银行信贷业务中智能风控技术的应用及思考.pdfVIP

一、应用场景

智能风控技术是指综合运用大数据、人工智能和云计算等技术，以数据驱动风险管理，

实现风险管理流程智能化转型的重要手段，目的是提高风险管理效

率、解决信息不对称问题及降低风险管理成本。目前，智能风控技术在银行信贷业务中

的应用呈现出全流程、多场景和高耦合的特点，其在贷前信审、贷中风控和贷后管理环

节中的部分应用场景及技术功能详见表

Io

表智能风控技术的应用场景及技术功能

1

信贷管理阶段应用场景技术功能

利用决策树（DT）构建客户准人评估模型，通过充分分析客户的基本信息、工商

客户准入评价税务信息、信贷历史信息、司法诉讼信息及披露的其他信息，对客户行为、经营情

况进行分析甄别，提高客户准入评估能力

贷前信审

通过多维度、多途径掌握客户的外部信息数据，充分利用随机森林（RF）和高维

欺诈行为识别

度机器学习算法，建立反欺诈评估模型

（SVM）,（DT）K-

在多维数据的基础上，采用支持向量机决策树、近邻学习

（KNN）等算法，建立信用风险评级模型，对海量数据进行分析并对高维特征进行

信用风险计量计算，对客户的履约意愿、履约能力情况进行全面的分析、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，根据客户背景、还款意愿、还款能力

进行综合信用风险计量，做出合理决策

贷中风控

充分发挥金融大数据服务云平台的作用，及时采集和分析相关数据，整合商品流、

信贷审批管控资金流、信息流的数据，采用支持向量机（SVM）,梯度提升决策树（GBDT）、

随机森林（RF）等算法，准确评估小微企业和消费客户的信贷风险

结合随机森林（RF）、深度学习（D1）等算法，打造贷后风险监测模型.对客户

贷后风险监测

的经营管理、财务状况进行跟踪分析、监测和评估

贷后管理

贷后（逾期）催收管运用自动语音识别（ASR）、自然语音理解（N1U）等语言处理模型和技术实现

理语义的分析和挖掘，完成智能外呼、智能分案、智能外呼语音质检等工作

二、应用实践

自大数据、人工智能和云计算等技术兴起，银行就不断将智能技术引入信贷风控领域以

提高风险管理能力。特别是随着移动互联网和网络支付的广泛应用，部分头部互联网公

司积累了大量客户金融及信用数据，为智能风控技术的发展奠定了基础。与此同时，头

部银行开始积极探索智能风控体系建设，结合银行业务、技术、数据和管理优势选择了

不同发展路径。笔者基于公开资料，整理了部分银行的智能风控系统建设情况及使用效

果。

1.实现平台体系化运营

国有银行基于自身的技术能力和基础数据管理能力，均已建成智能化风控平台并开始体

e

系化运营。工商银行着力构建“融安盾”等一系列智能风控系统，打造了企业级智慧

化风险防控整体解决方案；积极开展智能风控体系建设，如个人客户智能化风险监控的

十大应用场景等。其中，基于大数据创新的风险管理服务形态智能模型自投产以来，模

型预警量较原监督体系减少了30%,风险识别率达到21%,风险监控的精准性、时