风控的进化——从传统风控到智能风控

对于金融企业来说，风控模型和风控体系需要非常有经验的金融从业人士进行把控。比如，银行风控模型的出发点主要是衡量借款方的还款能力，一般来讲，模型包含了两部分的评判，即客观性的和主观性的。客观性的评判主要依据是可以量化的数据，如公司的年度审计财务报告、银行流水、缴税金额等，这些数据放在已设定好的模型里就能计算出分数或等级，作为参考。

但是，光靠客观数据还不够，比如说公司所在的行业是落后的将被淘汰的行业（如钢铁、水泥等），那么评级可能需要有些下降，再比如，公司的管理人在该行业的经验多少会影响公司的风险，这需要人工进行调查。

因此，人在传统风控体系中起到了很大的作用。比如，需要人工标记坏样本的方式来记录坏样本订单号，人工通过相关信息关联找出标记样本。系统的设计要尽可能多、尽可能精准地收集坏的样本。

但是人的计算能力有限，而且对复杂的征信环境缺乏整体的把控能力。在人工审核过程中，很容易出现样品偏差的问题。比如说，当你发现骗子符合某些聚集特征时，你将指定某项策略进行打击，于是骗子的这种欺诈手段受到控制，接下来的损失案例都不会再出现这样的聚集特征。如果坏样本的收集时间在该策略上线之后，这个时候模型训练的结果极有可能出现满足聚集特征的风险低、不满足聚集特征的交易反而风险高的特点，也就是说聚集特征的权重是负数。

随着互联网科技与金融高度融合，互联网科技这种轻资产、重服务的网络模式正慢慢渗透到金融模型中，对传统金融业务产生了鲶鱼效应和示范效应，推动金融机构产生