近年来，随着大数据和人工智能等先进技术的成熟与普及，银行正在积极探索前沿技术在业务创新、风控能力提升等领域的应用。信贷业务作为银行的基本业务，其业务模式的转型势在必行，而智能风控的建设则是转型的关键。

无锡农村商业银行科技开发部 总经理 钱敏健

(资料图片)

智能风控核心：

实现银行风险管理的数字化转型

在数据基础与系统基础建设达到要求的情况下，线上信贷业务应运而生。在创新线上信贷产品方面，传统银行动作相较于互联网金融机构的动作是明显滞后的。为了补足这方面的业务，各个机构的解决方案不尽相同。有的银行参考互联网金融创新业务的模式进行，选择引入很多数据供应商与模型供应商建设产品；有的银行选择以资金提供方身份与互金机构合作，嫁接出“助贷”“联合贷”的产品模式；有的机构两种模式兼而有之。这些模式之下，有银行认为会使用供应商提供的模型就是智能风控，或者能实现后置风控体现风险管理能力就是智能风控。这种想法是否正确，从近两年监管机构的密集发文与指导意见中可以看出，答案是否定的。在监管的提示与要求中，传统金融机构也开始重新审视新技术与新思路，探索应用方法与路径。

无锡农商行建设智能风控体系，将“智能”定位为人的智能与科技智能的有效融合能力，是数据赋能后风险管理能力的数字化转型。智能风控体系由人发挥智能进行设计，多组来自不同岗位的专家围绕业务开展的不同角色和职责将银行信贷业务中的风险管理环节进行重新构建。智能风控体系中，模块落地由科技智能推动，采集完备的风险决策要素，并实现准确加工与决策，通过数据算法与分析技术捕捉历史知识。同时自研风控模型，做到模型的完全自主可控，将知识与智能实现了互动互补，实现有效的人机配合。为建成智能风控体系我行从三个方面着手。

1.创新人才的培养

传统业务专家由行内骨干组成，数据建模工作方面的人员确实是空白，由于需要较高的算法技术、学术门槛。面对人才的空白，我行于2018年开始培养数据挖掘领域的科技人才，寻找具有较高学术涵养的年轻科技人员，通过培训与实践结合的方式，不断提高其数据分析与数据挖掘的能力。期间先后尝试了ATM加钞预测、信用卡逾期预测、消费贷授信额度测算等多个专题。2020年初起再引进多名社招、校招人才，至此我行已有成熟的建模团队。

2.海量数据的积累

我行始终重视数据资产的积累和质量管控。2018年完成大数据平台建设后，立即启动了数据治理项目。同时，通过建设外部数据平台，对接外部数据公司，引入多维的三方数据，丰富行内数据资产。这为我行建设智能风控体系打下了扎实的数据基础。

3.算法模型的开发

有了人才，有了数据，智能风控模型的开发自然水到渠成。2020年中，我行正式启动了面向我行线上消费贷款—--“锡银快贷”的智能风控模型体系建设。传统风控模型是基于专家规则而成，而智能风控则是基于机器学习算法开发而得。传统风控无论是在数据来源、数据维度，还是在数据关联性、模型可靠性层面都远远弱于智能风控。

建模团队使用多年积累的行内外客户信息数据，在业务专家的指导下，完成海量数据清洗。对高纬特征进行计算，充分利用机器学习不同算法特性，包括随机森林（RF）、梯度提升决策树（GBDT）、支持向量机（SVM）等，择优开发出信用风险评级模型。对客户的履约意愿、履约能力进行全面分析、甄别和判断。从数据角度因违约而导致损失的可能性进行量化评估，做出合理决策。模型于2020年中经过风险评审后，正式投产，自此宣告我行具备了自主研发风控模型的能力。

智能风控平台：

运行风控模型的容器

基于机器学习的风控模型开发使用的是Python语言，得出的是预测模型标记语言PMML（Predictive Model Markup Language）模型文件。模型的运行需要提供可运行环境，常见的应用都是基于Java环境，对于基于Python开发而得的模型，则需要Python环境。同时我们需要提供API接口，用于业务系统调用模型，并将模型结果返回给业务系统。不仅如此，我们还需要对业务系统的请求做记录、可视化案件查询、模型指标加工、模型产品配置、支持风控决策流的可视化配置与实时调整等。详细功能架构如图所示。

图 功能架构图

为此，我们需要建设一个智能风控平台——信用风险决策平台。具体建设目标如下。

1.决策引擎设计

实现规则配置、管理、导入导出等功能；允许用户对规则进行关闭、模拟、正式运行等状态切换；提供了规则的快速复制与粘贴功能；允许客户对规则编辑进行暂存，对规则的上线流程进行审批管理等功能。

实现实时指标的配置和管理功能；允许用户对指标进行导入导出，并切换开启与关闭状态，在指标的配置上线流程中提供完整的审批管理。除此之外，决策引擎提供接口服务，供外部服务使用已配置的规则及指标。决策结果及指标数据均可通过接口输出。

2.模型中心设计

模型中心是一个用于运行按要求打包的模型，用于管理、查询、模拟运行模型的平台。提供Python模型、评分卡模型、PMML模型、决策树、决策表和决策矩阵。支持模型的上传及预测。

3.信贷风控中心

信贷风控中心主要包含风险大盘和策略中心。风险大盘可以根据业务部门、产品、地区进行过滤统计。提供可视化风险数据大盘展示，包含首页、贷前风险大盘、案件分析。策略中心是风控智能系统的核心模块之一。在策略中心可以基于各业务场景的风控要求，配置对应的规则或者模型来进行风险的防控。引擎下所有的流程对于运营人员来说都是可见可修改的，规则中所有的相关参数，也可以由运营人员自行配置，这些参数修改都是视窗化、产品化的界面，无需进行任何代码的编写，并且是即时生效的。

总结与展望

我行的智能风控体系上线初即有优异表现，相对传统专家规则，通过率提升近21%。上线至今，建模团队对机器学习风控模型已完成两次迭代优化，产品通过率逐次提升8%和6%。使用智能风控体系的锡银快贷产品，迄今为止累计授信78.55亿元。

智能风控体系建设是无锡农商行数字化转型战略中的重要一环，是银行发展的重要保障。智能风控是一条从银行业务出发，经过“学习新技术、梳理数据、融合业务知识”，并最终回到信贷业务的螺旋上升的道路。“人员+数据+系统”构成一个体系，有效地配合发挥才能实现质的提升。智能风控体系的构建，从业务开始，由人驱动，建设各个系统间的数据流转与决策流程，最终形成了业务的发展，周而复始，一次一次的打破又建立，没有明确的终点，因为我们还在路上。

（栏目编辑：韩维蜜）