数据化风控：与乐信CRO对话的一点分享

投资互金多年，风雨桀骜，不屈不挠。行业这几年被毒打如家常便血，三天两头，胆战心惊，为点碎银操碎了心。一直以来，我都有两个互金持仓，一个是360数科，另一个就是乐信。虽然数（科）九寒天，但也乐（信）此不疲，我始终认为行业春天不远。

反正最坏的已经过了，我这个死多头，会撑到底。

这次有机会见到乔杨老师，乐信的CRO，他是业内比较早研究、实践大数据风控的专家，之前在Discover和京东数科担任过管理职位，跟我也是前同事。乔老师写过一本信用评分建模的教程叫《数据化风控》，我读了一遍很受益，大家有兴趣也可以读一读。

目前乐信的风控能力看起来确实比较牛逼：

为论述简单起见，我从电商零售行业里借用一个概念，以下将平台的借款额称为GMV。

截止2021年Q2，乐信资产质量达到两年最优，首逾率只有4.92%，同比下降 40%，同时不良回收率同比上升了30%。另外一个比较核心的指标，FPD30（First Payment Default 30，指首个还款日后30天逾期的GMV除以下单月订单GMV的比例）则达到0.62%，也刷了历史新低。这个指标过去12个月连续稳定在1%之下。

那么如何做到这个风控结果：用行业来说，就是在充分利用大数据的基础上，搭建基于AI的风险管理体系。原则是最小化人的主观因素，最小化人工操作风险。简单论述一下：

1. 抽象数据下的AI风控

我认为现代性的本质，就是具象事物的抽象化与数据化，以便于某些人开展进一步的捕捉、管理、预测等骚操作。对于人类尊严这个层面，这种抽象是一种践踏；但对工业化生产与商业效率而言，抽象的威力简直堪比火车头，也是现代社会的起步。艺术也是如此，你画个逼真到堪比光学镜头下的照片的，这不就叫现代艺术，这是古代的照相术；而你画的人像只有一些残枝败叶，才是现代艺术。

在信用业、金融业里，对于人抽象，就是给其做信用画像（credit profile），比较有名的比如5C模型——character, capacity, capital, collateral, conditions；又比如信用评分，从此你是不是靠谱——用马克思韦伯的话来说——就不是一个价值理性，而近似为为一个工具理性；就不是笼统的好坏，而变成了多好与多坏。比如，潘驴的信用评分是720分，而邓小闲的信用评分是660分，那么我们不仅知道潘驴的信用要比邓小闲好，我们还能量化地知道潘驴比邓小闲要好60分。

这个人喜不喜欢读康德对于其会不会守约还钱有没有影响？可能有，但影响不太大。那喜欢吃披萨而不是烧饼呢？估计没什么影响。而对于信用卡、消费贷、现金贷这种无抵押的贷款而言，借款人的抽象无非是字段，年龄、性别、婚姻、学历、职业、住房、居住地、贷款金额、期数，等等，并施以权重。你可以有一个长变量列表（long list），然后将其筛选成更有区隔力与预测力的短变量列表（short list），筛除掉诸如喜不喜欢读康德这样比较不C位的变量，通过正确定价或者有利于出借人的错误定价来赚钱。

贷中的观察也可以用一套抽象，比如什么是坏，可以界定为违约就是坏，比如界定为未来一年内出现M2以上逾期、催收、呆账、强停、拒往、协商，就是违约，就是坏。什么是“中性”或者“不好不坏”，比如“半年内有一次M1”就算不好不坏，无鲜明的风险特征，很难判断好坏。这样又是把一个价值理性问题（判断好坏）近似成了一个工具理性问题（判断高低），为的就是好解决问题。

随计算机科学的发展、人工智能的崛起、不同算法玩命儿式的迭代，这样的数据可以越来越丰富，数据处理可以越来越精细化，策略可以越来越得心应手。乐信搭建了一整套基于人工智能的风险策略系统，而底层技术靠啥——大数据、人工智能、区块链、云计算等等前沿科技。以下是走来的是乐信风控方阵：

但光有这些其实是不够的的。至少在此时此刻，我们还不能完全把所有决策，都交给机器人。

2. 人类介入的管理与监控

所以我们一定还要有一整套的有“人类专家”介入的管理体系，去监控、管理上述一整套基于AI的策略功能体系。比如乐信怎么做，他们搭建了一套可以认为干预的系统，分析、监控并预警风险，完成按天、按周、按月一整套的追踪预警分析机制。

以下这段话乔阳老师说得很到位，我就直接引用了。

“比如在‘ 按天’这个维度上，可以对实时坏帐率有一个预测，比如对风险指标的一些目标进行走势的预测，包括核心指标影响力的自动化评估，在周期里我们可能基于大盘各业务进行收益的复盘，在每月的维度，我们可以去根据人群的风险识别以及策略效能进行管控。

有了这套系统，基于我们的坏帐预测，我们能够把我们的策略、模型价值、用户管理、催收运营，这一系列指标拆分到天的维度，基于我们的体系，按天的维度去追踪我们目标达成是否出现偏差，如果出现偏差我们可以用自动化算法，把造成偏差的‘ 罪魁祸首’展现出来，再进行针对化的一些风险管控和拦截。

比如我们在今年早期发现我们的入催率有一定的上升，我们自动化预警系统就发现了这个趋势提出了预警，那有了这个预警，我们的自动化归因系统就会对这个波动产生最大的一些影响，根据气泡图的方式展现出来，气泡的大小代表影响力的大小。”

专家的话比较抽象，我来举个例子。有一批人，可能既是乐信也是某呗授信用户。今年初，某宝对某呗用户搞了一波降额和关帐户的操作，这批用户的流动性就出现压力，乐信就可以快速分析并定位出这批用户风险上升。但这毕竟还是一个粗分类，再通过自动化检测数据，一键拆分，把造成风险上升的用户再精细到不同的用户分组，最后针对不同用户分组人群，进行针对性的策略拦截和管控。

共2页: 上一页下一页

>相关《 数据化风控：与乐信CRO对话的一点分享》内容：

纽约商品交易所的黄金期货买卖是由交易所营业时间内的公开叫价交易时段和交易所收市后的电子交易时段所组成。传统的公开叫价时间内的报价由于是由出市代表叫喊，人为的流程会令市场价格较为波动。在电子交易时段内，因为交易所是以自动配对的方式将市场内...【继续阅读】

全球旅游技术平台 OYO 周三表示，将任命两名新的工程和数据科学高级领导人。 Nirdosh Chouhan 从 Apple 加盟，担任 OYO 的工程高级副总裁。Kranthi Mitra Adusumilli 之前在在线食品配送公司 Swiggy 工作，他将成为 OYO 的高级首席数据科学家。 Chouhan 将...【继续阅读】

理财鱼小提示：下周重磅事件一览：12月PMI数据即将公布，7只新股及22只新基蓄势待发 12月27日至1月2日当周重磅财经事件一览： 1、重要事件 周一：日本央行公布12月货币政策会议审议委员意见摘要 周四：欧洲央行公布经济公报 2、重要数据 周一：中国11月规模以上...【继续阅读】