房产交易人,无时无刻都在注目着银行等金融机构的动向

2021-05-24 14:30:23 admin 4

“零接触式金融服务”的发旺



疫情催生了“零接触式金融服务”,不少金融机构已经推出了“7×24小时”不间断的金融服务,网银、手机银行、呼叫中心与远程银行的大规模使用,线上、线下业务前所未有地实现了互联互动。


人工智能、大数据的科技变革已经广泛应用于金融业。金融科技的应用,已经相当普遍了:移动支付、电子清算、网上银行、数字信贷等,呈光速发展之势。银行业的离柜交易率已经接近90%。


61.jpg


整个金融业都在推动数字化转型和开放银行建设,迎来数字金融时代。即空泛即务实即时髦的“数字化转型”之路:银行等金融机构已在咨询服务(业务咨询、外部数据管理、风险管理)、系统服务(外部数据管理、风控成果落地)等方面深度赋能,通过大数据、人工智能等技术,在“转型+创新”的洪流下,开启了广全的金融科技数字化变革。


 互联网时代,金融机构的风险管理,须在满足监管合规的前提下,提升客户体验、做大客群规模。线下客户和线上客户,无论从客群特征、还是消费特征上,都存在巨大的差异。


这种趋势使得金融机构数字化转型的压力极为紧切。

一些中小金融机构在转型过程中,在进行“网贷自营业务”、“反欺诈体系”及“智能风控体系”时,却遇到不少“坎道”和对传统业务的挑战。


信用风险模型开发



 如今,与银行合作的机构有很多,互联网信贷业务所带来的欺诈风险类型繁多。随着消费金融的普及,面对大量的“陌生”用户,金融机构如何做到全站式反欺诈?如何在保证系统自动化审核的同时降低风险,提高效益?如何利用金融科技进行数字化转型和服务创新?金融业亟需引入先进的反欺诈手段、机器学习量化模型技术来助力,并与传统反欺诈策略相结合。于是,金融机构有了新课题:开发信用风险模型。


一种可能的机器学习模型研发:模型建立应用RFM(Recency, Frequency, monetary)特征衍生方案和10T+海量多维度数据,通过对不同主体、行为和时间窗口的复杂运算,构建数十万维特征,刻画每笔交易特点;应用XGBoost机器学习算法,通过几十轮的模型迭代优化,建成适用于高频交易场景的实时反欺诈机器学习模型。


该模型通过对每笔交易的细致刻画和历史交易行为的全面“了解”,可以敏锐洞察欺诈风险,向客户提供柔性的安全服务,更加准确、全面的识别欺诈交易,并能有效识别新型欺诈,最大限度地防范欺诈行为的发生,减少对客户的打扰并提升客户资金的安全性。


这太需要专业的建模技术人员了,因为要深植于金融业发展的复杂环境和实际问题。


62.jpg


多聊两句关于这类技术人员的深层思想特征,其中的一种可能性触及到了“结构主义的马克思主义”的核心问题:马克思主义与人道主义的关系。一般的,结构主义者认为每一个系统都是一个特定的结构,科学的任务就是发现这个结构为何。


    那么,这种“信用风险模型”最理想的状态应是:形成多维度、立体化、灵活可调控的反欺诈模型策略体系,全面防控欺诈风险。如今的反欺诈系统,动不动就要线上拦截风险交易资金多达数亿元、单日最高能监测得到的事中业务多达几百万笔……这是如何实现的?


欺诈与反诈是一种生存意志的博弈



随着金融机构线上业务的不断演进,欺诈手段和技术也不断升级,甚至在部分场景会进行有针对性的欺诈攻击,这严重威胁到用户的财产安全。只要是触“网”的事情,都要谨慎。不管是在网上聊天,在网上找网警,甚至在网上找律师等等,都有被骗的风险……金融机构常遇到客户反映其银行账户被盗刷的情况。


63.jpg


曾出现过:假冒“公检法”的黑灰产团伙诈骗,盗刷客户的银行账户。这类团伙主要通过诱骗客户安装木马APP,诱导客户在APP中输入银行卡号、密码等信息,同时利用木马截取银行的交易短信,完成账户转账操作。


可能的应对措施之一:进行全面技术排查,利用反钓鱼等手段,逆向侵入欺诈者所在地(可能是全球任何地方)的服务器,获取欺诈者留存于服务器中涉及的金融机构及受害者的信息,并将相关客户信息反馈到所属金融机构,将相关欺诈团伙信息移交公安机关。


金融机构想要防止这类诈骗,需搭建分布式架构的风控平台,实现对线上、线下各类零售金融、非金融交易的预警、处置、事后分析的全站式反欺诈及全流程风控管理。


较好一点的系统,月平均处理交易能达到几亿笔,单笔交易处理平均用时仅需几十毫秒。


为达到毫秒级实时决策的目标,在模型的系统部署上可采用X86分布式架构等互联网开源技术,通过“流式计算+批量加工”结合的方案实现:短时特征,以大数据的流技术为依托,利用Spark分布式集群计算引擎,快速、高效的处理实时交易环节产生的海量数据;长期特征,基于大数据平台的历史数据存储和计算能力批量加工。


64.jpg


通过短期特征流式计算、长期特征批量加工的创新实践,保障每笔交易复杂特征的快速计算和模型的实时评分决策。


监测的范围主要是:线上渠道的接入,覆盖手机银行、直销银行、个人网银等多个渠道多个交易场景,部署相应的策略规则。


这些监测的目标无非就是:提高风险交易的侦测率,监测事中交易,高风险交易直拒,线上拦截风险交易,账户安全及规则成功预警防范等。


电话咨询