大数据风控需不断完善但前景可期

本篇文章1636字，读完约4分钟

我们的记者胡平

目前，人工智能、大数据、云计算、区块链等技术越来越多地应用于金融智能场景，试图为金融机构的风险识别、预警和退出提供解决方案。业内人士认为，新技术与风险控制相结合是未来的发展趋势，但也存在一些不可逾越的障碍。关于大数据风险控制的相关问题，《金融时报》记者近日采访了国家互联网金融安全技术专家委员会秘书长吴震。

英国《金融时报》记者:你能介绍一下大数据风险控制的发展吗？

吴震:大数据风险控制的发展大致分为三个阶段:创业期、爆发期和情景期。创业期始于2005年和2006年，大数据的概念开始兴起。在此之前，由于缺乏基本技术，思维没有改变。后来，随着大数据技术的兴起和相关处理能力的提高，行业逐渐放开了思路。大数据大约在2010年爆发。2013年后，大数据基础技术的使用日益成熟，许多互联网公司已经进入大数据风险控制领域。

英国《金融时报》记者:你认为传统风险控制和大数据风险控制的区别是什么？

吴珍:传统的风险控制侧重于手工审计和已知的法律，数据主要来自传统的财务数据。借钱还钱是一个很强的金融相关特征，强调很强的因果关系。大数据风险控制主要基于各种数据，使用大量弱相关数据。例如，购物数据，通过它我们可以推断购买力水平和我们是否喜欢消费。大数据的风险控制过程与各企业基本相似，实际的风险控制水平需要具体分析。一般过程是借款人申请，然后输入反欺诈标识，然后与第三方数据源进行比较，根据他掌握的数据进行信用评级，然后授予信用。

英国《金融时报》记者:互联网金融企业的大数据风险控制现状如何？有什么风险？

吴震:从互联网金融企业的角度来看，大数据风险控制是互联网企业运营的关键环节，是确保互联网金融安全的基础。一般来说，信用风险主要有两种类型:一种是欺诈风险，另一种是信用风险。欺诈的风险主要是主观恶意，我借的时候不想还；信用风险虽然愿意偿还，但客观上是无力偿还的。

英国《金融时报》记者:你认为大数据风险控制的核心环节是什么？

吴震:大数据风险控制的核心环节主要包括以下几个方面:一是数据问题、数据来源、数量级和有效性。这是大数据风险控制的核心，但一般金融技术公司的数据有限。；第二是特征建模，这是一个纯粹的技术环节。这也是仁者见仁，智者见智的一个环节。这部分没有标准化。每个人都获得数据并做自己的工作。技术水平和实际性能也不同。经验、团队、实力和积累；第三个核心环节是迭代和优化。例如，如果我得了一个学分，这个学分是否合适将会在网上测试。如果效果不理想，则根据问题进行修正，这是一个连续迭代的过程。

英国《金融时报》记者:针对数据问题，你能具体谈谈存在的问题和挑战吗？

吴珍:目前，央行个人信用记录覆盖率不足，需要进一步扩大覆盖面；金融技术公司之间很难共享信息；对第三方机构数据的有效性有疑问；大型互联网企业的数据各有特点，但又相互隔离；涉及到用户隐私的保护，在法律和政策上存在很大的风险。

《金融时报》记者:大数据风险控制的弱点是什么？

吴珍:总体来说，大数据风险控制是有逻辑的；当前的数据资源条件和技术实现能力制约着风控制的效果。事实上，数据缺失、不完整和不准确的情况非常严重。建模和参数调整是一个长期而复杂的过程，需要根据环境不断修改。

从逻辑上讲，大数据风险控制也包含一些意想不到的风险。首先是“黑天鹅”事件:大数据风险控制主要基于人工智能技术，包括统计学和其他法律。很难预测超出统计规则的事件，也很难理解和手动修复问题。第二，“再贷款”事件:如果借款人反复借款，如果每个借款人的累积信用得不到很好的控制，它可能成为一个小型庞氏骗局池。在极端的经济环境下，大数据风险控制系统可能会失败。因此，大数据风险控制需要防范系统风险。

英国《金融时报》记者:你认为大数据风险控制的前景如何？

吴震:虽然空大大提高了行业大数据风险控制的总体水平，但从长远来看，金融技术是大势所趋，数据开放程度越来越高，所以我们认为从长远来看大数据风险控制的前景还是比较广阔的。