2020年8月7日-9日，第五屆CCF-GAIR全球人工智能與機(jī)器人峰會(huì)，于深圳隆重舉辦。

此次峰會(huì)由中國(guó)計(jì)算機(jī)學(xué)會(huì)主辦，雷鋒網(wǎng)、香港中文大學(xué)（深圳）聯(lián)合承辦，鵬城實(shí)驗(yàn)室、深圳市人工智能與機(jī)器人研究院協(xié)辦。

在大會(huì)第三日的「AI金融專場(chǎng)」中，《AI金融評(píng)論》邀請(qǐng)了6位最具代表性的頂尖AI金融專家，分享能夠代表未來(lái)10年風(fēng)向的智能技術(shù)方法論、產(chǎn)品邏輯和風(fēng)險(xiǎn)管理理念；也在2020這個(gè)特別的時(shí)間節(jié)點(diǎn)上，展望他們眼中的「AI金融新十年」。

華爾街知名建模和風(fēng)控專家黃又鋼參加了此次會(huì)議，他曾任摩根大通執(zhí)行董事和花旗銀行高級(jí)副總裁，擁有數(shù)十年的海外零售銀行數(shù)據(jù)分析經(jīng)驗(yàn)和前沿算法思維，今年回國(guó)與金融界頂尖技術(shù)大牛王強(qiáng)博士聯(lián)合創(chuàng)立了弘犀智能科技有限公司，出任首席風(fēng)控官。

以《小微貸款風(fēng)控模型中的算法探索》為主題，黃又鋼和嘉賓及與會(huì)朋友們分享了自己在風(fēng)控實(shí)踐中的一些心得體會(huì)。

黃又鋼認(rèn)為，中小微企業(yè)解決了國(guó)家80%的就業(yè)，這些企業(yè)的生存和貸款需求問(wèn)題是需要關(guān)心和全力解決。但和上市的公司相比，這類企業(yè)信息透露不夠充分，數(shù)據(jù)來(lái)源紛雜，數(shù)據(jù)格式不標(biāo)準(zhǔn)，數(shù)據(jù)更新周期不穩(wěn)定，導(dǎo)致面向中小微企業(yè)的信貸產(chǎn)品難度更高。中小微企業(yè)信用貸款是一個(gè)世界性的難題，除了有國(guó)家層面的政策扶助，更需要頂尖人才的智慧和付出。

在現(xiàn)場(chǎng)，黃又鋼主要介紹了集成算法，降維算法、聚類算法和決策樹(shù)算法。他指出，現(xiàn)在弘犀智能建任何模型一定是“雙軌模型”， 即兩個(gè)算法同時(shí)進(jìn)行。

此外，黃又鋼還解釋了實(shí)操“雙軌”建模中的幾大過(guò)程，詳細(xì)講述了人群分類在建模中的重要性，分享了算法探索與創(chuàng)新方面的兩個(gè)思路。

以下為黃又鋼演講全文，雷鋒網(wǎng)AI金融評(píng)論做了不改變?cè)獾恼?/strong>（關(guān)注《AI金融評(píng)論》公眾號(hào)，發(fā)送關(guān)鍵詞“黃又鋼”，獲取他的演講PPT。）：

首先，感謝雷鋒網(wǎng)提供這樣的平臺(tái)。

在美國(guó)，這樣的機(jī)會(huì)不是很多，各行業(yè)封閉得很厲害。能夠有平臺(tái)互相交流，特別是看到有這么多年輕的朋友在這里聽(tīng)，真的很好。

我今天的主題是《小微貸款風(fēng)險(xiǎn)模型中的算法探索》。首先，我想談?wù)劰墒泻托刨J誰(shuí)更難這個(gè)問(wèn)題。

股市VS信貸，誰(shuí)更難？

從人才角度，信貸行業(yè)急需人才。

股票市場(chǎng)比較容易吸引人眼球，高大上的人都選擇去那兒。不光是中國(guó)，美國(guó)更是如此，華爾街吸引了全球最高端的人才。

但是，如果有人選擇信用貸款，特別是到小微貸款這個(gè)行業(yè)，給大家的感覺(jué)像是無(wú)奈之舉。

而且，兩者都是在處理非常復(fù)雜的問(wèn)題，股票市場(chǎng)需要需要考慮幾千家上市公司和幾千萬(wàn)散戶的博弈，而小微貸款也需要考慮到幾千萬(wàn)家企業(yè)。

如何判斷一家企業(yè)的信用、以什么樣的利率貸款給企業(yè)、如何貸款后收到還款，這些都是非常復(fù)雜的問(wèn)題，需要人才，尤其是頂尖人才去分析。

從數(shù)據(jù)層面，信貸比股票市場(chǎng)更難，信貸行業(yè)更需要標(biāo)準(zhǔn)和規(guī)范和確切的數(shù)據(jù)。

股票市場(chǎng)上，每家公司必須有財(cái)報(bào)，它的格式和框架是一致的。財(cái)報(bào)的數(shù)據(jù)是標(biāo)準(zhǔn)的、業(yè)績(jī)等信息發(fā)布的時(shí)間和周期是確定的，我們可以確切的得到股票市場(chǎng)里的許多重要信息。

和上市的公司相比，小微企業(yè)的信息透露不夠充分，數(shù)據(jù)來(lái)源紛雜，數(shù)據(jù)格式不標(biāo)準(zhǔn)，數(shù)據(jù)更新周期不穩(wěn)定，導(dǎo)致面向中小微企業(yè)的信貸產(chǎn)品難度更高。中小微企業(yè)信用貸款是一個(gè)世界性的難題。

在股票市場(chǎng)，我們要關(guān)注兩件事：價(jià)格和數(shù)量。什么價(jià)格買(mǎi)？高價(jià)買(mǎi)，還是低價(jià)買(mǎi)？買(mǎi)多少數(shù)量？1千股還是1萬(wàn)股？

而在信用貸款行業(yè)中，我們需要關(guān)注它的四個(gè)維度：

 一是風(fēng)險(xiǎn)程度，我要判斷你這個(gè)人是否靠譜；二是給你放貸，我給你多少利息，價(jià)格是高是低；三是我給你多少錢(qián)，借你1000元、1萬(wàn)元還是300萬(wàn)元；四是期限，我是按天、按月計(jì)算還是按年計(jì)算？

在我國(guó)，中小微企業(yè)解決了國(guó)家80%的就業(yè)，這些企業(yè)的生存和貸款需求問(wèn)題是需要持續(xù)關(guān)心和全力解決的。

2006年，諾貝爾和平獎(jiǎng)給了孟加拉國(guó)的經(jīng)濟(jì)學(xué)家，當(dāng)時(shí)我在花旗銀行，聽(tīng)到這個(gè)故事非常感動(dòng)。經(jīng)濟(jì)學(xué)家真正去底層考察和生活，把27美元借給40多人，每人幾毛錢(qián)、幾美分地貸，這很難得。

當(dāng)時(shí)花旗銀行沒(méi)有小微貸款，也沒(méi)有普惠的概念。我直接找到我老板，我問(wèn)他看和平獎(jiǎng)了嗎？他說(shuō)看了。我問(wèn)他花旗銀行怎么沒(méi)有普惠性的東西？他聳了聳肩，沒(méi)搭理我。我問(wèn)我們能否做這樣的事情，他回答我“做好你的工作就行了，別管那么多閑事”。

美國(guó)的銀行在為富人服務(wù)，他們并不關(guān)心底下的中小企業(yè)。而在中國(guó)，國(guó)家真的會(huì)把錢(qián)傾斜到中小企業(yè)身上。

機(jī)器學(xué)習(xí)算法概述

機(jī)器學(xué)習(xí)是AI的分支，現(xiàn)在機(jī)器學(xué)習(xí)有非常成熟的算法。我很喜歡這個(gè)圖片，雖然這張并不是最新的圖片。

它列出的算法比較規(guī)范、有條理性。深度學(xué)習(xí)、集成算法、神經(jīng)網(wǎng)絡(luò)、正則化算法、規(guī)則算法、回歸算法、貝葉斯算法、決策樹(shù)算法、降維算法、實(shí)例算法、聚類算法，這些算法十幾年前就有了，有些仍在不斷更新。

如果一個(gè)人想做機(jī)器學(xué)習(xí)，至少要懂每個(gè)算法的原理，這些算法背后的邏輯是什么？其底層數(shù)據(jù)是怎么回事？

我今天主要介紹集成算法、降維算法、聚類算法和決策樹(shù)算法。每個(gè)算法都有實(shí)實(shí)在在的應(yīng)用和意義，不是為了算法而算法。

如何應(yīng)用算法？我們現(xiàn)在做任何模型一定是兩個(gè)算法同時(shí)進(jìn)行，既要做傳統(tǒng)模型回歸算法，也要做機(jī)器學(xué)習(xí)算法。傳統(tǒng)模型主要指的是回歸算法（LR），取決于應(yīng)用場(chǎng)景。機(jī)器學(xué)習(xí)模型，我們主要指的是XGB，集成隨機(jī)樹(shù)的算法。

經(jīng)典風(fēng)控領(lǐng)域全都是以回歸模型為主導(dǎo)。原因在于其穩(wěn)定性好，可解釋性非常強(qiáng)。

在美國(guó)，機(jī)器學(xué)習(xí)在任何信貸場(chǎng)景都不能落地，也不能使用，原因在于我們無(wú)法解釋底層拒絕貸款申請(qǐng)的原因是什么。由于不能解釋，在美國(guó)的法規(guī)下就不能應(yīng)用。所以機(jī)器學(xué)習(xí)只能在底層，我們分析團(tuán)隊(duì)、模型團(tuán)隊(duì)可以高大上地玩，但只能玩而已，真正實(shí)戰(zhàn)一律不許用。

在中國(guó)，我們不僅玩，還有機(jī)會(huì)可以使用。至少?gòu)姆ㄒ?guī)層面，我們還沒(méi)有嚴(yán)格要求拒絕一個(gè)貸款必須跟企業(yè)或者客戶解釋理由。

實(shí)操“雙軌”建模有幾大過(guò)程：一是預(yù)測(cè)能力的比較； 二是變量維度的判斷；三是對(duì)比同一個(gè)觀測(cè)值，如何交叉使用；四是策略應(yīng)用，即如何使用這個(gè)模型。

如何使用這兩個(gè)模型？我們可以將數(shù)據(jù)集分為兩類（路徑）：一類是傳統(tǒng)模型，另一類是機(jī)器學(xué)習(xí)模型。

建完模型一定要有預(yù)測(cè)能力，假如用KS表述模型的準(zhǔn)確率，你可以通過(guò)ROC、AUC等統(tǒng)計(jì)控制。

假如我們用（統(tǒng)計(jì)）變量（做評(píng)估），不管（使用）哪個(gè)統(tǒng)計(jì)變量一定有好壞的比較。機(jī)器學(xué)習(xí)好或者不好的比較，首先是評(píng)測(cè)模型的層面。

有了模型層面的比較后，（談）模型一定會(huì)牽扯具體的特征值或者變量。

它用哪些變量，在變量的層面上我們也進(jìn)行比較。真正實(shí)際應(yīng)用的是特征（變量），關(guān)鍵特征特別是關(guān)鍵維度覆蓋性怎么樣？傳統(tǒng)模型覆蓋了多少？10個(gè)維度還是20個(gè)維度？機(jī)器學(xué)習(xí)的維度到底是多少？都是我們需要考慮的。

由于傳統(tǒng)模型回歸算法的局限性，它是線性（關(guān)系）的，維度一般在10～30個(gè)變量。而機(jī)器學(xué)習(xí)在準(zhǔn)確性等方面比傳統(tǒng)模型要好；

在變量層面，總體來(lái)說(shuō)機(jī)器學(xué)習(xí)完全沒(méi)有概念和業(yè)務(wù)場(chǎng)景的限制，可以按照數(shù)據(jù)結(jié)構(gòu)往下走，使用的變量相對(duì)較多。比如XGboost有一兩百個(gè)變量是常態(tài)，三五百個(gè)變量也是常態(tài)。

我們比較兩個(gè)模型時(shí)，在變量維度之間要做一個(gè)比較。

一般來(lái)講我們建回歸模型，在處理變量時(shí)，我們做了數(shù)據(jù)本身的轉(zhuǎn)換，可以在變量維度上做聚類分析，控制變量維度。假定回歸有20個(gè)變量，回歸模型一般就（代表）有20個(gè)維度。

雖然機(jī)器學(xué)習(xí)的變量很多，但是我們至少可以判斷維度上是不是有問(wèn)題。

而每個(gè)觀測(cè)值的評(píng)分，也是需要具體比較的。如果評(píng)分一致，我可以確定這個(gè)企業(yè)的評(píng)分比較準(zhǔn)確。但是，如果兩個(gè)評(píng)分出現(xiàn)差異怎么辦？如一家企業(yè)用傳統(tǒng)模型測(cè)出720分，用機(jī)器學(xué)習(xí)測(cè)出來(lái)可能只有600分。

（也即）回歸模型說(shuō)這個(gè)人風(fēng)險(xiǎn)低，機(jī)器學(xué)習(xí)說(shuō)這個(gè)人風(fēng)險(xiǎn)高，那我們?nèi)绾螞Q策？這是我們后端策略上要解決的問(wèn)題。

綜上所述，每一個(gè)評(píng)分的好壞，可以通過(guò)三個(gè)層面的比較：模型層面、變量層面、觀測(cè)者層面。

人群分類是建模中十分重要的環(huán)節(jié)。如圖示，這里有多個(gè)子人群。如果我能把人群打開(kāi)，按照其實(shí)際狀態(tài)，分為紅、綠、黃等圖中標(biāo)注的群體，在每一個(gè)人群上做獨(dú)立的測(cè)試，可能會(huì)做出更好的預(yù)測(cè)。

這是人群分類的基本點(diǎn)。任何人群可能會(huì)存在不同的子人群中。每個(gè)子人群可能會(huì)有其獨(dú)立的特征和趨勢(shì)。問(wèn)題是我們能否找到這樣的趨勢(shì)和特征。

而前提條件是我們能否把人群分開(kāi)，每個(gè)人（建模師）的經(jīng)驗(yàn)不同所以做到的程度不同。

決策樹(shù)算法和聚類算法是人群分類中常用的兩個(gè)算法。決策樹(shù)算法，是用樹(shù)的方法把底下人群分為幾個(gè)葉子，每個(gè)葉子為一個(gè)子人群。

聚類算法，是以每個(gè)觀測(cè)點(diǎn)（如企業(yè)）的相似性為基礎(chǔ)，將相似的企業(yè)分為一類?！跋嗨菩浴笔怯山y(tǒng)計(jì)學(xué)上的距離來(lái)決定的。從機(jī)器學(xué)習(xí)角度分為有監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)。有監(jiān)督，指的是知道Y是什么，在有Y標(biāo)簽的前提下進(jìn)行訓(xùn)練。無(wú)監(jiān)督，指的是不知道Y，只知道X變量。決策樹(shù)算法是有監(jiān)督算法的一種，而聚類算法是無(wú)監(jiān)督算法的一種。

這兩種算法都非常有用。

目前的算法變量越多，計(jì)算量越大，信息多了可以做更好的事情，信息多了可以分析各個(gè)層面，可能會(huì)有更好的結(jié)果，所以我們引入特征變量端。

但是，在實(shí)際的統(tǒng)計(jì)分析上并非如此，信息多了可能會(huì)帶來(lái)更多的噪音，當(dāng)你無(wú)法區(qū)分噪音和有效數(shù)值時(shí)，你可能把噪音當(dāng)做有用的。

變量越多，算力肯定很沉重，如果我們涉及幾千萬(wàn)人，算法用到幾百棵樹(shù)的時(shí)候，我們算力的時(shí)間不是按小時(shí)、分鐘，可能是按天計(jì)算。

特征少自然最好，我們能判斷我們的特征是否是真的重要特征。我有5萬(wàn)個(gè)變量、1萬(wàn)個(gè)變量，過(guò)程中我選出20個(gè)變量，這20個(gè)變量是不是真正的主要變量？

在1000個(gè)、10000個(gè)變量里如何選擇20個(gè)你認(rèn)為關(guān)鍵的，這是我們算法上要解決的問(wèn)題。

人群分類實(shí)際操作的第一步，是構(gòu)造分類。

我們從模型數(shù)據(jù)中判斷，最上面的分支我們不做任何人群分類，全體人群做回歸模型。出來(lái)的20個(gè)變量、30個(gè)變量，我們暫時(shí)判定經(jīng)過(guò)一個(gè)算法（如LR），這20個(gè)變量是主要的變量、主要的特征。

我把這個(gè)主要特征應(yīng)用到后面的人群分類，通過(guò)回歸模型判斷主要特征。

在此之后做人群分類，不管任何時(shí)候，數(shù)據(jù)驅(qū)動(dòng)一定是我們的方法之一。

人的經(jīng)驗(yàn)（業(yè)務(wù)經(jīng)驗(yàn)）一定有意義，人（的經(jīng)驗(yàn)）和數(shù)據(jù)驅(qū)動(dòng)永遠(yuǎn)是相輔相成的。如果你只靠機(jī)器學(xué)習(xí)做所有決策，不能說(shuō)絕對(duì)不對(duì)，但可能走到比較危險(xiǎn)的地方。

從算法層面，我用兩類算法，監(jiān)督和無(wú)監(jiān)督。

在特征變量上，我給出兩個(gè)的維度（主要變量和全量變量），主要變量可以方便我們快速有效地分類。而全量變量可以全面考查各方面的信息。

第二步是比較評(píng)估，我們用兩個(gè)算法，決策樹(shù)和

Cluster（聚類算法），及在特征變量上兩個(gè)維度，那麼我們一起構(gòu)成4個(gè)人群分類的方法。決策樹(shù)用關(guān)鍵（主要）變量（ST2），SK1用聚類算法用全量變量。說(shuō)是4個(gè)方法 （4個(gè)圈）， 可是每個(gè)圈可以是非常復(fù)雜的東西。

假定用決策樹(shù)，如果特征有2000個(gè)變量，這個(gè)樹(shù)可以長(zhǎng)到幾百個(gè)，非常容易。

決策樹(shù)要對(duì)著2000個(gè)變量找樹(shù)，統(tǒng)計(jì)上可以做限制。每一層分多少？葉子最多是多少？分多少層？有2000個(gè)變量足夠你找?guī)装倏脴?shù)，在幾百棵樹(shù)下，至少有幾百個(gè)子集。

你用聚類也可以做很多的聚類人群。

在做了決策樹(shù)等4個(gè)方法后，怎么知道哪個(gè)人群分類的方法就是好的呢？

我們最終談的是預(yù)期模型和預(yù)測(cè)。在一個(gè)方法中可能出了200個(gè)子集，在另一個(gè)方法中出了40個(gè)子集。每一個(gè)子集要建模型，重新合起來(lái)，直到可以判斷總?cè)巳旱降资呛眠€是不好。

這四個(gè)方法，上面有一個(gè)LR模型，這是主模型，合到最后是5個(gè)模型。這5個(gè)模型之間的KS預(yù)測(cè)值誰(shuí)好誰(shuí)壞，可以判斷最終的效果。

不管分成多少個(gè)子集，我們最終要回歸到總?cè)巳荷媳容^，才能證明哪個(gè)方法好還是不好。

如果一個(gè)決策樹(shù)分為300個(gè)人群，那麼就會(huì)有300個(gè)模型，再加上總量的一個(gè)模型，就是301個(gè)模型。任何一個(gè)方法底層意味著幾百個(gè)模型。

人群分類的概念聽(tīng)起來(lái)非常簡(jiǎn)單，實(shí)際操作相當(dāng)復(fù)雜。最終的結(jié)果有明確的評(píng)判好壞的標(biāo)準(zhǔn)，一是算法層面，二是參數(shù)層面，最終的效果必須匯總到整體后才可以評(píng)判。

算法及應(yīng)用的探索

前面談到如何分類人群，最后我們講一講算法的探索。

我回到中國(guó)學(xué)到一個(gè)詞叫混搭，衣服、鞋子都可以混搭，我的女兒告訴我她左腳穿紅襪子，右腳穿藍(lán)襪子，這就是混搭。

混搭的概念在統(tǒng)計(jì)里早就應(yīng)用到。比如兩種算法相互匹配，兩種算法相互兼容，兩種算法相互嵌入，就可能做新的算法。

如何做回歸算法和集成隨機(jī)決策樹(shù)算法二者之間的交互？

我們可以先訓(xùn)練LR模型，然后分箱（分層），分箱后每個(gè)點(diǎn)之間一定有誤差值。在誤差值的基礎(chǔ)上，哪個(gè)層面的誤差值最大，就在哪個(gè)層面直接插入XGboost。用 XGboost在這一層上單獨(dú)進(jìn)行計(jì)算以減小預(yù)測(cè)誤差。至于如何使用，是屬于技術(shù)上的問(wèn)題了。

算法探索與創(chuàng)新方面有兩個(gè)思路。

一是在單一算法層面，從數(shù)學(xué)角度和（或）計(jì)算機(jī)角度，產(chǎn)生新的突破。

二是兩種（或多種）算法的相互嵌入和混搭形成新的算法。比如XGboost的算法就是這樣混搭出來(lái)的。從實(shí)際應(yīng)用的層面，“匹配”可能會(huì)更快地實(shí)現(xiàn)突破， 即現(xiàn)成的算法匹配特定的人群和特定的特征，就可能產(chǎn)生非常成功的應(yīng)用，比如CNN算法在圖像識(shí)別上的應(yīng)用效果就是一個(gè)事例。

未來(lái)的方向是“算法+人群+特征”，也即，算法的突破，人群的細(xì)分，數(shù)據(jù)的深挖，及相互之間適當(dāng)?shù)钠ヅ涠伎赡墚a(chǎn)生革命性的突破。

關(guān)于 CCF-GAIR 2020 AI金融專場(chǎng)

「AI金融專場(chǎng)」是CCF-GAIR 2020最受關(guān)注的主題論壇之一，其余5位嘉賓分別是：國(guó)際人工智能聯(lián)合會(huì)首位華人理事會(huì)主席楊強(qiáng)、平安集團(tuán)首席科學(xué)家肖京、京東數(shù)字科技集團(tuán)副總裁程建波、移卡集團(tuán)副總裁奚少杰、統(tǒng)計(jì)學(xué)諾貝爾-COPSS總統(tǒng)獎(jiǎng)得主范劍青。

「AI金融專場(chǎng)」除了擁有業(yè)內(nèi)最頂尖的陣容外，每年都會(huì)吸引中國(guó)及歐美地區(qū)眾多AI金融專家到場(chǎng)。在上一屆論壇中，加拿大工程院院士、Citadel首席人工智能官鄧力博士，加拿大工程院院士凌曉峰教授等多位重量級(jí)人物來(lái)到現(xiàn)場(chǎng)學(xué)習(xí)交流。

而在今年，包括黃鎧、劉江川、王強(qiáng)等十多位IEEE Fellow以及各大金融機(jī)構(gòu)的首席信息官/科學(xué)家來(lái)到現(xiàn)場(chǎng)，共同促進(jìn)AI金融的產(chǎn)學(xué)融合與商業(yè)應(yīng)用。（雷鋒網(wǎng)雷鋒網(wǎng)）

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。