北京2018年11月20日电 /美通社/ -- 近期，由直讯中国和新网银行联合主办的“2018零售信贷智变大会”于成都首座万豪酒店成功召开。大会以“以智变•焕质变”为主题，近30位业内大咖倾情分享，300多位从业者齐聚一堂，共同交流了零售信贷的相关话题，促进各类金融机构竞合共生，推进金融科技与金融服务的有效融合。作为国内智能风控领军企业，中诚信征信副总裁兼CTO姚明受邀出席此次会议并发表了主题为“智能风控助力新零售信贷发展”的演讲。凭借优秀的智能风控解决方案，中诚信征信荣获了“最佳智能风控奖”。
中诚信征信副总裁兼CTO -- 姚明
姚明在演讲中提到，移动互联网时代的客户对金融服务诉求发生了根本性改变，从数量要求转变为质量要求，从传统网点服务要求转变为移动互联网APP服务要求，涵盖衣食住行生活服务，不同客户群体特别是年轻客户群体的要求差异性更加明显。
对于这样的年轻客户群体，由于没有掌握充分的金融交易数据，传统风控手段难以有效覆盖；另外由于新金融场景垂直化、多样化的特点，传统风控模型建立周期久、更新流程慢等缺点也难以适应行业的快速发展变化。综合来看，新零售的信贷风控需要在保证精准的前提下，做到更普惠、更实时，更灵活，这是包含在对智能风控的诉求中的。
智能风控的核心是智能建模，其本质是基于已经掌握的数据来建立对未来的一些预测。以信用评估为例，建模就是通过已知的部分用户信息以及表现数据，来寻找两者之间的因果关系和关联关系。如果将用户信息定义为x，将表现数据定义为y，将其间的关系定义为f，那么建模就是求解函数y=f(x)中的f，在这个角度，建模也可以被认为是一种数学求解，契合了张首晟教授的一句话“in math, we trust”。
获取更多的x、挖掘更多x的价值、运用更先进的求解算法、获得更多的表现数据反馈，都意味着求解（建模）的过程更快捷、效果更精准。所以，风控建模的智能化主要体现在数据获取、数据挖掘、智能算法、模型迭代几个方面。
数据的数量和质量决定了风控模型“质”的上限。使用互联网大数据来评估信用，能大幅度提高评估模型的群体覆盖度，意味着能更好的满足普惠金融业务发展，当前的主要数据获取方式包括：
第三方数据查询，接口对接；
设备预埋采集，通过SDK和内置代码等方式获取设备信息和行为信息；
公开网络的爬取与搜索；
定向授权抓取(目前存在争议)
数据价值挖掘能力决定了风控模型“量”的上限。引入知识图谱技术处理数据，是对世界中存在的实体或概念进行二维化描述，其中每个实体或概念被定义为唯一性“节点”，节点的内在特性被刻画为“属性”，节点与节点之间的关联通过“关系”进行表述，借助这种信息表达方式，能够充分挖掘信息之间更高维度的价值，在风控中的主要应用包括：
通过关联信息的一致性检验，发现异常逻辑，识别欺诈；
通过对图的异常结构或异常节点分析，识别欺诈；
利用标签传播算法用已标记“坏”节点的信息去预测未标记节点的风险程度；
通过社区发现算法实时评估每个⽤户的组团欺诈风险；
数据特征工程，包括凝聚性特征、结构性特征与关联性特征等。
机器学习算法集成与超参数调优决定了函数逼近程度的上限。算法集成可以理解为将一些弱分类器，通过算法集成为一个强分类器，这对于处理高维稀疏数据有重要意义；而在参数调优方面，充分利用智能算法，能改善调优的效率与效果。将算法集成与参数调优的过程自动化、计算智能化，构建自动机器学习平台，结合决策引擎，可以让非专业建模人员也能快速建立模型、并将模型转化为业务风控规则。
基于上述的数据集成、知识图谱、自动机器学习、决策引擎等智能组件，构建一整套闭环自学习迭代系统，就是中诚信征信自主研发的万象智慧平台（Asmart），该平台拥有人机智慧结合的数据智能，将以自身技术的不断迭代持续助力新零售信贷业务的发展。
关键词:
