投融资|《中国金融科技风控报告2020》正式发布( 二 )


投融资|《中国金融科技风控报告2020》正式发布
文章图片
 
图4:招商银行不良率
资料来源:招商银行,零壹智库
招商银行风险门户通过超2000项数据渠道来源,对于企业工商信息、司法信息、权利抵质押、市场数据、经营数据、交易信息、担保信息、融资分析、新闻舆情、实控人信息等银行内外数据多维度、多渠道路径进行实时、动态地信息数据深度关联和风险监控 。
自风险门户正式上线以来,截至2019年4月末,招商银行累计使用的分行、子公司总计55家,总访问人数8280人,总访问人次总计91423次,被查看过的企业数量达75596家,在全国范围内得到了广泛使用 。
在第三方支付场景上,随着支付业务的创新与高速发展,扫码支付,刷脸支付、声纹支付等技术日新月异,线上线下等多个支付场景涌现,交易规模激增对传统支付风控模式造成了巨大的挑战 。
据前瞻产业院数据统计,2013年我国第三方支付规模为13.9万亿元,经过6年的高速发展,2019年的支付规模为372.3万亿元,预计到2022年将达到548.6万亿元的交易规模 。
投融资|《中国金融科技风控报告2020》正式发布
文章图片
 
图5: 2013-2022年中国第三方支付综合支付交易规模统计及增长情况预测
资料来源:前瞻产业研究院,零壹智库
通过大数据、人工智能、生物识别等新技术,金融科技风控能够在支付交易的事前、事中和事后对风险事件进行实时监控 。
支付宝AlphaRisk风控引擎案例
支付宝AlphaRisk风控引擎用AI技术颠覆传统风控的运作模式,通过构建Perception(风险感知)、AI Detect(风险识别)、Evolution(智能进化)、AutoPilot(自动驾驶)4大模块,将人类直觉AI(Analyst Intuition)和机器智能AI(Artificial Intelligence)两者进行融合,形成具有机器智能的风控系统,并在未来逐步实现风控领域的无人化管理体系 。
投融资|《中国金融科技风控报告2020》正式发布
文章图片
 
图6:AlphaRisk智能风控引擎
资料来源:蚂蚁金服,零壹智库
AlphaRisk风控引擎上的自动特征工程(AlphaTrion)模块,不同于以往特征工程将大量时间集结在特征生成上,而是将90%时间用于问题风险,5%的时间在特征自动生成,5%的时间在模型建设和策略应用上 。
在AlphaRisk智能风控引擎帮助下,支付宝能够在0.1秒之内对支付交易进行风险预警、检测、和拦截等各种复杂的工作,在天猫双十一大促活动中更是顶住了巨大规模流量,为用户交易保驾护航 。
在供应链金融场景上,传统风控存在金融机构和核心企业需求存在错配、金融机构在供应链金融的金融科技支撑较为薄弱、政府等机构对金融机构的有关的资源配合力度不足三大痛点 。
金融科技风控则可以帮助供应链金融风控贷前、贷中和贷后的信贷服务体系全流程 。金融科技风控在贷前主要起到数据支撑、规则策略制定、黑名单筛查等作用;通过企业多维度数据,在贷中通过风控建模,构建中小企业信用模型,进行风险等级划分,帮助审批和授信;在贷后可以进行风险监测,主要从司法、税务、财务、工商、个人等多个维度就行预警,还可以对贷后资产表现进行评估,并迭代催收模型,以便调整贷后策略 。
合合信息“供应链核心企业大数据风控管理平台”案例
合合信息旗下启信宝商业数据平台涵盖国内2.3亿家企业和组织机构名录,2.1亿家海外企业,700多亿条实时动态多维度企业数据库.“供应链核心企业大数据风控管理平台”基于启信宝商业数据平台,面向银行、融资租赁、工业制造、批发零售、政府机构、律所、媒体及其他各类工商企业,提供商业调查和风控合规解决方案,已经成功服务30000+企业及机构 。


推荐阅读