题,银行贷前能力,银行应该具备TotalAbility,贷前：精准获客能力,贷前：KYC,贷前：反欺诈能力,银行贷中能力,贷中：便捷开户,贷中：便捷放款,银行贷后能力,贷前：信用风控建模,贷后：D0低成本催收,贷后：失联修复,贷后：贷后预警,银行运营能力,信贷流程优化,产品设计,ROA沙箱,低成本贷前、中、后运营能力,边缘计算用于数据隐私保护与安全,银联数据边缘计算建模,信用中国边缘计算建模,美团边缘计算建模,其他场景边缘计算建模,第三方数边缘计算建模,银行历史数据边缘计算建模,银行方集成计算建模,技术平台支撑能力,T01机器学习平台T02OCRT032D人脸识别T043D人脸支付T05NLPT06类脑学习T07边缘计算T08图计算T09RPAT010大数据分析T011DW高效T012交易安全T013产品工厂T014开放银行T015数据安全与隐私保护技术,在传统审核资料的基础上，增加多渠道多维度的海量数据，构建风险模型,网上消费,第三方数据,社交关系,其它,网络行为,信贷数据,征信报告,申请资料,第三方数据,信用行为,交叉匹配,网络黑名单,搜索引擎,各类认证,某知名机构风险评分,Y=f（X1,X2,Xn）f？必须要有Y,X,处理数据01,数据观察02,样本选择03,补充样本04,模型评估08,模型调参07,特征工程06,单变量分析05,好坏样本4:1,1、缺失值处理2、同质化处理（拍脑袋90%作为临界值进行删除）3、特征赛选（过滤式、包裹式和嵌入式，FICO监督数据分箱、区分度评分、拟合与尺度化、IV值、皮尔森、卡分分箱等、挑战者）,最终模型09,最大难点风控建模传统建模,最大难点风控建模人才分类建议（以某家银行建议为例）,数据收集01,申请数据征信报告支付数据,税务数据电信数据电力数据ERP数据财务数据,第三方介入数据,点击模型数据交互场景数据,数据分类器算法设计02,1、SVM+SKM+类脑计算初选2、Adaboost+RandomForest进行预测分类误差3、GAN网络自动模拟数据分类器4、类脑因果学习分类器算法AUC标定值,DL数据观察03,1、randomforestTree自动弱分类好坏样本标注2、数据缺失扫描3、样本分布计算4、GAN重建样本数据,样本选择04,1、GAN对抗大量样本比对学习2、对抗补偿函数选择3、学习历史数据补充（人工监督，局域学习数据）4、少量样本逻辑规则（类脑逻辑）5、GAN生成样本与正式样本分类（建模数据集、测试数据集、自比对数据集）,补充样本05,1、根据标注量按照4:1样本补充，2、样本量监测,最大难点风控建模无监督学习建模,单变量分析06,1、核心变量分析，参照FICO五类变量进行点单变量统计分析2、然后其他数据单变量统计分析3、输出是否正态分布，长尾右偏分布、离散分布，使用SKM建立正态分布特征核4、组合衍生变量单变量统计分析,DL特征工程07,1、系统数据扫描2、缺失值处理：删除缺失值、统计量填充、特殊值填充、保留缺失值（预设缺失阀值90%）3、根据经验考虑缺失值是否补充判断4、ETL过程级大数据处理过程5、同质化数据处理（深度学习同质化数据区分度切片）6、无监督数据分箱（等距、等频和逻辑规则Police数据分箱）+卡分分箱7、IV值特征筛选-皮尔森关系数特征赛选-挑战者-Ensemblelearning-SKM+SVM+Ensemblelearning+RandomForest+autoencoder(无标注特征）,模型调参08,1、GBM模型调参2、DNN学习GBM的min_samples_split、min_samples_leaf的权重，ResNet学习max_depth的深度，Loss函数定义权重回归。3、ResNet对梯度回升逆运算，GAN对抗进行逆操作预测，,最大难点风控建模无监督学习建模,最大难点风控建模无监督学习建模,模型评估09,1、传统Gini=2*AUC-1设计预判值做线性相互计算2、使用KS值进行预测计算进行模型区分度设定预设值计算3、互相关函数进行模型区分度（非线性）4、SKM验证GINI与KS值偏差度,GINI:60%:过高，需要谨慎的验证模型KS:75%:过高，需要谨慎的验证模型,我通过SKM算法计算到模型在训练集上的Gini系数达到了0.56左右，K-S值也达到了0.44左右，对于信用评估模型来说，效果算是非常好的。另外从图中可以看到，模型在训练集上的稳定性非常好，5折交叉验证的曲线非常接近。,最大难点风控建模无监督学习建模,接下来验证模型在测试集上的表现，验证其泛化能力,最大难点风控建模无监督学习建模,最终模型10,1、全样本数据对模型重新拟合2、好坏样本区分度多算法测算：闵可夫斯基距离、.欧氏距离、标准化欧氏距离、曼哈顿距离、切比雪夫距离、马氏距离、夹角相似距离、汉明距离、杰卡德距离&杰卡德相似系数、互相关&相关距离、信息熵类脑.编辑距离、SKM距离自动学习,AUC指的是ROC曲线包围形成的面积，而ROC曲线是由不同的TPR和FPR值形成的曲线。对于一个确定的模型，TPR和FPR都是阈值的函数，当我们学习到一个阈值之后，TPR和FPR随之确定。因此，如何学习阀值阈值才能达到最经济的结果，就是一个非常重要的问题共线性检查、模型稳定性校验、严格的缺失值处理GBM算法还是Adaboost+RandomForest对模型很重要。,建议的传统模型,多方面数据的综合及独立应用征信数据，工行数据（穿透各个产品，如，信用卡，储蓄，按揭），第三方数据（电信，电力，会员，住址，教育，职称，等）分类（Segmentation）结合工行高管经验和统计分析，寻找最佳分类（人群特性，数据特征，或产品需要等）以便获得最准确的风险预估设计更好的衍生变量通过业务知识，建模经验和数学计算，构造大量更强更好衍生变量比如，i)原生变量信用额度和借贷金额虽对风险有一点预估能力，但是它俩的比率（信用额度使用率，指百分之几的信用额度已经用掉了；ii)借贷额增长速度（以今天的借贷额和六个月前的借贷额的比例。评估多种回归模型采用不同的变量输入方式（stepwise，forwardand、和backward)及对各种统计参数调整密切跟踪快速迭代定期检测模型表现。发现问题立即调整和重新建立模型,建议的实施路径,A)银行需求的理解1）对产品的认识2）对目标人群的了解（银行提出要求）3）对风控价格/成本的要求（风险承受度及利润目标）4）工行可以提供的数据B）建模的步骤,数据收集及整理,2.数据分析,3.模型建立,4.模型评估及选择,5.模型应用及落地,6.模型表现跟踪及反馈,7.模型调整优化及迭代,“双轨模型互补增强”：同时建立两套模型（传统模型vs机器学习模型）。以传统模型为主导-风险因子清晰客户容易理解以机器学习模型为“挑战者”-识别传统模型的漏洞和偏差两者并用行业领先,预测准确性客户需求,模型输出的计算对接审批系统及自动化,定期报告专人分析,采集梳理及质量检测,初步量化分析,调整模型参数重新建立模型,前端,中台,运营,后台,智能获客平台C01DSP平台C02DMP平台C03嵌入式智能获客平台C04金融超市C05儿童金融端,综合产品与风控方案平台M01身份验证平台M02征信解析平台M03反欺诈M04产品平台M05场景平台M06风控模型M07穿透资产工具,运营平台O01自动化审批O02智能尽调工具O03押品与保全O04智能催收O05贷后预警O06沙箱平台,F01开放银行平台,综合服务平台（助贷、融担、信保、催收服务管理与标准）,技术平台,T