【大话IT】大数据金融风控的一些思考 - 金融行业 - ITPUB论坛－专业的IT技术社区

wangjia

去年刚在行内完成了一个“大数据风控”系统的开发，结果虽然没预期的好，但还算是一个“有用”的系统。看到互联网上大数据风控问题各方争论不休，忍不住也想谈谈自己的观点。
     鲍忠铁 《大数据能带来金融风控革命》网络 《阿里巴巴：大数据控制信贷风险初露端倪》《大数据可助力互联网金融风控》《电商搅局小贷行业 大数据助力风控》...
     VS
     江南愤青《大数据能带来风控革命？》 悟网不欢 《搞互联网金融的，少点大数据忽悠吧！ 》Christopher Mims 《大数据之伪》
     
     1、先定义一下风险吧。
   (1) 风险是对事物发展未来状态的看法。时间是形成风险的基本因素之一。
   (2) 风险产生的根源在于事物发展未来状态所具有的不确定性。不确定性也是形成风险的基本因素之一。
   (3) 风险和不确定性在很大程度上都受到经济主体对相关信息的掌握。信息是影响风险的重要因素之一。
   (4) 风险使得事物发展的未来状态必然包含不利状态的成分，如损失或低于期望值的回报。损失也是风险的基本因素之一。
     2、再讨论一个问题： 我们的世界到底是决定的，还是非决定的？是可预测的，还是不可预测的？
   老祖宗早就告诉过我们, 天有不测风云,人有旦夕祸福 。《吕氏春秋》记载：楚国有个边境城邑叫卑梁，那里的姑娘和吴国边境城 邑的姑娘同在边境上采桑叶，她们在做游戏时，吴国的姑娘不小心踩伤了卑梁的姑娘。 卑梁的人带着受伤的姑娘去责备吴国人。吴国人出言不恭，卑梁人十分恼火，杀死吴人走了。吴国人去卑梁报复，把那个卑梁人全家都杀了。 卑梁的守邑大夫大怒，于是发兵反击吴人，把当地的吴人老幼全都杀死了。 吴王夷昧听到这件事后很生气，派人领兵入侵楚国的边境城邑，攻占夷以后才离去。吴国和楚国因此发生了大规模的冲突。 这就是蝴蝶效应。
     3、悲观的看，一切皆有可能，天也会塌下来，太阳会爆炸，人类也将不再存在。黑天鹅事件随时可能发生，未来完全不可预测，风险不可控制。
......，未完待续
不好意思，手上好几个系统在维护，还有一个项目在开发中，只能空闲时间写一写。
     补充说明一下：蝴蝶效应跟黑天鹅事件是两个不同的概念。
     拿抛硬币来说，你抛起时的力量、硬币正反面的摆放就是蝴蝶煽动的翅膀，而硬币出现立在地面上、一个硬币变成两个硬币就是黑天鹅事件。
     小结一下：大数据不会带来风控'革命'，一些业内公司的宣传要慎重看待。 最新科技，大数据技术 跟 祖传秘方，包治百病 只是包装不同而已。
     所以我很赞同江南愤青说的“我们要注意和警惕的是，大数据并非是一个万能的事物”。
   
      4、面对未知的、不可预测的世界，我们该怎么办？
      还是引用老祖宗的一句话 成事在天，谋事在人 。
      水往低处流，人往高处走 , 人是铁,饭是钢,一顿不吃饿的慌 ，这些自然规律还在起作用，还是有效的，不要 杞人忧天 。
gb_itpub 发表于 2015-4-10 10:26

等更新，正好近期在调研风控相关的需求，学习学习
转给你一则新闻http://chuansong.me/n/1279191
目前，工行有一支400人的数据分析师队伍，运用大数据技术，专门对“融e购”信息进行深度挖掘应用。一方面进行数据整合，从中可以精确地把握客户的消费模式和行为偏好，深入发掘客户已知甚至是潜在的金融需求，实现更多的商业机会。另一方面，运用数据挖掘技术，对银行传统风险管理方式进行革新。比如，工行总行成立了信用风险监控中心，实现了对全行超过10万亿元信贷资产和每年八九万亿元累放贷款的动态风险监测和实时预警控制，并能全流程监测到每一个机构、每一户企业、每一笔贷款的具体运行情况，提高了风险管理的前瞻性和有效性。据悉，一年来，工行已累计预警和化解潜在风险贷款4237亿元。
4、面对未知的、不可预测的世界，我们该怎么办？
      还是引用老祖宗的一句话 成事在天，谋事在人 。
      水往低处流，人往高处走 , 人是铁,饭是钢,一顿不吃饿的慌 ，这些自然规律还在起作用，还是有效的，不要 杞人忧天 。
      同时，我们也要知道三十年就河东河西，千百年就沧海桑田，我们也不能自大到 人定胜天 。
      以上就是我的世界观、人生观。
      跟着江南愤青一起跑题： 这个世界我们大多数人总是无意识的在做一件跟趋势对抗或者顺应的事情，但是我们还是希望能多抬抬头看看，有意识的希望看的更远点，我们的历史如同一条大河，奔腾而去，大气磅礴，我们如同   河流里一条鱼，大部分的鱼都是随波逐流，而总有个别的鱼希望跳起来看看未来，希望能看的更远，但是，大部分的鱼都只看到了自己看到的方向，最终谁都无法得知正确与否，于是结果论是最好的论调了。我对自己说的总是跳起来看，对不对压根不重要，重要的是我跳起来了，看到了更多的风景，哪怕错了也无值得，思考是自由的最好表现，不思考给了自由和民主，也都毫无意义。  我也是条想跳出来看看的鱼。
5、谈谈风控技术的无用性
      识时务者为俊杰,通机变者为英豪。 金融这个东西吧，就是能赚钱的时候，狠狠的赚钱，不会因为你发放贷款12%就一定比36%的安全，本质都是一样的，都不会出问题，而市场无法赚钱的时候，你其实怎么做都是错的 ，牛市的时候也有人亏钱，熊市的时候也有人赚钱。下雨天，你会因为雨太大而不打伞吗？在工地干活，安全帽还是能起作用的。
6、谈谈对 大数据风控无效的N个理由 的看法
      6.1） 第一个理由就是，金融其实是看天吃饭的。我一直坚持金融是被经济形势所决定的，在经济形势低迷的情况下，金融机构无论怎么折腾都很难玩出特别好的花样。
      农业是个典型的看天（气）吃饭行业，古希腊创造出了期货这个金融工具来规避风险。不是没有好的花样，只是我们现在还没发现好的花样罢了。
      系统性风险是任何一家金融机构都必须面临的现实问题，风控制度在系统性风险面前，毫无意义。
      Basel III通过对银行公司治理机制的改进，平衡长短期经营激励，降低银行经营的道德风险。同时，改进信息统计和披露管理，增加复杂产品交易数据收集，增加市场透明度，维护市场信心。此外，强化跨境合作监管等做法和措施，都是围绕系统性风险管理进行的制度改革。
      那么，大数据能否预测经济形势，即预测系统性风险呢？很多人说大数据可以做到，我觉得都是扯淡。
      风险损失可划分为预期损失、非预期损失和极端损失。大数据是统计方法的进步，可以做的是优化预期损失以及非预期损失的计量。
      那么就个人而言，是否有通过数据分析形成准确判断的可能性？这个很难说，有人一叶而知秋，有人一叶而障目，都是个人能力的结果。个人能力很难说是一种模式的核心竞争力，也缺乏可持续性。
      大数据技术只是工具。大数据项目的成果还是很依赖个人的专业知识的。是数字还是数据，最终是依赖人的判断。
      比如台湾女星李蒨蓉觉PO几张阿帕奇的照片是没什么大不了的事情。对军事专家来说，那照片里的内容可就有价值的多了。
      再举一个 大数据 的例子：
      20世纪60年代，中国大庆油田的位置、规模和加工能力是严格保密的。日本为了确定能否和中国做成炼油设备的交易，迫切需要知道大庆油田的位置、规模和加工能力。为此，日本情报机构从中国公开的刊物中收集了大量有关的信息，对所收集的信息进行了严格的定性及定量处理后得出了有关大庆油田的位置、规模和加工能力的准确情报。
     大庆油田的位置。
     首先，日本情报机构从1964年的《人民日报》上看到了题为“大庆精神大庆人”的报道，从而判断出：中国的大庆油田确有其事。以此为线索，日本情报机构开始全面搜集中国报刊、杂志上有关大庆的报道。在1966年的一期《中国画报》上，日本情报机构看到了王进喜站在钻机旁的那张著名的照片，他们根据照片上王进喜的服装衣着确定，只有在北纬46度至48度的区域内冬季才有可能穿这样的衣服，因此大庆油田可能在冬季为零下三十度的齐齐哈尔与哈尔滨之间的东北北部地区。之后，来中国的日本人坐火车时发现，来往的油罐车上有很厚一层土，从土的颜色和厚度日本情报机构得出了“大庆油田在东北三省偏北”的结论。
     1966年10月，日本情报机构又对《人民中国》杂志上发表的王进喜的事迹介绍进行了详细的分析，从中知道了“最早钻井是在北安附近着手的”，并从人拉肩扛钻井设备的运输情况中判明：井场离火车站不会太远；在王进喜的事迹报道中有这样一段话：“王进喜一到马家窑看到大片荒野说：‘好大的油海！我们要把石油工业落后的帽子丢到太平洋去。”，于是日本情报机构从伪满旧地图上查到：“马家窑是位于黑龙江海伦县东南的一个村子，在北安铁路上一个小车站东边十多公里处。”经过对大量有关信息严格的定性与定量分析，日本情报机构终于得到了大庆油田位置的准确情报。
   大庆油田的规模。
   为了弄清楚大庆油田的规模，日本情报机构对王进喜的事迹作了进一步的分析。报道说：“王进喜是玉门油矿的工人，是1959年到北京参加国庆之后志愿去大庆的。”日本情报机构由此断定：大庆油田在1959年以前就开钻了。对于大庆油田的规模，日本情报机构分析后认为：“马家窑是大庆油田的北端，即北起海伦的庆安，西南穿过哈尔滨与齐齐哈尔之间的安达附近，包括公主岭西南的大赉，南北四百公里的范围。”估计从东北北部到松辽油田统称为“大庆”。
    大庆油田的加工能力。
    为了弄清楚大庆炼油厂的加工能力，日本情报机构从1966年的一期《中国画报》上找到了一张炼油厂反应塔照片，从反应塔上的扶手栏杆（一般为一米多）与塔的相对比例推知塔直径约5米，从而计算出大庆炼油厂年加工原油能力约为100万吨，而在1966年大庆已有820口井出油，年产360万吨，估计到1971年大庆年产量可增至1200万吨。通过对大庆油田位置、规模和加工能力的情报分析后，日本决策机构推断：“中国在近几年中必然会感到炼油设备不足，买日本的轻油裂解设备是完全可能的，所要买的设备规模和数量要满足每天炼油一万吨需要。”
也许大家觉得这不算真正的大数据，不够高大上，没有4V+1O。我也只能呵呵了。
6.2) 第二个理由是，金融行业其实不完全符合大数据所要求的逻辑前提。
      其实我们一直在用统计方法来做风险管理。信用风险方面PD、LGD、EAD。市场风险方面有历史模拟法、蒙特卡洛模拟方法。
      关于那个小讨论：经营性贷款和消费性贷款，哪个更可能做大数据风控？
      我觉得经营性贷款更容易做大数据风控。因为企业的信息更公开，也更少涉及隐私。消费性贷款涉及个人隐私太多了，大数据时代的信息安全跟个人隐私的问题会越来越受到大家的关注。个人信息的获取应该会越来越难。
6.3) 第三个理由是，大数据的前提——“过去决定未来”，并不总是成立的。现实中往往会出现未来改变过去的情况。
      我转一个笑话； 有一个美国数学教授平生最怕坐飞机，他研究了近20年的统计数据，发现恐怖分子带炸弹上飞机的几率其实非常低，但是他还不安心，他又进一步研究数据发现，两个人同时带炸弹上飞机的几率几乎为零，于是从此他坐飞机都自己携带一枚炸弹。 。
     这是数学中赌徒的谬误。也可以说是反身性理论的一种具体表现：反身性过程是一个反馈环：认识改变现实，而现实又改变认识。
     所以不仅要在关注在放款时对客户的评级打分，更要做好放款后做好存续期管理，要做到动态风险监测和实时预警控制。看到很多p2p公司跟某银行说他们可以通过大数据技术快速审批放款，不知道大家是怎么看的？我个人觉得贷款有风险，放款需谨慎，放出去的可是储户的钱啊。
     江南愤青说的第三个理由，不是单靠大数据解决的，而是要整个风险管理流程要形成反馈环。就像某宝有信用评分，有人就会去刷信誉，某宝就会升级稽查系统....
     6.4） 第四个理由，金融业还有一个与其他行业不同的地方，就是风险滞后。风险滞后意味着什么呢？意味着由过去数据所推导的模型，会在过去和未来之间留有一段缝隙，这个缝隙中所发生的任何变化，都让你无法有效调整风险的认定。
     银行的风险管理理念一直有变化，从原来的一逾两呆，到五级分类，再到现在在做的风险预警，就是在更主动的进行风险管理。因为最有效的风险化解手段永远是事前的防范，然后才是事后的控制。