高赫

（北京金融安全產(chǎn)業(yè)園 北京市 100005）

近年來，借助大數(shù)據(jù)、人工智能、云計(jì)算、區(qū)塊鏈等新興信息技術(shù)，我國金融科技（FinTech）創(chuàng)新呈爆發(fā)式增長，在國際也處于領(lǐng)先地位。與此同時(shí)，監(jiān)管科技(RegTech)作為FinTech重要分支，也日益受到重視。監(jiān)管科技是指借助信息技術(shù)手段，輔助監(jiān)管機(jī)構(gòu)提升效降本，同時(shí)對(duì)被監(jiān)管機(jī)構(gòu)合規(guī)工作提供支撐。2017年7月全國金融工作會(huì)議確定“服務(wù)實(shí)體經(jīng)濟(jì)、防控金融風(fēng)險(xiǎn)、深化金融改革”三大任務(wù)，強(qiáng)調(diào)健全風(fēng)險(xiǎn)監(jiān)測預(yù)警和早期干預(yù)機(jī)制，加強(qiáng)金融基礎(chǔ)設(shè)施的統(tǒng)籌監(jiān)管和互聯(lián)互通，推進(jìn)金融業(yè)綜合統(tǒng)計(jì)和監(jiān)管信息共享，對(duì)監(jiān)管機(jī)構(gòu)的監(jiān)管能力和手段提出更高要求。RegTech具備快速、精準(zhǔn)、高效，以及可統(tǒng)籌、可規(guī)劃、可持續(xù)等特性，與上述要求高度契合。本次研究，針對(duì)金融機(jī)構(gòu)風(fēng)險(xiǎn)特點(diǎn)，基于其工商、司法、經(jīng)營、關(guān)聯(lián)方等數(shù)據(jù)，進(jìn)行模塊化、分層的有監(jiān)督學(xué)習(xí)，構(gòu)建包含800余項(xiàng)指標(biāo)的金融企業(yè)風(fēng)險(xiǎn)評(píng)價(jià)體系，為監(jiān)管機(jī)構(gòu)對(duì)風(fēng)險(xiǎn)的有效研判提供決策依據(jù)。

1 金融企業(yè)風(fēng)險(xiǎn)概述

在互聯(lián)網(wǎng)金融快速發(fā)展的背景下，網(wǎng)絡(luò)小貸公司、虛擬貨幣交易所等歸屬于地方的非持牌金融機(jī)構(gòu)和組織的風(fēng)險(xiǎn)加速暴露，非法集資、債務(wù)鏈條斷裂等金融亂象及風(fēng)險(xiǎn)事件時(shí)有發(fā)生，區(qū)域性風(fēng)險(xiǎn)隱患突出，對(duì)監(jiān)管機(jī)構(gòu)的監(jiān)管能力和手段提出更高要求。

隨類金融業(yè)態(tài)不斷發(fā)展，加大了地方金融監(jiān)管的壓力和難度，如小額貸款公司、融資擔(dān)保公司、地方資產(chǎn)管理公司、融資租賃企業(yè)等地方性金融機(jī)構(gòu)及非持牌機(jī)構(gòu)，存在于“一行兩會(huì)”體系之外，其經(jīng)營活動(dòng)及派生風(fēng)險(xiǎn)主要由地方監(jiān)管部門負(fù)責(zé)管理和處置，其在金融風(fēng)險(xiǎn)防范和化解方面扮演的角色日益重要。要維護(hù)區(qū)域金融安全和經(jīng)社會(huì)健康發(fā)展，做到“把防控金融風(fēng)險(xiǎn)放到更加重要的位置，牢牢守住不發(fā)生系統(tǒng)性風(fēng)險(xiǎn)的底線”，有必要構(gòu)建以科技為支撐的金融監(jiān)管體系，以技術(shù)監(jiān)管技術(shù)，以技術(shù)賦能監(jiān)管。

本次研究針對(duì)地方“7+4”類金融機(jī)構(gòu)的潛在風(fēng)險(xiǎn)，建立評(píng)價(jià)體系，以期實(shí)現(xiàn)此類風(fēng)險(xiǎn)的預(yù)警和防范。

2 技術(shù)方案選擇

構(gòu)建金融企業(yè)風(fēng)險(xiǎn)評(píng)價(jià)體系涉及的主要技術(shù)包括：特征衍生、集成學(xué)習(xí)、詞頻-逆文檔率（TF-IDF）算法及遺傳算法。

首先基于公開的工商、行政、輿情、司法等數(shù)據(jù)，借助特征衍生及模塊化集成學(xué)習(xí)技術(shù)，通過因子分析與聚類分析，生成800多條風(fēng)險(xiǎn)指標(biāo)。隨后，使用TF-IDF算法提取經(jīng)營范圍中涉金融業(yè)務(wù)關(guān)鍵字，篩選出16余萬家注冊(cè)地為北京的金融機(jī)構(gòu)及類金融機(jī)構(gòu)。最后，通過遺傳算法進(jìn)行模塊權(quán)重學(xué)習(xí)，測算風(fēng)險(xiǎn)指數(shù)，形成較為完善的風(fēng)險(xiǎn)評(píng)價(jià)體系，實(shí)現(xiàn)對(duì)金融企業(yè)風(fēng)險(xiǎn)的量化評(píng)估及預(yù)警。

2.1 特征衍生

對(duì)于企業(yè)原始數(shù)據(jù)中部分無實(shí)際含義的特征，無法直接反映企業(yè)的深層信息。需要進(jìn)行變換或組合，提升信息價(jià)值和數(shù)據(jù)質(zhì)量。特征衍生（或特征構(gòu)建）就是基于業(yè)務(wù)邏輯和既有數(shù)據(jù)，對(duì)原始特征加以重構(gòu)以生成新特征的過程。[1]常見特征衍生方法包括：

2.1.1 基于統(tǒng)計(jì)指標(biāo)

同類企業(yè)數(shù)據(jù)中的高維稀疏特征常具有同質(zhì)性，可有針對(duì)性的構(gòu)建統(tǒng)計(jì)類指標(biāo)，量化其集中和離散程度。另外，某些特征具有取值區(qū)間敏感性，也可以針對(duì)該特征的不同取值構(gòu)建其統(tǒng)計(jì)特征。

2.1.2 基于排序指標(biāo)

某些特征的取值區(qū)間與企業(yè)風(fēng)險(xiǎn)程度順序相關(guān)，可針對(duì)該特征的不同取值構(gòu)建其排序特征。

2.1.3 基于特征含義

某些特征可通過具體業(yè)務(wù)相關(guān)聯(lián)，可對(duì)特征進(jìn)行組合，依據(jù)業(yè)務(wù)邏輯，并結(jié)合實(shí)際監(jiān)管需求，創(chuàng)建新特征。

2.1.4 基于特征交叉

針對(duì)數(shù)值型特征，根據(jù)其含義及彼此關(guān)系，進(jìn)行代數(shù)運(yùn)算，可生成企業(yè)風(fēng)險(xiǎn)在更高維中的分布特征。

2.2 集成學(xué)習(xí)（Ensemble Learning）

其本質(zhì)就是組合多個(gè)弱分類器，構(gòu)造預(yù)測效果更好的強(qiáng)分類器，屬于監(jiān)督學(xué)習(xí)范疇。[2]集成學(xué)習(xí)的路徑主要包括：

2.2.1 Bagging

即Bootstrap Aggregating的縮寫。Bootstrap采用有放回的抽樣，以得到統(tǒng)計(jì)量的分布以及置信區(qū)間。在Bagging方法中，基于bootstrap方法從整體數(shù)據(jù)集生成N個(gè)數(shù)據(jù)集，在每個(gè)數(shù)據(jù)集上學(xué)習(xí)出一個(gè)模型，各模型權(quán)重均等，綜合N個(gè)模型的輸出（投票）得到最終預(yù)測結(jié)果。隨機(jī)森林（Random Forest）即是典型的Bagging方法。

2.2.2 Boosting

Boosting對(duì)基礎(chǔ)模型采取差別對(duì)待，反復(fù)考驗(yàn)篩選出「精英」模型，賦予更多權(quán)重（投票），最后對(duì)所有模型輸出進(jìn)行加權(quán)得出結(jié)果。AdaBoost算法即是典型的Boosting方法。

2.2.3 Stacking

訓(xùn)練多個(gè)不同模型，并綜合各模型的輸出訓(xùn)練一個(gè)新模型，以該模型的輸出為最終輸出。實(shí)際操作中通常使用邏輯回歸作為組合策略。

2.3 詞頻-逆文檔率（TF-IDF）算法

TF-IDF常用于信息檢索與文章關(guān)鍵詞挖掘，評(píng)估某詞對(duì)某文檔集或語料庫中某文檔的重要程度，以剝離關(guān)鍵詞，實(shí)現(xiàn)文本數(shù)據(jù)的清洗。字詞的重要性與其在文檔中出現(xiàn)頻次成正比，與其在語料庫中出現(xiàn)的頻次成反比；如某罕見詞在某篇文章中多次出現(xiàn)，則很可能能代表該文章特性，即需要抽取的關(guān)鍵詞，在計(jì)算時(shí)應(yīng)賦予較高權(quán)重，即逆文檔頻率。[3]

當(dāng)獲得TF(詞頻)和IDF(逆文檔頻率)后，兩數(shù)值相乘，即得到某詞的TF-IDF值。TF-IDF值越大，該詞通常對(duì)文章重要性越高。將各詞TF-IDF降序排列，排在最前的詞，即為文章關(guān)鍵詞。

2.4 遺傳（Genetic Algorithm）算法

通過模擬遺傳學(xué)機(jī)理及自然進(jìn)化過程，即自動(dòng)選擇優(yōu)良基因，淘汰劣勢(shì)基因，實(shí)現(xiàn)最優(yōu)解搜索。[4]遺傳算法的一般步驟：

采用適應(yīng)度函數(shù)，評(píng)估每條染色體所對(duì)應(yīng)個(gè)體的適應(yīng)度；

對(duì)適應(yīng)度評(píng)估值升序排列，選出前列若干個(gè)體作為待選父種群（評(píng)估值越小越好）；

從待選父種群中隨機(jī)選擇兩個(gè)個(gè)體作為父方和母方；

將雙方染色體進(jìn)行交叉，產(chǎn)生兩個(gè)后代（交叉概率）；

對(duì)后代染色體進(jìn)行變異（變異概率）；

重復(fù)上述3,4,5步，直至新種群產(chǎn)生；

循環(huán)以上步驟，直至出現(xiàn)最優(yōu)解。

3 ‘主體 + 事件 + 維度變換’的特征衍生方案

3.1 數(shù)據(jù)來源

本次研究的原始數(shù)據(jù)包括：新聞、論壇，微博、招聘等公開數(shù)據(jù)1.2億條；專用接口讀取的工商企業(yè)數(shù)據(jù)5000余萬家；行業(yè)協(xié)會(huì)提供數(shù)據(jù)20余萬條；違法舉報(bào)記錄8000余條；立案記錄、經(jīng)濟(jì)犯罪嫌疑企業(yè)名單等6萬余條，失信公告、判決書、執(zhí)行公告等司法信息5.5億條。

3.2 數(shù)據(jù)預(yù)處理

本次研究對(duì)數(shù)據(jù)的預(yù)處理分兩個(gè)步驟：

（1）特征衍生：利用上述數(shù)據(jù)對(duì)本市金融機(jī)構(gòu)進(jìn)行評(píng)估，采用“主體+事件+維度變換”的特征衍生方法（見圖1）。

圖1：“主體+事件+維度變換”特征衍生

（2）特征選擇。按照以下三種方式處理：

剔除高缺失特征：有高缺失值的特征將增加噪聲和訓(xùn)練成本，設(shè)置缺失比例閾值α=60%，刪除超過閾值的特征。

剔除常變量特征：常變量增加數(shù)據(jù)冗余性，且對(duì)訓(xùn)練效果貢獻(xiàn)極低，設(shè)置方差閾值σ=0.22，剔除低于閾值的特征。

剔除高相關(guān)性特征：相關(guān)度較高的特征參與訓(xùn)練將增加訓(xùn)練成本，計(jì)算各特征間的相關(guān)系數(shù)（數(shù)值變量計(jì)算Pearson系數(shù)，序數(shù)變量計(jì)算Spearman秩系數(shù)），設(shè)置相關(guān)系數(shù)閾值ρ=0.9，相關(guān)系數(shù)絕對(duì)值超過閾值的僅保留其一。

最終保留近900項(xiàng)風(fēng)險(xiǎn)特征（見圖2）。

圖2：經(jīng)選擇后的風(fēng)險(xiǎn)特征（部分）

4 風(fēng)險(xiǎn)指數(shù)-模塊化集成學(xué)習(xí)技術(shù)

基于上述獲得的風(fēng)險(xiǎn)特征項(xiàng)，進(jìn)行模塊化、層次化的集成學(xué)習(xí)，模型結(jié)構(gòu)如圖3所示。

圖3：模型結(jié)構(gòu)圖

5 TF-IDF算法實(shí)現(xiàn)企業(yè)分類

基于目標(biāo)企業(yè)工商信息及經(jīng)營信息，將本市金融機(jī)構(gòu)分為網(wǎng)絡(luò)借貸、小額貸款、私募股權(quán)、眾籌、交易場所、融資租賃、典當(dāng)、融資擔(dān)保、金融倉儲(chǔ)、金融租賃、金融資產(chǎn)交易等11個(gè)行業(yè)，即歸屬地方監(jiān)管的“7+4”類機(jī)構(gòu)。[5]

一方面，依據(jù)監(jiān)管要求，按上述行業(yè)分類解析提取企業(yè)名稱和經(jīng)營范圍中的關(guān)鍵詞；另一方面，鑒于部分涉金融業(yè)務(wù)企業(yè)并未按規(guī)定申請(qǐng)經(jīng)營許可，因此使用TF-IDF算法提取經(jīng)營范圍中的關(guān)鍵字，按如下公式計(jì)算關(guān)鍵詞權(quán)重：

最終根據(jù)提取的企業(yè)名稱和經(jīng)營范圍關(guān)鍵詞，結(jié)合行業(yè)分類計(jì)算相關(guān)性，精準(zhǔn)判定目標(biāo)企業(yè)所屬類型。

6 分類遺傳算法學(xué)習(xí)模塊權(quán)重

基于得到的金融機(jī)構(gòu)類型，使用遺傳算法賦予基礎(chǔ)評(píng)價(jià)模塊不同權(quán)重，搜索評(píng)價(jià)模塊間最優(yōu)組合權(quán)重，精準(zhǔn)識(shí)別目標(biāo)企業(yè)風(fēng)險(xiǎn)，并進(jìn)行動(dòng)態(tài)評(píng)估。

具體流程如下：

隨機(jī)生成1500組基礎(chǔ)評(píng)分模塊，包括企業(yè)綜合實(shí)力、行業(yè)特征、司法誠信、經(jīng)營行為、關(guān)聯(lián)方等特征，設(shè)定初始權(quán)重約束條件：最小權(quán)重不低于0.05，最大權(quán)重不超過0.3，總和為1；

對(duì)權(quán)重向量賦值，設(shè)定交叉概率0.5，變異概率0.25，迭代800次；

單次迭代均進(jìn)行權(quán)重交叉及變異操作，并采用評(píng)價(jià)函數(shù)評(píng)估新權(quán)重，保留每輪迭代的最優(yōu)權(quán)重，并通過‘輪盤賭’方式進(jìn)行種群進(jìn)化；

選擇800次迭代最優(yōu)解作為最終模塊集成的權(quán)重組合，并使用該權(quán)重對(duì)該類金融機(jī)構(gòu)進(jìn)行風(fēng)險(xiǎn)測算。

7 總結(jié)

依托金融企業(yè)風(fēng)險(xiǎn)評(píng)價(jià)體系，可進(jìn)一步實(shí)現(xiàn)對(duì)我市金融機(jī)構(gòu)的實(shí)時(shí)監(jiān)測預(yù)警，可視化呈現(xiàn)金融風(fēng)險(xiǎn)的地理分布和行業(yè)分布，對(duì)目標(biāo)企業(yè)進(jìn)行風(fēng)險(xiǎn)畫像，協(xié)助監(jiān)管機(jī)構(gòu)有效排查屬地金融風(fēng)險(xiǎn)，實(shí)現(xiàn)金融風(fēng)險(xiǎn)的常態(tài)監(jiān)測。