消费信贷的欺诈风险几何?欺诈风险和信用风险到底有哪些区别?如何开发有效反欺诈模型?在近日的“互联网信贷反欺诈模型开发经验分享会”上,MinTech首席风险官苏建成先生一一做出解答,与现场50多位学员讲述信贷欺诈“防”与“攻”之间的故事。
MinTech首席风险官苏建成
道高一尺 魔高一丈
苏建成介绍到中国个人消费支出的高速增长成为不可逆转的趋势,促成了消费信贷行业的蓬勃发展,2020年我国短期消费贷款市场有望突破10万亿元。但是在互联网金融领域,反欺诈工作由来已久。
从最原始的人工检测,到后来的黑白名单、规则引擎,再到现在的“大数据+AI”,演化至今,欺诈与反欺诈手法可谓变化多端。然而常言道,道高一尺,魔高一丈。在利益诱惑之下,欺诈者不断扩充队伍,升级技术,变化攻击方式,给金融机构带来了巨大威胁。
作为风控领域的资深专家,苏建成曾在美国第一资本银行Capital One、花旗银行、摩根大通长期担任消费金融业务高阶管理工作,曾管理百亿美元信用卡资产的全流程风控。
对比中美两国的情况,他谈到美国的征信体系完善,强特征数据完备,对评估欺诈风险非常有效。而且美国的欺诈成本很高,30%的短期消费由借贷解决,很多年轻人借不到钱几乎寸步难行,所以大家很在意自身的信用值。但是在中国,只有两三亿人被央行征信数据覆盖。数据的缺失和未被充分使用,直接导致违约成本低,金融机构反欺诈成本增高。
那么在与欺诈分子斗争中,有哪些有效形式呢?
“大数据的应用和模型自动化决策是建立有效反欺诈系统的关键。”苏建成认为,消费信贷对大数据的依赖和期待是天然的,数据是反欺诈系统的基础,反欺诈模型是核心竞争力。
同时他强调,做好金融风控最本质的是对金融业务的理解,而不能盲目追求新算法和复杂度。“风控模型追求的终极目标是准确性和稳定性的平衡,这个过程不仅是技术,更是艺术。”
培训现场,苏建成还按照模型设计开发流程,详细与学员们分享了如何有效搭建反欺诈模型。大家反馈热烈,纷纷就实操问题展开积极讨论。
MinTech构建核心竞争力
苏建成认为中国的金融科技已经走在了世界前列,这是一个充满想象的领域。
以MinTech为例,作为一家定位金融科技的公司,MinTech组建了一支优秀的风控技术团队,并基于数据技术能力、深度学习、人工智能、图像识别、图谱网络、区块链等领先技术的创新,研发了独具特色的全流程智能金融服务体系“智能量子引擎”。其涵盖的“变量引擎、定量引擎、筹量引擎、盘量引擎”四大模块,为金融机构提供获客、风控、资金匹配及贷后管理的全方位技术服务。
其中,作为风控核心的“定量引擎”已获专利认证。它通过前沿技术,引入人工智能做到策略的自动优化,打造多重风控体系,从而实现毫秒风险核定。
这套全方位的智能在线信贷体系,不仅为MinTech获得了国内金融机构的认可,也为其开拓了海外市场。目前,公司已在美国、中国、印尼、菲律宾设立机构,深度参与当地的金融基础设施建设。
“中国模式和技术在国内已经走通,可以复制到其他国家。”苏建成表示,MinTech希望通过成熟的技术输出赋能行业的健康发展。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
