針對5萬元以下的個人信用貸款申請,在線金融搜索服務融360開始悄然使用了一個名為“天機”的風控系統(tǒng)。這個系統(tǒng)包含一組模型,會根據(jù)身份認證、還款意愿和還款能力三個大維度,給申請貸款的用戶進行信用評分,依據(jù)分值來決定是否應放款。融360聯(lián)合創(chuàng)始人、CEO葉大清現(xiàn)場介紹,融360開發(fā)大數(shù)據(jù)風控系統(tǒng),是要通過積累的數(shù)據(jù)和風險技術更好服務于自有平臺的貸款人和合作伙伴,“天機”滿足2千-5萬的個人信貸需求。
融360負責風控業(yè)務的副總裁李英浩透露,目前“天機”系統(tǒng)已經(jīng)極大支持了平臺的某些小額貸款產(chǎn)品?;诮杩钌暾埲俗灾魈峤坏膫€人數(shù)據(jù),可以做到10分鐘左右完成審批,最快當天放款。
大數(shù)據(jù)重構風控體系
李英浩指出,信用評估自動化加速了整個信貸決策過程,申請人可以更迅速地得到答復,提高了從申請到獲批整個流程的效率。據(jù)李英浩解釋,針對特定細分市場,融360的目標是力爭5萬以內的小額貸款平均12小時放款。而相比而言,人工審核一般需要一周以上才能放款,慢的可能兩個月。
除了貸款審批速度實現(xiàn)了突破,貸款獲批率也得到了顯著提升,同一類用戶,用抵押物、收入流水證明等粗放式的傳統(tǒng)風控方式,貸款獲批率在15%左右,而使用大數(shù)據(jù)模型結合人工后獲批率可以達到30%以上。至于貸款的逾期率,以12個月違約風險舉例,通過“天機”模型篩選的用戶,逾期率比沒有經(jīng)過篩選的低一半。
融360并不是第一家在大數(shù)據(jù)風控系統(tǒng)上發(fā)力的互聯(lián)網(wǎng)金融企業(yè),事實上螞蟻金服旗下的芝麻信用、一些P2P網(wǎng)貸平臺都在陸續(xù)開始研發(fā)大數(shù)據(jù)信用評估模型?;诖髷?shù)據(jù)的風控模型正在成為互聯(lián)網(wǎng)金融領域一個熱門的戰(zhàn)場,這是因為誰在這個領域實現(xiàn)突破,誰將致勝下一步互聯(lián)網(wǎng)金融市場。
多年來,金融機構很大程度上都依賴于央行征信報告來決定是否給個人客戶授信。但13億人中有10億人并沒有信貸記錄,加之個人客戶往往是貸款額度小、需求分散、個性化需求多,使得大多傳統(tǒng)銀行想做零售貸款而力不從心。因獲客、評估、審核和風控都靠人工,傳統(tǒng)銀行的運營成本過高,面對廣大個人消費者這一潛在客戶群,銀行只能望洋興嘆。
融360聯(lián)合創(chuàng)始人、CEO葉大清表示,互聯(lián)網(wǎng)金融不能簡單將傳統(tǒng)金融服務模式往線上一搬了之?;ヂ?lián)網(wǎng)金融的核心競爭力并不是營銷獲客能力,而是大數(shù)據(jù)風控能力。即借助于更加廣泛的數(shù)據(jù),讓那些在央行征信系統(tǒng)沒有信用記錄的個人消費者和小微企業(yè)主也有可能申請到貸款。
風險評估主要靠智能模型
大數(shù)據(jù)風控系統(tǒng)之所以成為可能,是因為每個人在網(wǎng)上留下的數(shù)據(jù)痕跡,通過大數(shù)據(jù)的分析和預測技術,就可以智能化判斷一個人的信用風險。例如融360正在廣泛的收集數(shù)據(jù)、并深入挖掘數(shù)據(jù)中衍生的特征,這些特征會被分類成多個維度,如風險特征、用戶偏好、用戶意愿、用戶屬性等。通過豐富的用戶特征,融360綜合應用傳統(tǒng)金融模型和機器學習模型,搭建整體“天機”系統(tǒng)的架構,并通過模型構建貸款推薦、風險預測、實時定價等一系列應用服務產(chǎn)品。
用戶在互聯(lián)網(wǎng)上留下的足跡有社交媒體上的動態(tài)、電商消費行為、網(wǎng)站瀏覽痕跡。李英浩介紹,通過風控模型的梳理和分析,就能得出有關貸款行為的需求、申請什么類型貸款、申請金額,逾期及違約可能性等結論,這構成了對個人用戶進行信用風險評估。用戶看不到自己的信用分值,只能看到最終獲批的額度、利率和期限。
葉大清表示,天機風控系統(tǒng)的誕生,意味著融360逐漸演變成金融機構的技術服務合作伙伴,對于用戶和合作伙伴來說,融360最大的價值是隱藏于后臺的專業(yè)風控模型和風控管理能力。
或將成為互聯(lián)網(wǎng)金融核心競爭武器
去年4月份融360就成立了風控數(shù)據(jù)部門,并于當年初步完成風控系統(tǒng)的開發(fā)。李英浩表示,大數(shù)據(jù)風控是一個需要不斷完善優(yōu)化的過程,從來就沒有標準的解決方案。因此融360采取了開放合作的態(tài)度,李英浩透露,芝麻信用和融360在模型和產(chǎn)品方面正在進行深入合作的探討。
目前,大數(shù)據(jù)風控最有條件的仍然是阿里和騰訊。阿里推出了面向社會的信用服務體系芝麻信用,除了接入阿里的電商數(shù)據(jù)和螞蟻金服的互聯(lián)網(wǎng)金融數(shù)據(jù)外,還與外部的公共機構、商業(yè)機構達成廣泛的合作。騰訊掌握著基于微信的社交信息數(shù)據(jù),也即將推出自己的大數(shù)據(jù)征信。
作為金融垂直搜索服務,融360過去三年半積累了大量的信貸用戶數(shù)據(jù),幫助用戶成功獲取了超過3000億元貸款。在借款人訪問數(shù)據(jù)、用戶申請資質信息、網(wǎng)站行為數(shù)據(jù)、批貸信息和貸后信息方面也擁有獨一無二的優(yōu)勢。葉大清特別強調,融360開發(fā)大數(shù)據(jù)風控系統(tǒng),不是要做征信服務,而是通過積累的數(shù)據(jù)和風險技術更好服務于自有平臺的貸款人和合作伙伴。
可以預見,大數(shù)據(jù)風控正在成為包括融360在內的幾乎所有互聯(lián)網(wǎng)金融平臺爭相搶占的一個市場高地。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。