防傳染，這三個(gè)字對(duì)信貸風(fēng)控而言，有著雙重含義。

除了和全社會(huì)一道抗擊新冠肺炎，防止病毒的擴(kuò)散，信貸領(lǐng)域更要面對(duì)風(fēng)險(xiǎn)溢出和傳染的可能性。

疫情期間，企業(yè)現(xiàn)金流告急之際，借貸需求顯著上升，金融機(jī)構(gòu)也陷入了兩難境地：開(kāi)閘放水，有可能逾期一路走高；收緊風(fēng)控，有可能失去更多客戶(hù)。

不僅放貸機(jī)構(gòu)們表示貸后管理難度大幅上升，系統(tǒng)性風(fēng)險(xiǎn)的長(zhǎng)劍更是在行業(yè)上方高懸。

一位來(lái)自風(fēng)控行業(yè)頭部企業(yè)的高層表示了對(duì)系統(tǒng)性風(fēng)險(xiǎn)的擔(dān)憂(yōu)：面向小微企業(yè)主和消費(fèi)者的信貸服務(wù)，正如同中國(guó)經(jīng)濟(jì)的毛細(xì)血管，是金融業(yè)觸達(dá)到群眾的最直接管道；政府在扶持企業(yè)、解決就業(yè)經(jīng)濟(jì)這些根源性難題的同時(shí)，也一定要防范系統(tǒng)性風(fēng)險(xiǎn)從信貸領(lǐng)域蔓延開(kāi)來(lái)。

此時(shí)，風(fēng)控在某種程度上變成了信貸業(yè)務(wù)的一道“口罩”，需要更準(zhǔn)確有效地“過(guò)濾”風(fēng)險(xiǎn)。怎樣在特殊時(shí)期為信貸業(yè)務(wù)保駕護(hù)航，這一問(wèn)題也排在了各大風(fēng)控技術(shù)團(tuán)隊(duì)的任務(wù)清單榜首。

牽一發(fā)動(dòng)全身，信貸風(fēng)控雪上加霜

一份關(guān)注小微企業(yè)的調(diào)研報(bào)告指出，有85%的企業(yè)，現(xiàn)金維持時(shí)間不超過(guò)三個(gè)月。

這份報(bào)告由清華大學(xué)經(jīng)管學(xué)院教授朱武祥和北京大學(xué)匯豐商學(xué)院管理學(xué)教授魏煒聯(lián)合發(fā)布，報(bào)告稱(chēng)近30%的企業(yè)估計(jì)，疫情會(huì)導(dǎo)致2020年?duì)I業(yè)收入下降幅度超過(guò)50%；28%的企業(yè)預(yù)計(jì)，營(yíng)業(yè)收入會(huì)下降20%-50%。

個(gè)體戶(hù)或小小微客群的處境，只會(huì)比小微企業(yè)更加危險(xiǎn)。這三大群體介于傳統(tǒng)C端消費(fèi)客群和企業(yè)客戶(hù)，規(guī)模體量大，抗風(fēng)險(xiǎn)能力弱，授信情況和企業(yè)主個(gè)人息息相關(guān)。

而這些情況最直接的關(guān)聯(lián)影響，其中之一就是小微企業(yè)貸和個(gè)人借貸的逾期大幅攀升，放貸機(jī)構(gòu)顯著承壓。

有業(yè)內(nèi)人士透露，國(guó)內(nèi)一些放貸平臺(tái)的首次逾期率環(huán)比增長(zhǎng)7-8個(gè)百分點(diǎn)；更有甚者，首逾率相較于過(guò)往平均數(shù)暴增了四、五倍。

“首次逾期率是貸后管理的重要指標(biāo)——當(dāng)一個(gè)用戶(hù)連初次還款都無(wú)法完成，機(jī)構(gòu)會(huì)認(rèn)為貸款后續(xù)更難收回?！?/p>

其他貸后管理指標(biāo)的情況也不容樂(lè)觀，入催率上升超過(guò)10%的不止個(gè)別平臺(tái)，回款率也和歷史水平有不小偏差。

放貸機(jī)構(gòu)要面對(duì)的，除了借疫情逃債的“老賴(lài)”們，還有客群的收入下降或喪失所導(dǎo)致的還款壓力。

有報(bào)道稱(chēng)，不少用戶(hù)主動(dòng)發(fā)起因疫情誤工期望延期還款的訴求，不論是資金充足的持牌機(jī)構(gòu)還是非持牌的互金機(jī)構(gòu)，疫情延期還款訴求在春節(jié)后普遍占每日投訴量的20%以上，有的甚至高達(dá)50%，并逐日呈上漲趨勢(shì)——這樣的形勢(shì)，對(duì)信貸風(fēng)控而言無(wú)疑是雪上加霜。

短期來(lái)看，疫情造成的整體經(jīng)濟(jì)下滑同樣會(huì)影響客戶(hù)還款能力和還款意愿；從中長(zhǎng)期來(lái)看，若因疫情影響收縮放貸規(guī)模，勢(shì)必將打擊市場(chǎng)信心及減緩經(jīng)濟(jì)重振趨勢(shì)，進(jìn)一步影響整體不良情況。

疫情期間，數(shù)據(jù)風(fēng)控的“新傷舊患”

事實(shí)上，人工智能和大數(shù)據(jù)已經(jīng)廣泛運(yùn)用到包括貸前風(fēng)控在內(nèi)的信貸業(yè)務(wù)全流程，通過(guò)機(jī)器學(xué)習(xí)等手段展開(kāi)更高水準(zhǔn)的風(fēng)控建模并不少見(jiàn)。

一位資深風(fēng)控專(zhuān)家向雷鋒網(wǎng)AI金融評(píng)論介紹，以個(gè)人信貸為例，原來(lái)傳統(tǒng)的模型搭建方式，經(jīng)常是基于用戶(hù)的信用信息，以人行征信報(bào)告為主，通過(guò)邏輯回歸來(lái)判斷用戶(hù)整體風(fēng)險(xiǎn)。

而現(xiàn)在，得益于大數(shù)據(jù)下的信貸風(fēng)控技術(shù)提升，除了強(qiáng)關(guān)聯(lián)數(shù)據(jù)，非信貸場(chǎng)景下的弱相關(guān)變量也開(kāi)始更多地被納入考量。她表示，除了用戶(hù)本人的基本資料和借貸記錄，在判斷個(gè)人信貸風(fēng)險(xiǎn)時(shí)，其網(wǎng)絡(luò)行為、社交數(shù)據(jù)、消費(fèi)記錄等信息都能為大數(shù)據(jù)風(fēng)控模型提供判斷依據(jù)。

可以看出，數(shù)據(jù)無(wú)疑是信貸風(fēng)控的源頭活水，但想要獲得海量、多維度的數(shù)據(jù)談何容易。

由于缺少客戶(hù)外部信息綜合判斷風(fēng)險(xiǎn)，貸前、貸中、貸后都需要采購(gòu)多種數(shù)據(jù)源來(lái)輔助了解客戶(hù)情況，信審過(guò)程中數(shù)據(jù)接口的調(diào)用費(fèi)用極高，孤島效應(yīng)漸顯。

同時(shí)，隨著監(jiān)管層鼓勵(lì)發(fā)展普惠金融，貸款客群逐步下沉，客戶(hù)信用資質(zhì)更加參差不齊，這也使得數(shù)據(jù)獲取難度提升，推高了信貸風(fēng)控的整體成本。

風(fēng)控?cái)?shù)據(jù)獲取成本之高，正如一處久治難愈的病灶，約束了信貸風(fēng)控的進(jìn)一步發(fā)展與提升。

而疫情期間的風(fēng)控解決方案，更要重新審視數(shù)據(jù)的使用。究竟哪些新的數(shù)據(jù)維度需要被引入，原有的數(shù)據(jù)又該怎樣挖掘。

要想更準(zhǔn)確衡量疫情帶來(lái)的影響，需注意地域上的不均等，因此在個(gè)人信貸業(yè)務(wù)上，風(fēng)控建模首先要確定用戶(hù)所在地，包括戶(hù)籍地、移動(dòng)運(yùn)營(yíng)歸屬地、行為軌跡等數(shù)據(jù)都要進(jìn)入到模型當(dāng)中。

其次，個(gè)人近期金融屬性也是必不可缺的參考依據(jù)，例如短期內(nèi)多頭申請(qǐng)、興趣偏好、社交網(wǎng)絡(luò)、反欺詐識(shí)別、收入等情況，以供放貸機(jī)構(gòu)評(píng)估延期后還本付息計(jì)劃的可行性。

在中小微企業(yè)的“重災(zāi)區(qū)”，就需要引入經(jīng)營(yíng)穩(wěn)定性、還款表現(xiàn)、企業(yè)所在行業(yè)、地區(qū)、近期現(xiàn)金流、及近期政府和監(jiān)管支持政策等數(shù)據(jù)，做綜合評(píng)估預(yù)測(cè)。

探索AI風(fēng)控的新選擇

疫情對(duì)AI金融風(fēng)控的嚴(yán)峻考驗(yàn)遠(yuǎn)不只是數(shù)據(jù)層面，原有模型的效果也受到?jīng)_擊。

AI建模的一項(xiàng)基本原則是“模型只適用于建模樣本所能有效代表的群體”——在疫情這樣的突發(fā)狀況之下，“單機(jī)構(gòu)、單個(gè)人的樣本量相當(dāng)有限，單獨(dú)建模效果預(yù)估不夠理想?！?/p>

在風(fēng)控解決方案存在同質(zhì)化、少突破、數(shù)據(jù)孤島、建模效果差、隱私安全保護(hù)難等一系列問(wèn)題的情況下，微眾銀行用“聯(lián)邦學(xué)習(xí)”這種新范式破局風(fēng)控中面臨的數(shù)據(jù)挑戰(zhàn)。

聯(lián)邦學(xué)習(xí)，是指多個(gè)客戶(hù)端（如移動(dòng)設(shè)備或整個(gè)組織）協(xié)作式地訓(xùn)練模型的機(jī)器學(xué)習(xí)設(shè)置，該設(shè)置同時(shí)保證訓(xùn)練數(shù)據(jù)去中心化。

• 基于聯(lián)邦學(xué)習(xí)的信貸風(fēng)控解決方案，究竟有何特別之處？

“它的優(yōu)勢(shì)在于數(shù)據(jù)安全及隱私保護(hù)?！蔽⒈娐?lián)邦學(xué)習(xí)團(tuán)隊(duì)給出了這樣的答案。

“在建模過(guò)程中，雙方交換梯度值，類(lèi)似于方向向量的概念，交換的是中間變量，不是原始數(shù)據(jù)。同時(shí)對(duì)這個(gè)中間變量還進(jìn)行了同態(tài)加密，所以數(shù)據(jù)并不會(huì)出庫(kù)，保證數(shù)據(jù)源和應(yīng)用方的數(shù)據(jù)安全?！?/p>

而聯(lián)邦學(xué)習(xí)所采用的局部數(shù)據(jù)收集和最小化原則，將降低傳統(tǒng)中心化機(jī)器學(xué)習(xí)方法帶來(lái)的一些系統(tǒng)性隱私風(fēng)險(xiǎn)和成本，這樣的效果也正契合了信貸風(fēng)控的提升方向。

總的來(lái)說(shuō)，這一做法是試圖通過(guò)聯(lián)邦數(shù)據(jù)網(wǎng)絡(luò)進(jìn)行信貸風(fēng)控增強(qiáng)，在貸前環(huán)節(jié)利用更豐富的數(shù)據(jù)信息綜合判斷客戶(hù)風(fēng)險(xiǎn)，幫助信貸公司過(guò)濾信貸黑名單或明顯沒(méi)有轉(zhuǎn)化的貸款客戶(hù)，進(jìn)一步降低貸款審批流程后期的信審成本。

在貸中，采用聯(lián)邦學(xué)習(xí)的解決方案主要提供根據(jù)用戶(hù)放款后的行為變化進(jìn)行的風(fēng)險(xiǎn)評(píng)估產(chǎn)品，幫助放貸機(jī)構(gòu)進(jìn)行調(diào)額調(diào)價(jià)的輔助決策。

對(duì)于貸后風(fēng)險(xiǎn)處置，方案則提供可以根據(jù)客戶(hù)的行為進(jìn)行催收預(yù)測(cè)的產(chǎn)品，幫助放貸機(jī)構(gòu)進(jìn)行催收的策略評(píng)估，調(diào)整催收策略，提升催收效率。

微眾聯(lián)邦學(xué)習(xí)團(tuán)隊(duì)表示，在具體實(shí)施上，解決方案會(huì)先行使用聯(lián)邦學(xué)習(xí)云服務(wù)進(jìn)行業(yè)務(wù)冷啟動(dòng)，并通過(guò)建立業(yè)務(wù)及AI模型閉環(huán)，小樣本建模，后期持續(xù)迭代優(yōu)化模型的方式，實(shí)現(xiàn)項(xiàng)目數(shù)字化，便于消費(fèi)金融業(yè)務(wù)方及信貸合作方能夠持續(xù)積累業(yè)務(wù)數(shù)據(jù)優(yōu)化聯(lián)邦模型。

• 摸清技術(shù)路上“攔路石”，逐個(gè)擊破

然而，團(tuán)隊(duì)首先要面對(duì)的，就是放貸機(jī)構(gòu)樣本量不足的難點(diǎn)，好壞樣本的區(qū)分度也并不足夠。

處理辦法之一是業(yè)務(wù)方持續(xù)積累業(yè)務(wù)數(shù)據(jù)，或者在有可能的情況下從信貸機(jī)構(gòu)等相關(guān)合作方獲取更多同類(lèi)Y數(shù)據(jù)，增加樣本量；解決方案也可以設(shè)立長(zhǎng)時(shí)累積數(shù)據(jù)。

最直觀的解決方案當(dāng)然是業(yè)務(wù)方通過(guò)長(zhǎng)時(shí)間積累來(lái)擴(kuò)充樣本量；但聯(lián)邦學(xué)習(xí)提供了新的解決思路：通過(guò)與其他機(jī)構(gòu)合作，引入外部的樣本數(shù)據(jù)。

當(dāng)樣本質(zhì)量低下、過(guò)于偏離正態(tài)分布的時(shí)候，業(yè)務(wù)方就需要對(duì)樣本進(jìn)行持續(xù)篩選和重采樣，與外部數(shù)據(jù)方實(shí)時(shí)同步數(shù)據(jù)資料，例如確認(rèn)時(shí)間一致，剔除18年X對(duì)應(yīng)19年Y等數(shù)據(jù)參差情況，使全量數(shù)據(jù)時(shí)刻保持基本符合正態(tài)分布。

此外，團(tuán)隊(duì)還通過(guò)引入數(shù)據(jù)方實(shí)現(xiàn)ID映射關(guān)系，打通不同ID之間，避免ID異構(gòu)的問(wèn)題出現(xiàn)。

而這一解決方案也開(kāi)始有實(shí)際效益顯現(xiàn)。該團(tuán)隊(duì)在采訪中透露，通過(guò)合法合規(guī)的多維度聯(lián)邦數(shù)據(jù)建模，風(fēng)控模型效果約可提升12%，相關(guān)企業(yè)機(jī)構(gòu)有效節(jié)約了信貸審核成本，整體成本預(yù)計(jì)下降5%-10%，并因數(shù)據(jù)樣本量的提升和豐富，風(fēng)控能力進(jìn)一步增強(qiáng)。

對(duì)合作方信貸機(jī)構(gòu)而言，信貸風(fēng)控能力也大幅度提升。

通過(guò)初審篩選掉黑名單和不可能轉(zhuǎn)化貸款客戶(hù)，在“信審漏斗第一步”減去無(wú)效客戶(hù)，從而在信貸預(yù)審階段使單接口調(diào)用成本預(yù)計(jì)節(jié)省20-30%，有效控制了信貸審核成本。

聯(lián)邦學(xué)習(xí)奏AI金融明日之歌

目前國(guó)內(nèi)外很多企業(yè)都在進(jìn)行聯(lián)邦學(xué)習(xí)相關(guān)的研究，但在聯(lián)邦學(xué)習(xí)研究與應(yīng)用方面，尤其是金融領(lǐng)域，微眾銀行可以說(shuō)是先行者。

為什么是微眾銀行？團(tuán)隊(duì)表示，在業(yè)務(wù)實(shí)踐和行業(yè)觀察中，他們發(fā)現(xiàn)訓(xùn)練AI所需要的大數(shù)據(jù)實(shí)際上很難獲得，數(shù)據(jù)的控制權(quán)分散在不同機(jī)構(gòu)、不同部門(mén)。

同時(shí)，數(shù)據(jù)有限且質(zhì)量較差，在某些專(zhuān)業(yè)性很強(qiáng)的細(xì)分領(lǐng)域更是難以獲得足以支撐人工智能技術(shù)實(shí)現(xiàn)的標(biāo)注數(shù)據(jù)。

從更宏觀的視角來(lái)看，不同數(shù)據(jù)源之間也存在難以打破的壁壘：

除了少數(shù)幾家擁有海量用戶(hù)、具備產(chǎn)品和服務(wù)優(yōu)勢(shì)的「巨無(wú)霸」公司外，大多數(shù)企業(yè)難以以一種合理合法的方式跨越人工智能落地的數(shù)據(jù)鴻溝，或者對(duì)于他們來(lái)說(shuō)需要付出巨大的成本來(lái)解決這一問(wèn)題。

另外，隨著大數(shù)據(jù)的發(fā)展，重視數(shù)據(jù)隱私和安全也已經(jīng)成為一種世界性的趨勢(shì)，GDPR等一系列條例出臺(tái)，數(shù)據(jù)保護(hù)立法不斷深化，大數(shù)據(jù)合規(guī)合作的需求也更為迫切。

于是，在首席人工智能官、國(guó)際人工智能專(zhuān)家楊強(qiáng)教授的帶領(lǐng)下，微眾銀行從2018年就開(kāi)展了聯(lián)邦學(xué)習(xí)研究，內(nèi)部已投入百余人，打造了一個(gè)覆蓋技術(shù)上下游的聯(lián)邦學(xué)習(xí)團(tuán)隊(duì)，包含研究、學(xué)術(shù)、研發(fā)、商業(yè)、行業(yè)應(yīng)用等多個(gè)細(xì)分隊(duì)伍，全力推動(dòng)產(chǎn)學(xué)研一體化，實(shí)現(xiàn)包括金融、零售、安防等多個(gè)領(lǐng)域的行業(yè)落地。

團(tuán)隊(duì)透露，他們已申請(qǐng)100+項(xiàng)相關(guān)專(zhuān)利，牽頭推進(jìn)IEEE聯(lián)邦學(xué)習(xí)國(guó)際標(biāo)準(zhǔn)與聯(lián)邦學(xué)習(xí)國(guó)家標(biāo)準(zhǔn)制定。

研發(fā)方面，該團(tuán)隊(duì)還自研并推出了全球首個(gè)工業(yè)級(jí)聯(lián)邦學(xué)習(xí)開(kāi)源框架FATE。團(tuán)隊(duì)表示，這一聯(lián)邦學(xué)習(xí)開(kāi)源軟件FATE具備較強(qiáng)易用性，傳統(tǒng)建模知識(shí)和經(jīng)驗(yàn)都可以復(fù)用，用戶(hù)體驗(yàn)上和傳統(tǒng)建模差異較小。

“所提供的FATE-Board建?？梢暬δ?，極大提升了聯(lián)邦建模過(guò)程的交互體驗(yàn)，也有效緩解建模技術(shù)人員的缺乏現(xiàn)狀?！?/p>

2019年初，他們開(kāi)始在信貸風(fēng)控領(lǐng)域發(fā)力。

從著手研究到輸出解決方案，用時(shí)不到一年——團(tuán)隊(duì)表示，微眾銀行在風(fēng)控領(lǐng)域累積的大量案例及數(shù)據(jù)，都成為了他們攻克風(fēng)控?cái)?shù)據(jù)難題的助力。

銀行的角色，既是他們研發(fā)的動(dòng)力、攻克技術(shù)難關(guān)的優(yōu)勢(shì)，也是檢驗(yàn)研究成果的第一站。

“這一解決方案的落地應(yīng)用也是從微眾銀行內(nèi)部開(kāi)始，經(jīng)測(cè)試，模型的AUC增加了14%，顯著減少了手工評(píng)審的工作量和難度?！?/p>

在金融領(lǐng)域，微眾聯(lián)邦學(xué)習(xí)團(tuán)隊(duì)已經(jīng)瞄準(zhǔn)了更多賽道。他們表示，信貸風(fēng)險(xiǎn)管理、核保風(fēng)險(xiǎn)評(píng)估等具體環(huán)節(jié)都是聯(lián)邦學(xué)習(xí)較為適宜的應(yīng)用場(chǎng)景，下一步將通過(guò)聯(lián)邦建模，滲透到業(yè)務(wù)各環(huán)節(jié)，輔助放貸實(shí)體建立自有模型進(jìn)行信貸審核、深入保險(xiǎn)業(yè)核保風(fēng)險(xiǎn)評(píng)估，切實(shí)應(yīng)用于這兩大場(chǎng)景的相關(guān)流程。。

研究成果也將在銀行、保險(xiǎn)等多個(gè)細(xì)分領(lǐng)域批量落地，以協(xié)助金融機(jī)構(gòu)提升風(fēng)險(xiǎn)識(shí)別能力，實(shí)現(xiàn)普惠金融的新目標(biāo)。

當(dāng)金融機(jī)構(gòu)陷入資產(chǎn)質(zhì)量下滑、保營(yíng)收求增長(zhǎng)的困境，促使風(fēng)控精細(xì)化管理，加強(qiáng)金融科技手段的使用，全面提升風(fēng)控技術(shù)水平是勢(shì)在必行。

經(jīng)濟(jì)環(huán)境充滿(mǎn)變數(shù)，為這場(chǎng)多米諾骨牌局盡可能減緩疫情的沖擊，正是風(fēng)控存在的意義。

雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。