首页  >  军事  >  多赢娱乐1956 郭光:对人群进行风险建模的方法和途径
多赢娱乐1956 郭光:对人群进行风险建模的方法和途径

时间:2020-01-11 14:58:46
[摘要] 郭光谈到了如何对人群进行风险建模,他表示银行参与这个过程当中能够合理定价,这个定价包括利率、额度。

多赢娱乐1956 郭光:对人群进行风险建模的方法和途径

多赢娱乐1956,“2019中国金融科技论坛”于2019年5月31日在北京举行,本次活动为京交会论坛活动之一,主题为:新时代 新金融新科技,爱财集团高级建模专家、经济学博士郭光出席并演讲。

郭光谈到了如何对人群进行风险建模,他表示银行参与这个过程当中能够合理定价,这个定价包括利率、额度。

首先要掌握到真正意义上违约的预测,这个违约预测基于我们刚刚展示的大数据、人工智能对全量人群黑灰白度的扫描,有了这个数据确保真正预测这些人群在不同类型借贷活动当中得到的坏付率,第一个是我们掌握了这个逾期率,第二个我们利用数据准确估测他在互金平台的还债规模,做信用建模当中有个违约点,能真正帮助大家理解风险的概念。

他表示,基于这样的情况,才能真正保证当大数据+AI+建模能够为整个金融机构获客或者增加业务带来的真正的保障。

郭光说:“完整风控体系必须要使用结构化的深度学习模型,对全量人群进行分类、解构与细分,确保实现劣后端的合理定价。”从解构来说,可以对于他的整个流动性危机、债务负债危机进行量化解析,最后传递到正常人群。另外,在正常人群当中同样需要同样这样一个复合的多神经元模型学习这个风险。

以下为演讲实录:

郭光:非常荣幸今天能代表爱财集团参加今天的会议。刚才听了前面几位在这个领域中非常排前机构的介绍,为中国金融科技发展的势头感到非常高兴。

作为建模领域的人员,今天我和大家分享一些比较具体的东西。我先有一个小插曲,我98年去的美国,从98到08年大家大致知道美国经历了怎样的发展阶段,从互联网高速发展,再到金融行业的科技领域的发展,最后进入08次贷危机。中国经历了互联网的高速发展,大家也是众所周知的,2013年开始自从阿里推出了余额宝,中国互联网金融、中国金融科技进入了高速发展时期。

我用这样一个标题大家会更加清楚,从我们做金融技术角度来讲,大致能够感受到次贷的阴影,现在中国整个经济、银行系统开始有这样的味道,今天我的分享想从这个角度跟大家做具体的探讨。

因为我想中国金融科技是中美之间竞争中非常重要的变数,而中国金融科技如果能解决一些重要的问题,也是中美在接下来发展当中出现差异化的一个关键性因素,今天我跟大家讲一下,我们对这个东西的理解。

08危机泡沫实现机制的中国篇-反向增信。

在中国金融和科技发展当中我们能够理解,作为得到稳定收入的人群一定要通过获取新资产,但在这个过程当中,往往会通过波动度不同收入给自己进行增信。大家去做房贷的时候,最重要通过自己收入来作为信用的基础,但如果信用基础达不到现在房产定价标准的时候,会有其他的源头来进入。

这里有这样的循环过程,当用稳定收入支持借贷得到资产的时候会促进经济增长,但经济增长会使得高度波动源支持的收入和中度波动源支持的收入得到进一步的稳定,而同时这样的稳定又会增加反向增信的增长。如果高度波动源支持收入被破坏时候会通过劣后借贷活动替代,如果劣后借贷定价适中的时候,那么去用这个替代时候会努力恢复收入替代信贷活动,但定价过低时候你会发现它会进一步增强反向增信,反向增信进一步增强又会反过来自我增强接下来的劣后借贷活动,我们这里有个结论,当定价过低的劣后借贷活动支持更多的劣后借贷的时候我们就会产生一个自我增强,在金融领域中这个叫做泡沫。

当我们说银行贷款,首先是支持稳定收入对资产的获取,大家可能比较熟悉房产是一个重大的源头,但同时银行贷款通过劣后借贷源进入劣后借贷区域的时候,如果定价过低银行贷款会成为整个新生泡沫机制的参与者,这里我想用一个概念,反向增信与银行的双重杠杆。

中国已经进入这样的阶段。这两边是两类银行贷款,企业长贷和短贷针对房贷的比例,06年开始这个比例一直在下降,针对房贷正常企业贷款在下降,这是住户经营贷款长短,同样也出现下降的趋势,但现在唯一在增长的是什么?就是住户的消费短贷,相对房贷一直呈现上升的趋势。这是不是因为消费在增长?我们可以来理解,消费品相对于房贷的趋势也是在一路下滑,但短期消费贷针对中长消费贷也就是房贷的比例是在一路上升,消费贷的上升其实与整个消费品相对房贷的上升趋势是相反。

第三个,我们可以观察自我支付消费品相对收入是呈现比较稳定的趋势,但消费贷相对于自我支付消费品,从05年开始也是一路上扬,所以说从刚刚三张图可以看到,从三个维度来看现在整个消费贷的趋势都是逆势而上,并没有真正意义上经济基本面的支持。

最后一张图,这个红线是房产贷款和刚性收入进行对比的比例,从06年开始整个增长速度其实有两个大波动期,同时我们可以看到这根黄线是消费贷和刚性消费品的增速,这基本和房产有一定同步性的,但在最近一期,房贷受到管控增速下来的时候,消费贷依旧保持高位增长,而且持续在那个地方。

这说明在中国消费贷款孕育着可能背离基本面的逆势增长,在消费贷中参与越来越多的是像银行这样的主干的机构,这样的问题会使得我们想去理解接下来银行面临的风险或者中国整个经济系统面临的风险该怎样得到解决。

我们现在识别出来整个泡沫机制可以用这样一个定价过低的系统来展示,但要真正解决这个问题要用到这样全方位模型机制,其中参与是大数据、AI和量化归因。最关键的一点就是如何防止定价过低,如何防止银行贷款或银行融资在参与整个劣后端借贷时候出现定价过低,导致08次贷危机泡沫增长的机制。

首先说大数据和AI,这是一个统计,我们抽取国内大行,全国性银行和上市银行的白色人群,也就是他们没有任何逾期记录,我们掌握的外部互金端口人员黑度数据和他们进行关联,在3月份、4月份、5月份纯白人群整个互联网黑度还是较显著的,人群的风险度是一个高维特征驱动的观察。大数据解决反向增信风险当中起到的核心作用。

这是2019.1-2019.5月人均关联互金平台数的抽样统计,有品牌的关联3月下旬出现了迅速的锐减,3月份发生了315高炮事件,类似于对于互金平台的冲击使得劣后端信用供应存在一个出现非常高速动态的变化,所以说中国现在整个金融,其实我们可以看到虽然在某些领域大家觉得非常稳定,但当我们用大数据的方式去对它进行扫描的时候,发现它的整个动态变化是相当剧烈的,对于金融科技如果给金融机构赋能,我们首先想提供这样一个全方位的雷达的功能。

如何得到这样一个数据,这就是我们一个最简单的一部分的非结构化数据,传统大家会把结构化数据分成各类金融事件,有逾期事件、借款事件、支付事件。这些事件到底告诉我们什么事情,接下来通过人工专家的设计,但对于我们来说现在用了两周时间可以搭起来的智能学习方式,把几乎关联全维度互金平台人群的整个黑灰白度用人工智能识别方式来完成,所以从我们理解来说,在大数据+人工智能的状态底下,所有风险度都是概率性的描述,这个人是黑还是白并没有绝对的确定方法,但只有通过最全量的数据和最快的智能处理方式才可以相对稳定的找到对这个人风险度的表示。

刚才讲了逾期表现、关联度,到底最后落到什么点帮助我们解决定价问题,我们对人群进行风险建模,银行参与这个过程当中能够合理定价,这个定价包括利率、额度,怎么来解决?首先一定要掌握到真正意义上违约的预测,这个违约预测基于我们刚刚展示的大数据、人工智能对全量人群黑灰白度的扫描,有了这个数据确保真正预测这些人群在不同类型借贷活动当中得到的坏付率,第一个是我们掌握了这个逾期率,第二个我们利用数据准确估测他在互金平台的还债规模,这个其实在我们做信用建模当中有个违约点,这是至关重要的,这是真正帮助你理解风险的概念。

基于这样的情况我们才能真正保证当大数据+AI+建模能够为整个金融机构获客或者增加业务带来的真正的保障在哪一点。

最后我用这样一个图来说明,整个完整风控体系必须要使用结构化的深度学习模型,对全量人群进行分类、解构与细分,确保实现劣后端的合理定价。因为我们刚刚听到很多专家他们提到现在分八、九类人群,但对于真正信用风控,从我们解构来说我们可以对于他的整个流动性危机、债务负债危机进行量化解析,最后传递到正常人群,但在正常人群当中我们同样需要同样这样一个复合的多神经元模型学习这个风险。

最后我用这样一张图来表示,爱财集团作为新兴的金融科技公司,怎样才能保证陪伴式整个中国金融的良性发展,我们要用到系统化方式,用到现阶段中国真正发展起来大数据和AI智能,帮助中国全量人群在整个金融全周期过程当中应该适当得到的金融服务做出合理的解释。谢谢!

© Copyright 2018-2019 theonaz.com 杜官门户网站 Inc. All Rights Reserved.