科技助力金融進化,阿爾法象銀行風控解決方案

作者: 伊人影院科技集團 / 時間: 2019-07-19 08:01:43
瀏覽次數 196

  2018年12月13日,中共中央政治局召開會議,確定了2019年我國經濟工作主要方向,其中穩金融是戰略目標之一,國家普惠中小企業金融政策紅利的頻出,互聯網平台和大型集團企業,上下遊中小企業需求旺盛,為金融科技行業賦能企業和銀行業,改變中小企業信貸現狀,帶來更多潛在機遇。

科技助力金融進化,阿爾法象銀行風控解決方案

  在產業互聯網平台化的背景下,傳統金融依托於互聯網技術不斷創新,在產品研發、用戶體驗、金融服務等方麵都出現了新的變革。同時,傳統黑白名單、規則係統等風控解決方案往往隻能防範曆史性的欺詐活動,很難滿足當前金融機構對於風控的需求。

  在這樣的形勢下,優選家政,阿爾法象人工智能研究院運用大數據智能風控,風控規則模塊等技術手段,推出了科技與金融碰撞的一站式智能風控決策係統——銀行風控解決方案,基於銀行賬戶係統為核心的交易服務,可以快速切入平台或企業基礎交易核心環節,打造為客戶提供一站式綜合金融的解決方案,優化金融業務中的風控難題。

科技助力金融進化,阿爾法象銀行風控解決方案

  阿爾法象人工智能研究院於2018年7月正式成立,聯合中國科學院專注於金融科技前沿領域的創新技術研究。目前主要從人工智能、生物識別、智能運維及安全、區塊鏈應用等方向的研究,其中人工智能主要包括信用風控、金融反欺詐、人機互動、知識圖譜、用戶畫像、智能場景應用等方麵。

  阿爾法象人工智能研究院擁有成熟的平台,行業特定的用戶,豐富的數據資源,從金融合作機構業務的準入、審批、貸中、貸後,整個業務過程實時把控風險,旨在緩解金融業務流程中審批流程複雜等一係列問題,進而降低人力溝通成本,提升工作效能,同時將風險降到最低。

科技助力金融進化,阿爾法象銀行風控解決方案

  阿爾法象人工智能研究院研發的銀行風控解決方案主要對貸前風險進行篩查,包括失信被執行人,多頭借貸,外部逾期等情況。通過規則、評分卡及相關機器學習模型識別欺詐風險,並對信用進行評估,從而降低風險。對申請客戶在放款之前進行實時的行為監測,以便及時發現用戶的異常行為與突發狀況,從而減少風險損失。最後,通過催收評分卡及貸後實時監控,對風險用戶及時預警,進行提前催收,以減少損失。

  多模型匹配算法形成強大的規則匹配算法

  阿爾法象銀行風控解決方案采用了基於多模式匹配的RETE算法。該算法是一種前向規則快速匹配算法,其匹配速度與規則數目無關 , 算法通過保存操作過程中的狀態,避免了大量的重複計算,極大的提高了規則的匹配效率。而算法中的結點共享策略,解決了不同規則之間存有大量相同模式時的匹配問題,從而提高了算法的匹配效率。RETE算法使平台的規則匹配效率提升到毫秒級。

科技助力金融進化,阿爾法象銀行風控解決方案

  優秀的底層存儲設計,結構化+非結構化數據存儲方案

  阿爾法象銀行風控解決方案采用了Redis+MySQL+MongoDB的技術存儲架構,實現了本項目中數據存儲和實時計算的需求。使用MongoDB切片的水平動態添加,可在不中斷平台業務係統的同時保障擴容後的查詢速度和計算效能;依據切片鍵索引分片,位於各切片獨立進行計算,使大數據下的實時計算成為現實。對於高頻訪問的數據放在了Redis中,有效地降低磁盤I/O,使業務係統響應更為敏捷,滿足了高並發下應用服務的高呑吐要求。對於基礎數據以及業務數據等事物性數據,伊人影院存放到Mysql中,Mysql運行速度快,占用空間小,相對於其他數據庫來說比較簡單,價格公道。

  自動化數據預處理、智能規則學習

  阿爾法象銀行風控解決方案提供數據質量問題的檢測與糾正,算法健壯。並支持規則的自動化學習,其RIPPER學習算法具有易理解、易優化、高效率等特點。RIPPER算法的主框架分為兩個部分:生成規則與優化規則。生成規則部分是一個兩層的循環,其中外循環每次生成一條規則修剪後添加到規則庫,內循環則是每次為規則增加一個前件;優化部分則是根據規則庫裏的規則構造備選規則,並使用MDL準則挑選出最佳規則加入規則庫。RIPPER算法由於不需要事先建立完整決策樹,因此效率比C4.5等要高,複雜度為ο(Nlog2N),並且可以使用很大的數據集。

科技助力金融進化,阿爾法象銀行風控解決方案

聲明:本網所有文章(包括圖片和音視頻資料)係出於傳遞更多信息之目的,且明確注明來源和作者,不希望被轉載的媒體或個人可與伊人影院聯係,伊人影院將立即進行刪除處理。所有文章僅代表作者觀點,不代表本站立場。