编者按：

近年来，以人工智能、区块链、云计算、大数据为代表的新一代信息技术，在金融行业尤其是在主营零售业务的消费金融行业得到普遍应用，大大提升了消费金融公司的综合能力。其中，在风险控制方面，金融科技帮助消费金融公司提升效率、降低成本成效明显。在运用科技管理风险方面，头部消费金融公司有哪些值得行业学习的做法？其中又存在哪些隐患？本期专题深入探讨。

□记者 樊融杰

近期，多家消费金融公司（以下简称“消金公司”）陆续披露了2021年业绩。在2021年，消金行业优胜劣汰有所加剧。相比商业银行，消金公司面临更为下沉的客户群体，通过金融科技提高风控能力成为业内大多数公司的共识。多家消金公司表示，将继续借助科技来守住风险底线，并利用科技来降低运营成本。

各拥“独门武器”

数据显示，2021年，马上消费金融、招联消费金融、兴业消费金融等公司的业绩位居行业前列。

记者从上述多家消金公司获悉，这与各公司应用金融科技来促进风控能力的提升密不可分。

“风险管理措施的自动化执行对系统的要求极为精细和高效，尤其是每天面临数十万申请，每秒并发几百单申请，每个申请单要秒级处理人民银行、征信部门、银联、公安等多个数据源，生成上百个模型和策略规则，这对企业科技能力挑战巨大。”马上消费金融相关负责人对《中国银行保险报》记者表示。

据悉，为提升风控能力，马上消费金融构造了自有复杂网络，由千万级的内部黑名单作为种子，产生几十亿条数据的复杂网络关联数据，对反欺诈具有极强的效果。

兴业消费金融相关负责人表示，在传统风控模式基础上，该公司持续加强智能风控系统建设，充分借助“人工”加“系统”的协同应用，大幅提高业务风险控制能力。

如在风险审批方面，兴业消费金融通过自建评分模型、反欺诈模型，严格防范欺诈及信用风险，并提高审批效率；在风险监测方面，兴业消费金融设计了针对各机构的风险预警体系，全面动态监控各项业务的风险表现和风险属性。

招联消费金融的系统能根据不同风险的客户、不同场景的消费进行智能分级、自动校验、模型评分，通过运用人工智能、机器学习等技术在短短几秒钟内建立客户风险画像，对欺诈、伪冒、套现等行为予以有效拦截，从而制定差异化的风险策略，实现实时数据源毫秒级的高性能实时计算和每秒数万次事件的处理能力，确保公司在快速稳健发展的同时维持着较低的风险水平。

中银消费金融首席运营官章涛表示，“金融行业具有风险后置的特征，相对来说，银行股东背景的持牌消金公司会更加注重风险把控。当行业越来越规范，消金公司将迎来更好的发展机会，甚至大有可为。”

渗透各个环节

随着金融科技创新应用不断丰富，可以满足消费金融公司在不同场景下对数据处理规模、速度和准度等方面的需求，如贷前审核的风险和成本问题、贷中的客户信用风险变化问题、贷后的催收和复贷问题等。

“在贷前调查环节，我们运用人脸识别、OCR技术识别借款人身份；在审查审批环节，我们则借助外部信息，引入第三方数据排查借款人不良负面信息；同时，公司分析借款人信贷周期、负债结构及还款能力变化趋势，并融合外部信息，全面防范借款人信用风险。公司借助大数据平台的协同应用，不断优化风控模型，审慎评估借款人还款能力，进一步加强风险识别能力。”兴业消费金融相关人士表示。

马上消费金融也从四个方面将金融科技渗透到风控多个环节：一是以全流程业务线上化为基础，最大程度提升客户体验、业务流程标准化处理能力。二是提炼全流程业务过程指标数字化经营管理，通过数字孪生可视化，观测、预测业务的变化和趋势，实现高效业务决策能力；策略、模型覆盖营销获客，贷款全流程的客户分群、风险定价、差异化营销运营，通过机器学习、深度学习智能化优化算法提升决策精准度、决策效率。三是通过大数据管理大数据，提升业务高性能、高可用能力、可持续的金融科技赋能业务能力。四是通过自主创新、专利、高校产学研合作，不断提升风险能力。

不能过度依赖算法

伴随着金融科技的发展，衍生出来的复杂多样的潜在风险越来越引起各方面的重视。

有研究指出，随着算法在金融领域应用的深入，算法固有的缺陷和特性也逐渐与金融本身的风险和逻辑发生耦合，形成了算法歧视、算法绑架、算法趋同等新型金融风险。

“我们注意到有关‘算法风险’可能出现的负面效果及相关风险。对此，我们除了通过规范的制度明确模型训练、开发、上线审批等关键环节操作要求，还在模型开发阶段考虑了区域、行业经济发展及客群变化等各种可能影响模型效果的因素，并通过不同时间、区域等多重验证、立体化模型监控和纠偏机制积极避免算法风险。在模型监控方面，我们还定期监控模型效果，分析业务和客群变化指标，开展模型效果评估，适时校准模型的稳定性和风险识别能力，控制各类业务风险敞口，实现风险问题‘早发现早解决’。”兴业消费金融表示。

马上消费金融则认为，在风险决策的过程中，不能过度依赖算法。据悉，在目前的业务实践中，该公司通过各种数学方法的创新使用，即使是通常被认为是“黑盒”的机器学习模型，也能够通过各种方法将其解构，从而帮助风控人员能够更好地认清模型的内在机理和潜在风险，将模型的结果进行人工修正，从而避免完全依赖于算法做出决策。除此之外，马上消费金融还建立了完善的模型验证和模型监控机制，由独立的团队来评估模型的潜在风险。在应用模型时，也会根据不同的客户群体进行分群应用，从而避免因为单一显著变量在数据中的异常表现而出现背离信贷常识的问题。

章涛认为，金融和科技的结合主要体现在风控和服务上。管理方面，比如数据使用、利率制定以及营销推广和贷后催收等，都需要坚持在合规框架内使用科技手段来提升效率和降低单位成本。