基于大數(shù)據(jù)智能分析技術的金融風險監(jiān)管平臺設計與研究

丁炯 張曉明 富勤偉 趙文瑜 范濤

摘要：基于大數(shù)據(jù)智能分析技術的金融風險監(jiān)管平臺融合統(tǒng)計學、經(jīng)濟學、人工智能等多種方法提升金融風險評估方法，解決現(xiàn)有金融機構(gòu)風險評價中的瓶頸問題，實現(xiàn)了對新金融機構(gòu)個體、行業(yè)的系統(tǒng)監(jiān)測和動態(tài)評估，把握新金融機構(gòu)動態(tài)發(fā)展趨勢及其風險特征，從而推動在監(jiān)管科技和監(jiān)管方法上取得突破。

關鍵詞：大數(shù)據(jù)；金融風險監(jiān)管；智能數(shù)據(jù)分析

中圖分類號：TP319

Design and Research of Financial Risk Supervision Platform Based on Big Data Intelligent Analysis Technology

Ding Jiong[1]，zhangXiaoming[1]，F(xiàn)U Qingwei[1]，Zhao Wenyu[2]，F(xiàn)an Tao[2]

（1. Shanghai Shuquan Data Technology Co.， Ltd.， Shanghai，200237；

2.Center for Financial Data Research， East China University of Technology， Shanghai， 200237）

ABSTRACT： Financial risk monitoring platform based on big data intelligent analysis technology integrates statistics， economics， artificial intelligence and other methods to improve financial risk assessment methods， to solve the bottleneck problem in the risk assessment of existing financial institutions， and to realize the systematic monitoring and dynamic assessment of new financial institutions'individuals and industries. The dynamic development trend and risk characteristics of new financial institutions promote breakthroughs in regulatory technology and methods.

Key words： big data； financial risk supervision； intelligent data analysis

1.背景

隨著互聯(lián)網(wǎng)（尤其是移動互聯(lián)網(wǎng)）經(jīng)濟爆發(fā)式的增長，從2013年開始的網(wǎng)絡支付、網(wǎng)絡借貸、網(wǎng)絡理財?shù)雀黝惢ヂ?lián)網(wǎng)金融、移動金融的創(chuàng)新發(fā)展，到如今從中央到地方全面針對此類新金融規(guī)范發(fā)展的大命題的轉(zhuǎn)變，如何識別新金融風險并引導其健康發(fā)展就成為了地方新金融服務和管理部門的關鍵任務之一[1]。伴隨近年來新金融的狂飆突進式發(fā)展，各類逾期違約、跑路失聯(lián)、非法集資、理財詐騙等風險事件也層出不窮，且愈演愈烈[2]。目前，互聯(lián)網(wǎng)金融風險專項整治工作已進入“清理整頓”階段，在處置不同形態(tài)的互聯(lián)網(wǎng)金融時[3]，要把投資者的利益放在第一位。平臺旨在通過大數(shù)據(jù)的技術手段整合機構(gòu)運營數(shù)據(jù)、政府公共信用數(shù)據(jù)、網(wǎng)絡輿情數(shù)據(jù)等數(shù)據(jù)源，通過對多元數(shù)據(jù)的清洗挖掘和風險建模，形成對區(qū)域新金融風險的綜合監(jiān)測與分析報告[4]。

2.平臺建設方案

2.1平臺實施路徑

構(gòu)建互聯(lián)網(wǎng)金融信用風險評價和監(jiān)測預警平臺，為金融監(jiān)管提供新的方法和技術，從而保障我國金融業(yè)的健康有序發(fā)展。具體而言，本平臺的技術實施路徑包括：

1、根據(jù)互聯(lián)網(wǎng)金融的業(yè)務模式、特點與風險特征，建立一個更加全面的金融機構(gòu)信用風險評價體系，以保障風險評估的有效性；

2、基于多源異構(gòu)大數(shù)據(jù)，利用大數(shù)據(jù)技術和數(shù)據(jù)挖掘方法提取數(shù)據(jù)特征，從而形成對互聯(lián)網(wǎng)金融機構(gòu)的風險畫像分析；

3、融合統(tǒng)計學、經(jīng)濟學、人工智能等多種方法提升風險評估方法[5]，解決現(xiàn)有金融機構(gòu)信用風險評價中的瓶頸問題，對互聯(lián)網(wǎng)平臺的風險給出定量分析；

4、構(gòu)建互聯(lián)網(wǎng)金融平臺的風險監(jiān)測系統(tǒng)，從而實現(xiàn)對互聯(lián)網(wǎng)金融各個平臺的監(jiān)測和動態(tài)評估，以把握互聯(lián)網(wǎng)平臺的動態(tài)發(fā)展趨勢及其動態(tài)風險特征，從而推動在監(jiān)管科技和監(jiān)管方法上取得突破。

2.2 平臺的功能模塊

平臺的功能模塊如圖1所示。根據(jù)需要，項目建設后擬實現(xiàn)的新業(yè)務流程如圖2所示。根據(jù)金融機構(gòu)信用風險評價系統(tǒng)對數(shù)據(jù)的需求，基于開放互聯(lián)網(wǎng)通過Scrapy分布式爬蟲框架獲取海量異構(gòu)數(shù)據(jù)，并通過文本篩選過濾等方式實現(xiàn)對數(shù)據(jù)的清洗和預處理。

根據(jù)業(yè)務相關文檔的文本語義特征與潛在關系，完成對業(yè)務相關文檔的多標簽標注與語義分類，實現(xiàn)基于集成學習的多標簽分類；利用深度學習實現(xiàn)訓練數(shù)據(jù)的構(gòu)建和文本特征的選擇，實現(xiàn)金融企業(yè)的多維畫像屬性抽取與知識圖譜構(gòu)建； 基于信息文本挖掘的信用評價指標體系，分類特征庫與評價指標映射，信用風險評價指標度量和信用風險評價模型形成對金融機構(gòu)信用風險評價。

2.3 平臺的整體架構(gòu)

平臺的整體架構(gòu)如圖3所示，由硬件層、大數(shù)據(jù)支撐層、平臺系統(tǒng)層構(gòu)成。

1、硬件層：新金融監(jiān)管平臺可基于云服務部署，因此其硬件部分包括云計算資源，云存儲資源和網(wǎng)絡資源組成。當然基于內(nèi)部已有服務器或虛機資源也可重新搭建硬件環(huán)境。

2、大數(shù)據(jù)支撐層：包含大數(shù)據(jù)平臺及其各個功能組件，包括分布式存儲的分布式文件存儲系統(tǒng)[6]，資源管理組件YARN[7]，批處理組件PIG[8]和框架MapReduce2，工作流組件Oozie[9]，交互式分析組件Zeppelin[10]和交互工具HUE，ES全文搜索引擎，實時同步組件Data Alive[11]，數(shù)據(jù)集成組件Sqoop[12]和日志采集工具Flume，消息隊列Kafka，協(xié)作服務組件 Zookeeper以及建立在這些組件之上的PL/SQL引擎，數(shù)據(jù)挖掘與及機器學習引擎，NoSQL 數(shù)據(jù)庫和流處理引擎。

3、平臺系統(tǒng)層：平臺框架系統(tǒng)、數(shù)據(jù)可視化系統(tǒng)、預警監(jiān)測系統(tǒng)、風險評估系統(tǒng)、管理與共享系統(tǒng)。

3.經(jīng)濟及社會效益

3.1對防范地方金融風險和預測研判的作用

項目落地實施后可以有助于當?shù)氐男陆鹑陲L險實現(xiàn)“穿透式”，精細化，針對化監(jiān)管。對與新金融機構(gòu)的每次交易實現(xiàn)數(shù)據(jù)顆粒更加細致的監(jiān)管預警機制，發(fā)現(xiàn)新金融機構(gòu)風險點，針對式的提出整改意見。通過大數(shù)據(jù)平臺匯聚海量的地方金融風險數(shù)據(jù)，依據(jù)風險評估模型，對區(qū)域經(jīng)濟金融風險起到預測研判的作用。

3.2對提升能級和擴大就業(yè)的作用

平臺可填補當前針對地方新金融監(jiān)測服務的空白，并為線上金融業(yè)務風控提供智能化解決方案，實現(xiàn)高效便捷的金融供需對接，優(yōu)化行業(yè)生態(tài)和服務模式。項目開發(fā)過程中，還會直接帶動40-50人新增就業(yè)機會，培養(yǎng)一批大數(shù)據(jù)金融風控人才。

3.3對區(qū)域經(jīng)濟和行業(yè)發(fā)展的帶動作用

平臺正式落地投入使用后，通過凈化區(qū)域金融環(huán)境，為新金融行業(yè)更多守法合規(guī)機構(gòu)拓寬業(yè)務道路，大力發(fā)展普惠金融提供必要保障；同時，平臺拓展大數(shù)據(jù)在金融監(jiān)管，包括金融行業(yè)的應用示范；最后項目承建方及其合作方將積極引入數(shù)十家相關企業(yè)，大力發(fā)展金融科技，創(chuàng)新金融，人工智能等方面在我市的建設，并擬牽頭發(fā)起相關人工智能大數(shù)據(jù)產(chǎn)業(yè)基金。

4.總結(jié)

根據(jù)全國金融工作會議導向，增強金融監(jiān)管協(xié)調(diào)的權威性有效性，強化金融監(jiān)管的專業(yè)性統(tǒng)一性穿透性，所有金融業(yè)務都要納入監(jiān)管，及時有效識別和化解風險。建立健全我市新金融綜合監(jiān)測服務平臺，對于金融風險防范工作創(chuàng)新和有益嘗試，一方面可有效拓展相關監(jiān)管機構(gòu)的視野，減輕日常監(jiān)管的工作壓力和負擔，實現(xiàn)對新金融風險的“早發(fā)現(xiàn)、早研判、早預警、早處置”；另一方面也會對新金融機構(gòu)運營和發(fā)展形成威懾和規(guī)范引導作用，從而促進區(qū)域新金融產(chǎn)業(yè)健康可持續(xù)發(fā)展。

未來，可以基于區(qū)域試驗性落地經(jīng)驗，并結(jié)合其他地區(qū)特點進行系統(tǒng)優(yōu)化，推廣試驗。成為金融監(jiān)管、金融風控的示范項目，也是地方新金融機構(gòu)擁護監(jiān)管，證明機構(gòu)實力的標桿項目。在地方政府金融監(jiān)管部門指導下，不斷優(yōu)化加強系統(tǒng)智能監(jiān)管能力，對規(guī)范新金融發(fā)展，踐行普惠金融起到推動作用。

參考文獻：

[1].趙文瑜， 范濤， 候秦，等. 金融交易風險監(jiān)控平臺的相關技術研究[J]. 電子測試， 2016（17）：178-181.

[2].黃清觀. 論提升互聯(lián)網(wǎng)防控金融風險監(jiān)測預警能力[J]. 公安教育， 2018（2）：34-37.

[3].李博. 探析商業(yè)銀行供應鏈金融風險控制[J]. 財會學習， 2018（11）.

[4].袁軼. 商業(yè)銀行金融會計風險防范與控制[J]. 財會學習， 2018（16）.

[5].陶興海. 基于Scrapy框架的分布式網(wǎng)絡爬蟲實現(xiàn)[J]. 電子技術與軟件工程， 2017（11）：23-23.

[6].Harter T， Borthakur D， Dong S， et al. Analysis of HDFS under HBase： a facebook messages case study[M]. USENIX Association， 2014.

[7].Wang K， Meng Q， Zhang Y， et al. High-performance two-ply yarn supercapacitors based on carbon nanotubes and polyaniline nanowire arrays.[J]. Advanced Materials， 2013， 25（10）：1494-1498.

[8].Zhao P， Yu Y， Feng W， et al. Evidence of evolutionary history and selective sweeps in the genome of Meishan pig reveals its genetic and phenotypic characterization.[J]. Gigascience， 2018， 7（5）.

[9].Vaddeman B. Creating and Scheduling Workflows Using Apache Oozie[M]// Beginning Apache Pig. 2016.

[10].Ladefoged L K， Zeppelin T， Schi？tt B. Molecular modeling of neurological membrane proteins ？ from binding sites to synapses[J]. Neuroscience Letters， 2018.

[11].Richins D， Ahmed T， Clapp R， et al. Amdahl's Law in Big Data Analytics： Alive and Kicking in TPCx-BB （BigBench）[C]// IEEE International Symposium on High Performance Computer Architecture. 2018.

[12].Richins D， Ahmed T， Clapp R， et al. Amdahl's Law in Big Data Analytics： Alive and Kicking in TPCx-BB （BigBench）[C]// IEEE International Symposium on High Performance Computer Architecture. 2018.

上海市經(jīng)濟和信息化委員會人工智能創(chuàng)新發(fā)展專項支持項目：針對新金融風險的大數(shù)據(jù)智能監(jiān)管平臺建設與應用，項目編號：2017-RGZN-01018