近期,在人民银行成都分行组织开展的“2021年四川省金融机构金融基础数据建模劳动竞赛”中,新网银行凭借“基于联邦学习的小微金融联合风控模型”荣获二等奖。
对于此次竞赛,新网银行高度重视、精心准备。在保障金融基础数据安全的基础上,创新数据模型, 结合国家发展方向、行业难点以及自身业务场景,对赛题进行细致分析,选定小微企业风险评估为参赛模型方向。在小微信贷业务中,供求双方信息不对称、风控难、数据安全等问题十分突出,加之在疫情的特殊环境下,“零接触”等要求的提出更是增加了难度。
新网银行自研联邦学习平台,构建小微信贷业务中的联合风控模型,在保证用户数据安全、隐私不泄露的前提下,与其它金融机构进行合作,利用多维度数据,实现对小微企业高维画像联合建模分析,提升授信精确度,助力小微企业复工复产。新网银行大数据中心负责人陈思成介绍,“联邦学习技术属于前沿技术,自研平台难度较高,目前国内只有少数金融机构能实现自研联邦学习平台。”
联邦学习是隐私计算技术的一种,是机器学习和人工智能面对更加严格的数据管理规定的解决方案,其核心特征在于参与各方在不转移自身数据的前提下,进行数据联合训练,从而实现联合建模的目标。基于自研的联邦学习平台,新网银行采用纵向联邦学习的方式进行建模,并提供了可视化编辑页面,可极大简化建模人员的工作量,通过拖拽算子的方式建模,使用起来非常简便。
“好商贷”是新网银行针对小微企业及个体工商户专门量身打造的一款可全线上操作、随借随还的普惠金融产品,因其“小微、普惠”的定位及属性,被安排为此次风控模型的模拟使用对象。新网银行按照传统小微企业风险评估思路,从企业主信用及企业经营水平出发,围绕“好商贷”的使用场景,构建信用评估相关数据集。其中,评估企业主的个人信用模型为整个体系中较为重要的一环。个人信用模型的评分高低直接影响了客户是否能够获得授信,模型评分较低的客户将会被授信策略直接拒绝。
相比传统模型,使用该联邦学习的风控模型其效果指标AUC相对提升超过10%,可减少0.4%左右的客户逾期率,风控能力得到进一步提升。经粗略估算,将模型应用在产品上,能为银行避免因客户违约而产生的一些损失,经济效果显著。
通过此次竞赛,新网银行充分调动和激发员工工作积极性、主动性和创造性,在不断提高自身金融基础数据统计和分析能力的同时,也希望能为推动全省金融基础数据生产、审核和建模分析工作再上新台阶贡献出更多力量。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.