金融科技在金融業(yè)務(wù)發(fā)展場景上，主要包括金融產(chǎn)品差異化定價(jià)、智能營銷和客服、智能研究和投資、高效支付清算等四大方面；

金融科技的四大代表性技術(shù)：云計(jì)算技術(shù)、大數(shù)據(jù)風(fēng)控技術(shù)、人工智能風(fēng)控技術(shù)、區(qū)塊鏈技術(shù)在風(fēng)險(xiǎn)管理場景下的應(yīng)用深度有所差異，側(cè)重領(lǐng)域也各有不同，且存在一些交叉。

近年來，從互聯(lián)網(wǎng)金融到比特幣、區(qū)塊鏈，金融科技發(fā)展得如火如荼，各種概念層出不窮；但在實(shí)踐層面，金融科技的應(yīng)用內(nèi)涵并不清晰。黨的十九大報(bào)告和中央經(jīng)濟(jì)工作會(huì)議強(qiáng)調(diào)，打好防范化解重大風(fēng)險(xiǎn)攻堅(jiān)戰(zhàn)，重點(diǎn)是防控金融風(fēng)險(xiǎn)，加強(qiáng)互聯(lián)網(wǎng)金融監(jiān)管，引導(dǎo)金融科技發(fā)展回歸本源，把服務(wù)經(jīng)濟(jì)社會(huì)發(fā)展作為金融科技的宗旨。正本清源，培元固本，金融科技在金融領(lǐng)域?qū)嵺`中的應(yīng)用亟待澄清。

“金融科技”（FinTech）是金融（Finance）和技術(shù)（Technology）的合成。按照金融穩(wěn)定理事會(huì)（FSB）的定義，金融科技是指技術(shù)帶來的金融創(chuàng)新，具體來說就是運(yùn)用“A”（人工智能）“B”（區(qū)塊鏈）“C”（云計(jì)算）“D”（大數(shù)據(jù)）等技術(shù)手段重塑傳統(tǒng)金融產(chǎn)品、模式、流程及組織等。從技術(shù)創(chuàng)新在金融領(lǐng)域應(yīng)用場景的角度來看，主要包括業(yè)務(wù)發(fā)展和風(fēng)險(xiǎn)管理兩大場景。

金融科技在業(yè)務(wù)發(fā)展上的應(yīng)用

金融科技在業(yè)務(wù)發(fā)展場景上主要包括金融產(chǎn)品差異化定價(jià)、智能營銷和客服、智能研究和投資、高效支付清算等。

金融產(chǎn)品差異化定價(jià)

大數(shù)據(jù)和人工智能可以改變以往金融產(chǎn)品統(tǒng)一定價(jià)的模式，根據(jù)每個(gè)用戶的情況實(shí)現(xiàn)差異化定價(jià)。

1.差異化保費(fèi)設(shè)計(jì)

保險(xiǎn)公司推出任何一款產(chǎn)品都要基于所獲得的數(shù)據(jù)，經(jīng)過精算定價(jià)，合理運(yùn)用大數(shù)據(jù)有助于更加精確地厘定保險(xiǎn)費(fèi)率。傳統(tǒng)定價(jià)方法是基于樣本統(tǒng)計(jì)的歷史數(shù)據(jù)來預(yù)測保險(xiǎn)標(biāo)的發(fā)生損失的概率，但保險(xiǎn)標(biāo)的風(fēng)險(xiǎn)狀況不斷變化，歷史數(shù)據(jù)不能準(zhǔn)確反映當(dāng)前情況，樣本數(shù)據(jù)也不能完全準(zhǔn)確反映保險(xiǎn)標(biāo)的風(fēng)險(xiǎn)特征。保險(xiǎn)公司可以運(yùn)用大數(shù)據(jù)技術(shù)獲得更多維度的全量數(shù)據(jù)，進(jìn)而更精確地對風(fēng)險(xiǎn)進(jìn)行評估。

以車險(xiǎn)為例，目前定價(jià)主要考慮購車年份、價(jià)格等少數(shù)因素，根據(jù)被保險(xiǎn)人過往出險(xiǎn)情況進(jìn)行浮動(dòng)。保險(xiǎn)公司可以運(yùn)用大數(shù)據(jù)分析技術(shù)，根據(jù)被保險(xiǎn)人車輛的使用頻率、行駛路線、駕駛習(xí)慣等數(shù)據(jù)，準(zhǔn)確地計(jì)算損失發(fā)生概率，做到差異化定價(jià)；對低風(fēng)險(xiǎn)的優(yōu)質(zhì)客戶降低費(fèi)率，對高風(fēng)險(xiǎn)的客戶提高費(fèi)率，吸引更多的優(yōu)質(zhì)客戶。

2.利率和授信差異化設(shè)計(jì)

借款人申請借款時(shí)，信貸平臺方依據(jù)用戶資信狀況進(jìn)行評價(jià)，判斷其在借款到期后是否會(huì)因?yàn)闊o力還款而違約，實(shí)現(xiàn)差異化定價(jià)，讓信用良好、違約風(fēng)險(xiǎn)較低的優(yōu)質(zhì)用戶能以較少的成本獲得融資借款服務(wù)，而信用相對一般、違約風(fēng)險(xiǎn)較高的用戶則享受不了信用溢價(jià)帶來的優(yōu)惠。此后用戶在信貸平臺每正常完成一次借還款的閉環(huán)，貸款利率都會(huì)相應(yīng)地調(diào)低。當(dāng)每個(gè)人的征信畫像越來越全面和完善以后，就可以根據(jù)不同信用水平的實(shí)行精準(zhǔn)的客戶貸款利率和授信額度安排。

智能營銷和客服

1.精準(zhǔn)營銷

在單個(gè)客戶個(gè)性化的營銷方案和服務(wù)體系下，金融機(jī)構(gòu)可以對關(guān)注個(gè)體和差異，通過用戶畫像和大數(shù)據(jù)模型實(shí)現(xiàn)對個(gè)人客戶的精準(zhǔn)定位基礎(chǔ)之上的營銷，最大限度地?cái)偙〕杀尽＞珳?zhǔn)營銷對客戶的興趣、愛好、購買能力做出預(yù)測和判斷，根據(jù)綜合評分推薦金融服務(wù)和產(chǎn)品。以銀行業(yè)為例，在購買服務(wù)和產(chǎn)品過程當(dāng)中的三個(gè)基本環(huán)節(jié)（認(rèn)識服務(wù)和產(chǎn)品、產(chǎn)生興趣、付款購買），客戶通過網(wǎng)絡(luò)、私人渠道進(jìn)行檢索，對產(chǎn)品信息、類別進(jìn)行了解以確定其購買信息；這個(gè)認(rèn)知過程中產(chǎn)生的搜索數(shù)據(jù)可以定位客戶的收入水平、興趣和愛好，銀行借助分布式存儲和云計(jì)算挖掘客戶的信息，形成完整的客戶關(guān)系（CRM）系統(tǒng)，設(shè)計(jì)并推送各種營銷方案給消費(fèi)者，實(shí)現(xiàn)精準(zhǔn)營銷。

2.智能客服

金融客戶的業(yè)務(wù)咨詢中的大部分常見問題都是重復(fù)性的，而且在一個(gè)限定領(lǐng)域內(nèi)。傳統(tǒng)的人工客服需要占用大量人力成本，而基于自然語言理解的對話機(jī)器人可以通過對話發(fā)掘用戶需求，解釋和推薦產(chǎn)品，進(jìn)而帶來銷售轉(zhuǎn)化。智能金融客服可以解決用戶的大部分標(biāo)準(zhǔn)化問題，當(dāng)它非常確定答案的時(shí)候它會(huì)直接作答，當(dāng)它不確定時(shí)它會(huì)把可能的選項(xiàng)給人工客服，人工客服只需要快速判斷，點(diǎn)擊選擇后就可以發(fā)過去了。隨著人工智能客服對傳統(tǒng)人工客服替代率的提高，客服效率和問題解決率大大提高，人力成本也將顯著降低。

3.智能理賠

保險(xiǎn)企業(yè)可以利用多年積累的理賠數(shù)據(jù)積累建立自主知識產(chǎn)權(quán)智能定損平臺，借助人工智能技術(shù)對出險(xiǎn)車輛進(jìn)行智能圖片定損，以海量真實(shí)理賠圖片數(shù)據(jù)作為訓(xùn)練樣本，運(yùn)用機(jī)器學(xué)習(xí)算法對車輛外觀損失自動(dòng)做出判定。過去的車險(xiǎn)理賠不僅要持續(xù)幾天，還要客戶自己墊付，而現(xiàn)在只要幾分鐘。

智能研究和投資

1.研究自動(dòng)化

投行領(lǐng)域中有大量固定格式文檔的撰寫工作，比如招股說明書、研究報(bào)告、盡調(diào)報(bào)告、投資意向書等等。人工智能環(huán)境下，用戶只需要把收集到的資料輸入給電腦就會(huì)自動(dòng)生成圖表和報(bào)告，研究人員只需要做修改、復(fù)核、總結(jié)和定稿工作。同時(shí)，人工智能還能自動(dòng)搜集各種公告、研報(bào)、公開知識庫等，通過自然語言處理和知識圖譜自動(dòng)生成報(bào)告，速度可達(dá)0.4秒/份。

2.智能投顧

智能投顧又稱機(jī)器人理財(cái)，其核心是在數(shù)據(jù)沉淀積累與算法模型不斷優(yōu)化的基礎(chǔ)上，根據(jù)個(gè)人投資者提供的風(fēng)險(xiǎn)承受水平、收益目標(biāo)以及風(fēng)格偏好等要求，運(yùn)用一系列智能算法及投資組合優(yōu)化等理論模型，為用戶提供最終的投資參考，并對市場的動(dòng)態(tài)對資產(chǎn)配置再平衡提供建議。

隨著金融市場不斷深入發(fā)展，金融產(chǎn)品層次與交易策略、交易工具日趨復(fù)雜，普通投資者學(xué)習(xí)成本越來越高，難以跟上市場發(fā)展步伐，專業(yè)投顧服務(wù)需求日漸凸顯；而傳統(tǒng)投顧服務(wù)的限制（百萬資金起步、服務(wù)流程煩瑣、服務(wù)費(fèi)高昂、不能隨時(shí)隨地咨詢、投顧水平良莠不齊等）無法滿足普通投資者的需求。面對上述問題，智能投顧實(shí)際上就是把金融機(jī)構(gòu)服務(wù)在線化、智能化，從而實(shí)現(xiàn)以較低的費(fèi)率服務(wù)更廣泛的普通個(gè)人投資者。

3.量化投資

人工智能中的機(jī)器學(xué)習(xí)算法通過自主學(xué)習(xí)尋找信息和資產(chǎn)價(jià)格的相關(guān)性，自然語言處理技術(shù)可以理解新聞、政策文件、社交媒體中的文本信息，尋找市場變化的內(nèi)在規(guī)律，通過知識圖譜的建模方式把行業(yè)規(guī)則、投資關(guān)系等常識賦予計(jì)算機(jī)，幫助機(jī)器排除干擾，更好地結(jié)構(gòu)化信息。

量化投資領(lǐng)域的智能機(jī)器從基本面、技術(shù)面、交易行為、終端行為、互聯(lián)網(wǎng)大數(shù)據(jù)信息、第三方信息等衍化成一個(gè)因子庫，將因子數(shù)據(jù)提煉生成訓(xùn)練樣本，選取機(jī)器學(xué)習(xí)算法進(jìn)行建模訓(xùn)練，保留有效因子生成打分方程輸出組合。相比人類智能，機(jī)器人大數(shù)據(jù)量化選股偏向從基本面、技術(shù)、投資者情緒行為等方面挑選因子，從而對IT技術(shù)、數(shù)據(jù)處理技術(shù)要求較高。

高效支付清算

1.支付技術(shù)創(chuàng)新

應(yīng)用金融科技在工具層面上的創(chuàng)新，包括非接觸式支付創(chuàng)新、智能穿戴設(shè)備支付創(chuàng)新、生物識別技術(shù)支付創(chuàng)新等，融合了安全和效率的綜合性支付技術(shù)創(chuàng)新。比如，亞馬遜2017年推出的Amazon Go就是把個(gè)人生物特征識別與云計(jì)算等技術(shù)結(jié)合，無須中間環(huán)節(jié)的個(gè)人身份、賬戶和信用水平等識別，消滅支付載體，直接完成支付。

2.清算技術(shù)創(chuàng)新

市場參與者在交易中使用區(qū)塊鏈技術(shù)可以享用平等的數(shù)據(jù)來源，交易流程更加公開、透明、有效。比如，通過共享網(wǎng)絡(luò)系統(tǒng)參與證券交易，原本依賴中介的傳統(tǒng)交易模式就變成分散的平面網(wǎng)絡(luò)交易模式。

西方金融市場的實(shí)踐顯示，區(qū)塊鏈技術(shù)支持下的交易模式有三大優(yōu)勢：一是減少證券交易成本，交易流程更簡潔、透明、快速，減少重復(fù)功能的IT系統(tǒng)，提高市場運(yùn)轉(zhuǎn)效率。二是準(zhǔn)確實(shí)時(shí)地記錄交易者的身份、交易量等關(guān)鍵信息，使得證券發(fā)行者清晰地了解股權(quán)結(jié)構(gòu)，提升商業(yè)決策效率，減少暗箱操作、內(nèi)幕交易，有利于證券發(fā)行者和監(jiān)管部門維護(hù)市場。三是能使交易日和交割日間隔從1？3天縮短至10分鐘，減少了交易風(fēng)險(xiǎn)，提高了效率和可控性。

3.跨境支付結(jié)算方式創(chuàng)新

當(dāng)前的跨境支付結(jié)算的方式日趨復(fù)雜，存在時(shí)間長、費(fèi)用高、中間環(huán)節(jié)多等問題，付款人與收款人之間的第三方中介角色很重要。同時(shí)，各國的清算程序不同，一筆匯款通常需要2？3天才能到賬，效率極低，且在途資金占用量極大。

以銀行為例，區(qū)塊鏈將可摒棄中轉(zhuǎn)銀行的角色，實(shí)現(xiàn)點(diǎn)到點(diǎn)快速低廉跨境支付；，區(qū)塊鏈安全、透明、低風(fēng)險(xiǎn)的特性提高了跨境匯款的安全性，加快結(jié)算與清算速度，提高了資金利用率。同時(shí)，銀行與銀行之間可以不再通過第三方，應(yīng)用區(qū)塊鏈技術(shù)實(shí)現(xiàn)點(diǎn)對點(diǎn)支付，無須第三方中間環(huán)節(jié)，全天候支付、實(shí)時(shí)到賬、提現(xiàn)簡便，在降低了跨境風(fēng)險(xiǎn)同時(shí)滿足了對支付清算服務(wù)及時(shí)性、便捷性的需求。

金融科技的四大代表性技術(shù)在風(fēng)險(xiǎn)管理場景下的應(yīng)用深度有所差異，側(cè)重領(lǐng)域也各有不同，且存在一些交叉。云計(jì)算技術(shù)為海量數(shù)據(jù)的運(yùn)算能力和速度提升帶來了突破；大數(shù)據(jù)風(fēng)控技術(shù)主要應(yīng)用于互聯(lián)網(wǎng)金融的信用風(fēng)險(xiǎn)管理領(lǐng)域，解決的是信息不對稱問題；人工智能風(fēng)控技術(shù)是在大數(shù)據(jù)技術(shù)的基礎(chǔ)上，主要解決風(fēng)控模型優(yōu)化的問題；區(qū)塊鏈技術(shù)主要應(yīng)用于支付清算等操作風(fēng)險(xiǎn)管理中的技術(shù)安全領(lǐng)域。

大數(shù)據(jù)技術(shù)在金融風(fēng)險(xiǎn)管理中的應(yīng)用

大數(shù)據(jù)風(fēng)控技術(shù)目前較多應(yīng)用于P2P和網(wǎng)絡(luò)小貸等互聯(lián)網(wǎng)金融領(lǐng)域，針對的主要風(fēng)險(xiǎn)類型是以違約風(fēng)險(xiǎn)為主的信用風(fēng)險(xiǎn)。優(yōu)點(diǎn)在于與傳統(tǒng)風(fēng)控手段相比數(shù)據(jù)來源更為廣泛，識別速度更快且成本更低，從而有助于更好地解決信息不對稱問題。缺點(diǎn)在于受制我國當(dāng)前信用數(shù)據(jù)分散且質(zhì)量不高的現(xiàn)狀，一些風(fēng)控模型過度依賴互聯(lián)網(wǎng)和手機(jī)抓取數(shù)據(jù)進(jìn)行分析，而對借款人財(cái)務(wù)狀況和償債能力等關(guān)鍵變量分析不足，這可能是“現(xiàn)金貸新規(guī)” 中有針對性地指出要“謹(jǐn)慎使用數(shù)據(jù)風(fēng)控模型”的主要原因。

1.運(yùn)用大數(shù)據(jù)技術(shù)進(jìn)行欺詐識別

進(jìn)行欺詐申請的客戶由于編造了全部或部分信息，很可能在自行申報(bào)的相關(guān)信息中存在不符合常理的情況，這些信息項(xiàng)可以成為欺詐識別模型的重要變量。

（1）基于地理位置信息的欺詐識別：將客戶填寫的地址信息定位為地址位置坐標(biāo)，并與客戶常用物流地址位置坐標(biāo)進(jìn)行比對，如果發(fā)現(xiàn)客戶提供了一個(gè)距離過大的地址，則該地址信息存在虛假的可能性。針對移動(dòng)端渠道，可以定位互聯(lián)網(wǎng)客戶的具體申請位置，與申請信息中填寫的地址信息或職業(yè)信息進(jìn)行對比驗(yàn)證。

（2）基于申請信息填報(bào)行為的欺詐識別：通過收集分析客戶填寫申請過程的行為信息，如填寫了多長時(shí)間、修改了幾次、修改了哪些內(nèi)容等進(jìn)行識別。

（3）基于客戶填報(bào)信息與公司存量信息交叉比對的欺詐識別：多個(gè)申請件填報(bào)的單位電話相同，而對應(yīng)的單位名稱及地址不同，則批量偽冒申請件的可能性就很高。

（4）基于外部信息的交叉對比的欺詐識別：惡意申請會(huì)隱瞞對其不利的事實(shí)，如負(fù)債、運(yùn)營存在問題、法院執(zhí)行信息等，而抓取互聯(lián)網(wǎng)上申請人的企業(yè)經(jīng)營信息、法院執(zhí)行信息可以核實(shí)申請人的真實(shí)資質(zhì)。

2.運(yùn)用大數(shù)據(jù)技術(shù)進(jìn)行授信評分

被排除欺詐可能并進(jìn)入評分規(guī)則引擎的客戶，會(huì)按類型被分發(fā)到不同的細(xì)分模塊，以適應(yīng)不同的細(xì)分模型，包括不同的產(chǎn)品、不同的行業(yè)、不同的客戶群，如車貸、消費(fèi)貸、抵押貸、個(gè)人經(jīng)營貸等。不同類型的借款申請調(diào)用不同的信用評分規(guī)則引擎，該引擎將并根據(jù)用戶授權(quán)許可自動(dòng)抓取的數(shù)據(jù)，通過特定模型轉(zhuǎn)化為個(gè)人授信評分?jǐn)?shù)據(jù)與商戶授信評分?jǐn)?shù)據(jù)。

（1）基于個(gè)人信息抓取的授信評分：抓取用戶在互聯(lián)網(wǎng)上的購買數(shù)據(jù)、搜索引擎數(shù)據(jù)、社交數(shù)據(jù)、賬單郵箱信息等多個(gè)維度的數(shù)據(jù)，得到用戶性格、消費(fèi)偏好、意愿、學(xué)歷等個(gè)人信息。

（2）基于商戶信息抓取的授信評分：抓取商戶的交易數(shù)據(jù)（物流、現(xiàn)金流、信息流數(shù)據(jù)）和電商的經(jīng)營數(shù)據(jù)（如訪客量、交易量、用戶評價(jià)、物流信息等）來對商戶進(jìn)行授信評分。

3.運(yùn)用大數(shù)據(jù)技術(shù)進(jìn)行貸后管理

針對“還款意愿差”和“還款能力不足”兩大客戶逾期的主要原因，大數(shù)據(jù)技術(shù)通過違約信息排查和監(jiān)測預(yù)警及時(shí)跟蹤違約風(fēng)險(xiǎn)。

（1）違約信息排查：通過實(shí)時(shí)監(jiān)測存量客戶早期逾期、連續(xù)多期不還欠款、聯(lián)系方式失效等情況，并將存量客戶與新增的黑名單、灰名單數(shù)據(jù)匹配，及時(shí)發(fā)現(xiàn)潛在違約客戶。

（2）小微商戶流水監(jiān)測預(yù)警：利用從數(shù)據(jù)合作方獲取的商戶交易流水信息，對其交易流水進(jìn)行監(jiān)測預(yù)警。突然出現(xiàn)的資金流入、流出，不符合經(jīng)營規(guī)則的交易流水下滑情況，正常營業(yè)的大額交易等均可以觸發(fā)預(yù)警。

（3）負(fù)面信息監(jiān)測預(yù)警：通過大數(shù)據(jù)實(shí)時(shí)監(jiān)測，一旦發(fā)現(xiàn)客戶的負(fù)面信息、公安違法信息、法院執(zhí)行信息、稅務(wù)繳稅信息、行業(yè)重要新聞、借款人社交關(guān)系網(wǎng)中的負(fù)面情況、借款人的網(wǎng)絡(luò)瀏覽行為、資金支付結(jié)算情況等，及時(shí)觸發(fā)預(yù)警。

人工智能在金融風(fēng)險(xiǎn)管理中的應(yīng)用

與互聯(lián)網(wǎng)領(lǐng)域相比，金融場景上數(shù)據(jù)具有兩大獨(dú)特性：一方面可用數(shù)據(jù)比互聯(lián)網(wǎng)要少，另一方面又比傳統(tǒng)評分卡體系多了很多不可解釋、高維稀疏的大數(shù)據(jù)。機(jī)器學(xué)習(xí)要解決的問題主要是模型構(gòu)建和訓(xùn)練、性能監(jiān)控與自迭代的機(jī)制，包括深度學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、在線學(xué)習(xí)等技術(shù)，核心都是為了將互聯(lián)網(wǎng)級別的機(jī)器學(xué)習(xí)技術(shù)“降維”應(yīng)用到金融領(lǐng)域。目前人工智能和大數(shù)據(jù)技術(shù)的緊密結(jié)合已成為風(fēng)險(xiǎn)管理的核心技術(shù)，其基本邏輯是通過在深度學(xué)習(xí)和數(shù)據(jù)挖掘中自我更新、自我調(diào)整和自我迭代，進(jìn)而從更多維度的大數(shù)據(jù)中把握風(fēng)險(xiǎn)規(guī)律。

1.提取數(shù)據(jù)深層特征

在數(shù)據(jù)繁雜的大型風(fēng)控場景中，運(yùn)用基于深度學(xué)習(xí)的人工智能特征生成框架，對時(shí)序、文本、影像等互聯(lián)網(wǎng)行為、非結(jié)構(gòu)化數(shù)據(jù)深層特征加工提取，大大提升了模型效果。比如消費(fèi)信貸風(fēng)險(xiǎn)管理通過知識圖譜、自然語言處理、機(jī)器學(xué)習(xí)等人工智能技術(shù)，發(fā)現(xiàn)借款人、企業(yè)、行業(yè)等不同主體間的有效信息維度關(guān)聯(lián)，深度挖掘企業(yè)集團(tuán)、上下游合作商、競爭對手、管理人員信息等關(guān)鍵信息。

2.提高風(fēng)控模型與數(shù)據(jù)的匹配度

不同數(shù)據(jù)需用合適的模型才能挖掘出最大價(jià)值。機(jī)器學(xué)習(xí)方法在互聯(lián)網(wǎng)廣告、搜索、推薦等應(yīng)用是對不同類型的數(shù)據(jù)用不同的機(jī)器學(xué)習(xí)模型處理，金融場景中，采用復(fù)雜集成模型也可以處理上千維度的弱變量，精準(zhǔn)地估計(jì)違約風(fēng)險(xiǎn)。

3.加快風(fēng)控模型迭代速度

互聯(lián)網(wǎng)每天都生成海量用戶數(shù)據(jù)，搜索、推薦模型需要持續(xù)頻繁地優(yōu)化，自迭代頻次比金融領(lǐng)域更快、更準(zhǔn)確，通過機(jī)器學(xué)習(xí)可以解決模型人工迭代慢的問題。在金融風(fēng)險(xiǎn)管理中，通過對模型特征性能、借貸群體和業(yè)務(wù)反饋等多方面的監(jiān)控，機(jī)器學(xué)習(xí)模型能有效地快速自迭代。

4.無監(jiān)督機(jī)器學(xué)習(xí)反欺詐

欺詐風(fēng)險(xiǎn)量化也使用智能模型，比如無監(jiān)督機(jī)器學(xué)習(xí)模型，基于可觀察到的交易特征變量和案件數(shù)據(jù)，學(xué)習(xí)什么是好的，和壞的樣本進(jìn)行風(fēng)險(xiǎn)預(yù)測；在沒有標(biāo)簽數(shù)據(jù)的情況下，交易、賬戶登錄等場景應(yīng)用無監(jiān)督機(jī)器學(xué)習(xí)模型，通過分析欺詐和正常用戶行為模式的異同，識別欺詐風(fēng)險(xiǎn)。

區(qū)塊鏈技術(shù)在金融風(fēng)險(xiǎn)管理中的應(yīng)用

目前區(qū)塊鏈技術(shù)主要應(yīng)用于操作風(fēng)險(xiǎn)管理中的身份驗(yàn)證、支付安全等領(lǐng)域，重點(diǎn)針對的是人工操作中驗(yàn)證困難帶來的風(fēng)險(xiǎn)。

1.身份驗(yàn)證

當(dāng)身份證件需要取消或者重新簽發(fā)時(shí)，在跨國操作的情境下，金融機(jī)構(gòu)需很長時(shí)間才知道該身份撤銷了，區(qū)塊鏈技術(shù)使，此類敏感信息的傳遞過程更加便捷和高效。身份驗(yàn)證系統(tǒng)利用區(qū)塊鏈特有的智能合約，可有選擇地顯示身份信息，實(shí)現(xiàn)信息在相關(guān)者范圍內(nèi)局部共享，防止身份被盜和加強(qiáng)用戶隱私保護(hù)。

2.票據(jù)業(yè)務(wù)風(fēng)險(xiǎn)管理

票據(jù)業(yè)務(wù)具備低頻大額交易及存在人工操作風(fēng)險(xiǎn)的特點(diǎn)，基于區(qū)塊鏈技術(shù)的數(shù)字票據(jù)具有獨(dú)特的風(fēng)險(xiǎn)防控優(yōu)勢：一是能夠有效防范票據(jù)市場風(fēng)險(xiǎn)，避免了紙票“一票多賣”、電票打款背書不同步等問題；二是可以大大降低監(jiān)管的調(diào)閱成本，完全透明的數(shù)據(jù)管理體系提供了可信任的追溯途徑。

3.保險(xiǎn)公司道德風(fēng)險(xiǎn)防范

在保險(xiǎn)受理階段，區(qū)塊鏈技術(shù)可以將不同公司之間的數(shù)據(jù)打通，相互參考，從而及時(shí)發(fā)現(xiàn)重復(fù)投保、歷史理賠等信息，及時(shí)發(fā)現(xiàn)高風(fēng)險(xiǎn)用戶。在理賠階段，基于在區(qū)塊鏈上記錄了的客戶所有投保信息，很快可以發(fā)現(xiàn)并騙保行為并及時(shí)采取措施。

十九大報(bào)告指出，創(chuàng)新是引領(lǐng)發(fā)展的第一動(dòng)力。金融機(jī)構(gòu)應(yīng)積極擁抱和推動(dòng)科技驅(qū)動(dòng)型金融創(chuàng)新，完善服務(wù)體系，提升服務(wù)質(zhì)量，實(shí)現(xiàn)自身的轉(zhuǎn)型發(fā)展，迎接新業(yè)態(tài)的到來。