中国农业银行姚琥:“AI+知识图谱”在信用风险管理领域的探索
2019/6/18 11:56:40

中国农业银行研发中心副总经理姚琥

当前,在全球经济放缓和国内经济增速换挡的大背景下,商业银行赖以生存的环境正发生着深刻变化,过去单纯依靠信贷资产规模扩张的“外延式”高速发展和高盈利时代已基本结束,商业银行信贷业务面临紧迫的转型压力。与此同时,人工智能、大数据、云计算等金融科技快速发展,推动数字化转型日益成为商业银行发展的重要驱动力。农业银行紧紧把握金融科技发展的重要契机,制定“金融科技+”战略,在业内率先构建了知识图谱,并持续推进“AI+知识图谱”技术在信贷管理领域的应用,为全行信贷产品创新和信用风险管控提供了强有力的科技支撑。

商业银行信贷领域转型已成必然之势

受国内供给侧结构性改革、利率市场化、中美贸易摩擦、互联网金融冲击和金融脱媒现象加剧等多重因素的叠加影响,商业银行利润增速放缓,信贷资产质量承压,信贷产品供需矛盾凸显。同时,伴随企业跨地域、跨行业、集团化经营业态的发展,使得客户信用风险表现形式更加多元化,风险传导机制日益复杂化,商业银行信用风险管理难度持续加大,信贷业务转型求变迫在眉睫、势在必行。

“AI+知识图谱”金融科技基础支撑体系建设

农业银行高度重视金融科技创新发展,制定“金融科技+”战略,以建设金融大脑为切入点,在同业率先构建了知识图谱,实现了知识图谱全生命周期管理,为全行数字化经营和智能化转型提供了基础性、核心性的科技支撑。

1.打造金融大脑。金融大脑是农业银行的人工智能核心系统,在业内首次提出企业级AI金融平台解决方案,实现了全行的“智能集中”。金融大脑打造了感知和思维两大服务引擎,建设了统一的智能服务,大范围集成了人工智能核心技术,为全行众多业务领域实现AI赋能。

金融大脑实现多项创新,搭建了基于GPU/CPU的高性能AI计算架构,应用虚拟化技术跨平台对资源进行云化管理,提供高精度智能感知服务能力。建设了全生命周期的一体化机器学习与模型管理平台,实现了全流程自动化建模和模型自学习演进。全渠道实时智能决策引擎为业务发展提供更为智能的实时决策服务。拖拽式交互中心、高效知识共享与沙盘演练等大大降低了AI创新门槛,提升了AI创新效率。

2.构建知识图谱。在金融大脑建设过程中,农业银行基于DIKW(数据Data,信息Informa-tion,知识Knowledge,智慧Wisdom)体系,经过知识识别、融合、存储等环节,从海量数据中提炼信息,发现知识,形成知识图谱,并通过知识服务,将知识升华为智慧,让金融大脑变得更加聪慧。知识图谱采用四层架构模式构建,自底向上分别是知识识别、知识融合、知识存储与计算以及知识服务(如图1)。

图1农业银行知识图谱构建全过程

(1)知识识别。综合运用ETL、全文检索、模式识别等技术手段,从行内结构化数据、行外已购工商、海关、舆情、司法等非结构化和半结构化数据中,获取实体、关系、属性和事件等信息,实现从数据到信息的萃取。

(2)知识融合。按照本体建模指引,对知识识别后的实体、关系等信息建立关联,并进行实体对齐,形成相对完整的知识图谱,完成从信息到知识的提炼。

(3)知识存储与计算。搭建了分布式的知识图谱存储平台,按照知识图谱内容不同,分门别类存储在图数据库、列数据库、索引库、关系数据库和RDF库中,支持根据应用场景选取相适宜的存储与计算,大幅提升查询和分析效率。

(4)知识服务。已建成四类知识服务,分别为语义分析、语义搜索、图挖掘和模型工厂,实现了知识发现,奠定了智慧基础。

相对于一般行业知识图谱,农业银行知识图谱实现了诸多突破与创新。

一是实现知识图谱全生命周期管理,涵盖从获取了融合到应用全过程,锻造出从结构化、半结构化和非结构化数据中提取知识的能力。

二是采用自顶向下和自底向上相结合的模式进行本体建模,形成本体概念、属性和关系等,易于业务人员理解、使用和管理。

三是采用混合架构,具备分布式存储与并行计算能力,支持大规模知识图谱构建与计算,具有高可用、高性能、可扩展等特点。

四是基于知识图谱的计算引擎,打造了语义分析、语义搜索、图挖掘和模型工厂四种智能服务,实现服务场景全覆盖,杜绝在知识应用中出现“孤岛”现象。

目前,农业银行知识图谱原始数据量在千亿级别,节点数在千万级别,各类关系(边)2亿条左右,支持各应用通过联机或批量方式接入。联机进行风险客户识别的平均响应时间约200ms,批量完成客群划分需要3小时左右。

通过构建知识图谱,农业银行打造了从“字符串”到“实体”的知识表征能力、基于“实体”关系网络图谱的知识关联能力、基于语义的精准检索能力,以及基于本体的知识推理能力,为金融产品创新和风险防控提供了强大的科技支撑。

“AI+知识图谱”成为赋能信贷变革的核心引擎

农业银行立足“AI+知识图谱”的创新体系,依托智慧信贷工程,实现“AI+知识图谱”在信贷管理领域的落地与应用,以科技创新助力信贷产品创新和信用风险防控的深入变革,全面提升了信贷智慧化经营管理水平。

1.加速信贷产品和服务模式创新,服务实体经济发展。综合运用大数据、“AI+知识图谱”等技术,进行客户360度刻画,准确识别和受理客户金融需求,构建科学的授信和风控模型,分层覆盖长尾客户,服务三大战略,大幅提升信贷产品有效供给能力和实体经济服务能力。

(1)服务乡村振兴战略。围绕农村金字塔形“上、中、下”层客户群,基于“AI+知识图谱”等技术,重点分析客户群所在产业链中的位置,精准识别客户群融资需求,分别推出快农贷、便捷贷、惠农电商贷、农民安家贷等产品线,建设服务“三农”的金融生态圈。

(2)服务普惠金融战略。运用“AI+知识图谱”等技术,对客户进行多维度精准画像,把控潜在风险,并逐步建立起以“e贷系列”小额线上融资产品、“云贷系列”供应链融资产品为核心的全线上小微企业信贷产品体系。以“e贷系列”微捷贷产品为例,上线3个月左右,已累计服务客户1.5万。

(3)服务消费升级战略。基于“AI+知识图谱”等技术,精准洞察客户需求变化,实现产品快速创新和智能推介,先后推出网捷贷、质押贷和车联贷等系列产品,为客户提供线上化、场景化、定制化和智能化的产品服务,持续提升获客、留客和活客能力。

2.创新信用风险管理模式,防范金融风险。应用“AI+知识图谱”等技术,通过构建智能化风控模型,实现大规模客户数据的关联分析和实时精准的智能化风控服务,完成信用风险防控从单体到群体、从人工到人机交互、从事后到事前的三项转变,大幅提升客户群体性风险防范能力,牢牢守住不发生系统性风险底线。

(1)建立关系视图。通过深度整合行内外数据,建立信贷客户标识特征库,全面识别客户间的关联关系,构建客户关系全网视图。目前,该视图已引入行内信贷、客户、交易三大主题和行外海关、司法、舆情、工商等六大主题数据,识别出担保、投资、控股等11大类33小类500多万条关联关系。

(2)划分风险客群。基于客户关系视图,运用知识图谱和社区发现理论,通过单一关联关系风险传导系数计量、客户间风险传导系数拟合、客群关系子网划分三个步骤,完成信用风险传导知识图谱构建和风险客群自动划分。相较以往专家经验模式,不仅可以高效处理大规模客群和多种复杂关系,且自动识别出的客群更为精准和可信。

(3)洞察客群风险。依托信用风险关系知识图谱,打造客群风险洞察引擎,主要包括核心企业识别、风险传导测算、客群风险测评、客群关系探索四大类应用。作为支撑信用风险管理模式创新及防控金融风险的智慧基础,有效提升客户群体性风险防控的意愿、能力、时效和成效。

图2农业银行“金融大脑”的五大突破

“AI+知识图谱”的未来展望

“AI+知识图谱”能够打破不同场景下的数据和知识隔离,避免知识孤岛,是商业银行发挥数据价值的良好手段,助力商业银行用智慧构建强大的护城河。当前,“AI+知识图谱”的理论和构建技术仍有待长足发展,在金融领域的应用还处于起步阶段,预计未来能够在智能风控、智能反欺诈、智能营销、智能搜索可视化等领域得到更为广泛和深入的应用,助力智慧银行建设。

“向之所欣、俯仰之间,已为陈迹”。世界在变革、时代在进步,深处金融业科技创新的最前沿,让我们共同迎接属于我们时代!

本文转载目的在于知识分享,版权归原作者和原刊所有。如有侵权,请及时联系我们删除。

展开全文
相关阅读
资讯查询取消