智慧风控体系建设实践和应用

中国工商银行股份有限公司

（一）建设背景

随着疫情影响、新兴风险、监管趋严等多种不确定性交织，对风险管理前瞻性、智能化等提出更高要求。人工智能等金融科技手段不断演进，为快速捕捉风险信息、精准识别定位风险、并基于模型主动学习、自我快速迭代，从而实施敏捷主动、智能高效的风险防控提供了新的手段和思路。

基于人工智能技术的发展和支撑，中国工商银行持续推动智能风控建设，推进风险决策由以人主导的数据辅助风险决策阶段向人机协同的数据驱动的智能风险演进，拓展金融产品和服务的广度和深度，大幅提升了工行金融服务实体经济的能力。

通过融合银行、政府、企业等多方数据生产要素，利用大数据与人工智能等新基建生产力，构建客户精准画像，优化智能风险识别模型，嵌入业务产品和交易全流程，实现风控关口前移，形成面向数字银行生态的“一点出险，全面防控”的人机协同防控新模式，打造跨界、跨业、跨境的数字金融风险防控新体系。

（二）建设内容

1.推进产品创新，提升风险分析效率

基于人工智能技术的智能风控产品已嵌入产品、营销、客户、运营等业务交易流程，实现事前、事中、事后的风险甄别，并实时联动渠道作出相应的防范策略，客户发起交易后可以实现快速侦测和阻断。

1）防范客户利用虚假发票套取银行融资

应用OCR文本识别技术，分析识别增值税专用发票的真实有效性，减少人工识别处理的工作量，提升风险识别处理时效性和准确性。全行推广至今完成62万余张发票的核验。其中系统自动核查作废的发票数1524张，经分行下发核查后，确认此类发票确属作废，预警准确率100%；节约人工核验时长超1万小时。

增值税专用发票识别

2)利用物联网实现贷中监控

随着物联网技术的逐步成熟，将物联网技术运用到银行贷中监控，通过在信贷客户中安装物联网监控设备（如智能水表、电表读表器、AI摄像头、智能门禁打卡器、GPS定位等），实现企业人员流动、生产线开工率、库存变动、水电用量等经营数据实时采集分析，进一步缓解企业和银行之间的信息不对称问题，及时掌握企业真实经营情况，调整信贷策略，防控业务风险。通过在抵押车辆加装防拆GPS定位追踪器，实现车辆位置信息的实时监控，有效避免虚假购车、二次押车等信贷风险。

2.驱动技术创新，加强风险识别精准度

借助行内外大数据及人工智能手段，进一步发挥用数赋智能力，形成“专家经验+数据智能”的人机协同模式，看清风险本质，形成联防联控的交叉性风险防控体系，精准定位风险因素及影响范围。

1）普惠业务贷后资金流向

基于AI创新“智能治贷”的普惠金融风控体系的思路，融合应用知识图谱和人工智能技术，以“双图谱+全模式”，“通用模型+专项场景监测”模式，提出了一种全覆盖、高精准、高时效、自适应的资金回流监测解决方案，解决当前资金回流监测覆盖面不足、隐含流转关系难以挖掘、监测不精确等痛点问题，准确率可达到40%以上。

双谱图+全模式

2）识别电诈、贩卖账户、团伙开户等高风险账户

在金融业务推广过程中，团伙欺诈手段迭代升级、翻新迅速，线上渠道、异地办卡、黑中介等带来新的欺诈风险逐渐显现，对银行的风险防控带来了压力。为了解决传统的数据分析方法效率偏低的情况，引入基于图数据库并结合内存计算技术实现社会网络分析，充分利用基于图数据实现的社区挖掘算法及内存计算高速数据读写的特性，大幅提高团伙欺诈的排查范围及排查效率，精准有效的识别团伙作案的行为，识别准确率达到62.8%，支撑业务系统对疑似团伙欺诈的业务申请做出有效拦截，为银行应对外部输入性欺诈风险提供有力武器。

3.融合多方数据，全面提升风控水平

改变过去风险管理仅使用部分数据，完善涵盖“宏观、中观、微观”等多角度全方位的风险视图，应用机器学习、知识图谱等技术，将风险管理体系“由点及面”升级转型，真正实现“一点出险、全面防控”。

1）引入宏观数据，全面支持全面风险压力测试

为满足美联储第三类银行合规要求，中国工商银行启动EPS资本压力测试项目，比照美国大型银行全面资本评估与评审（CCAR）的压力测试要求，执行资本压力测试。依托向量自回归模型和多元线性回归模型，通过接入用于描述国内、国际经济状况的宏观经济数据，模拟基准、轻度、中度、重度、极重度等5种压力场景，采用GPU技术开展情景计算，并引入对拨备前净收入（PPNR）的预测，从而使压力测试不再局限于对损失的分析，而同时包括了压力下的收入和损失两部分，针对各业务品种逐个或批次开展压力情景下收入和损失计量，解决压力测试项目不全面，产品之间不能灵活开展计量等问题，助力监管达标工作开展。

2）利用知识图谱实现交叉性金融风险分析

为解决交叉性金融风险发现难、分析难的问题，利用图数据库及图计算，将公司、客户、产品抽象为实体，将实体间的资金流抽象为关系，搭建交叉性金融风险知识图谱，涵盖32类实体，55类关系，2000万+点边数据。支持从某个问题客户或产品出发一键查看其资金链路，并支持搜索范围、场景的灵活定制，简化分析难度。另外，引入pagerank、betweenness、关联度分析等算法，实现重点产品、客户以及脆弱传导链路的发现与观测，挖掘深层风险信息，提升主动的风险识别能力。

3）基于联邦学习实现客户全面评价

通过联邦学习平台，支持与集团内子公司、同业、数据供应商、基础网络运营商等各方，在数据不出本地的条件下，进行联合建模，依托各种类更丰富的特征数据、体量更大的客户群体训练更强大、能应对更多场景的风险评分、评级模型，有效解决银行内部客户数据有限的问题，实现数据的共享、交互，支持智能模型的合作、共建。同时，依托该平台的黑盒传输和计算技术，支持客户评价结果安全、高效对外服务，形成数据价值的跨机构端到端输出。

联邦学习平台

（三）建设成效

人工智能技术在中国工商银行智能风控领域的应用突破，不仅为工行全面风险管理提供了技术保障，同时向社会提供以客户为中心的优质服务、履行社会职责奠定了坚实的后台支撑。一是为集团境外机构提供反洗钱支持，保障境外机构履行反洗钱和反恐怖融资的法定义务和社会职责，有效预防和控制反洗钱领域的合规风险、声誉风险、法律风险。二是提升金融风险防控水平，提升金融服务实体经济能力。三是构建智能风控生态新模式，智能风控服务已嵌入政务、医疗、出行、物业等金融生态云产品，为各行各业注入AI源动力，构建GBC服务新生态，融合多方数据要素，完善客户风险画像，形成嵌入生态的“一点出险，全面防控”的风控生态新模式。

通过深入应用机器学习、知识图谱等技术，已完成融e借客户贷中风险预警、交叉性金融风险监控等55个场景的建设，实现日均5万笔的信贷业务自动化风险刚控，预警高风险客户3万多人，2020年拦截欺诈申请300多万笔，避免潜在损失200多亿元。持续提升信用风险、反欺诈、合规风险、交叉风险的智能识别与预测能力，推动事后防控向事前、事中实时防控转变，单点预测向“一点出现、全面防控”转变，实现风险防控更智能更精准。

智能风控将是未来金融机构的核心竞争力之一，提升智能风控水平将会变得越来越重要。为更好更快的推动建立智能风控体系，需加强人工智能技术能力建设，不断推进人工智能等新技术研究成果在风控领域的落地应用。下一步，将引入迁移学习技术，能够快速的将已有的风控建模成果赋能新领域，以适应新业务快速发展；引入联邦学习技术，实现在保证各方数据隐私的前提下，充分利用外部数据，为银行业务模式创新提供支撑，推进人工智能在智能风控的高质量发展与实践。

联系人：张增林

联系方式：18616626225