金融科技幻象

2020-08-09刘波

财经 2020年16期

刘波

图/IC

“金融科技”一词在中国属于老词新用，但新用的历史至多不过10年，它最初的叫法是“互联网金融”，那时学者们争论的是到底是金融互联网还是互联网金融，其本质区别在于前者将互联网当作金融展业的渠道，后者更强调大数据分析。

2013年横空出世的“余额宝”，其精准的客户画像，让货币基金“这棵老树生出了新芽”。只有碾压式的优势，才会有绝对的话语权。至此，大数据是互联网金融的核心不再有争议，这也是业界普遍将2013年定义为互联网金融元年的原因。

互联网金融一度被写进政府工作报告，但随着P2P乱象横生，互联网金融被污名化，金融科技这个词应运而生。随着2018年金融监管政策趋严，互联网金融机构们纷纷脱去“金融”光环，都说自己是科技公司。但万变不离其宗，不管叫什么，互联网金融也好、金融科技也好、科技也好，其实本质是一回事。

作为实践者，笔者认为，对于金融科技当前的热浪，市场应当破除幻象，在兴奋于底层新技术的理论时，更应从务实的应用积累出发，平衡技术突破和有效实践，才可窥见金融科技真实的价值与前景。

勾勒你的画像：行为数据是关键

目前，金融科技在市场上的运用是多元化的，客户标签、客户画像、营销策略、定价、风险准入、贷中监控、贷后催收等都有涉及。

光靠描述很难有实际体会，举几个例子。例如，在客户授权情况下，通过监测IP地址及GPS，客户每天晚上回、早上出的地方可以判断为他的常住地;每晚和他在同一IP、GPS地址下的年纪相仿的异性极有可能是他的配偶;如果还有年龄小于他们20岁-30岁的人，经常在此时间段在同一地址出没，可以判断为他们的子女。

当然如果监测出客户在此时间段有多个地址，有多名异性，这就是风险项了，至少说明客户的道德品质可能存在瑕疵。

同理，白天和客户经常在同一GPS、IP地址下活动的人，极有可能是他的同事，这个地址是他的工作单位。通常情况下地址和人都是相对稳定的，如果地址发生了变化而周围的人没发生变化，说明工作单位没换，但工作单位发生了搬迁;如果地址和周围的人都发生了变化，说明客户工作单位发生了变化。

随着大量国民APP的出现，我们日常生活越来越离不开它们，不管是支付、打车、导航、公交、地铁、外卖、视频、聊天、读书、听歌……我们每天都多次使用着这些APP，这就使得巨头公司大量掌握客户GPS及IP数据变成可能。

这些分析应用在金融上，可以准确地勾勒出客户的家庭地址、家庭成员、工作单位、同事。如果再结合周边房屋交易数据，可以计算出你住所的每平方米单价，结合扫地机器人的运动轨迹可以测算出你的住房面积，也就能推测出你的住房价值。这些分析不管是运用在金融产品定向营销，还是风险准入、贷中预警、贷后催收上，都是非常有效的。

这些还只是基础的，实际的运用比这更为复杂和全面，多种维度数据综合分析可以更为清晰地勾勒出客户画像。

例如，可以根据外卖数据、餐饮点单和支付数据，知晓你的口味、餐饮消费水平并交叉验证你的工作和家庭住址;根据你的酒店、机票数据，知晓你旅行和差旅消费水平，并知晓你对酒店和航空公司的偏好，如果你开了电子发票，还可以交叉验证你的工作单位;根据你的出行、导航数据，可以分析你的日常活动半径，如果你有车，可以推算出你的车什么时候该加油了，你常去的加油站是哪一家;根据你的浏览内容（视频、短视频、新闻），可以知道你的兴趣范围，并推算现阶段你有什么需求……

数据的维度可以多种多样，掌握的行为数据越多，勾勒的客户画像就越精准。这些模型，当下大多数时候用于各种产品圈定目标客户，并进行千人千面的精准触达。当然，也包括金融产品，毕竟风险管理的核心就是了解你的客户。有什么尽调方法能比这更为细致和准确呢？更何况，如果你掌握了数据，几乎没有尽调成本。

应用现状：深度有余，广度不足

尽管金融科技的各种技术在市场上得到了广泛运用，但这些年，我们对核心新技术的突破并不多。数去数来，在金融领域，也就人脸识别运用的范围广泛一些，涵盖了支付、理财、贷款等。

指纹识别在小额支付领域用得比较普遍，但一旦到了理财、贷款这些大额场景，很少有机构将指纹识别作为产品主要的核身或验密手段。

声纹技术在语义识别上已经非常成熟，音译已经商业化，但是出于安全和客户体验的考虑，此项技术在金融领域并未大规模运用。

基于物联网的芯片技术，在养殖溯源领域得到了一定发展，但具体在金融上，也只是辅助手段，算不上关键因素。

卫星遥感影像技术，目前在农村金融领域，少数机构用它识别农户的种植面积和种植情况分析，也算一种辅助风控手段，但作用范围和深度都有限，很有些“杀鸡用牛刀”的味道。

区块链技术这几年如火如荼，但运用场景尚有限，尤其在金融领域，除了个别保险公司用此技术记录保单，其他作用于实际产品的运用难觅踪迹。至于发币，数字货币这个领域还是人行来做比较妥当。

金融科技在中国的发展，更多是运用层面和算法层面的。决策树、朴素贝叶斯分类、支持向量机、逻辑回归、线性回归、随机森林……对于这些算法的研究深度，我们遠超国外，尤其在实际运用上，我们实践运用的广度更是领先于世界，这也让我们看到了在金融领域我们弯道超车的机会。

创新战场：与黑产角力

虽然只是运用层面的实践和创新，但并不意味着可以小瞧，它的价值巨大。每一种技术运用的方法、方式乃至算法的创新，都需要大量的样本去分析、去优化。

但也正因为存在大量优化空间，技术的应用场所，“成为道高一尺魔高一丈”的较量主场。

比如，移动互联网在中国已经普及，大量的金融业务都可以通过手机操作完成。方便归方便，但黑色产业链盯上了手机。

最初，黑产通过电脑浏览器模拟手机，可以通过一台电脑模拟出成百上千部手机。为了识别手机，我们发明了设备指纹技术（需要说明的是，由于采用的指标不同，各家机构的设备指纹定义是不一样的，但原理共通），通过关联设备的硬件、系统、网络、状态等信息，进行专有加密算法，赋予其全球唯一的设备标识符，即设备指纹，也就相当于给每部手机发放了一张身份证，下次这部手机不管在哪里碰到，机构都能马上识别。

光有设备指纹还不够，还需要监测手机电量，电量常满或常空的手机，会被判定为黑产。

但黑产在进步，也在用算法模拟手机电量变化。这就逼迫机构对监测进行了升级，除了监测电量，还会监测手机的位置，如果手机长时间在一个地方不动，会被判定为黑产。

黑产不会束手待毙，应对方案是用一台货车，拖着成千上万部手机满城市转圈，模拟运动轨迹。这就需要机构进行精准评估了，需要判断电量波动是否在合理范围内，还需要判断运动轨迹是否正常。

黑产的扰动是有效的，机构的成本上升了，准确率下降了。

技术还需要升级，除了电量和轨迹监测，手机陀螺仪的监测技术运用到了实践中。

我们使用手机时，手机和水平面是有一定角度的，同时人的手不可能那么稳，不管浏览或打字，手机都会有微微的颤动，这些数据，手机陀螺仪会记录下来。黑产掌控成千上万部手机，很难模拟这些行为，这就为机构识别黑产提供了突破口。

除此以外，有数据获取能力的机构还会监测手机装了多少个APP，只装一两个APP或装了几百个APP的手机，会被判定为黑产。

这样的攻防战，在今天的中国，每时每刻都在发生，这些片段对于看客而言是精彩的故事，但对从业者而言，却是血泪长征路。

除去设备的真实性判定，我们还需要判定人的行为。

继续举几个例子。你用手机申请贷款或购买大额理财产品时，你打字的速度不可能是匀速，也不可能超越正常人的手速，都有一个合理值，否则就有可能是系统在模拟。你填写配偶名字时，不应该修修改改，否则就有可能是虚假。

你用手机进行人脸识别时，手机距离你的脸应该最多一臂的距离，哪怕你是刘备，双手过膝，手臂也不可能两米长。如果超过合理的距离，说明有人辅助你申请，这个辅助的人有可能是中介。

在产品申请过程中，手机陀螺仪的方位應该是在同一方向，如果发生180度转移，说明你把手机交给了他人。

拍照时，拍摄的角度男生多数是平视，女生多数是斜上45度。当然，不同的人会有一定偏差，但如果角度是水平180度或负角度，你觉得会不会有问题？

在贷款场景，由于利益巨大，中介也愿意下血本。有些中介会线下把人聚集到一起，一个个指导客户申请贷款。由于是真实的手机、真实的人，又是真实的每个人手动操作，防范是有难度的。

这就需要下苦工了，需要通过历史数据一个一个标注出中介窝点，定向把这些地址列入黑名单，还需要建立GPS地址精细化监测，如果单位时间内，同一个小区域申请量过高，需要定向关闭该区域的申请。同时，在客户拍照时，需要识别客户拍照的背景，如果背景高度相似，也需要拒绝（在技术原理上和人脸识别相似，但技术细节是不一样的）。另外，身份证翻拍识别、手机屏幕多点触控痕迹监测都是技术点。不再赘述。