氪信聯(lián)合創(chuàng)始人楊玢玢：AI應(yīng)用在金融領(lǐng)域，如何能夠在商業(yè)上有所突破？

氪信楊玢玢 AI 金融

原創(chuàng) 楊玢玢 | 2017-05-04 08:30

【數(shù)據(jù)猿導(dǎo)讀】 AI應(yīng)用在金融領(lǐng)域，想要有所突破，需要幾個(gè)必要因素，一個(gè)是要有數(shù)據(jù)，畢竟AI歸根究底還是數(shù)據(jù)的技術(shù)；另外要有處理數(shù)據(jù)的能力，其次還要有商業(yè)變現(xiàn)的場(chǎng)景。技術(shù)單獨(dú)存在不能產(chǎn)生價(jià)值，一定要放在一個(gè)對(duì)技術(shù)有需求的場(chǎng)景里面

氪信聯(lián)合創(chuàng)始人楊玢玢：AI應(yīng)用在金融領(lǐng)域，如何能夠在商業(yè)上有所突破？

來源：數(shù)據(jù)猿作者：楊玢玢

如今，隨著社會(huì)不斷發(fā)展，技術(shù)不斷進(jìn)步，國(guó)內(nèi)外各大金融機(jī)構(gòu)已經(jīng)在大數(shù)據(jù)、人工智能、區(qū)塊鏈等新技術(shù)上有很多嘗試，智能客服、智能投顧等新金融形式也早已不新鮮。那么，這些前沿新科技遇到嚴(yán)肅謹(jǐn)慎的金融業(yè)，究竟是“黑科技”般的存在，還是技術(shù)宅們的另一場(chǎng)狂歡呢？

4月25日，由數(shù)據(jù)猿主辦的《當(dāng)金融遇上黑科技》線下主題沙龍活動(dòng)在上海騰訊眾創(chuàng)空間順利舉行?；顒?dòng)上，來自傳統(tǒng)金融機(jī)構(gòu)、金融科技領(lǐng)域新秀、大數(shù)據(jù)與人工智能專家等一眾大咖匯聚一堂，暢聊了大數(shù)據(jù)、人工智能、區(qū)塊鏈等“黑科技”與金融業(yè)的那些事！

以下是由數(shù)據(jù)猿精編整理發(fā)布的氪信聯(lián)合創(chuàng)始人楊玢玢的精彩分享：

大家好！我是氪信楊玢玢，負(fù)責(zé)氪信產(chǎn)品研發(fā)。氪信的全稱是氪信信息技術(shù)有限公司(CreditX)，最近剛剛完成了B輪融資。團(tuán)隊(duì)的核心人員均來自于雅虎、微軟、攜程、eBay、央行等世界知名公司和機(jī)構(gòu)，在人工智能領(lǐng)域有超過10年的積累。

在氪信創(chuàng)立之初，我們主要思考這樣一個(gè)問題：AI應(yīng)用在金融領(lǐng)域里，如何能夠在商業(yè)上有所突破？李開復(fù)老師也針對(duì)這個(gè)問題說過他的觀點(diǎn)：想要有所突破，需要幾個(gè)必要因素，一個(gè)是要有數(shù)據(jù)，畢竟AI歸根究底還是數(shù)據(jù)的技術(shù)；另外要有處理數(shù)據(jù)的能力，其次還要有商業(yè)變現(xiàn)的場(chǎng)景。技術(shù)單獨(dú)存在不能產(chǎn)生價(jià)值，一定要放在一個(gè)對(duì)技術(shù)有需求的場(chǎng)景里面。

我們認(rèn)為，把AI技術(shù)應(yīng)用于金融領(lǐng)域是一個(gè)突破點(diǎn)，而且金融本身是數(shù)據(jù)化非常完善的場(chǎng)景。同時(shí)，金融領(lǐng)域還具備以下幾個(gè)要素：

第一，市場(chǎng)本身快速發(fā)展。在國(guó)內(nèi)目前征信體系不是很完善的情況下，很多有金融需求的人得不到相應(yīng)的金融服務(wù)。氪信通過對(duì)數(shù)據(jù)的搜集和加工，為符合要求的用戶提供金融服務(wù)。

第二，數(shù)據(jù)端非常成熟。如今，大家花在手機(jī)上的時(shí)間特別多，互聯(lián)網(wǎng)行為就是一個(gè)非常好的數(shù)據(jù)。關(guān)鍵在于如何把它和金融、信用相結(jié)合，怎么去擬合他們之間的關(guān)系。而這種信任評(píng)估是氪信比較擅長(zhǎng)的。

從我們決定把AI的技術(shù)應(yīng)用于金融風(fēng)控，至今已有一年半的時(shí)間，在這段實(shí)踐過程中，我們看到在技術(shù)層面、業(yè)務(wù)層面和戰(zhàn)略層面都存在很多痛點(diǎn)，概括來說，就是業(yè)務(wù)本身對(duì)技術(shù)提出了需求。比如2016年蓬勃發(fā)展的小額現(xiàn)金貸業(yè)務(wù)，本身就是一個(gè)欺詐頻發(fā)的行業(yè)，且沒有強(qiáng)數(shù)據(jù)做支撐，因此，很多從業(yè)十幾年的金融風(fēng)控專家在面對(duì)新業(yè)務(wù)形態(tài)時(shí)，顯得有些束手無策。

沒有強(qiáng)數(shù)據(jù)不代表沒有數(shù)據(jù)，事實(shí)上，企業(yè)還是能夠拿到一些所謂的“弱數(shù)據(jù)”，比如手機(jī)上的數(shù)據(jù)，設(shè)備類的數(shù)據(jù)，或者一些消費(fèi)類的數(shù)據(jù)。拿到數(shù)據(jù)之后去想怎么把這些數(shù)據(jù)用好，最后再?zèng)Q定要不要給這個(gè)人授信。至于授信多少，就需要用到AI技術(shù)了。

接下來分享一下氪信的做法和取得的成果。簡(jiǎn)單來講風(fēng)控分為兩個(gè)部分：一個(gè)是反欺詐，一個(gè)是授信。

在實(shí)踐過程中，我們發(fā)現(xiàn)區(qū)別于傳統(tǒng)征信，互聯(lián)網(wǎng)征信存在幾個(gè)核心的點(diǎn)：

第一，在反欺詐的階段，傳統(tǒng)征信很難捕捉到一些不是很明顯的、由于社交關(guān)系和其它關(guān)系對(duì)自己產(chǎn)生的潛在風(fēng)險(xiǎn)，例如一些團(tuán)貸、群體欺詐的問題。但是這些問題通過挖掘網(wǎng)絡(luò)數(shù)據(jù)價(jià)值就可以得到很好的解決。

第二，了解AI的人都清楚，我們?cè)谧鰯?shù)據(jù)加工的時(shí)候，主要還是做特征和建模。在加工的過程中，除了運(yùn)用專家的方法之外，深度學(xué)習(xí)也被驗(yàn)證效果突出。建模階段相比較傳統(tǒng)的淺層模型，比如說邏輯回歸等等模式，我們采用的是復(fù)雜的集成模型方式，因?yàn)椴煌S度的數(shù)據(jù)具有不同的特點(diǎn)，需要使用不同的建模方法，集成學(xué)習(xí)框架可以支持不同類型模型算法作為子模型，高效、準(zhǔn)確的處理稀疏、超高維、非線性數(shù)據(jù)建模。

接下來我會(huì)分別講一下我們公司的做法：

第一是底層，我們需要把能夠拿到的數(shù)據(jù)定義為網(wǎng)絡(luò)需要的關(guān)系，底層做一個(gè)數(shù)據(jù)的整合；第二層我們會(huì)到一些復(fù)雜的網(wǎng)絡(luò)構(gòu)建基礎(chǔ)，里面有一些信息挖掘和算法；再往上我們會(huì)有一些模型，從網(wǎng)絡(luò)里面拿到隱含的特征，去進(jìn)行模型的構(gòu)建；最終來識(shí)別比如說一些虛假的申請(qǐng)，或者是一些特殊地域的團(tuán)貸等。

在網(wǎng)絡(luò)的算法里面，我們的主要核心是復(fù)雜網(wǎng)絡(luò)構(gòu)建和團(tuán)挖掘技術(shù)兩塊。首先在原始的點(diǎn)和邊構(gòu)建好以后，我們?nèi)绾瓮ㄟ^合理算法解決實(shí)際的問題，通過團(tuán)的距離計(jì)算，達(dá)到比較良好的分團(tuán)的結(jié)果。

另外一個(gè)是特征，這個(gè)也是非常關(guān)鍵的。我們?nèi)绾螐木W(wǎng)絡(luò)里面提取對(duì)一個(gè)人的欺詐識(shí)別比較有用的信號(hào)特征。在這方面，傳統(tǒng)的做法是會(huì)有一些個(gè)人的風(fēng)險(xiǎn)特征，或者關(guān)聯(lián)人，大概多少壞人，這些是我們?nèi)四芟氲降奶卣鳌?/p>

另外在我們的實(shí)踐應(yīng)用過程中，我們發(fā)現(xiàn)在突破單個(gè)風(fēng)險(xiǎn)點(diǎn)來臨的時(shí)候，整個(gè)網(wǎng)絡(luò)會(huì)出現(xiàn)一些局部風(fēng)險(xiǎn)，并形成連接，比如說形成一些三角或者四角的關(guān)系等。從長(zhǎng)遠(yuǎn)的時(shí)間上看，這樣的關(guān)系可能未必不正常，但是一定時(shí)間內(nèi)，你的申請(qǐng)人形成了非常緊密的聯(lián)系，這件事情是值得注意的。

除了個(gè)人局部的風(fēng)險(xiǎn)特征以外，還有全局的。我們用到了一些優(yōu)化后的算法，每一個(gè)人在整個(gè)網(wǎng)絡(luò)中，都會(huì)出現(xiàn)一些高的風(fēng)險(xiǎn)點(diǎn)，對(duì)和他有社交關(guān)系的人也會(huì)存在輻射效應(yīng)。對(duì)于個(gè)人來說，可能在一度二度三度關(guān)系上，會(huì)和一個(gè)或是幾個(gè)壞人有一些聯(lián)系，現(xiàn)在社交比較發(fā)達(dá)，如果出現(xiàn)大片這樣子的人，可以通過輻射算法捕捉到這樣的信號(hào)。

另外在網(wǎng)絡(luò)這塊，很重要的一點(diǎn)就是整個(gè)系統(tǒng)的回轉(zhuǎn)和流程優(yōu)化。因?yàn)榫W(wǎng)絡(luò)欺詐有一個(gè)特性，對(duì)于實(shí)時(shí)性甄別以及實(shí)時(shí)修改性上限要求特別高，同時(shí)我們學(xué)習(xí)的目標(biāo)，不是一個(gè)純事實(shí)，很多都是學(xué)習(xí)專家認(rèn)定為欺詐的經(jīng)驗(yàn)，這樣的結(jié)果對(duì)本身的優(yōu)化是很有價(jià)值的，從整個(gè)產(chǎn)品來看，形成了數(shù)據(jù)加工、數(shù)據(jù)計(jì)算和反饋的閉環(huán)。

我們也有專家的界面，網(wǎng)絡(luò)捕捉風(fēng)險(xiǎn)之后，我們的專家都可以看到。

下面分享一下我們氪信在特征加工上的實(shí)踐?？赡芰私?#65;I的人特別清楚，我們最后做模型結(jié)果的時(shí)候，如果是優(yōu)秀的話，這個(gè)優(yōu)秀的絕大部分來自于我們非常辛苦的加工過程。

我們會(huì)看到個(gè)人的加工方法，很多時(shí)候會(huì)有一些不局限性，比如說文本的特征，通過一些方法或者通過不同時(shí)間維度的方法，可以描繪出幾百個(gè)維度的特征，但是不可能達(dá)到完備的狀態(tài)，我們確實(shí)需要借助技術(shù)本身的能力達(dá)到提升。

氪信在小額信用貸的場(chǎng)景里面，嘗試用深度學(xué)習(xí)像循環(huán)神經(jīng)網(wǎng)絡(luò)處理時(shí)序的數(shù)據(jù)一樣處理文本，效果還是非常不錯(cuò)的，我們整個(gè)的特征過程是包含了專家的部分以及深度學(xué)習(xí)自動(dòng)生成的特征共同傳遞給模型，并且進(jìn)行了最終的預(yù)測(cè)和識(shí)別。

這邊舉一個(gè)具體的例子，剛才我提到時(shí)序的特征。比如我在不同的時(shí)間窗口，是不是要窮盡所有的特征？有可能我們花費(fèi)了大量的時(shí)間，只可以覆蓋80%的部分，但是我們用循環(huán)神經(jīng)網(wǎng)絡(luò)利用長(zhǎng)短時(shí)記憶的特征，可以捕捉數(shù)據(jù)在不同窗口趨勢(shì)類、統(tǒng)計(jì)類等不同的特征，從而衍生出來上萬種特征，最后我們把這些交給模型，讓它來識(shí)別哪些是有效的。

建模部分。我們?cè)鲞^很多相關(guān)的實(shí)踐，像淺層的偏現(xiàn)金的模式，有它的優(yōu)勢(shì)，比較穩(wěn)定，人也好理解。也嘗試過中間階段端到端的深度學(xué)習(xí)的方法，通過反神經(jīng)網(wǎng)絡(luò)的方法捕捉之間的關(guān)聯(lián)。

最后通過實(shí)踐結(jié)果，我們認(rèn)為集成模型在金融風(fēng)控場(chǎng)景里，是一個(gè)判斷好壞既穩(wěn)定又有效的手段。集成模型的思想是用不同的子分類器，處理不同的數(shù)據(jù)。我會(huì)選擇最好的分類器處理面臨的數(shù)據(jù)，在上面去做一個(gè)集成，優(yōu)勢(shì)就出來了，就是好而不同，說的直白一點(diǎn)就是三個(gè)臭皮匠頂個(gè)諸葛亮。從模型性能來看，集成方法無論是擬合能力、模型的預(yù)測(cè)能力，以及換一個(gè)場(chǎng)景它的穩(wěn)定能力都是非常好的。同時(shí)，集成模型在各個(gè)場(chǎng)景里也可以實(shí)現(xiàn)遷移?，F(xiàn)在在氪信的產(chǎn)品體系里面，也融合了這個(gè)方法。

在信用貸場(chǎng)景里面，我們和傳統(tǒng)模型相比性能提升了1倍，穩(wěn)定在KS值0.3以上，壞賬率直接下降46%。這使得我們很興奮，是技術(shù)給業(yè)務(wù)直接帶來了效果。

氪信要做的就是把AI技術(shù)加到金融風(fēng)控里面，而這個(gè)領(lǐng)域里面還是有很多事情可以做的。我們?cè)趯?shí)踐的過程中，同時(shí)把方法形成一套產(chǎn)品體系，幫助金融機(jī)構(gòu)解決問題。我們氪信有相應(yīng)的云數(shù)據(jù)的服務(wù)，有機(jī)器學(xué)習(xí)建模平臺(tái)，有在線風(fēng)控引擎，可以幫助完成企業(yè)互聯(lián)網(wǎng)+的升級(jí)。

數(shù)據(jù)核心是我們沉淀的這條金融圖譜的知識(shí)體系，從原始的需要用什么數(shù)據(jù)，到加工挖掘數(shù)據(jù)，再到上層怎么連接管理它，形成精準(zhǔn)完備的畫像。

另外在系統(tǒng)的整個(gè)過程和AI的運(yùn)營(yíng)中，從設(shè)備接入到數(shù)據(jù)的加工處理，到得出結(jié)果等等，整個(gè)都是自動(dòng)化的過程。現(xiàn)在現(xiàn)金貸的量非常大，解放人力已經(jīng)成為重要需求，因此我們確確實(shí)實(shí)需要這樣一套數(shù)據(jù)智能一體化的產(chǎn)品。

來源：數(shù)據(jù)猿

收藏分享

聲明：數(shù)據(jù)猿尊重媒體行業(yè)規(guī)范，相關(guān)內(nèi)容都會(huì)注明來源與作者；轉(zhuǎn)載我們?cè)瓌?chuàng)內(nèi)容時(shí)，也請(qǐng)務(wù)必注明“來源：數(shù)據(jù)猿”與作者名稱，否則將會(huì)受到數(shù)據(jù)猿追責(zé)。