晉梅:金融知識圖譜的應用探索

本文共字，預計閱讀時間。

為了傳播金融創新典範，推進金融供給側結構性改革，推動金融業服務實體經濟，以及促進實現經濟高質量、發展的目的，由北京市地方金融監督管理局指導，清華大學五道口金融學院、清華大學金融科技研究院主辦，未央網承辦推出「首都金融創新與發展」公開課，邀請金融行業嘉賓分享金融項目的創新模式，以及對行業未來發展前景的深度思考。

在首都金融創新與發展公開課的第四模塊「金融科技創新與賦能」中，我們非常榮幸邀請到了頂象首席金融風控專家晉梅做客直播間，帶來《金融知識圖譜的應用探索》主題分享。以下整理來自嘉賓分享實錄：

金融知識圖譜的概念和應用

在信息爆炸時代，對客觀事實的各種描述是海量的、無序的、混亂的信息，而知識被定義為是對客觀規律和信息的歸納總結。基於此概念，知識圖譜是一種用圖的結構對知識進行表達的方式，它的基本組成要素是節點和邊，節點用於表示實體，邊用於呈現關係。實體代表可以區別的、獨立存在的某種事物，關係即實體之間的關係。

在日常生活中，知識圖譜的應用廣泛滲透到C端用戶生活的方方面面。比如智能搜索，實際上「知識圖譜」概念最早由谷歌在2012年提出，它能夠在反饋正確結果、給出全面總結、更深入廣泛探索三大方面提高搜索效果。再比如電商智能推薦，阿里巴巴從2017年開始搭建的電商認知圖譜，將用戶需求表達成圖中的節點，並將需求點和電商領域的商品、類目、電商外部的通用領域知識等關聯起來，從中挖掘客戶的購物偏好和潛在的感興趣的商品，使客戶與商品和場景更好地連接。此外，還有O2O領域線上線下生活場景圖譜，以美團為例，美團點評在2018年開始建立基於知識圖譜的美團大腦，在客戶、線下店鋪和商品以及不同的消費場景之間構建知識關聯，從而優化客戶的使用體驗。

在B端，知識圖譜在企業關聯和企業分析方向也有很好的應用。比如企業的法人或高管、企業之間的投資關係和關聯風險分析，呈現在圖譜上就會顯得非常直觀，將海量信息以非常有效的方式在很短時間內觸達使用者。

知識圖譜應用於金融領域的意義和價值

聚焦零售金融領域，團夥性風險威脅業務全生命周期。具體舉例，常見的團夥性風險會發生在貸款申請階段，存在以欺詐為目的貸款中介包裝機構，他們把申請人信息根據金融場景的風控要求量身定做並進行虛假包裝，騙過網貸申請，最後他們經手的客戶可能會在短時間內出現爆發式的不良或者逾期，這將給金融機構帶來較大的經濟損失。在支付交易階段，由於風險不同，通常，用信用卡取現比支付消費的費率更高、條件更嚴苛，並且額度上有限制，但存在一些商戶通過欺詐手段幫持卡人做虛假交易，將取現偽裝成消費交易，使金融機構以較低風險的定價為客戶提供高風險服務，而團夥性操作進一步加大發卡機構要承擔的風險。放眼更廣泛的資金交易場景，存在洗錢資金交易和異常資金歸集的風險，比如團夥性進行消費貸款後把資金歸集並投入房市、經營等實際用途與申報用途相左的場景、甚至遊戲、賭博等高風險違規場景。

目前團夥性風險趨於組織團夥化、攻擊隱蔽化、內外勾結化、手段複雜化，因此傳統的防控手段已經出現較大局限性。其短板和盲區可以歸納為三點：首先是人工防控效率和準確率低，因為防控效率會依賴於審核人員自身經驗和對場景的理解，也會受到操作風險的影響；同時基於個體的風險評分沒有充分考慮個體與個體之間、個體在時間軸上的行為演變、個體在不同產品上的表現差異，因而無法應對團夥性的網狀攻擊；第三是靜態防控無法應對快速進化的攻擊手段。

突破上述局限性的關鍵在於對用戶行為的深層解讀和本質洞察，需要在特定場景下能夠評估個體的特性、個體之間的交互以及個體所在群體的屬性。這些可以通過知識圖譜實現，將複雜的信息有機結合，把關聯關係數位化，把用戶行為網絡化。具體地，知識圖譜技術能夠幫助風險評估與反欺詐；能夠豐富客戶畫像，了解客戶的風險偏好、信用資質，以及客戶對其他金融產品的喜好，從而進行交叉營銷和智能營銷；此外還能夠提供可視化表達，加深對場景特點和客群行為的深層次理解，大大提高營銷人員、風控人員、運營人員等的工作效率和準確度。

金融知識圖譜在風控場景的實戰案例

下圖是知識圖譜的風控方案概覽。

首先將跨業務、跨部門的各個類型數據按照金融場景的業務架構打通，構建金融領域知識圖譜的本體層框架。打通包括全業務鏈路的打通，以貸款為例，貸款的全生命周期包含渠道進件、貸款申請、信用風險評估和審批、交易、貸款還款，以及可能的逾期或不良和後續的催收。構建圖譜要將上述業務全鏈路過程中沉澱的數據，以業務的思維邏輯打通。此外，還需要跨業務和跨部門的打通，一個成熟的金融機構僅在零售板塊通常有幾十甚至上百種金融產品存在，每個金融產品的設計會充分考慮客群、場景和渠道等差異性，所有產品在運營中沉澱的數據也需要在圖譜上圍繞客戶為中心縱橫打通。比如圍繞同一個客戶，其信用卡相關的申請和交易等可形成一個子網絡，其網貸相關的申請和交易又而可以構建子網絡，這兩個產品的子網絡可以基於客戶進行打通。此外客戶之間在金融場景中通過金融產品和交易發生關係，可以產生客戶關係網絡，同樣的，可以手機電腦等設備、交易訂單、工作單位、居住地等為中心構建不同主題的網絡。

構建知識圖譜後，客戶經理操作業務系統時，可以非常直觀地看到跟客戶相關的信息，比如經常發生交易的對象，或者在某筆貸款上和客戶申請互為擔保的對象，或者其關聯企業，這些全面了解都可以在幾秒內實現，而不是在電腦前花一整天去調用很多系統和權限去尋找信息。它可以提供可視化的呈現、交互式的查詢，並進行關聯指標和標籤的輸出。

面對業務矩陣複雜的機構時，更高階的應用是引入機器學習和圖挖掘算法，從圖譜中的異常結構裡尋找到有風險、有傳播性的團夥，並挖掘其關聯關係，進行定性和量化的分析，其中包括基於壞樣本的研究分析和挖掘，也包括對壞樣本較少的場景用半監督或者無監督學習的算法，依據風險傳播理論進行挖掘。這樣可以把其中的風險實體和異常子圖（團夥）挖掘出來，並且把團夥中成員的風險係數以量化形式呈現出來，幫助線下人員進行有針對性的、有優先級的排查。

算法挖掘出的洞見可以通過特徵、標籤和指標的方式被應用到各個環節的模型中，形成上圖的閉環，也可以被應用到結合金融機構的業務場景、基於關聯圖譜專門定製運營監測平臺裡。在知識圖譜的賦能下，運營監控平臺可以根據機構偏好把重要的、與主要業務和場景相關的的風險挑選出來，再根據各個部門人員的權限進行科學配置。這樣可以把相關的風險和披露信息及時地推送到相關部門有權限的運營和風控人員帳戶下，幫助他們更及時、更全面地了解風險情況，並規劃下一步工作，實現對金融機構海量數據資產的價值變現。

具體地，以信貸業務的進件審批為例，上述知識圖譜的挖掘和監控平臺在業務流程中發揮著重要作用。首先，當有業務進件以後，機構有模型和策略可以對客戶數據進行自動化審批，而這些模型和策略的原材料來自關聯的圖譜系統，來自從底層知識圖譜中挖掘出的指標，或者直接根據圖譜建設的模型，讓審批能全面捕捉到團夥性風險的指標和預警。通過自動化審批後仍然會存在一些灰色區域的客戶，銀行會進行人工審批，對其中比較異常客戶或者申請額度較大的客戶進行覆核，這個環節中，圖譜可以把它挖掘到的關聯性信息，比如客戶與其他客戶、其他產品及其歷史信息，通過可視化系統展示給人工審批團隊。最後的審批結果本身又可以作為有效數據回流到關聯圖譜中，作為訓練關聯圖譜的新的原材料。關聯圖譜每天都會納入增量數據進行更新，重新挖掘和團夥風險指標的打標。

總的來看，應用知識圖譜防控團夥性欺詐風險，具有四大優勢：第一是滿足可視化需求；第二是決策有依據，在尋找風險團夥時，圖譜可以幫助溯源，復現團夥犯案的方式和手段，因此不是基於黑盒子模型做決策，而是有據可依的風險決策；第三是線上線下聯動，把線下業務人員多年從業的業務經驗以數位化的模式沉澱到圖譜之上，並及時在動態更新的圖算法風險挖掘中發揮價值；第四是風險實時防禦，是更及時、有效、動態地對團夥性欺詐的防控。

金融市場快速創新，誕生了很多衍生產品，這些產品涉及的金融機構很多、涉及的人多、交易結構複雜，使得現在金融機構在各個市場中的關聯程度非常高，風險的傳導性也日益加劇。中長期來看，如果金融知識圖譜在金融風險防控上的應用可以從單個機構內部拓展到機構之間，再拓展到不同的市場之間，對於有效防控這樣的系統性風險或者複雜金融產品的風險，甚至更高層次上維護國家金融安全，都是有非常重要的意義。

[Source]

本文系未央網專欄作者發表，屬作者個人觀點，不代表網站觀點，未經許可嚴禁轉載，違者必究！首圖來自圖蟲創意。

本文為作者授權未央網發表，屬作者個人觀點，不代表網站觀點，未經許可嚴禁轉載，違者必究！首圖來自圖蟲創意。

本文版權歸原作者所有，如有侵權，請聯繫刪除。首圖來自圖蟲創意。