鄂维南：如何看待大数据在风险管理中的应用?

　　目前大数据在金融中的运用，主要是通过大数据做风险控制，建立风险模型预测还款可能性，从而决定授信额度和定价。

如何看待大数据在风险管理中的应用?

　　要讲清楚这个问题，我们首先要区别一些概念，首先是大数据和大数据技术，前者是指的数据及可用于风险管理的数据问题，后者是指一些诸如机器学习、神经网络、支持向量机(SVM)等大数据算法。

　　从数据源的角度来看，与个人有关的信息从外到里可以分为三层：第一圈是关于个人的所有信息，第二圈是关于个人的所有履约信息，第三圈是信贷履约的信息。在之前传统的风控中，我们一般利用最里圈的信贷履约信息，加上部分个人基本信息等来预测信贷违(履)约情况。随着互联网和信息技术的发展，部分方便可得的外圈信息，对于内圈的履约预测慢慢地被证明有一定的效果，例如打车的履约情况对信贷履约的判断是一个依据，因此大数据风控随之逐渐兴起。但对于不同圈别数据的跨圈使用，特别是外圈数据往内圈使用的过程中，要特别解决法理约束和本人授权两个问题，这样有利于各种数据在风险评估领域中的可持续使用。

　　从大数据技术角度来看，任何大数据方法用于信用风险的评估，都要满足三个条件：一是对评分建模的方法论、过程和数据使用上是明确的，对监管、对公众是应该公开的：二是建立的模型要对不同风险状况的人群有区分能力和排序能力;三是数据、方法和模型在人群、时间跨度上是稳定的。从传统的逻辑回归，到决策树，再到机器学习等大数据方法的使用，要始终坚持开发出来的模型“明确、准确和稳定”的三大特点。

　　目前在利用大数据中的机器学习技术开发的模型当中有一些模型是明确的，也有些是不明确的。

　　但总体而言，对于大数据和大数据技术，目前，在风险控制中，可以是在遵守一定规则上开放性使用，但是对于征信领域，在数据的来源上应当适当保守些，这主要是由于征信对评分开发模型的明确性要求更高。但是尽管如此，在数据的处理方法上，都可以进行不同的尝试和探索，因为大数据技术的发展，可以将使用的信息，包括传统的信息和现实生活中映射到互联网的各种信息极大的简化为一个分数，供放贷机构高效、便捷的使用。

如何理解风控与征信之间的异同?

　　大数据技术在风控与征信方面存在着两种不同的选择性。大数据做风控和征信有时不可以同时兼备。

　　从风控和征信的本质特征出发来看。风控是放贷机构自己的事情，而征信则是第三方机构的信息服务，后者是为前者的风控服务的，对于信息的使用及其借款人对信息的知情权等方面，两者是有根本性的区别的。所以大数据技术开发的评分模型是可以满足准确、稳定的要求，但是在明确、可解释性方面，尚待市场的检验。

　　放贷机构为了风控，可以竭尽所能地收集各类或真实的信息或待证实的噪音，且对借款人作的放贷决策也是完全基于自己的商业目的考虑。但是，征信机构对信息的收集、加工和对外提供，则是完全按照市场和放贷机构认可、信息主体知情的方式进行，征信机构向放贷机构提供的所有针对借款人个人的信息，如基础性的信用报告，是基于基本客观事实的汇总，经得起借款人本人质疑、挑战的，信用报告的内容、流程、流转过程和使用判断是受到监管的。

　　与国内不同，国外的情况表现为：美国的征信机构一般是先提供了经得起检验的信用报告，为信息主体本人提供信用报告查询服务之后，再提供基于信用报告标准化解读的各类信用评分服务。为了确保个人信息没有被滥用，评分流程的基本方法、理念、结果是需要对外披露，并接受监管部门的全程监管的。特别是当放贷机构基于征信机构的服务(如信用报告、个人信用评分)，做出了不利于借款人的决策时，如拒绝借贷、提高费率、降低额度等，消费者是有知情权的。

　　征信讲究的是“信”，保护借款人(即信息主体)对征信系统本身及其本人信息被采集使用情况的知情，是征信行业的国际惯例，也是保证第三方征信机构独立、可信赖地位的基石。

　　在大数据的背景下，各种可以预测违约的数据在丰富性、广度和深度上出现了极大的增加，但是对大数据的使用不会动摇征信与风控间的基本框架。例如，一些大型互联网公司，掌握了大量的个人互联网行为信息，这些信息可以用于公司内部的风险管理和放贷决策，但是如果一旦用于第三方征信，则相关互联网信息的使用和对外提供，必须经受技术、用户、法律、认知等社会方方面面的考验，满足公平公正合法等基本要求。

　　目前国内的法律规定还不太完善，但即使没有法律规定也不一定是可以为之的，征信机构的活动涉及消费者的切身利益，如果因为征信机构的服务，如提供了消费者不知情或认为不准确的信息，导致消费者的金融消费，如放贷、车贷等受阻，消费者是有足够权利去告第三方征信机构的。征信不是过家家，我们不希望也不愿意见到部分机构采取抱着试试看的态度，去看哪些数据和技术可用于风险评估，并递延到征信服务上，以及来威胁到我们的信用安全。

如何确定征信信息来源?

　　征信机构的信息永远是放贷机构风控的一个重要信息和工具的来源。目前使用大数据模型中，有很多变量能够用来验证信息真伪，但是，预测违约率还是用传统的信贷信息一些核心变量，目前来看，预测未来履约的信息范围和方法论并没有真正扩大和突破。

　　如何评价征信机构所建模型的效果?

　　一个模型即使是对一群人的预测有效，但是用不成熟、不被大家接受的新技术和新方法，对个人进行风险预测并给个人的经济生活带来影响，征信机构也有被司法起诉的风险。模型和技术有可解释性，符合社会公众的可接受度，这样才可以站得住脚。从有效性角度来看，社交网络信息对于营销、对于反恐等被证明是有效的，但是对于征信的有效性，还需要时间去验证。