金融科技助力風控的誤區(qū)，尤其是這4個，早知早受益，對于金融機構(gòu)來說，風控模型和風控體系需要非常有經(jīng)驗的金融從業(yè)人士進行把控。比如，銀行風控模型的出發(fā)點主要是衡量借款方的還款能力，一般來講，風控模型包含客觀性和主觀性兩部分。

客觀性的評判主要依據(jù)公司的財務(wù)報告、銀行流水等可以量化的數(shù)據(jù)。但只靠客觀數(shù)據(jù)還不夠，還要關(guān)注公司所在行業(yè)是否為落后或?qū)⒈惶蕴男袠I(yè)，同時公司管理者的經(jīng)驗也會成為影響公司的風險，需要人工進行調(diào)查審核。

因此，人在傳統(tǒng)風控體系中的作用很大，但靠人審查的風控手段畢竟單一，且人的計算能力有限，對復(fù)雜的征信環(huán)境缺乏整體的把控能力，無法為長尾客戶提供風險定價。

這種的困境對小型企業(yè)、個體工商戶的影響尤為明顯。由于小微企業(yè)在財務(wù)人員、專業(yè)技術(shù)人員、管理規(guī)范等方面都相對較弱，加之自身資產(chǎn)規(guī)模較小、融資難、競爭力缺乏等問題，嚴重制約小微企業(yè)的發(fā)展。

以智能風控為代表的金融科技為這些問題的解決提供了方案。隨著互聯(lián)網(wǎng)科技與金融高度融合，金融科技這種輕資產(chǎn)、重服務(wù)的網(wǎng)絡(luò)模式正慢慢滲透到金融模型中，推動金融機構(gòu)產(chǎn)生變革。

以人工智能、云計算、大數(shù)據(jù)等技術(shù)為基礎(chǔ)的科技公司進入金融風控領(lǐng)域，科技與金融的結(jié)合日益緊密。傳統(tǒng)風控采用評分卡模型和規(guī)則引擎等進行風險評分，而智能風控會根據(jù)履約記錄、社交行為、行為偏好、身份信息和設(shè)備安全等特征進行用戶風險評估。兩種風控方式從操作到場景都存在明顯區(qū)別，進入移動互聯(lián)網(wǎng)時代后，智能風控的優(yōu)勢更為全面和完善。

但是，要厘清當前金融科技助力風控的幾個誤區(qū)：

誤區(qū)一：過度相信科技，認為金融科技可以改變風控的本質(zhì)

這種想法在前幾年非常流行，認為科技會顛覆金融，無所不能。但從實踐來看，金融的核心是風控。金融科技時代在金融和科技的關(guān)系中金融是主體。無論科技怎么日新月異，金融的本質(zhì)不會改變，貸款需要還款，投資需要回報。

在2008年美國金融危機之前銀行及各金融機構(gòu)犯的一個巨大錯誤就是過分相信大數(shù)據(jù)分析借款人的還款意愿，而忽略了借款人的還款能力。在要求一個月收入8000元的群體每月還款12000元時，無論這群人過去還款記錄多么完美、收入多么穩(wěn)定，所有的數(shù)據(jù)分析都很難改變高逾期率的現(xiàn)實。杠桿過高、現(xiàn)金流不穩(wěn)定永遠是非欺詐情況下還款的最大障礙

科技可以讓銀行獲得更準確的數(shù)據(jù)，更好地預(yù)測借款人還款意愿的高低，更準確地預(yù)估借款人的收入和現(xiàn)金流，更好地設(shè)計交易結(jié)構(gòu)讓借款客戶的收入、現(xiàn)金流流入銀行還款賬戶以達到風險閉環(huán)，幫助反欺詐，很大程度降低風險，更準確地實現(xiàn)風險定價。

同時也可以簡化銀行的決策審批流程，改善客戶體驗，并實現(xiàn)正向客群選擇。但是這些不消除風險的存在，也不會減低實際風險，風險管理的原則包括風險定價不改變。

誤區(qū)二：金融科技可以幫助金融機構(gòu)滿足所有的融資風控需求

金融科技很大程度上可以幫助社會實現(xiàn)普惠金融，幫助更多的長尾群體尤其是中小企業(yè)得到相對低成本的融資。但是不是風控做好了，只要不是欺詐，只要是真實、有場景的消費、經(jīng)營性融資需求，金融機構(gòu)就可以滿足呢?

顯然并非如此。雖然理論上講風險定價，只要收費大于成本——這里的成本包括資金成本、運營成本和信用損失，融資模式就可以持續(xù)進行下去。

但現(xiàn)實中由于監(jiān)管和金融機構(gòu)自身的限制，金融機構(gòu)不可能無限高地收費，如銀行收費不能超過基本利率的4倍或24%，其他非銀機構(gòu)不能超過36%。

因此一些高風險客群，即便是有真實場景的融資需求，但由于過度消費或經(jīng)營沒有可持續(xù)性，很難通過正規(guī)渠道滿足融資需求。高風險客群的波動性相對高很多，在設(shè)計產(chǎn)品、定價階段必須進行必要的壓力測試。

誤區(qū)三：風險管理就是風控模型和風控政策，最多加上貸后催收

這是非常大的一個誤區(qū)。風險管理是一個滲透于業(yè)務(wù)全流程的管理，從目標人群的鎖定、獲客渠道、獲客方式、產(chǎn)品定價到審批、風控模型直至貸后預(yù)警、貸后政策、貸后催收、重組都會直接影響到貸款損失率。

很多時候獲客渠道和獲客方式已經(jīng)決定了產(chǎn)品目標人群的風險水平，如果不能進行合理的風險定價，就可能導致產(chǎn)品因缺少合適的目標客群支撐而難以持續(xù)運行并最終失敗。

優(yōu)秀的風控人員不但必須熟悉數(shù)據(jù)，善于運用大數(shù)據(jù)工具，而且需要了解市場、客群，依靠常識做出正確的判斷。風控人員應(yīng)該參與到業(yè)務(wù)的每一個環(huán)節(jié)，把控、預(yù)判、管理可能的風險。

同時風控應(yīng)該是一種文化，需要前中后臺的通力合作，每一個人都應(yīng)具備對風險的敬畏和防范意識。如果僅靠風控模型、風控政策的圍追堵截，只會讓市場越走越窄。

誤區(qū)四：模型過度擬合，起不到區(qū)分好壞客戶的作用

談到利用大數(shù)據(jù)、AI技術(shù)就很難繞開模型。一直困擾很多機構(gòu)的是：模型在訓練數(shù)據(jù)上表現(xiàn)非常好，但一進入實戰(zhàn)就失去了區(qū)分能力。

有的機構(gòu)明明數(shù)據(jù)樣本充足，數(shù)據(jù)源有效，并不斷地“維護”模型，不斷地訓練模型，有的甚至每個月拿到新數(shù)據(jù)都會調(diào)整模型變量，這么“努力”，但貸款質(zhì)量在實戰(zhàn)中仍然表現(xiàn)很差，這是為什么呢?很可能是過度擬合了。過度擬合是模型訓練太多，用于訓練的數(shù)據(jù)中摻雜了太多噪音。

那么過度擬合是怎么造成的呢?主要原因有兩個：一是樣本點太少;二是模型太復(fù)雜。國內(nèi)常見的問題是模型太復(fù)雜。

完全避免過度擬合是不可能的，但在建模過程中，我們要努力保證模型的穩(wěn)定性，好壞排序正常且保持分離。需要降低模型復(fù)雜度，而且模型中的變量保持較低的相關(guān)性。這樣的模型在實戰(zhàn)、在市場中才會發(fā)揮積極作用。

免責聲明：文章來源紫金財經(jīng)，版權(quán)歸原作者所有，本文內(nèi)容為原作者觀點，并不代表我們贊同其觀點和對其真實性負責，如有侵權(quán)或任何不妥之處，請留言刪除。

（文章來源：天下通商貿(mào)-讓電票學習更簡單，做電票知識普及的領(lǐng)航者，關(guān)注抖音號390626901免費獲取全套電票視頻操作教程 官網(wǎng)：http://www.sacramentocrossing.com/）