金融风险控制最新3.0版长啥样

本篇文章2228字，读完约6分钟

"你给某个企业的贷款可能有风险."去年夏天的一天后，国内一家股份制商业银行的风险控制部门收到了百度金融云企业风险控制预警系统的风险预警。最近，我行一名贷款客户发生了多起疑似风险事件，建议我行进一步核实。经核实，该企业经营状况确实存在严重问题，将影响企业一段时间后的正常经营。由于银行得到了预警并及时采取措施保全信贷资产，信贷资产的损失最终得以减少。

近日，百度云解决方案架构与金融云总经理杨军在向笔者介绍百度智能云与金融相结合时介绍了这一情况，引起了笔者的极大兴趣。最初，百度金融云在金融机构提供的风险控制解决方案中加入了人工智能、场景识别、舆情信息、智能搜索等技术，带来了金融风险控制的第二次革命性变革，极大地提高了金融机构提前预测风险的能力。

回顾中国金融业的发展历史，风险控制大致经历了三个阶段，其中两次变革是革命性的。

金融风险控制的初始阶段是1.0版:单一银行评估。

从20世纪80年代到本世纪头几年，社会融资的主体是商业银行，金融风险控制主要基于商业银行的信用风险管理模式。

在此期间，银行贷款一般遵循“三查”制度，即贷前调查、贷后检查和贷后检查。

根据监管部门的要求，银行在贷前调查中应注重贷款信息的真实性管理。收集、整理、汇总、分析和判断借款人的相关信息，关键是通过有效的方式和方法验证借款人相关信息的真实性，从而提高贷款审查决策的有效性。

信贷审查应侧重于风险量化、预防、控制和管理。有必要通过风险系统量化各项目对贷款风险的影响程度，论证贷款发放的风险隐患程度，根据风险程度判断是否同意发放贷款，选择合适的贷款方式，使贷款决策从定性分析转向定量分析，从而提高贷款决策的科学合理性。

贷后检查应重点关注贷款风险增长的预警和处置管理。

在此期间，一家银行通常用自己的信息评估企业的信用。然而，其他银行贷款信息、企业诉讼等综合信息没有得到充分掌握，企业利用虚假陈述骗取贷款的现象时有发生。

金融风险控制的第一个革命性变化是版本2.0:中央银行的信贷信息系统在全国联网。

中国人民银行信贷信息系统于2006年7月实现了全国范围的网上查询，这是金融业风险控制的第一次划时代的革命性变革。中国人民银行信用信息系统包括企业信用信息基础数据库和个人信用信息基础数据库。

目前，中央银行的信用信息系统基本覆盖所有单位和个人。中央银行的信用信息系统收集企业和个人信用状况(包括个人信用卡违约等)等所有综合信息。)，外部担保和案件诉讼。它最初向商业银行开放，然后向传统金融机构开放，现在也向一些互联网公司开放，如金融技术公司。

企业和个人的信用信息通过中央银行的信用信息系统在全国范围内联网后，极大地方便了银行和其他金融机构对借款人(金融家)的信用状况进行全面的查询和调查，从而避免了只有该银行(或其他金融机构)对借款人(金融家)的财务信息拥有唯一的控制权，也避免了因信息不完整而导致的财务风险。

虽然全国范围内的信用信息系统已经联网，单个金融机构的信息不对称问题已经解决，但这些数据仍然是静态的，一些信息更新仍然缓慢。例如，如果信用卡逾期，即使持卡人及时还款，仍会被扣款，影响个人信用评分。

此外，中央银行的信贷信息系统不能解决贷款(融资)后的风险防范问题。

金融风险的第二个革命性变化是3.0版:人工智能。

近年来，人工智能已经逐步全面地应用于金融风险控制。以银行为例，无论是贷前调查、贷后审查还是贷后检查，经过人工智能的全面干预，银行的贷款风险控制能力发生了革命性的变化。

百度是中国人工智能领域唯一一家R&D投资最多、技术最先进的企业。以百度金融云为金融机构设计的风险控制解决方案为例，将人工智能应用到金融风险控制中，大大增强了金融机构的动态风险控制和预判能力，从而帮助金融机构将损失降到最低。

贷前调查。作者测试了为百信银行设计的解决方案。对身份证正反面拍照后，系统会自动识别，通过网络视频，可以完成摇头、眨眼等人脸识别操作，从而可以在家中开立银行账户和办理贷款业务。

眨眼和摇头是为了确认账户持有人不是用他购买或借用的非身份证开户，而是持卡人本人。

信用审查。很多时候，央行的信贷信息系统存在更新周期长等问题；不能按照传统信贷审查方法向商业银行贷款的企业和个人，结合动态数据和多维风险控制模型进行审查后，可以满足贷款标准。因此，在风险可控的前提下，信贷业务进一步拓展。

贷后检查。这是第一代和第二代金融风险控制所不具备的能力。百度金融云对贷后风险有两种预判能力，这是其他金融技术所没有的:

1、舆情监控、综合分析。百度可以帮助金融机构判断一个企业获得贷款后的生产经营状况，以及是否有任何突然的变化。百度可以使用强大的搜索功能来分析数据。例如，是否有很多人在搜索诸如贷款企业老板拖欠工资、集团创始人内讧、创始人外逃的谣言等信息。借助公开的司法诉讼和企业变更信息，通过人工智能对多维因素进行分析判断，找出是否存在潜在风险，并及时通知合作银行，帮助银行提前一步保全信贷资产。

2.现场监控和预警。例如，车辆进出贷款企业的分析。这类似于著名的“do 空 company muddy water ”,但muddy water雇佣调查人员埋伏在企业门口，通过对lbs数据的人工智能分析，这里的方案完成得更加科学、高效和准确。

当贷款企业长期既没有原材料进厂，也没有成品出厂时，我们需要警惕企业的生产经营是否存在问题。本文的开头是使用上述技术发现的潜在风险。