用人工智能做金融风控?这里是一位实践者的思考

4 月 25 日(今日),金融风控解决方案提供商 CreditX(氪信)在北京光华路 SOHO 举办第一期「大氪堂」活动,以金融风控与机器学习的交汇为切入点,介绍氪信目前的主要业务和情况。


「十年前的人工智能都是语音识别、人脸识别、数据挖掘等任务,我们这些做机器学习的人都不好意思叫自己人工智能,」拥有 10 多年数据挖掘、机器学习经验的 CreditX(氪信)CEO 朱明杰以此作为开场,谈起当下风起云涌的人工智能创业时代,和他们观察到的规律特点。


在朱明杰看来,人工智能能发挥作用的必备条件包括:大量的数据、模型的能力和个人行为的数字化,金融行业当下刚好符合这三个要求。过去,人们往往使用基于专家经验的 FICO Score 来衡量一个人的信用情况。但 FICO 采用公式计算个人属性得出个人信用分值的方式,不仅无法完整描述个人情况(只有 20 几个维度),同时又容易破解。


中国目前缺乏像 FICO 一样的信用体系,往往依靠专家经验和结构数据,通过规则决定一个人是否能获得金融服务。这种方式忽略了个人数据中有价值的部分,对个人的判断也是片面的。事实上中国发达的移动支付、电商消费情况都在帮助用户不断产生大量数据,这些非结构化数据都可以和个人的金融、信用情况挂钩。


金融机构也在不断尝试解决这些问题,为什么需要 CreditX?


「通用方法是收集大量多维度数据,但一直没能解决问题的原因,在于信息完备度、模型学习能力和学习目标这三件事。」信息完备度指收集到的数据量不够,在有限的维度下无法准确画像;模型学习能力指从过去的评分卡过渡到需要深度学习技术的支持来自动加工特征,需要建模和运用不同人工智能技术的能力;学习目标指需要明确要解决的问题,根据问题收集过去已有的数据来进行训练。

IMG_4732副本.jpg

在技术方面,CreditX 通过 ID 映射、域适应等技术预处理非结构数据,然后通过 CNN、RNN、LSTM 与时下流行的 Word2vec 结合,与深度学习方法配合完成金融风控场景。同时 CreditX 还构建了氪信图谱,底层为氪信自主开发的机器学习平台 Marvin,加上固化的特征工程模块学习不断学习金融领域知识。


与物体识别通过数据集来测试模型效果相比,金融风控该如何衡量自己的技术效果?答案是通过结果导向,即「通过使用的场景和目标来定义,包括坏账率、转化率、有效性、收益率等指标。」目前 CreditX 的客户包括民生银行、中银消费金融、中国平安、众安保险等等。


关于盈利模式,朱明杰曾在过去的媒体采访中称:「我们的引擎服务按软件版权来收费,云服务按流量收费,但现在还是很早期的阶段,接下来会向成熟稳定的商业兑现模式发展。」近期 CreditX 已完成 B 轮融资,由招商局创投领投、中经合跟投,以增加在人工智能技术研发上的投入,加深行业机构的合作。


据统计,2015 年中国消费信贷规模为 19.0 万亿,同比增长 23.3%。预计未来仍将维持 20% 以上的增长趋势,2019 年将达到 41.1 万亿。机器之心icon.png

入门
1
返回顶部