基于人工智能技术赋能的证券领域风险监测服务平台：为监管科技注入新的血液，提供强有力的工具 | 百万人学AI评选

2020 无疑是特殊的一年，而 AI 在开年的这场”战疫“中表现出了惊人的力量。站在“新十年”的起点上，CSDN【百万人学AI】评选活动正式启动。本届评选活动在前两届的基础上再度升级，设立了「AI优秀案例奖Top 30」、「AI新锐公司奖Top 10」、「AI开源贡献奖Top 5」三大奖项。我们相信，榜样的力量将成为促进AI行业不断发展的重要基石，而CSDN将与这些榜样一起，助力AI时代的”新基建“。

活动官网：https://bss.csdn.net/m/topic/ai_selection/index

申报地址：http://csdnprogrammer.mikecrm.com/WpA03hJ

一、公司简介

天云数据，同时提供分布式计算平台产品和AI平台基础设施的科技厂商，拥有博士后工作站和国家级高新企业称号，并于2016首批进入中关村前沿科技企业重点计划。凭借分布式AI能力，天云为国内多家大型金融机构如人行、光大、兴业等提供信用业务计算与数据科学模型，连续四年荣获中国Fintech50强。2018年起，致力于打造AI泛场景生态圈，在能源、物流、医药、军工等领域均有成功落地项目。

 

二、案例详情

产品详情

为了克服人工监测投入大、精度低、数据利用率低的缺陷，天云数据综合利用了知识图谱和人工智能建模技术，构建了基于人工智能技术的证券领域风险监测服务平台，为监管科技注入新的血液，提供强有力的工具。
1、资管知识图谱构建
主要创新点是首次提供一种证券资管领域的知识图谱构建方法。基于图数据库技术，利用图谱显性表达企业、个人、产品及合约间存在的复杂关系网络，而风险传播模型可量化评估节点间的隐性风险，解决了当风险源实体遭受负面冲击影响引发风险扩散时，对与之直接关联或间接关联的经济实体所造成的影响进行量化评估的问题，从而达到帮助企业评估投资风险和预警市场系统性金融风险的目的。
2、风险传播量化
在用图谱定义了资管产品相关要素之间的关系之后，在构建的图谱网络中以某一要素作为风险源起始点，利用BFS+WarShall算法，沿着风险传播方向遍历网络，对风险路径进行推演量化，根据不同路径的风险传播模型，计算出从风险源出发影响到每一个节点的风险值大小，最后按照风险值的大小排序以列表的形式显示出来，并且展示出由这一个风险源辐射到的所有产品，公司，自然人等要素。
3.    采用AI模型识别异常交易
引入人工智能技术，利用股票交易相关的静态数据和交易流水数据训练AI机器学习模型，充分利用证券公司海量数据，获得高精度异常交易监测模型，利用此模型发现涉嫌异常交易账户的精度大大提升，检出的异常交易账户数量降低了两个数量级，大大缓解了证券公司进行自查以及时候处理的投入。利用这一功能，监管方可针对性的对证券公司进行检查，也可掌握异常交易的整体状况；而证券公司可高效的作自查，提升合规水平，减少因违规被处罚的可能。

技术研发投入

研发主创团队7人，副教授1人，博士3人，硕士4人（含一名海外留学背景硕士）

• 天云CEO雷涛：项目架构设计
• 首席数据科学家吕慧：图谱构建，风险传播模型构建
• 高级顾问杨丽芳：图谱构建算法指导
• 河北大学副教授刘帅奇：负责风险传播模型优化
• 数据科学工程师陈俏均：负责资管项目图谱构建及风险传播模型
• 数据科学工程师李晓萌：负责资管项目图谱构建；
• AI高级工程师高红霄：智查系统模型特征设计

 

三、典型应用场景

证券公司对股票异常交易进行自查：
证券公司可以将其服务的证券账户的交易流水数据和账户属性数据导入平台中，平台利用上述数据进行预测，给出某一个账户是否从事过异常交易的概率，证券公司可根据投入的资源，选取涉嫌异常交易概率最高的数十或数百个账户进行管理、处置。某头部券商试运营该平台以来，逐步实现工作机制从无到有，标准要求从简到详，核查手段从少到多，流程管理从粗到细，疑点挖掘从浅入深，先后确认 15 例违规事项，其中 5 例涉及违规，使用 他人账户，包含 3 个自然人账户，两个产品账户，涉及资产超过 6亿元，目前相关账户已妥善清理。

对证券基金资管业务的监管：
构建资管行业的图谱网络，通过该图谱，对资管行业爆发风险时的影响范围可以进行精确的计算，同时，可以对关联交易、自融、资金空转等违规进行查处。最后，利用该图谱网络计算出的各种网络特征，可进行机器学习建模，预测资管计划发生流动性风险或兑付风险的概率，做到对风险爆发的事前预测。