誉存科技陈玮：融租行业的穿透式风控应用

誉存科技联合创始人兼COO陈玮

　　新浪财经讯 “2018中国金融论坛”于5月16日-17日在北京召开，主题为“金融科技服务实体经济发展”，誉存科技联合创始人兼COO陈玮出席并演讲。

　　以下为演讲全文：

　　陈玮：大家上午好，很高兴在这里和各位同仁分享一下誉存科技在“风险量化和预测”方面做的工作，我们主要是为金融机构提供智能风控服务，下面以融资租赁行业的一些实际案例来做分享。

　　近几年，融租行业呈现出一股爆发式的增长状态，迈入万亿规模时代。据有关机构统计，从2007年到2016年，中国融资租赁市场规模从240亿元增加到53300亿元，特别是融资租赁占工业增加值的比重，从0.22%增长到21.50%，对工业经济的渗透不断增强，服务实体经济，表现强劲。与此同时，我们也看到快速的发展也暴露出一些问题：比如部分融资租赁企业的标的行业集中，偏重于大型企业，“租长、租大、租集中”的现象普遍，而且集中的行业扎堆，导致同业竞争加剧；还有的融资租赁公司，充当资金通道，盲目追求业绩，忽视风险，使得系统性的风险被长期性低估。再加上大部分的融资租赁公司信息科技建设不足，多依靠人工经验进行业务和风险管理，势必较难应对业务规模膨胀所带来的挑战。

　　在这种背景下，融资租赁公司应该积极拥抱金融科技，比如市场较为成熟的大数据技术，一方面可以通过海量、精准的大数据技术来支撑获客，另一方面，可以基于大数据和人工智能，来重构风险管理体系。有人说，金融科技会替换人类，大家都觉得很恐慌，其实大可不必。工具是辅佐人类的，一是提升效率，把重复性、低价值的工作机器化；二是提升能力，让很多经验别总是留在某个人的脑海里，要能提炼出价值；三是降低成本，降低风险、降低人力、降低运营、降低整体成本。

　　当前，融资租赁业大体面临着四类风险：价格风险、信用风险，流动性风险和法律风险。今天我们主要讲信用类风险，以售后回租业务为例来解析：某企业利用拥有的一批设备获得了两笔融资。第一笔是全部设备质押贷款。企业将全部设备质押给当地的担保公司，由担保公司提供担保到地方性商业银行获得了第一笔贷款。第二笔是全部设备售后回租融资。企业老板又要求企业会计将已质押后的设备改变名称，到工商管理部门重新办理产权登记清单，再出售给租赁公司，获得一笔出售款项后，再以融资租赁的形式租回设备。在两笔债务清偿期内公司被法院宣告破产，企业老板的行为使得租赁公司被动的承担了丧失对该项设备所有权的风险。

　　为了解决此类问题，誉存科技研发了一套智能工具——星象▪风险管理平台，可以与金融租赁行业风险管理场景进行高效结合，通过海量的大数据和人工智能风险管理体系，量化风险，进而预测风险。根据融资租赁的业务准入评价标准，融资租赁公司可以依托星象智能工具完成线上线下风控工作的结合。

　　首先针对的就是专注对企业和经营者的渗透式风险筛查，按照监管机构的定义，我们提取了四大类的特征，一是穿透机构、穿透监管人，通过穿透式风险扫描去识别企业的母子依赖问题和重大影响的关联和疑似关联的问题，对关联企业类16大项风险进行扫描；其次是关联图谱工具对融资租赁背后关系的挖掘，有一些隐藏的风险，像A公司最近换了一个老板，老板旗下有一个B公司，最近又换了新地址建立了一个C公司，这里的每一步都是公开的信息，从海量的信息里链条提过来，A公司和C公司就有了联系，极大地优化拓展了对风险链条的扫描。

　　有人说大数据已经是过去式了，现在已经进入了人工智能的上半场，关于人工智能，大家一般想到的都是机器人，比如百度的搜索引擎用它查找资料。而我们现在打造人工智能的风险体系，请看下面这幅图，左边是适用于规模型企业的智能评价体系，右边是适用于中小企业存续智能预警体系，针对不同类型的企业，做差异化的数据结果分析。

　　另外，我们对已经上市的大型企业所发债券进行评级。这个产品也是誉存科技与美国合伙人——国际顶尖的金融风控专家，联合发布的。下面这张案例图选自国内2016年违约的企业，黄色是提示最近关注，红色是系统里的最近高危，排在一起可以发现，系统里提示关注和高危预警早于实际预期，证明我们可以提前发现危机，实施干预。

　　对于一般企业，因为没有达到标准，很多信息极度不对称。我们把过去500万家发生问题的企业放在一起，通过行为特征提取，建立基于复杂网络的风险传导模型，就像用竹签把糖葫芦串起来，直观地看到问题所在，当事件未发生时，我们也可以应用这些独特的模型和算法去计算评估。

　　下面这张图就是我们搭建的风险预警指标，基于500万+的高危风险企业提取了1200万的风险事件，挖掘了3000种行为范围做倾向解读，模型准确率达到了90%，智能识别风险和正常的差别。

　　举一个我们平台曾经预测的风险案例，去年众所周知的好几家暴雷公司，在我们的平台上，其实两年前就预测到这个问题了。我们基于大数据行为因素分析，计算出每一种风险的占比概率，比如评判文书预测吊销率可达到2%。

　　再比如说“中恒通”的案例，这个债券危机是怎么发生的？有三个人是中恒通的高管，还有几家关键公司，从2007年开始，关联的公司就出现了动产抵押的风险，最后在接下来的2013年关联公司造假被处罚，2013年6月出现大量的执行记录，最后被评为AA级，这是担保的级别，最后负面的信息越来越差，4月出现被抵押记录等，最后关联公司发生了实际性违约。像立案调查和欺诈等风险因子早在2013年就有很多这样的信号，我们的关联图上有很多小红灯不断闪烁，我们没有去详细观察，及时实施措施，最后导致实体的主体企业出现风险。

　　目前，我们的工具更多的功效是发现风险，把这些关联网络挖掘出来，它可能是共同的招投标，共同的原告、被告等等，而更深层的应用是，把挖掘到的关联关系用预测模型输出结果，提醒客户这些企业有风险，不管是投资、合作、还是发放贷款都需谨慎。

　　最后，再简单介绍下，我们誉存科技的核心团队是从美联储、PayPal、Visa等世界顶级科技金融公司出来的，当前我们主要还是以研发智能工具应用和大型平台建设为主，在这方面也投入了很大的力量，实现了从数据采集、数据清洗、智能建模到可视化输出的一系列创新与突破，并针对传统金融业务流程中，服务成本高、效率低的难题，落地了服务于金融机构业务全流程的智能风险管理平台“星象”，未来我们也将开发更多贴合场景的应用产品，不只在金融领域，还将在更广阔的的行业中为大家服务。我今天的分享就到这里，谢谢大家！

　　新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。

责任编辑：谢长杉