最近几年来，金融机构都很喜欢提智能风控这一概念，但市场上对智能风控并未有准确的定义。事实上，在AI潮到来之前，也没有人将风险管理与“智能”联系起来。大数据热逐渐降温后，随着人工智能的兴起，计量金融领域又迎来新一波热点：AI in Financial Risk Management。
智能风控的定义
智能风控有很多种“别名”，我见过的像大数据风控、决策引擎、风险计量引擎、风险模型实验室...其实都可以纳入到这一概念范畴。其基本逻辑都是运用大数据平台的计算分析能力、机器学习或深度学习模型，运用于信贷风控、反欺诈、反洗钱、交易监控、保险理赔等场景。所以，本质上是以数据驱动的风险管控与运营优化。
对于金融机构而言，智能风控并没有改变底层业务逻辑，也和传统金融的风控模式、建模方法和原理没有本质区别。只是由于大数据的引入，能够获取到更多维度的外部数据，像客户行为、电商消费、运营商数据、地理位置、购物习惯等等。与传统金融数据相比，虽然这些数据与客户违约本质上没有必然关系，但增加了更多风险因子和变量，可以从更多层面刻画客户风险视图，可以提升风险定价、违约计算的效果。
智能风控改变了过去以合规、满足监管检查为导向的风险管理模式，强调用金融科技降低风险管理成本、提升客户体验、数据驱动风控能效，实质上代表了一种精益风险管理思维。智能风控是互联网、大数据时代风险管理实务的变革与创新。
从前些年的大数据风控到如今的智能风控，并没有改变数据+模型+规则的处理逻辑，而是突出了机器学习模型的应用，如线性回归、Logistic回归、支持向量机、神经网络、深度学习、集成学习等。
对于金融机构的风险管理人员来说，随着外部数据获取途径的增加，对于过去无法获取有效风险特征的人员或中小企业，风险数据得到了有效的补充，从而能够为更多的场景、人群设计不同的金融产品，从而起到了金融科技赋能普惠金融的作用。
www.inuol.com
