*新网银行刘波：反欺诈是线上信贷的重中之重

https://baijiahao.baidu.com/s?id=1642564173374783747&wfr=spider&for=pc

8月22日，2019中国零售金融发展峰会暨2019零壹财经新金融夏季峰会在贵阳举办。会上，新网银行首席运营官刘波发表了题为《互联网银行数字化风控及运营体系》的演讲。

刘波在演讲开始介绍到，新网银行的初心是想找一条所有银行都可以效仿的路，打造一个没有自己独有生态的弱生态环境。
新网银行打造了一款全在线、全实时、全客群开放的银行：1、全在线，新网银行99.6%的客户用机器申请，千分之4的客户用到人工；2、全实时，新网银行系统可以做到秒申秒到，实时响应，平均审批时长42秒；3、全客群，用户只要一张本人实体身份证即可申请，0纸质资料提供0申贷成本，无客群限定。
刘波指出，在线业务反欺诈是重中之重。反欺诈最难防的是黑产，需要通过使用定位、人脸的背景等相关专利技术进行识别。在调动银行征信后，做反欺诈和信用风险两项评估，在贷不贷、贷多少、贷多贵（利率）中最难评估的反欺诈风险。
刘波介绍，新网银行与流量巨头和银行深度合作。其中新网银行和腾讯、阿里、头条、抖音、云闪付、中国移动、滴滴、美团等合作，在客户申请贷款后授权获得数据。通过信贷服务串联获得独有的特色数据，判断网贷风险。新网银行与合作的银行风险共担，帮助它们介入消费端。
以下为演讲原文：
首先，感谢零壹财经的邀请，曾老师的演讲非常精彩，我听了很受启发。我在这里汇报一下新网银行这两三年来在开放银行上的尝试。
新网银行是我本人参与筹建的第四家金融机构、第二家互联网银行。所以，我跟大家讲一下，我们在筹建这家银行以及运营这家银行时的想法和实践。主要讲数字化风控及运营体系，这是互联网银行里核心中的核心。
新网银行没有营业网点、没有线下业务、没有客户经理，我们的人员是科学家+IT工程师，占70%，高管层一般都筹办了2家以上金融机构，当然我们都有一些金融背景。新网银行主要提供金额小到500、高可贷100万的随借随还的信贷。
关于新网银行的初衷，中国不缺银行，也不缺金融机构。之前我筹建网商银行时也在看，是不是中国所有的银行都以利息差为盈利模式。当然不是不好，但我们倡导另外一种模式。当时没有网商时尝试，我们说可不可以金融和生态相融合，在零售市场尝试时，同样的卖家，给予和不给授信，他可以不赚钱，但他的交易额提升了30%，大概2万亿，对比收入就是几百亿，他没必要在这里赚钱。我主管电商经营时，没有任何利润。这上面，当时的方式就是先行者的尝试，这是一种”羊毛出在猪身上”的模式。
大家很了解的一个产品叫花呗，我管过花呗一段时间，筹备的时候并不是想把它和银行信用卡做类比。现在大家觉得当时没有做支付类的信用卡产品，我们的想法，发现当时的移动支付技术比较发达，但银行并没有跟上，导致很多交易时支付失败，即使绑了那么多卡、即使快捷，但很多大宗商品分期的时候，会影响交易。
我们做了之后，交易额提升30%，实际上不止30%。支付成功率，不是没有钱，而是绑的卡里没有钱。这时候怎么办？很多麻烦事。所以我们预估提升3%，但是目标太大了。当时我算的时候，一年可以提升几千亿，为后续的消费金融做贡献，支付宝走在哪里，识别出来的金融级客户比较少，偶尔买几百元的东西，看一下电视，一年的交易频次不高，为什么给他几十万的贷款？所以最底端的1亿客户是丰富数据，支撑金融机构。在这个前提下，大量的客户有弱数据，用信用支付场景进去，如果交易良好，就可以给他提供服务，所以借呗是长在花呗上的。
这是当年的模式，但是这种模式不适合大家，你没有阿里这么大的生态。大量的金融机构是不能往这条道路走的，这也是我离开这家我深爱的企业的原因，我在那里工作了十几年。所以，我们想找一条所有银行都可以效仿路，这是我们尝试的初心。
花呗当时的分期率非常高，银行信用卡分期率不可能达到40%、50%、60%，当时花呗开发了1亿，占比非常厚，所有支付都可以用花呗，线下不是花呗就是微信。
后来我们做了一些尝试，支付宝和微信做的是自己的生态，我们想打造一个没有自己独有生态的弱生态环境，我们设计了一款全在线、全实时、全客群开放的银行。阿里和腾讯做得很强、很好，但是他的客户是预售性质，我可以把额度利率先告诉你，但没开放到这的时候你是不能申请的。微粒贷1.7亿左右，借呗2.3亿，我们想做的时候，凡是适龄的中国人，如果你希望有一个终身的备用额度，都可以来这里申请，我们在几秒钟给出授信额度。我们也是中国第二家获得高新技术企业认定的银行，中国只有两家。刚才说81项专利，过了几个月，我们的专利数到了110项，每个月以20个专利数的数字递升。我们是第三家获得银监会线上信贷业务许可的银行。现在的监管，没有在属地这块做太多监管，但我们是持牌作用。
这张图非常重要，可以一张图讲清楚什么是互联网银行的数字化风控及运营体系。很多人说公司有丰富的数据，再招一些建模工程师，就能把数据建模、消费信贷做好。其实错了，所谓的数据多半指的是原始数据，比如有交易数据、信贷数据、公积金数据、行为数据，一家金融机构有网上贷款的相关数据。虽然这些数据很珍贵，但这些数据并不能直接作用于信贷模型。这些数据，首先要分门别类进行清洗，里面的格式不同、单位不同、甚至有缺失，直接用于机器会没法识别或者识别混乱。我们跟很多大数据中心合作，即使政府出口的数据，里面都有很多缺失或者不一样的地方。这些必须有数据清洗专家进行清洗，因为这些数据很多时候没有专人盘点，不能直接用于金融级的服务。
做完之后，把数据分门别类，哪些是家庭地址，哪些是单位地址，哪些是购买商品的地方，这些不是简单的数据清洗能完成的，里面有逻辑判断。你怎么定义它是家的位置呢？每天晚上去的就是家吗？每天早上去的就是公司吗？一定要有算法介入，否则这一级的分门别类数据就是错的。
数据搭完之后就有衍生指标，预期一天、预期三天、预期七天、预期三十天、预期九十天是常用金融机构的指标，这些是否有区分，不一定，谁告诉你预期三天比预期五天有区分度，需要更多的数据说明。所以衍生指标的定义需要更多的数据样本定义指标，战略上才能建立模型。不能说建立一个评分，比如把模型算出来的评分就认为它可以直接作用于信贷或者定价，这也是不对的。
例：信用评分，有两个大学生，一个品学兼优但家里穷，参加活动非常优秀，保送至大学，他是各方证明他是非常好的。另一个是富二代，借伞直接拿走，借充电宝揣兜里。如果大学必须借100万，必须放一个，你想放给谁？放给富二代，虽然他信用不好，但家里有钱，父母都是亿万富翁。创业有风险，大学生创业有可能失败。这时候，评分是否失效了呢？再看一下，还是两个大学生，他想买个手机。新出一款手机，富二代一月10万零花钱用完之后不想找家里要钱，富二代不看价格，因为不在乎。对于这些品学兼优的大学生，他会非常在意价格，因为他的资金不充裕，每一分钱都要用刀刃上。风险定价是对的，但要和市场结合。信用评分不能直接作用于这个人的信贷模型，只能评估这个人的行为习惯，需要和更多的数据组合起来，再去做很多的模型，共同作用。像这样的数据模型可以作用于各方面，比如身份识别、授信准入、风险定价、贷后催收。
今天讲定价，比如信用贷款20万，初次定价年化12%，这时候客户不用，怎么办？如果额度没有更多佐证的情况下，加利率10%左右，慢慢的来，周期非常长，你坚持到的时候你都不在这家机构了，因为需要延续性。怎么做？10%的定价不用，这时候首先要判断是不是额度问题。首先免息你用不用，有的人觉得你给他20万是侮辱他，他就不用，这个客户就不做我的客户，我再提高一点，再不用我就放弃了，他属于更高机构服务的，我现在服务不了。如果他用了，说明额度没问题，是利率问题。再做活动的时候，把活动利率降到12%，比成本线略高的数字，比如年化7%他用不用？三五个月之后，他不用，就直接放弃了，或者转为理财客户。如果他用了，下次做活动，一般是7-12%之间的中间点，如果他用，下次活动应该是9-12之间的数字。最后稳定出客户额度和数字的中值，期间所有的尝试都是以活动方式在尝试。
这样的尝试，一个客户非常麻烦。如果你的客户几千万、上亿级的时候，可以为你找到市场最优定价，客户的投诉和客户的满意度是最高的，你的利润也得到了更大的保障，这是中间的一个案例。案例很多，时间所限，不一一讲。
今天所有的架构体系，都集中在这里面，这些东西是多模型作用的结果，涉及到数据结算系统，这是一个多重复杂的决策因子。所有的结果自动做判断，不仅仅是判断它的授信，也会判断如何营销，如何定价，如何做决策，它是一个综合判断的过程。所以，数据是一个综合判断、综合输出结果，定价和额度只是其中一个方向。这么多数据跑完，只是算一个额度，那不是太亏了吗？
新网银行的方式，我们到底怎么做的？我们全在线做，99.6%的客户用机器申请，千分之4的客户用到人工，抽样检测机器和人工判断的差距多大，正常情况下99.6%，如果有4%的不一样，说明出了问题，因为信贷的风险是滞后的，这是我们筹建的一道闸门。
今天，我们讲客户要做在线业务，首先是反欺诈，这是重中之重。市场上有很多黑产，首先是用模拟手机，高级一点是有真实的手机，分门别类说。我看到一些方式，有很多手机放在那，上千个手机自动申请，最后机器申请。手机在同一个地点，如果出现大量的手机聚集，判断它是黑产，看它动不动，如果是黑产，它是不动的。黑产是顶尖的算法工程师，挖过去，他们做一票，一年上千万的薪酬，几年以后绝对离开国家。他们都是我们行内的顶尖专家，我认识其中几位。
第一，我们今天的手机，电池电量也是浮动的。这两年我们用的技术是陀螺仪技术，手机内置陀螺仪，人手持手机时会微微颤抖，他输入每个字、每个行为，颤抖的区间有一个值。
第二，我们在做电池电量运行速度的消耗，首先有不同的版本、不同的型号、不同的损耗，因为我们有设备会定义清楚每个手机怎么样，同时可以定义手机操作期间损耗的电量是不是在正常范围内。最简单的模拟器作案，更多的是黑产手机，黑产手机是有成本的，买苹果做黑产不是亏吗？黑产手机基本集中在低价手机，更新速度远远不如，而且是集中性更新。我们用陀螺仪抓，永远不断的追赶。今天这个技术说出来，他们已经在攻这个技术，我们也有新的技术在防。之所以防不住，是因为你讲的时候，那套东西已经过时了，这是很要命的。
更难防的是线下黑产，不光是手机是真的，人都是真的。这个事情很难防，大概率事件，一天碰到10万单来自全国各地的人。我们的工作要做得非常细，把全国网格化，可以清楚地定位到一栋楼，对比之前它有明显的异常波动，超过发值，就申请把这栋楼关掉，分区域关掉，这是防，有点傻，但是非常有效。
我们这些人在这里的时候，比如这里聚集的是黑产，我们用人脸拍照。拍照的背景一定是类同的，人脸的背景，基本上可以判断出这段时间这些人在同一个地点拍照，有类似性，就把它全部关掉。这是我们讲的其中几项专利。
还有，这些人申请时，一定要有样表让他填，我们会设计一些无效的制度，你的公司名称我没法校验，填表的时候他就照抄，所以同一段时间会出现大量的同一个公司的，我们会把它干掉。这是我们在反欺诈方面的努力，当然只是很小的一部分，我们讲的是真实的设备、真实的人、真实的意愿。
判断真实意愿的案例，现在很多人把手机交给别人申请，这时候怎么判断是不是真实的意愿？你拿到手机去申请，他的手机倾角是这样的，如果把手机给别人，倾角是这样的。自拍的时候，女生一般45度角，男生一般下面，不管怎么样，一定长度。如果交给别人的时候，他是不一样的，有许多非常细微的区分。
通过所有的技术，我们判断这些东西。陀螺仪样本是孤立的样本，发完贷款客户达到2500万时，我们用这个2500万的客户去做，准确性就会非常高。这是我们做的数据方面的具体案例，让大家理解我们到底在做什么。
全实时，43秒之间，30多秒是调动银行征信，我们做两项评估：反欺诈评估、信用风险评估，贷不贷、贷多少、贷多贵（利率）。这中间最难评估的不是贷款额度和利率，也不是贷不贷，而真的是叫反欺诈风险。如果做的是中间利率，还款没有那么大的问题，而是遭受职业黑产的套。
现在客户来贷款，只需要用身份证。你上网到一定程度上，我只需要证明你是你就可以了，其它东西通过你的授权去解决。我们到底是怎么做的呢？今天所有人在这里跟我讲你算法技术多么牛、多么狠，有多么强势、多么多的历史数据，我承认有差距。但本质上这不构成评分必然，不就是挖人吗？中国顶尖的算法工程师和人才就是一个圈子，彼此之间有联系。挖人之后，几年就赶上了。真正的是大数据，阿里和腾讯有它的算法优势、能源优势，但真正起到作用的是因为它的数据你没有，所以你的风控、技术、控制力没有它们强。
大量和合作伙伴把这套东西开发出去，和合作伙伴深度合作。比如今天你没听过新网银行，但是你的手机上无处不在，打开手机，腾讯、阿里、头条、抖音、云闪付、中国移动、滴滴、美团都是新网银行的合作伙伴，这是没看到，我们自己设计好产品，做好风控服务就可以了，这些客户申请贷款时必须授权，比如美团要授权，我要知道你每天的午餐吃什么，送外卖的地址准确率，你送到吃饭的地方，一定是你办公点和家里的地点。滴滴每天晚上回去的地方，大部分是到家。我也会知道你坐什么车，还有携程可以看到你坐什么出去玩，数据越来越多的时候，我们就掌握了客户画像。所以，新网银行不会拿这些原始数据，我们只会拿这些结果。数据越来越多，形成了我们的特色数据。所以，我们要建立一个没有生态的生态圈。而这些生态、巨头之间，数据互相隔离，我们通过信贷服务串联起来。中国网贷风险多大，这些都有道理，但我可以准确说出哪个客户预期，我们建立的行业叫网贷存款，有100多家，占了1/3以上的存款，我完全知道客户投资了多少钱，他赚了多少钱。我们可以大量地推算出一半的人他坏没坏，这块数据是我们的特色数据，只有在新网银行能拿到。所以做网络存款不是为了存款，而是为了特色数据，这个数据非常重要，这是新网银行做的事情。
我们连接银行，这么大客流量进来，我们没办法一家一家的银行服务好。现在新网银行每天的放款在10亿左右，一家银行怎么扛得住。我们把这些流量分流之后进行合作，我们从大行，大到工商银行、建设银行，还有股份银行、农商行、上海农商行，我们拿出50%的资金，风险共担，帮助这些银行介入到消费端去，使得我们行，我们上半年收入11亿多，利润4亿多，今年纯利润10亿，利润率很高，利润率不是贷款存款的利率差，我来自于技术股份，这是我们的商业模式。这种模式，所有银行，如果有志于这块，都可以学习，这是一条可以走通的零售银行道路。
现在放款客户数2700万，放款金额2900亿左右。70%是男性，30%是女性，大专以上以及研究生占一半以上。人群上非常符合曾老师的概念，我们基本上做三四线城市，一二线城市诟病这个不好、那个不好，银行比厕所还多，一二线城市不缺金融资源，各种大行服务得相当不错。反而是三四线城市，它的银行金融建设非常薄弱，它有消费需求，它有信贷需求，但是服务得并不好。所以，80%的客源来自于三四线城市，甚至有283多万客户来自于农村。在广袤的三四线城市去，不良率4.8%，我们行的模式，各家行看到了我们的优势，400多家行都可以看到。我呼吁大家往三四线城市去，不要挤那一小块的客户。
谢谢大家！