零壹智库-2020中国金融科技风控报告-2020.7-40页_2mb

2020中国金融科技风控报告总结

核心内容

金融科技风控通过大数据、云计算、人工智能、机器学习、模型算法等技术手段，从数据、技术及客户三方面切入，实现了对传统风控模式的升级与优化。该模式有效解决了金融机构风控效能需求与传统风控方式之间的矛盾，提升了风险识别、预警和处置能力，成为防范化解金融风险的新利器。

主要观点

• 金融科技风控能够有效提升风控效率、降低成本，并拓展信用覆盖范围，实现对征信白户的识别与评估。
• 风控技术的不断进步，推动了金融科技风控进入2.0时期，实现从传统风控向智能化、个性化、全流程风控的转变。
• 金融科技风控的应用场景涵盖信贷、第三方支付、供应链金融等多个领域，为不同业务场景提供定制化解决方案。
• 风控生态的构建需要厂商、金融机构、用户、监管部门和社会舆论等多方共同参与，形成数据、技术与场景三位一体的风控体系。

关键信息

金融科技风控投融资情况

• 截至2020年6月8日，我国金融科技风控服务商共获得307笔融资，融资金额约731.1亿元。
• 2018年融资金额最高，达418.6亿元，2019年融资金额为63.5亿元，2020年上半年融资数量明显下降。
• 2019年融资金额排名前10的公司包括金融壹账通、同盾科技、玖富、Advance.ai等。

金融科技风控专利情况

• 2014年金融科技风控专利申请数为10项，2019年达到124118项，年复合增长率达63.82%。
• 阿里巴巴及支付宝是专利申请最多的公司，累计申请27项，覆盖贷款审批、投资决策、客户安全等多个领域。

金融科技风控应用场景

信贷场景

• 传统风控依赖人工审核和征信数据，存在效率低、成本高、征信覆盖不足等问题。
• 金融科技风控通过多维度数据和机器学习技术，实现对客户信用评估的智能化，提升审批效率和贷后管理能力。

第三方支付场景

• 传统风控难以应对支付交易规模扩大带来的挑战，如数据泄露、欺诈行为等。
• 金融科技风控通过智能风控引擎（如AlphaRisk）实现对支付交易的实时监控，降低风险事件发生率。

供应链金融场景

• 传统风控存在信息不对称、真实性考证难度大等问题，金融科技风控通过大数据和人工智能技术，实现对供应链金融企业的精准画像和实时监控，提升风险识别能力。

典型案例

• 招商银行风险门户：通过引入企业关联关系智能知识图谱，提升企业贷款审批和贷后管理效率，降低不良率。
• 支付宝AlphaRisk风控引擎：融合人类直觉AI与机器智能AI，实现支付交易风险的智能识别和管理，支持实时预警和应对。
• 合合信息“供应链核心企业大数据风控管理平台”：基于启信宝商业数据平台，提供企业关联关系排查、风险预警、舆情监控等一站式服务，助力供应链金融企业实现风险管控。

风控挑战及建议

挑战

• 数据孤岛问题依然存在，影响风险监控的全面性。
• 部分厂商通过爬虫技术过度采集用户数据，存在隐私侵犯风险。
• 风控体系需适应不断变化的金融业务场景，实现技术与业务的深度融合。

建议

• 构建数据、技术与场景三位一体的风控体系，提升风险识别和处置能力。
• 推动监管部门牵头，建立风险数据共享平台，统一数据标准和系统接口，打破数据孤岛。
• 增强用户隐私保护意识，规范数据采集和使用行为。
• 鼓励多方参与，形成健康、可持续发展的金融科技风控生态。

金融科技风控发展现状

• 金融科技风控已成为越来越多金融机构的主流技术选择。
• 金融科技的发展推动了风控体系从单一数据源向多维度数据融合转变。
• 风控技术在信贷、支付、供应链金融等场景中发挥重要作用，助力金融行业实现智能化、精准化、高效化发展。

风控生态构建

• 厂商负责技术开发与产品输出，金融机构应用风控技术提升业务能力。
• 用户授权数据，提升风控的精准度。
• 监管部门负责行业规范与数据安全，确保金融科技风控健康发展。
• 社会舆论监督，推动行业透明化与合规化。

总结

金融科技风控正在成为金融行业风险控制的重要手段，其技术体系和应用场景不断拓展，推动了风控模式从传统人工向智能化、数据驱动转变。在多方共同努力下，金融科技风控有望实现更广泛的应用和更高效的管理，助力金融行业高质量发展。