HR369人力资源网 > 管理 > 精英访谈 > 蒋韬:大数据和人工智能视角下的银行业风险防控

蒋韬:大数据和人工智能视角下的银行业风险防控

2017-08-10 10:14:09来源:中国新闻网热度:评论

新的经济环境下银行风控成为大数据和人工智能(Artificial Intelligence,简称AI)的热点应用领域。本文从大数据和人工智能角度出发分析了银行风控的未来。

新的经济环境下银行风控成为大数据和人工智能(Artificial Intelligence,简称AI)的热点应用领域。本文从大数据和人工智能角度出发分析了银行风控的未来。

在当前经济大环境下,银行业务风险水平上升,各家银行对提升自身风险防控能力的需求日益迫切,而银行传统风险管理体系缺乏灵活性、防控手段较为落后等弊端,与大数据覆盖面广、维度丰富、实时性高和人工智能技术飞速发展的特点相呼应,使银行风控成为大数据和人工智能的热点应用领域和方向。

近日,央行发布120号文,要求全国性商业银行于2017年8月底前,其他商业银行于2017年12月底前,完成基于大数据技术的银行卡风险防控系统建设,提升磁条交易风险管理水平。一纸明文,让大数据风险防控系统建设进一步从银行风控官的案头设想变成了需要切实落地的工作要求。

基于大数据和人工智能技术,银行业的风险管理体系如何定位、构建及应用,笔者试图通过以下几方面来做一些分析。

风险的“多”和“少”问题

可以毫不夸张地说,风险管理是银行业可持续发展的根本。银行风险管理体系建设的根本目的在于保持资产质量稳定,将风险抵补能力始终控制在合理水平。为实现这一目标,中国银监会发布了《中国银行业实施新监管标准指导意见》《商业银行资本管理办法(试行)》等一系列监管准则,旨在指导中国商业银行依据巴塞尔新资本协议进行风险管理体系建设。

回到巴塞尔新资本协议,其主要包括三大支柱,其中以第一支柱—最低资本要求为核心。第一支柱明确了针对不同风险的资本充足率计算方法,包括市场风险、信用风险和操作风险,这便是普遍认可的银行业三大风险。

其中,市场风险指由于利率、汇率、股票、商品等价格变化导致银行损失的风险;信用风险又称违约风险,是指借款人或交易对方因种种原因,不愿或无力履行合同条件而构成违约;操作风险是指由不完善或有问题的内部程序、员工和信息科技系统,以及外部事件所造成损失的风险。

从另一个角度讲,银行风险管理体系是从满足监管要求出发构建管理体系,而落实需要具体风控手段的支撑,大数据风控便属于具体风控手段支撑的范畴。结合目前大数据风控的主要热点,如反欺诈,属于操作风险范畴,而基于大数据的信用评分模型,则属于信用风险范畴。

从大数据风控的应用环境来看,随着国内普惠金融的快速发展,越来越多的人群需要享受现代金融服务带来的便利,而现有征信体系覆盖人群有限的弊端渐渐暴露,同时市场上各类骗贷、赖账、交易欺诈的案件层出不穷,为普惠金融的发展带来了不小的障碍。面对形形色色的风险问题,将大数据和人工智能应用于风险防控,既是机遇,又是挑战。

人工智能应用的“深”和“浅”问题

人工智能是信息时代的尖端科技。虽然人工智能并不是一个新概念,但随着过去5年到10年内数据量级的飞速增长、计算机硬件存储和计算能力的强化和更好、更普遍可用的算法的应用,人工智能得以加速发展。在医疗领域,图像识别技术可以帮助医疗机构诊断癌症病例。在零售领域,机器学习算法帮助零售商在销售预测、库存管理和价格优化方面进行精准驱动。在银行业务风控领域,实践证明,遵循监管要求和技术进展,人工智能技术的应用也有深与浅之分。

初级阶段,以短平快、切口小为特点,大数据和人工智能在此阶段只是对传统银行风控手段的补充,如在开户环节的信息核验、黑白名单匹配、人脸识别等,通过简单规则的判定和匹配,辅助银行进行风险决策。规则的创建依赖专家经验和已发生风险事实,无法针对新的风险模式自动更新,且风控规则容易被欺诈者得知后绕过。 总体来说,在此阶段,模型算法需要依赖人工事先定义的规则告诉程序如何区分好与坏,还无法学会如何区分欺诈和正常案件。


您的支持是分享的动力

上一篇:FT中文网掌门人张延,深度解析年轻职场人7大犀利问题
下一篇:最后一页

分享到: 收藏

用微信扫描二维码

转发文章给朋友和朋友圈

分享知识与资讯

分享到