1、人工智能在消费金融领域的实践消费金融市场&秦苍科技简介互联网时代消费金融业务的挑战人工智能在信用评分中的应用人工智能在反欺诈中的应用人工智能在消费金融其他应用领域的探索人群人口征信报告消费金融服务白领、自雇2亿有信用卡、BATJ，小贷公司蓝领、初级白领2.5亿无秦苍科技学生0.3亿无学生贷农民4亿无农村金融消费金融市场秦苍科技愿景以金融技术为本质，以基于场景的消费分期为切入点，通过优质服务，为年轻人群提供随身消费金融服务消费金融市场&秦苍科技简介互联网时代消费金融业务的挑战人工智能在信用评分中的应用人工智能在反欺诈中的应用人工智能在消费金融其他应用领域的探索挑战一：薄文件人群的信用风险识别7挑
2、战二：中国特色的欺诈问题全中国有数百万职业诈骗者ID欺诈虚假申请申请欺诈商户欺诈挑战三：信贷业务中的逆向选择问题9好人坏人20%50%100%好人坏人一流体验较为繁琐无可忍受传统审核方式不能满足新的挑战，信贷技术需要不断进化10适用人群服务时间决策时长放款时间数据量介质有征信记录人群9am-5pm7-14天3-5天50/用户纸传统金融机构审核成本人工成本高审核模式老专家+人工模型互联网时代消费金融业务的挑战人工智能在信用评分中的应用人工智能在反欺诈中的应用人工智能在消费金融其他应用领域的探索消费金融市场&秦苍科技简介人工智能在信用评分中的应用-解决薄文件人群信用挑战利用人工智能技术挖掘数据价值
3、获取更加丰富的海量数据服务时间决策时长数据量9am-5pm24*77-14天2.8分钟50/用户10,000/用户秦苍科技传统机构审核成本人工成本高全自动、成本低审核模式老专家/简单模型机器学习模型VS.人工智能在信用评分中的应用-海量数据和长尾特征131,0001,5002,0002,5003,0003,500Amount时间模式11,0002,0003,0004,000Amount时间模式21,0002,0003,0004,000Amount时间模式3借款金额:_传统机构提升 10%AUC人工智能在信用评分中的应用 分类问题标签定义M4+vs.FPD vs.FSTPD模型逻辑回归随机森林A
4、daBoostXgBoost模型选择Cross ValidationROC-AUC数据接入与清洗特征提取模型选择风控表现决策分类问题人工智能在信用评分中的应用-机器学习模型的自动训练和实时决策大幅度提高预测准确性15AUC on month传统机构模型更新频率每3-6个月每天更新模型方式人工更新机器自动更新表现提升5-10%AUC人工智能在信用评分中的应用-多模型并行,择优进化结果提高体验-审核时长由分钟级别降至0.1秒坏账率下降25%全自动，无人工成本模型1模型2模型3流量表现互联网时代消费金融业务的挑战人工智能在信用评分中的应用人工智能在反欺诈中的应用人工智能在消费金融其他应用领域的探索消
5、费金融市场&秦苍科技简介人工智能在反欺诈中的应用-基于社交抱团模型识别中国特色的欺诈18高风险申请人低风险申请人联系人人工智能在反欺诈中的应用-基于无监督学习的欺诈识别19聚类预防欺诈-成功率在60%以上消费金融市场&秦苍科技简介人工智能在信用评分中的应用人工智能在反欺诈中的应用人工智能在消费金融其他应用领域的探索互联网时代消费金融业务的挑战人工智能在金融产品额度策略和风险定价中的应用-规避逆向选择问题金融产品额度、利率、期数风险接受率基于贝叶斯的分析框架RATERATE优化目标：期望收益:用户的个人特征：用户表现：金融产品属性max(,)(|,)y总结回顾-三大挑战以及人工智能的应用中国特色
6、的欺诈问题社交网络抱团模型无监督学习信贷业务中的逆向选择问题基于贝叶斯分析框架的额度策略和风险定价薄文件人群的信用风险识别分类模型海量数据和长尾特征自动训练和实时决策多模型并存，择优进化人工智能广泛地应用在秦苍科技业务决策的各个环节，大幅提升商业价值23信用评分决策反欺诈决策营销策略定价策略额度策略机器学习算法分类、回归聚类网络分析增强学习贝叶斯分析深度学习数据获取特征提取建模决策Octopus智能信贷技术初始变量：20个衍生变量：10000个用户输入在科技突飞猛进的今天，不断提升技术投入是应对业务挑战的唯一解决方案24教育背景985/211985/211比例：50%50%秦苍团队风控团队：100+100+人技术团队：300+300+人团队经验3 3年以上经验：62%62%5 5年以上经验：40%40%团队背景：
sgpjbg002
工作日 8:30 - 17:30
报告分类
