以人工智能算法監(jiān)測預(yù)警的金融風(fēng)控大數(shù)據(jù)平臺建設(shè)研究

高翔?李遠(yuǎn)輝?許傳斌?唐亮

摘 要 近年來，受經(jīng)濟(jì)下行、商事制度改革過渡期、群眾金融知識普遍缺乏等因素影響，非法集資犯罪手段不斷翻新，支付方式更加多元，擴(kuò)散速度不斷加快，犯罪活動周期大大縮短，非法集資案件持續(xù)呈高發(fā)趨勢。通過大數(shù)據(jù)、人工智能等技術(shù)建立企業(yè)金融風(fēng)險監(jiān)測預(yù)警大數(shù)據(jù)平臺，以構(gòu)建立體化、社會化、信息化的監(jiān)測預(yù)警體系，及早引導(dǎo)、規(guī)范、處置非法集資行為，遏制非法集資高發(fā)勢頭，已成為當(dāng)前防范和打擊非法集資的必要手段。

關(guān)鍵詞 金融知識;非法集資;支付方式

1 背景

隨著國家對金融市場管控政策的不斷調(diào)整以及互聯(lián)網(wǎng)金融的快速發(fā)展，非法集資項目推介的主渠道向線上轉(zhuǎn)移，犯罪手段不斷翻新，支付方式更加多元，擴(kuò)散速度不斷加快，犯罪活動周期大大縮短，且不斷向新的行業(yè)、領(lǐng)域蔓延。涉案公司基本處于“無前置審批”、“無行業(yè)標(biāo)準(zhǔn)”、“無準(zhǔn)入門檻”、“無規(guī)范性文件管理”的“四無”狀態(tài)，呈作案手段電子化、網(wǎng)絡(luò)化，傳播途徑多樣化，行業(yè)分布廣泛化等特點(diǎn)，隱蔽性極強(qiáng)，很難提前發(fā)現(xiàn)，給打擊非法集資工作帶來了新困局。

據(jù)處置非法集資部際聯(lián)席會議（簡稱聯(lián)席會議）辦公室統(tǒng)計，2018年全國新發(fā)非法集資案件5693起，同比增長12.7%;涉案金額3542億元，同比增長97.2%，達(dá)歷年峰值。案件集中于東部經(jīng)濟(jì)發(fā)達(dá)地區(qū)和部分中部省市。投融資中介機(jī)構(gòu)、互聯(lián)網(wǎng)金融平臺、私募基金、商業(yè)零售等領(lǐng)域風(fēng)險突出，新發(fā)案件占總數(shù)的44.2%，涉案金額占總額的65%。新發(fā)互聯(lián)網(wǎng)集資案件數(shù)占比30%，涉案金額和人數(shù)分別占到69%和86%。

2 現(xiàn)狀及問題

當(dāng)今非法集資手段出現(xiàn)電子化、網(wǎng)絡(luò)化、傳播途徑多樣化、行業(yè)分布的廣泛化等特點(diǎn)，面對互聯(lián)網(wǎng)時代非法集資出現(xiàn)的新特點(diǎn)、新趨勢、新手段，傳統(tǒng)的防范監(jiān)管模式已經(jīng)不能適應(yīng)，無法在出現(xiàn)風(fēng)險苗頭時及早發(fā)現(xiàn)并有效處置，基本都在案發(fā)后被動地打擊處置。金融監(jiān)管主要以被動監(jiān)測為主，監(jiān)管部不能及時發(fā)現(xiàn)企業(yè)非法集資行為。加之企業(yè)非法集資行為的識別、預(yù)警、發(fā)現(xiàn)、處置，涉及多個部門，目前沒有高效手段進(jìn)行整合。實現(xiàn)省、市、縣、街道（鄉(xiāng)鎮(zhèn)）"四級聯(lián)動"。構(gòu)建一個高效的主動監(jiān)督、全社會的廣泛參與、處置有序的金融風(fēng)險防范平臺成為當(dāng)務(wù)之急。

3 建設(shè)內(nèi)容

以大數(shù)據(jù)和云計算為技術(shù)支撐，通過技術(shù)創(chuàng)新和模式創(chuàng)新，對企業(yè)實時監(jiān)測，從線下基礎(chǔ)數(shù)據(jù)信息等多個維度進(jìn)行全方位分析、按照風(fēng)險指數(shù)分級預(yù)警，利用風(fēng)險防控關(guān)口前移，做到早識別、早預(yù)警、早發(fā)現(xiàn)、早處置;以人工智能粗糙模糊神經(jīng)網(wǎng)絡(luò)模型（RST-FNN）于金融風(fēng)險預(yù)警平臺的運(yùn)用，提高工作效率節(jié)約金融風(fēng)險防范和處置成本，實現(xiàn)主動發(fā)現(xiàn)風(fēng)險、評估風(fēng)險、固化證據(jù)、判斷趨勢、及時干預(yù)和聯(lián)合打擊六大目標(biāo)。堅決守住不發(fā)生區(qū)域性、系統(tǒng)性金融風(fēng)險的底線，推動地方金融治理由傳統(tǒng)的被動監(jiān)管、粗放監(jiān)管、突發(fā)式應(yīng)對向主動監(jiān)管、精準(zhǔn)監(jiān)管和協(xié)同監(jiān)管模式轉(zhuǎn)變。使非法集資案件高發(fā)頻發(fā)勢頭得到遏制，存量風(fēng)險及時有效化解，增量風(fēng)險逐步減少，非法集資監(jiān)測到位，預(yù)警及時，防范得力。切實維護(hù)金融秩序和社會穩(wěn)定，以及人民群眾財產(chǎn)安全。

4 平臺框架

平臺框架按照信息化項目建設(shè)的結(jié)構(gòu)層次進(jìn)行劃分，分為基礎(chǔ)層、支撐層、應(yīng)用層三個層次。

應(yīng)用層：通常信息化建設(shè)的表現(xiàn)層就是軟件應(yīng)用界面，或者是業(yè)務(wù)操作子系統(tǒng)，但是平臺的應(yīng)用層除了本平臺之外，還需要建設(shè)一個對外服務(wù)的接口，實現(xiàn)企業(yè)金融風(fēng)險的引導(dǎo)、規(guī)范和處置。

支撐層：數(shù)據(jù)管理層通過數(shù)據(jù)采集、數(shù)據(jù)存儲、數(shù)據(jù)處理、數(shù)據(jù)分析和數(shù)據(jù)挖掘包括企業(yè)基本信息，互聯(lián)網(wǎng)輿情數(shù)據(jù)，招聘數(shù)據(jù)，財務(wù)數(shù)據(jù)等形成數(shù)據(jù)庫。以及基于數(shù)據(jù)存儲的標(biāo)準(zhǔn)、規(guī)范等。

基礎(chǔ)層：基于現(xiàn)有電子政務(wù)外和政府?dāng)?shù)據(jù)基礎(chǔ)平臺。

5 人工智能算法

將粗糙集理論（RST）[1]與模糊神經(jīng)網(wǎng)絡(luò)（FNN）相結(jié)合的技術(shù)對現(xiàn)存的人工智能算法進(jìn)行改進(jìn)和優(yōu)化。粗糙集理論能有效地分析不精確、不一致不完整等各種不完備的信息，對數(shù)據(jù)進(jìn)行分析和推理，揭示潛在的規(guī)律。模糊神經(jīng)網(wǎng)絡(luò)同時具有神經(jīng)網(wǎng)絡(luò)和模糊邏輯的優(yōu)點(diǎn)，其具有很好的學(xué)習(xí)能力，采用并行分布處理方法使得快速進(jìn)行大量運(yùn)算成為可能，并且能夠同時處理定量、定性知識。以粗糙集模糊神經(jīng)網(wǎng)絡(luò)（RST-FNN）模型[2]應(yīng)用于金融風(fēng)險預(yù)警平臺，預(yù)警非法集資企業(yè)。粗糙集的知識約簡對平臺數(shù)據(jù)具有去噪消冗，彌補(bǔ)了平臺指標(biāo)體系對模糊神經(jīng)網(wǎng)絡(luò)的“維數(shù)爆炸”災(zāi)難。應(yīng)用結(jié)果表明，該模型在平臺預(yù)測準(zhǔn)確性較高，利用粗糙集理論對模糊神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)進(jìn)行預(yù)處理，提取其中的關(guān)鍵成分作為神經(jīng)網(wǎng)絡(luò)的輸入以及初始規(guī)則的組成元素，可以簡化神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，且具有結(jié)構(gòu)精簡、收斂速度快及泛化能力強(qiáng)、提高訓(xùn)練樣本、縮短訓(xùn)練時間等特點(diǎn)。

6 核心數(shù)據(jù)庫及應(yīng)用模型建設(shè)

根據(jù)監(jiān)測范圍，以全國企業(yè)法人庫為基礎(chǔ)，結(jié)合微博、微信、貼吧、媒體等互聯(lián)網(wǎng)全量輿情數(shù)據(jù)，構(gòu)建核心數(shù)據(jù)庫，對企業(yè)進(jìn)行穿透分析，分析異地非法集資的企業(yè)股東、高管等關(guān)聯(lián)關(guān)系，對企業(yè)經(jīng)營活動進(jìn)行動態(tài)監(jiān)測。建立“人工智能風(fēng)險監(jiān)測模型”，可以對行業(yè)領(lǐng)域風(fēng)險排查、監(jiān)測預(yù)警和集中整治提供數(shù)據(jù)支撐。

通過完善基礎(chǔ)應(yīng)用，打通、融合橫向數(shù)據(jù)源，整合各類信息資源，利用機(jī)器學(xué)習(xí)、自然語言處理、神經(jīng)網(wǎng)絡(luò)技術(shù)，構(gòu)建企業(yè)金融風(fēng)險指數(shù)分析模型，從海量數(shù)據(jù)中篩選出與企業(yè)金融風(fēng)險高度相關(guān)的幾類指標(biāo)，構(gòu)建“風(fēng)險指數(shù)”模型?！帮L(fēng)險指數(shù)”分?jǐn)?shù)越高，該企業(yè)風(fēng)險就越高。通過全方位的風(fēng)險模型監(jiān)測，對疑似金融風(fēng)險企業(yè)進(jìn)行分級預(yù)警，構(gòu)筑金融風(fēng)險防控體系。

7 風(fēng)險處置對接

平臺根據(jù)設(shè)置的預(yù)警閥值進(jìn)行自動預(yù)警，以短信方式通知監(jiān)管專員。監(jiān)管專員可查看信息列表，根據(jù)風(fēng)險詳情及工作經(jīng)驗判斷該預(yù)警是否派單給相關(guān)部門排查。若派單排查，平臺自動發(fā)送短信到相關(guān)單位管理員手機(jī)，接收任務(wù)上門排查，根據(jù)排查情況報送平臺，監(jiān)管專員依據(jù)情況處置。

8 成果

金融風(fēng)險監(jiān)測預(yù)警平臺通過機(jī)器學(xué)習(xí)、自然語言處理、神經(jīng)網(wǎng)絡(luò)技術(shù)，構(gòu)建非法集資風(fēng)險指數(shù)分析模型，通過人工智能、機(jī)器學(xué)習(xí)從海量數(shù)據(jù)中篩選出與企業(yè)非法集資風(fēng)險高度相關(guān)的幾類指標(biāo)，建立“風(fēng)險指數(shù)”模型，構(gòu)建全方位、及時的非法集防控體系。相比同類平臺，有明顯的技術(shù)優(yōu)勢和實用應(yīng)用效果。

區(qū)域企業(yè)金融風(fēng)險監(jiān)測預(yù)警大數(shù)據(jù)平臺的建成，實現(xiàn)了立體化、社會化、信息化監(jiān)測預(yù)警機(jī)制，加強(qiáng)信息監(jiān)測和分析研判，及時掌握苗頭性、敏感性信息和線索，科學(xué)防范，早識別、早預(yù)警、早發(fā)現(xiàn)、早處置，著力防范化解金融風(fēng)險。

參考文獻(xiàn)

[1] Pawlak Z.Rough sets[J].International Journal of Computer and Information Science，1982，（11）：341-356.

[2] 黃福員.金融風(fēng)險預(yù)警的RST-FNN模型研究[J].人工智能，2013， （31）：7078-7082，7095.

作者簡介：

高翔（1979-），男;學(xué)歷：碩士，職稱：中級工程師，現(xiàn)就職單位：長沙市天心閣大數(shù)據(jù)研究院（人工智能信息中心），研究方向：電子系統(tǒng)工程。