金课堂:AI时代,听金融大咖林晴解读中美消费金融风险控制
发布时间:2018-03-21 浏览次数:3403次

2017年,中国消费金融行业整体继续得以快速发展,与此同时,行业问题频发。例如,多头借贷和套现等欺诈问题和消费分期业务风险逐渐凸显。这些风险并非中国独有,2017年美国消费金融市场预计出现77亿美元的信用卡欺诈,从大衰退后低坏账率3%开始爬升到4%。

2018年3月12日,全球消费金融风险管理的资深领导者——摩根大通零售行前风险管理董事总经理林晴先生做客上海交通大学上海高级金融学院(SAIF/高金)。他从首席风险官视角出发,就利润规模增长与风险、微观信贷策略与宏观经济指标等核心关系,全面深入阐释对消费金融风控的实战体会和战略性思考。


林晴先生阐述关于风险的深层思考

在三十余年的工作中,林晴逐步建立起成熟的消费金融风控框架思路。他认为最重要的是要看到所有的风险管理、风险控制都是为企业、银行的整体战略服务。即,企业或银行的总体战略决定了风险偏好和风险承受度。具体而言,风险偏好决定了整体组合管理方向和风险指标、限度;经济资本回报是一种概念性的指导准则;信贷风控过程及其中的主要环节授信、客管、催收等,是保证回报和控制风险的基础;决策科学(人工智能)有很长的历史和广泛的前景;KRI的监控、预测是整体风控最关键的反馈信息;客户信息、大数据是粮食和燃料;风控执行系统和应变能力是市场竞争的关键能力之一。

林晴回顾了自己在刚到美国入行学习风险控制时的情景。他说,学风控,第一件事学习的就是5C原则。这五个“C”分别是Character品质、Capacity能力、Capital资本、Collateral担保和Conditions条件。虽然金融危机、海湾战争之类的历史不一定重复,但在风控时还是要坚持5C原则不变。除此之外,对于整体组合风险的空间,还要平衡目前盈利与压力下整体安全的关系,用经验、推断、仿真来预演补充数据的不足,用规则、限度补充模型的不足,用不间断监控KRI及整体人群分布以调整策略。当压力来临时,要用组合清理,保持催收和减免之间的平衡。

林晴在当天还与现场观众交流了人工智能、机器学习对于风险控制的应用。他认为,AI的关键在于是否能够面对越来越多的应用场景。林晴分析说,目前90%的机器学习都在于监督学习,但实际上最大的AI应用在未来应该是无监督学习。就是AI能够在一大堆大数据中找到自身的相关性和规律。

现场听众热烈互动

随后,林晴还从消费金融产品覆盖、征信覆盖、银行账户覆盖、欺诈环境、信贷环境风险、身份识别和信息数据应用方面,具体分析比较了中美金融消费的不同市场环境。

在圆桌讨论环节,上海交通大学上海高级金融学院李祥林教授和数联铭品的高级副总裁/首席风险官袁先智博士作为嘉宾,与林晴共同探讨中美两国消费金融的发展环境及消风险控制的策略。


李祥林、林晴、袁先智进行圆桌讨论(从左至右)

在现场,200余位观众还围绕人工智能等热门话题,与嘉宾展开积极交流。AI 与金融的结合应用为大家打开了别样视野,也为他们带来洞察未来趋势、开拓职业方向的宝贵启发。


活动日历
专题活动