基于决策树的金融领域新技术选择模型研究

马征

一、金融领域新技术应用要求

（一）新技术的特性

自2000年宾夕法尼亚大学沃顿商学院出版标志性著作《Wharton on Managing Emerging Technologies》以來，新兴技术的识别、跟踪、预测和管理长期受到广泛关注。目前认可的“新技术”定义为：“基于科学的，有可能创立一个新行业或者改造一个现有行业的创新”。新技术具有以下特性：一是创新性。新技术突破原有技术存在的局限性，在创新产品、提升效率等方面较老旧技术具有显著优势。二是实用性。新技术应用于特定场景中，能够产生积极效果。三是不确定性。新技术应用在成本控制、技术成熟度、技术适配性等多个方面依然存在未知风险，存在诸多变数。

（二）金融科技对信息技术的重点要求

一是场景适配。金融科技在业务场景上主要包括金融产品定价、智能营销和客服、智能投顾和支付清算等，不同业务场景对技术要求的侧重点不同。二是运行稳定。金融领域属于特殊行业，具有影响范围广、关联度大等特点，一旦中断运行，对金融体系影响巨大。因此，无论应用何种技术，均需保证业务连续性。三是安全可控。金融领域对风险管控要求十分严苛，引入金融领域的新技术务必安全可控。为及早规避系统和服务风险，必须提前制定风险处置预案及完善的危机解决方案。

二、决策树模型

金融业开展新技术具体场景应用时，缺少一套系统、客观、全面地评价指标体系科学度量技术方案是否满足要求。针对此问题，本文尝试引入决策树模型，构建评价新技术是否适应于特定金融场景的指标体系。总体思路为：利用德尔菲法①计算出各指标的参考值，然后计算各指标占比得出各指标权重，之后通过技术应用方专家打分方式得出待评价新技术在特定金融应用场景中的决策树分值，引入惩罚参数，综合得出技术评估值。通过比较两种技术的技术评估值，量化评价新技术是否适合特定金融应用场景。

（一）技术指标

针对新技术在金融领域的应用，本文选取了功能、性能、安全、成熟度、成本5类指标，根据不同指标特性分档计分，并构建技术决策树叶节点，以对新技术在金融领域的应用进行客观定性、定量分析。

功能指标（T1）包含3个子指标，分别是功能满足（T11）、错误处理（T12）、功能扩展（T13）。功能越强分值越高，每个子指标分为3档计分，第1档8—10分，第2档4—7分，第3档0—3分。

性能指标（T2）包含3个子指标，分别是响应时间（T21）、能耗（T22）、计算速度（T23）。性能越优分值越高，每个子指标分为5档计分。第1档10分，第2档7—9分，第3档4—6分，第4档1—3分，第5档0分。

安全指标（T3）包含2个指标，分别是技术安全分析（T31）和安全可控（T32）。安全性越好分值越高，每个子指标分为4档计分，第一档8—10分，第2档4—7分，第3档1—3分，第4档0分。

应用案例（T4）包含3个指标，分别是等级保护5级案例量（T41）、等级保护4级案例量（T42）、等级保护3级案例量（T43）。案例量越多分值越高，分为3档计分，第1档8—10分，第2档4—7分，第3档0—3分。

成本指标（T5）包含5个指标，分别是硬件成本（T51）、软件成本（T52）、人力成本（T53）、运维成本（T54）。成本越低分值越高，每个子指标分为5档计分，第1档10分，第2档7—9分，第3档4—6分，第4档1—3分，第5档0分。

（二）场景权值矩阵

本文对新技术金融应用的技术场景、业务场景进行分类，新技术部署范围分为三类，分别为核心系统、外围系统、测试系统，新技术的应用场景分为四类，分别为资金交易、身份认证、数据分析、信息交互。利用德尔菲法针对新技术的技术场景、业务场景指标进行打分，得到表1。

为便于后续计算，将参考值用字母形式表示。部署范围参考值字母表示为[asij（i=1，2，3;j=1，2，…，15）];应用场景参考值字母表示为[bsij（i=1，2，3，][4;j=1，2，…，15）]。对应的参考指标构成一个德尔菲法指标值矩阵：[N=asi1   asi2   …   …   asijbsi1   bsi2   …   …   bsij]

根据德尔菲法确定的指标值，通过计算指标占比得出每个指标的权重，见表2。

为便于后续计算，将上述指标权重用字母形式表示。部署范围权重字母表示为[AWij（i=1，2，3;j][=1，2，...，15）];应用场景权重字母表示：[BWij（i=1，2，3，][4;j=1，2，...，15）]。可得到场景权值矩阵：

[W=AWi1   BWi1AWi2   BWi2  …      …  …      …AWij   BWij]

（三）技术评估值

技术评估值是指衡量一项新技术在特定金融应用场景的量化考量值，它能为金融机构提供较为全面的参考。理论上，技术评估值越高，表示该项新技术越适用于当前应用场景。技术评估值由决策树分值和惩罚参数两部分组成，其中决策树分值由基础分值矩阵S对应行与权值矩阵W对应列做乘法运算后相加得到，惩罚参数由技术专家打分值矩阵减去德尔菲法指标值矩阵后的负指标项乘以对应的指标权重加和得到。加入惩罚参数是为了更加客观地计算技术评估值，计算关系如下：技术评估值=决策树分值+惩罚参数

1. 决策树分值。（1）基础分值矩阵。技术应用方参照技术决策树叶节点，结合自身需求，对该项新技术进行专家打分，形成基础分值表（见表3）。部署范围技术应用方打分字母表示为[ASij]（i=1，2，3;j=1，2[…]15）;业务场景：技术应用方打分字母表示为[BSij]（i=1，2，3，4;j=1，2[…]15）。则基础分值矩阵为[S=ASi1  ASi2…  …ASijBSi1  BSi2…  …  BSij]。

（2）决策树分值计算。基础分值矩阵S对应行与场景权值矩阵W对应列做乘法运算后相加得到決策树分值TS。

[TS=ASi1  ASi2…  …ASij×AWi1AWi2……AWij+BSi1  BSi2…  …BSij×BWi1BWi2……BWij]

2. 惩罚参数。惩罚参数的引入是为了更加客观地评估待评价技术，若待评价技术的技术专家打分值低于德尔菲法指标值，则会产生惩罚参数，需在决策树分值基础上加上相应的惩罚参数。

（1）负指标矩阵M。

[M=S-N=ASi1  ASi2…  …ASijBSi1  BSi2…  …BSij-asi1  asi2…  …asijbsi1  bsi2…  …bsij]

（2）惩罚参数计算。仅保留矩阵M中的负数项，其他项设为0，得矩阵M'。惩罚参数等于矩阵M'对应行与场景权值矩阵W对应列相乘后加和。

（四）模型优势分析

一是采用量化方式进行评估。通过决策树模型能够将影响新技术应用决策的各种因素通过量化打分的形式计算出来，最大化降低了人为主观因素的影响，更加客观反映新技术在特定应用场景中的适用性，便于决策者客观、准确地对新技术进行评估。二是建立系统化的技术评估指标体系。这个体系涵盖了应用新技术需要考量的主要技术因素和评估方法，能够更加科学、全面地对新技术应用情况进行评估。三是全面考虑技术和业务场景。决策树模型将新技术的技术指标带入到不同技术场景、业务场景下进行评估，通过对技术和业务场景的同步整体评估，既考虑到技术因素，也考虑到不同场景下技术因素的不同侧重点，更加贴合技术应用实际情况，有利于准确、全面进行评估。四是引入了惩罚参数优化。若待评价技术的技术专家打分值低于德尔菲法指标值，则会产生惩罚参数，需在决策树分值基础上加上相应的惩罚值对技术指标值进行优化。惩罚参数的引入可以更加客观评价待评价技术。

三、实例分析

为验证模型可行性，本文进行实测，以L银行选择容器或虚拟化技术应用于交易反欺诈系统为例，探讨模型实际效果。两种技术在架构、性能、成本等诸多方面有显著差异，如表4所示。

基于系统特性，确定部署范围为核心系统，应用场景为资金交易。L银行内技术、业务、财务系统骨干组成评分团队，依据模型打分见表5—7。通过场景权值和计算公式进行计算后，得出两种技术的决策树分值、惩罚参数值和最终得分。具体分值如表8所示。

L银行根据决策树模型的分析结果，选择了容器技术进行交易反欺诈系统的部署。系统已正式上线稳定运行，实现了对行内业务系统数据的实时收集与分析，柜面业务、手机银行的实时反欺诈分析提示，以及其他电子渠道业务的准实时分析与提示。通过综合验证，证明了决策树模型的科学性、有效性。

四、结论

本文通过引入决策树模型，从功能、性能、成熟度、安全、成本等视角出发，利用决策树分值和惩罚参数计算出两种不同技术在同一场景下的应用成熟度分值，定量评估待评价新技术是否适合特定金融应用场景，为新技术金融领域应用评估提供了一种新方法。

注：

①德尔菲法，也被称作专家调查法，基本流程是对所要询问的问题征得专家意见后，进行整理、归纳、统计，再匿名反馈给各专家，再次征求意见，再集中，再反馈，直至得到一致的意见。

（责任编辑    王   媛;校对   GJ，WY）