重慶市第八中學 張李遙

大數(shù)據(jù)風控在互聯(lián)網(wǎng)金融領(lǐng)域的應(yīng)用

重慶市第八中學 張李遙

大數(shù)據(jù)時代下互聯(lián)網(wǎng)技術(shù)的發(fā)展，使得大數(shù)據(jù)風險控制在金融行業(yè)得到了較為廣泛的應(yīng)用。目前，許多金融機構(gòu)都在各自的風險控制體系中加入大數(shù)據(jù)處理技術(shù)，以提高風險控制系統(tǒng)的準確度和性能。本文首先介紹了大數(shù)據(jù)風控的基本概念和特點；然后，分析了大數(shù)據(jù)風控在互聯(lián)網(wǎng)金融領(lǐng)域的應(yīng)用；在此基礎(chǔ)上，引出互聯(lián)網(wǎng)征信和互聯(lián)網(wǎng)借貸案例，詳細分析大數(shù)據(jù)技術(shù)在金融風險控制中的具體應(yīng)用，最后對本次研究做出總結(jié)。

風險控制；大數(shù)據(jù)；互聯(lián)網(wǎng)金融

互聯(lián)網(wǎng)金融是指依托大數(shù)據(jù)、云計算等互聯(lián)網(wǎng)技術(shù)，實現(xiàn)金融業(yè)務(wù)的一種新興金融?；ヂ?lián)網(wǎng)金融是大數(shù)據(jù)時代的新產(chǎn)物，它不是互聯(lián)網(wǎng)技術(shù)和金融的簡單結(jié)合，而是將互聯(lián)網(wǎng)思維融入到具體的金融業(yè)務(wù)中，深度融合了傳統(tǒng)金融和互聯(lián)網(wǎng)精神的新型金融。

大數(shù)據(jù)環(huán)境下，互聯(lián)網(wǎng)金融市場的競爭轉(zhuǎn)變?yōu)槠脚_、數(shù)據(jù)、金融相互滲透、影響的格局。隨著數(shù)據(jù)資源化這一趨勢，金融領(lǐng)域海量數(shù)據(jù)的收集和處理顯得十分關(guān)鍵。那么，將大數(shù)據(jù)技術(shù)應(yīng)用到金融風險控制中，就尤為必要。

1 大數(shù)據(jù)風險控制

大數(shù)據(jù)風險控制（簡稱“大數(shù)據(jù)風控”）是基于大數(shù)據(jù)技術(shù)的風險控制和風險提示。風控的核心方法在于通過對相似群體的相關(guān)數(shù)據(jù)的分析，用機器學習建模的方法來評估用戶違約率。大數(shù)據(jù)風險控制具有三個特點：

（1）數(shù)據(jù)維度大：采用的數(shù)據(jù)全面，涵蓋社會行為、人際關(guān)系等各個方面。

（2）數(shù)據(jù)實時有效：實時有效的數(shù)據(jù)對于風險評估結(jié)果影響很大，所以大數(shù)據(jù)信用評估體系重視用戶的最新信息。

（3）結(jié)果精準：大數(shù)據(jù)風控模型由海量數(shù)據(jù)訓練得出，分析角度多樣，評分結(jié)果更加準確。

2 大數(shù)據(jù)風控在互聯(lián)網(wǎng)金融領(lǐng)域的應(yīng)用

互聯(lián)網(wǎng)金融領(lǐng)域中大數(shù)據(jù)風控的基本過程是：從數(shù)據(jù)源出發(fā)，首先對數(shù)據(jù)進行預(yù)處理操作；然后，進行特征提?。蛔詈?，研究和比較多個先進的算法，訓練得出最優(yōu)的風控模型。由此得出準確性、穩(wěn)定性和普適性都相對較高的信用評級體系，最后將其應(yīng)用到互聯(lián)網(wǎng)金融產(chǎn)品中。下面將針對幾個關(guān)鍵點進行詳細介紹。

2.1 數(shù)據(jù)來源

數(shù)據(jù)源主要分為三大類：

（1）互聯(lián)網(wǎng)數(shù)據(jù)，例如IP位置、網(wǎng)絡(luò)行為數(shù)據(jù)等。除此之外，借貸機構(gòu)較看重各類黑名單數(shù)據(jù)。

（2）用戶授權(quán)數(shù)據(jù)，例如運營商數(shù)據(jù)、電商數(shù)據(jù)、信用卡數(shù)據(jù)等。

（3）第三方數(shù)據(jù)，例如傳統(tǒng)信貸數(shù)據(jù)、合作機構(gòu)數(shù)據(jù)等。

2.2 應(yīng)用模式

互聯(lián)網(wǎng)金融企業(yè)的風控模式主要分為兩種，一種是利用已有的大量數(shù)據(jù)獨立建立風控模型和信用評級體系，這種模式一般出現(xiàn)于阿里巴巴、京東商城等擁有海量用戶數(shù)據(jù)的大型平臺；另一種是通過第三方平臺共享數(shù)據(jù)來獲得信用評級和風險控制服務(wù)，這種模式多應(yīng)用于中小金融機構(gòu)。

2.3 與傳統(tǒng)金融風控的對比

相比于傳統(tǒng)金融風控，大數(shù)據(jù)風控具有適用性更廣、數(shù)據(jù)更全面、建模方法更科學、變量更豐富、運行效率更高效等特點，這使大數(shù)據(jù)風控在金融領(lǐng)域中的地位逐步提高。

3 案例分析

大數(shù)據(jù)風控在互聯(lián)網(wǎng)金融領(lǐng)域的應(yīng)用范圍較廣，本次研究著重選擇互聯(lián)網(wǎng)征信和互聯(lián)網(wǎng)借貸中的大數(shù)據(jù)風控展開論述。本節(jié)將舉例介紹芝麻信用（征信領(lǐng)域）和拍拍貸（網(wǎng)絡(luò)借貸領(lǐng)域）的現(xiàn)狀、存在的問題和解決方法。

3.1 互聯(lián)網(wǎng)征信案例——芝麻信用

3.1.1 數(shù)據(jù)來源和數(shù)據(jù)類型

芝麻信用的主要數(shù)據(jù)來自阿里巴巴的互聯(lián)網(wǎng)產(chǎn)品，數(shù)據(jù)類型分為基本信息、注冊類型、興趣愛好、支付和資金、人脈關(guān)系、黑名單和外部應(yīng)用等。

3.1.2 芝麻分計算模型

信用評分有三個目標：準確性、普適性和可解釋性。其中，準確性是信用評級體系的基本要求。由于黑箱模型缺乏可解釋性，芝麻信用評分體系選擇了透明模型和分群評分卡機制。分群評分卡可以在模型訓練中將企業(yè)自身的理解與專業(yè)經(jīng)驗結(jié)合，使之更具有普適性。分群的準確合理是分群評分卡的關(guān)鍵，芝麻信用為了模型的適用，應(yīng)用多種方法得出了最優(yōu)的分群方案。

3.1.3 靈芝系統(tǒng)

靈芝系統(tǒng)是芝麻信用為小微企業(yè)定制的信用評分系統(tǒng)。它的數(shù)據(jù)源更為豐富，數(shù)據(jù)形式更加多樣，信用評估的計算采用更大規(guī)模的機器學習算法。同時，它的信用評估和風險預(yù)測因人而異。靈芝系統(tǒng)通過信用評分和指數(shù)、風險監(jiān)控預(yù)警、關(guān)注名單、風險云圖和信用報告五方面測評得出不同的風險策略。

3.1.4 存在問題與解決方法

目前，互聯(lián)網(wǎng)征信中依舊存在很多問題。其中，數(shù)據(jù)的質(zhì)量問題和電商平臺的刷單問題最為嚴重，這導致了征信公司的信息數(shù)據(jù)嚴重失真。除此之外，身份欺詐、冒用等問題更是給金融領(lǐng)域的風險控制體系帶來了巨大的挑戰(zhàn)。

針對這些問題，阿里巴巴在不斷完善數(shù)據(jù)類型，提高數(shù)據(jù)質(zhì)量。一方面，菜鳥裹裹、螞蟻金服能通過一些常規(guī)數(shù)據(jù)來確認信息真實性。另一方面，面部識別、指紋識別等高科技手段也逐漸開始應(yīng)用于互聯(lián)網(wǎng)金融行業(yè)。除此之外，還有一些手段可以被展望。

第一，打破數(shù)據(jù)孤島。大數(shù)據(jù)資源的透明化程度對征信系統(tǒng)有著重要作用。目前，我國互聯(lián)網(wǎng)金融公司各自為營，將信息數(shù)據(jù)隱私化，各公司的風險控制系統(tǒng)僅僅局限于分析自己獨有的數(shù)據(jù)，導致征信體系難以完善。因此，打破數(shù)據(jù)孤島，各公司團結(jié)協(xié)作，讓更多的信息數(shù)據(jù)共享于企業(yè)間，可以極大地完善征信系統(tǒng)。

第二，推動物聯(lián)網(wǎng)+。在物聯(lián)網(wǎng)的全面覆蓋下，生產(chǎn)交易過程的數(shù)據(jù)都可以被獲取，從而提高數(shù)據(jù)的真實性。因此，金融企業(yè)想要獲取更全面的數(shù)據(jù)信息，積極布局“物聯(lián)網(wǎng)+”是必不可少的。

3.2 互聯(lián)網(wǎng)借貸案例——拍拍貸

2015年3月24日，由拍拍貸歷時八年研發(fā)而成的基于大數(shù)據(jù)的風控模型“魔鏡風控系統(tǒng)”問世。該系統(tǒng)擁有600萬在線用戶和近40億條數(shù)據(jù)，被行業(yè)內(nèi)認為是首個大數(shù)據(jù)風險控制系統(tǒng)。

3.2.1 魔鏡系統(tǒng)的風控流程

魔鏡風控系統(tǒng)采用2000多個數(shù)據(jù)維度，評判材料全面。該系統(tǒng)繼往開來，新收納了海量互聯(lián)網(wǎng)行為數(shù)據(jù)。這些豐富多樣的數(shù)據(jù)信息大大降低了風險。

在風險控制階段，拍拍貸構(gòu)建了反欺詐系統(tǒng)、魔鏡評級系統(tǒng)和風險定價系統(tǒng)來綜合全面地分析數(shù)據(jù)。其中，反欺詐系統(tǒng)決定是否放貸，魔鏡評級系統(tǒng)決定放貸額度，風險定價系統(tǒng)決定放貸利率。最終，根據(jù)以上三個風險控制系統(tǒng)準確匹配出借貸人的借貸方案，有效避免違約風險。

3.2.2 存在的問題和解決方案

大量非活躍用戶以占便宜為目的，投資新平臺拿到獎勵后便撤資離開，這就是“羊毛黨”現(xiàn)象。他們的出現(xiàn)大大增加了新平臺的負擔，擾亂了平臺的運營秩序。針對上述問題，提出如下解決方案。一方面，適當提高投資門檻，使“羊毛黨”因害怕風險而拒絕投資，減少“羊毛黨”數(shù)量；另一方面，完善實名認證制度，保證用戶質(zhì)量。

4 總結(jié)

大數(shù)據(jù)風險控制打破了傳統(tǒng)的風控思維，通過多維度分析海量用戶數(shù)據(jù)，得出更為高效、準確的風控體系。隨著大數(shù)據(jù)技術(shù)的日臻成熟，大數(shù)據(jù)風險控制在互聯(lián)網(wǎng)金融領(lǐng)域的應(yīng)用越來越多，應(yīng)用范圍也越來越廣泛。雖然大數(shù)據(jù)風控尚存在用戶線上線下狀態(tài)迥異、互聯(lián)網(wǎng)社會行為數(shù)據(jù)真實性低等問題，但是業(yè)界也逐漸在利用技術(shù)手段，從經(jīng)濟學、金融學、社會學等多個角度改善風控體系，并取得了較好的成效。

[1]巴曙松,侯暢,唐時達.大數(shù)據(jù)風控的現(xiàn)狀、問題及優(yōu)化路徑[J].金融理論與實踐,2016,(02):23-26.

[2]俞楓,苑博,葉小同,馮必成,侯秦.大數(shù)據(jù)技術(shù)在金融行業(yè)風險控制中的應(yīng)用探討[J].新經(jīng)濟,2016,(36):52-53.

[3]葉文輝.大數(shù)據(jù)征信機構(gòu)的運作模式及監(jiān)管對策——以阿里巴巴芝麻信用為例[J].新金融,2015,(07):60-63.

[4]唐時達,李智華,李曉宏.供應(yīng)鏈金融新趨勢[J].中國金融,2015,(10):40-41.

[5]倪海鷺.P2P網(wǎng)絡(luò)借貸平臺征信需求與管理研究[J].征信,2014,32(05):46-49.

[6]梁偉利.P2P網(wǎng)絡(luò)借貸平臺風險管理研究[D].西南財經(jīng)大學,2016.

[7]曹亞廷.P2P網(wǎng)貸與征信系統(tǒng)關(guān)系研究[J].征信,2014,32(11):15-18.

[8]董明,劉娜娜,王允保.構(gòu)建大數(shù)據(jù)風控平臺 嚴控互聯(lián)網(wǎng)金融風險[J].金融電子化,2016,(11):28-30.

張李遙（2000—），男，重慶人，重慶市第八中學高三學生，研究方向：計算機科學與技術(shù)。