2019年金融风控行业大数据分析报告

金融科技
• 真正与金融行业深度融合的金融科技则具备破解 金融行业痛点和难题的潜质，并有望将金融行业 的发展带入到一个全新的发展阶段。
• 通过将大数据、智能科技的手段应用到金融行业 的风控环节当中就能够达到这样的效果，海量的 数据样本为我们提供了丰富的用户和项目标本， 通过这些数据，我们不仅能够实现用户与项目的 完美对接，而且能够让预判到项目的风险等级， 提前对项目运行做出预判，提升金融行业的安全 性。而智能科技的应用则能够减少人力成本，提 升金融行业的运行效率，通过建立智能风控的模 型，我们用智能机器人或智能模型来代替大部分 的人工，从而进一步提升金融行业的效率。
获客
用户画像 智能营销 智能客服 生命周期管理
身份验证
反欺诈 活体识别 关联分析
授信
风险定价 信用评分
贷中监控
交易反欺诈
贷后管理
智能催收
10
大数据与其它技术的融合将显著提升风控效果
AI技术提升 算法能力
算法
数据
大数据 风控
算力
物联网和区块链 解决数据问题
云计算增强 计算能力
• 大数据、AI技术的融合和优化，提升大数据风控 • 活体识别、OCR、声纹识别、虹膜识别等多种技术融
区块链
生物识别
安全
加密
9
金融大数据在信贷领域有广泛的应用，重点是风控
• 大数据覆盖信贷领域各个流程，重点是获客、身份验证和授信环节 • 获客环节建立用户画像跟踪用户完整生命周期 • 身份验证环节，通过活体识别等技术解决申请人是否本人的问题，关联分析则是利用图关联技术，找出欺诈团伙 • 授信环节汇聚多方数据源，通过建模进行风险定价，金融科技服务商输出信用评分给机构使用
11
2
PART
开发金融风控模型
12
贷款违约预测模型-总体架构
• 以贷款违约预测为例，开发金融大数据风控模型。 贷款违约预测模型
1. 场景解析
2. 数据预处理
3. 特征工程
4. 模型训练
2010-2016年，商业银行不良贷款规模和不良贷款率
30
25
20
1.1
15
1.0
1.0
1.3 1.0
1.7
1.7
2.0 2.0
年增速 1.5 18%
29.6
15.1
12.7
1.0
10
8.4
4.3
4.3
4.9
5.9
0.5
5
0 2010
2011
2012
2013
2014
2015
2016
202Βιβλιοθήκη BaiduE
不良贷款余额（千亿人民币）
金融风控行业大数据 分析报告
CONTENTS 目录
01
理解金融科技价值
02
开发金融风控模型
03
创新金融风控体系
2
1
PART
理解金融科技价值
3
近几年，银行业的不良贷款规模和不良贷款率大幅攀升
•近年来，中国宏观经济正面临严峻挑战，银行业不良资产规模迅速攀升。截至2016年第四季度， 商业银行不良贷款余额达15122亿元，预计到2020年，这一数字将上升至3万亿元。
3
改良赋能
• 帮助金融机构克服传统的结 构性障碍和工作流程挑战
• 如：更好触达，更好运营， 更好体验 客户关系管理工具供应商、 债券匹配代理商、KYC/AML （了解你的客户/反洗钱）工 具、分析、监控和网络安全 工具
改变玩法型企业将成为颠覆式 创新的重要组成力量
颠覆式创新的业务模式将逐渐
成为金融机构核心业务模式的 重要推动因素
20.0
18.3
15.0
10.0
5.0 2.4
0.0 2010
3.0 2011
4.6 2012
6.9 2013
7.8 2014
8.2 2015
9.4 2016 2020E
年增速 18%
5
现在金融科技来了，它将改变传统金融模式
• 互联网金融仅是匆匆过客，金融科技才是终极风口。
互联网科技
• 互联网科技仅仅只是一把尖刀，只会对金融行业 进行漫无目的分解，最终不仅让人大汗淋漓，而 且无法真正解决金融行业本身的痛点和难题。 • 以风控为例，互联网金融时代之所以会有诸多乱 象主要是因为行业和用户发生了变化而风控方式 没有发生改变所导致的。
投资&交易
投资管理，机器人咨询， 交易定价&算法，交易IT，
交易平台，经纪，清算
规划
业务流程自动化，客户关 系管理，合规&了解客 户，库存&供应链管理
安全
数字身份，身份验证， 欺诈管理，网络安全， 数据加密
8
金融科技涵盖大数据、人工智能等更高层次技术
人工智能
移动互联
大数据 互联技术
物联网
云计算
分布式技术
合，提供更加全面的身份识别，降低欺诈风险的发生 • 通过算法调优和计算能力提升，半监督学习等技术正在应
用到反欺诈等风控场景，降低对专家经验和数据的依赖 • 区块链技术使数据共享成为可能，彻底解决数据孤岛问题 • 区块链技术解决了数据共享的信任问题，规定了数据使用
的边界，保证了数据的一致性。通过区块链建立多方数据 共享平台，解决数据孤岛问题，将降低金融机构获取数据 的门槛与成本 • 物联网提供线下数据，丰富数据纬度 • 通过传感器等设备采集线下数据，如车联网数据，将丰富 车险驾驶行为数据维度，从而实现风险定价 • 建立金融云平台，毫秒级响应 • 通过金融云平台，金融机构可以处理PB级数据，同时应 对百万流量，极大提高风控系统的响应速度
6
金融科技正在推动金融服务领域创新与重塑
1
改变玩法
• 将移动装置、社交媒介、分 布式分类帐系统等技术和新 方法应用于金融服务领域
• 如：加密货币、智能合约、 机器学习/人工智能工具，运 用社交网络来预测市场动向
2
挑战中介
• 运用新技术和新工具，旨在 通过金融脱媒，提高客户独 立性
• 如：买方对买方网络、P2P 外汇和贷款平台、帮助投资 者自主进行交易决策的认知 智能工具
不良贷款率（%）
4
非银金融机构的潜在不良资产也浮出水面
•非银金融近年来也迎来了蓬勃发展，但由于其业务“高风险、高收益”的特性突出，加之风控方 面相对薄弱，因而面临的不良资产风险更甚于商业银行。预计2020年非银不良贷款规模将达到 约1.8万亿元。
2010-2016年，非银金融机构不良贷款规模（千亿人民币）
7
金融科技应用主要覆盖八大领域
支付
支付处理，转帐，移动 支付，外汇，信用卡， 预付费卡，奖励计划
数据&分析
大数据解决方案，数据 可视化，预测分析，数 据提供商
保险
经纪，承保，理赔，风 险管理工具
借贷/众筹
众筹平台，社交借贷， 抵押&企业贷款
区块链
区块链协议开发，数字货币， 智能合同，区块链支付&结 算，资产&身份管理