大数据在金融信用管理的应用

美国花旗银行执行董事　陈　岩

我和大家分享一下在美国做金融风险的部分经历，主要是分享怎么用大数据来改进我们的决策。

大数据在金融领域的应用，这是一个很大的题目，我希望能够在大的课题下给一些具体的东西，不谈高大上。

我在具体讲之前有两点声明：一是，尽管我在花旗银行工作，但是我今天讲的不代表花旗银行的观点，只代表个人看法，所以对错都是我个人负责；二是，实在很抱歉，在很短的时间内，我写了点内容，但是都是用英文写的，本来想改成中文，但是自己中文水平有限，很多专业词不知道怎么翻译过来，所以最后保留英文，我尽量用中文讲，有一些词可能不能准确表达。

我讲三件事情：一是大数据，二是金融风险，三是大数据在金融风险里面的一些应用。

什么是大数据？我最早听到这个名词，或者最早在我脑子里留下深刻印象的大数据，是在2004年，当时我在运通股东大会上请了IBM公司的CEO做主题报告，他专门讲了大数据，而且下了结论。他的观点是“谁能掌握大数据，谁就能成为商业竞争中的胜者”，这句话引起了我们的重视。那么多年来真正理解了什么是大数据，什么是大数据和数据的差别。我们已经用数据很多年了，为什么在这时候提大数据，而且提大数据时代。信息现在是爆炸式增长，比如说戴了谷歌的眼镜，我相信你能看到什么，谷歌也能知道什么；你戴了苹果的手表，你身体的情况它便能预测到；我是做信用卡的，信用卡的每一笔消费我们都知道，你在什么地方消费，消费多少，买了什么东西，都清清楚楚。这些信息拿来后能起什么作用，能不能改变我们对你的理解，能不能改变我们对你的一些决策，这就是大数据跟数据的差别，差别在什么地方？数据量之大，形式之复杂，使得我们现有的方法不能很好地处理这些数据，不能很好地储存运用这些数据，这就是大数据给我们带来的挑战，也是给我们带来的机遇。所以我们讲大数据，更多是讲数据的复杂性和数据之大给我们带来的挑战和机遇。

下面要讲什么是金融风险，这又是一个大题目。30年前我被美国商学院金融系录取，我是南大数学系毕业后又学经济，在美国30年，读书、教书，然后在公司工作20年，让我现在解释金融，可能也解释的不是很清楚。因为本身这个行业飞速发展，各种新的经营模式、金融方式和产品不断产生，但是不妨碍我在学术上面明确地解释。

金融风险，我很赞同王市长的一句话，金融本质上是金融风险，所有的价格、利润都是与你愿意承担多大的风险有关系，实际上金融就是在经营风险。P2P前一段时间引起大家的关注，等到那个人跑掉后，大家才意识到风险已经为时过晚。我是做信用卡的，如果这个人已经贷账180天，你就把它的卡关掉，那时候你说发现了风险，太晚了，你借出去的钱已经回不来了。所以这就是风险管理和监督必须从源头抓住，必须从细小的每一个决策做起。首先对金融产品或者金融业务，要知道哪几个是关键点，这些关键点该做怎样的决策，这些决策本身含有什么样的风险？然后你这个风险不仅是对你的公司，不仅是对你的产品，还是对每一个个体，因为每一个产品的风险、公司风险是由个体形成的，风险管理要落实到每一个个体，落实到每一个具体的决定。举例来说，信用卡有几个关键的步骤，一是信用卡发卡之前，怎么样寻求客户，假设你有100万的名单，你要找哪些人发卡，透过什么渠道，这就是第一步。第二步，信用卡要有一个信用额度，你要贷款的话，贷款利息是多少，这些怎么决定，如果你是高风险的人，你要付出的利息就会比低风险的人高，因为在你身上风险比较大，我不收高利息的话，从企业角度讲不可能赚钱。你要决定信用额度是多少，要决定利息是多少，要决定是否需要给他另外一些奖励或者是回馈。你要不断地观察，不断地修正你的决定。因为顾客的风险也不是一成不变的，你要不断地监督他，发现这个顾客的风险变大了，就要调整决策，把他的信用额度降下来。

我们怎么做决定？光控制风险很容易，金融产品如果不做金融的话就没有风险，如果要做就有风险，所以降低风险不是你的目的，你的目的是要扩充业务。所以说我用了顾客的价值来综合考虑给公司带来什么样的收益，会给公司带来什么样的风险。综合起来分析，作为你的目标函数来决定怎么做。具体的一个例子，怎么样决定你的信用额度，我们把整个人的信用数据拿过来，根据你不同的目标函数，也可以是风险，也可以是会花多少钱，根据这个分类，再用模型预测，对不同的信用额度，会有多少的消费，有多少的风险，最后算每一个信用额度，算出顾客价值，然后优化顾客价值决定信用额度。

怎么样用大数据改进我们的决策？刚才讲的一个例子，美国谷歌，你手指头动一动，它就知道你想做什么。一个顾客刚买了飞机票，你想提供一些有用的信息给顾客，你能不能知道他下面会做什么事情，你知道哪些信息对他是有用的？就需要通过大数据来完成。你有一连串的顾客，里面包含顾客的一些信息，包括可能提供的一些帮助，如果有几个人，今天去买了飞机票，你很难知道他下一步会做什么事。如果有几万人、几百万人，就有可能找到类似的人他们是怎么做的，就知道这个顾客一旦有这个行为后，他下面可能会有什么行为，就可以给顾客提供有用的信息，这就是由大数据实现的。

数据具有复杂性。我们讲数学模型、讲预测，都是用结构性的数据。这个人的身高多少、体重多少、年龄多少，这些信息在美国都是不允许使用的，因为涉及侵犯隐私。但是花了多少钱，什么地方花的钱，什么时候付的钱，这些都是数量与结构性的变量，这些数据可以用来做模型。我们还有很多大量的数据是文字性的，一个人写了一篇文章，你读这篇文章知道这个人的观点，知道有什么主要的信息。但是人不可能读很多的文章，我们有一个例子，一个收账部门，每天要打很多电话跟顾客交谈，有很多信息，这些信息在顾客服务的时候可以提供，但是在建模型的时候就很难用这些文字的东西来做预测。现在由于大数据有新的数据分析方法，通过读每一篇文章，可以反映一个人的思想，每一篇文章里的单词可以看成这个人的细胞，变成几万篇文章之后就有很多单词在里面，通过一些度量化的方法转化成数量化，数量化后再通过统计的方法，成为这篇文章的主要特征，通过这种方法也可以预测这个人的行为，也可以看这个人对某些问题的观点是什么样的，这不仅应用在金融风险管理上，也可用在社会政务或者民用上。

我先讲到这里。

谢谢大家。