九卦 I 零售金融风控，AI如何大显身手？

文/老丁（量化派），本文是九卦金融圈原创文章，转载请注明来源。

在阿尔法狗战胜李世石后，人工智能在全球的热议程度达到一个新的高度。基础层的云计算、大数据等因素的成熟催化了人工智能的进步，得益于神经网络深度学习在算法上的突破则带来了人工智能浪潮，使得复杂任务分类准确率大幅提升，从而推动了计算机视觉、机器学习、自然语言处理、机器人技术、语音识别技术的快速发展。

金融是人工智能技术的最佳应用场景 ，大数据和人工智能已成为消费金融的主要驱动力，不仅能够对整个行业产生颠覆性的影响，而且会提升金融行业的整体运行效率。 在零售金融风控领域，通过对AI的开发及应用尤其是在反欺诈领域提供了更好的助力，借助AI技术挖掘海量信息的规律，金融将更加智能。

人依靠自己的经验来解决问题，但人毕竟是有限的，你的知识框架是有限的，你周围的这些判断依据也是有限的，这种情况下效率是低下的。而“数据＋模型”可以预测将来的N种可能性，从中推选出最有效率、正确性相对高的一种，这将极大提高人们做决策的效率和准确性。如果整个过程以自动化的形式来实现，那瞬间就能让这件事变得非常高效。 金融科技公司通过运用不同的神经网络算法和模型，来提升风控的有效性， 从贷前、贷中到贷后，运用“数据+模型”结合人工智能技术的创新应用主要有：

一、 贷前反欺诈 ：随着大数据的普及和应用，金融服务机构可以搜集更多维度的数据来更精细的进行用户画像，包括利用一些行业数据，用户的互联网浏览数据，司法执行数据，第三方信用数据，出行数据，电商平台的交易数据，电话通讯数据和社交数据。这些数据的覆盖人群会远远超过现有的金融行业所使用的数据，而AI就是对这些数据进行组合，从而挖掘出有效的特征。在模型假设过程中，AI所做的就是极大简化这个过程，提高效率，同时可以大大提高模型验证和迭代的速度。

二、 信用评级 ：根据用户授权的社交信息，分析用户的履约记录、消费行为和还款能力，提升信用评级的精准度，帮助更多人获取到最适合自己的金融服务。线上海量数据的维度非常多，但是只有对真正有效的数据，进行深入研究，才能充分发挥数据价值，提升风控效率，通过AI可以挖掘更有价值的特征和更高效的建模和模型迭代。

三、 贷后管理 ：根据用户的还款记录，判断用户未来的还款行为、复贷需求和复贷能力。