当前位置:保险 > 正文
顾青山:RegTech在保险领域的应用价值

  近年来,金融科技(FinTech)推动了传统金融机构加速转型,而转型后账户虚拟化、交易线上化、资金流转实时化、客户识别远程化等特点,也加速了业务风险的外溢。这些因素迫使金融机构自身和监管机构都要考虑如何在新技术新模式的环境下,利用新技术来控制内外部的风险和监管合规问题。金融科技的倒逼,使监管科技(RegTech)走向前台,并从金融科技中作为细分领域分化出来,成为近期的新兴名词。

  一、监管科技的作用及应用

  随着人工智能、机器学习和大数据等技术不断应用于金融领域,金融科技给用户带来前所未有的便捷和高效。金融机构逐渐认识到监管科技的重要性,并将监管科技应用于监管合规等多方面。金融科技的发展也给金融监管部门带来了很大的挑战,监管部门需要监管科技来平衡金融科技时代的发展与风险。

  1、以监管科技提升金融机构了解客户和监管合规水平

  金融机构做好充分了解自己客户(Know Your Customer,简称KYC)工作,是平衡金融发展与风险的重要环节,只有金融机构真正了解客户的信息,才能正确地识别风险,做好风险防控工作。金融科技的发展颠覆了传统KYC并提出了更高的要求。传统KYC由于贷款对象集中、数额大,KYC的成本相对较低。随着网络小额贷款等快速发展,金融机构将面临数量巨大的贷款客户,传统的KYC过程则会耗费巨大的人力成本。金融科技时代的KYC,更多地需要通过线上来完成,对机器、数据和算法的依赖程度远远高于传统KYC在线下通过人力来实现。当金融机构采用金融科技和监管科技时,可以通过机器学习来实现KYC过程。比如,在审查和评估客户申请资料时,能够极大地提高效率,节省人力和时间成本;在计算风险得分时,可以根据风险得分对客户进行分级,确定哪类用户或产品需要进行额外的监督,从而对风险进行精确控制。

  金融机构的KYC过程,不仅包括对客户的风险进行精准识别,更包括与客户发生的金融关系和行为是否符合监管要求(如反洗钱等)。因此,金融机构在KYC过程中还需要结合公共数据和私人数据对客户进行全面审查,这又将产生巨大的人力和时间成本。基于机器学习的风险评估也可以用于定期根据公共数据和私人数据源的审查,使用这些数据源可以对风险进行快速评估,同时还可以使用风险评分来帮助决策,以此来识别和锁定需要进一步重点审查的对象。比如,京东金融已初步建立起一套基于KYC流程和客户信息收集与验证的反洗钱模型,使用人脸识别、语音识别、设备指纹等人工智能技术,通过充分运用具备更高水平全局优化计算能力的人工智能和机器学习的方法,在提升获取客户信息的完整性与准确性的同时,更好地识别和应对系统性风险。

  当前的一些网络借贷平台,部分是由此前的民间借贷从线下搬到线上,识别客户风险的能力较弱,或者使用了较差的数据分析技术,最终违约率较高,产生较大的催收成本,在实际催收过程中,甚至鼓动借款人在别的平台上去借钱来偿还自身平台的借款,这就进一步放大了风险的传染和系统性,不利于金融稳定和社会和谐。可见,金融科技时代下金融机构KYC的能力也应该成为行业准入的监管标准,由此可以激励金融机构通过监管科技来提升KYC和监管合规水平,做好金融风险的防范。

  2、以监管科技提升监管机构识别风险的能力

  数据质量是监管机构识别风险的基本条件,监管科技将在数据质量提升方面发挥重要作用。金融科技时代的监管难点首先源自数据方面,这主要表现在数据的粗放性(Extensive)和集约性(Intensive)程度都不断增加。数据的粗放性主要是金融交易所产生的数据体量越来越大,金融机构需要处理大量的业务数据,监管机构也需要处理大量的监管数据,同时金融交易的频度越来越高,参与的主体越来越多,随着许多实时交易将被纳入监管体系,需要监管的高频数据容量越来越大。数据的集约性主要是数据的复杂程度,随着金融交易的复杂程度提升,单个指标的数据往往不能反映交易本身的完整信息,需要大量不同指标的数据进行分析才能挖掘出金融交易背后的真正原因,金融科技的发展还产生了大量的非结构性数据,使得数据的复杂程度越来越高,增加了数据处理和数据分析的难度。

  金融科技时代下金融机构KYC成本不断提升的同时,监管机构要全面了解其被监管的金融机构和金融市场运行的情况,其成本和难度也在不断增加,这就需要监管科技来提升数据的质量和分析处理能力。监管科技可以利用人工智能和机器学习来自动化处理金融数据,一方面可以获取大量和较为全面的金融数据,另一方面还可以使金融数据的质量符合监管的要求。比如,金融机构在向监管机构报送的数据中,经常会存在一些漏报和错报的情况,都需要人工审查才能发现这些问题,这就需要耗费大量的人力成本。在当前的监管体系中,监管人员审查和处理金融机构的数据是重要的工作,随着大数据带来的监管挑战,监管机构采用监管科技来处理数据将是趋势。

  3、监管机构还可以使用机器学习来提升数据处理能力。

  比如,经过适当训练过的机器学习算法能够帮助识别数据鸿沟、数据不一致等问题,并且可以对交易进行配对或插入缺失数据。加拿大魁北克金融市场管理局(AMF)一份研究报告声称,其在金融科技实验室中已经成功测试了一种监督学习算法,能够从场外衍生品数据,比如浮动利率互换的非结构性自由文本字段中识别出异常类别,基于这一算法的预警可以自动识别不符合规定的清算要求交易。监管机构还可以在通过人工智能和机器学习技术对这些数据及时分析和处理,发现潜藏在数据背后的金融欺诈等违法违规行为,提升风险的识别能力。

  比如,新加坡金融管理局(MAS)已开始探索通过人工智能和机器学习来分析可疑交易,识别出需要加强监管的高风险交易行为,使有限的监管力量可以投入需要重点审查和监管的交易行为中。澳大利亚证券和投资委员会(ASIC)通过自然语言处理(NLP)技术来提取证据材料的关键信息,通过可视化技术来制作所选择调查主体之间的关系图,以提高风险的识别能力。意大利银行(BdI)收集了银行资金转账的详细信息,并将这些信息与新闻报纸上的文章做相关性审查,涉及的结构与非结构性数据容量超过50G,通过这些信息的分析来打击银行体系的洗钱等犯罪活动。随着监管机构不断采用监管科技来提升监管有效性,金融科技时代下的金融发展与风险防范将得到更好的平衡。

  4、以监管科技提升监管的实时性和有效性

  金融监管大多集中在事后监管而事中监管不足,一旦发生较大的金融风险事件,对事后风险的处置能力很大程度上受制于对风险的识别和判断,需要的时间窗口越长,对金融系统的影响也就越大,带来的经济损失也越严重,监管的及时性就显得非常重要。事中的金融监管则能够及时地获取信息并能够快速地应对,类似当前城市管理的交通系统,可以实时地监测到城市里任何一个路段的车辆运行情况,监管科技也将发挥类似作用,通过提升监管机构的数据信息处理能力,使监管机构能够实时地掌握金融市场中每个交易主体的交易行为。

  当金融交易的体量和复杂性随着金融科技的发展而不断增加时,监管的及时性决定了监管的有效性。如果监管能力不能跟上金融科技的发展,那么金融科技时代的“乌龙指”事件发生的频率将可能更高,对金融市场的破坏性也将更大。只有通过发展监管科技,对更多金融交易进行实时监管,提高风险识别和处置能力,将所有的金融风险事件尽可能地在当个交易日内及时地处理,才能控制风险的跨时、跨机构和跨区域传染,提升监管的有效性。

  英国金融行为监管局(FCA)和货币与精神健康政策研究所(MMHPI)在2017年组织的一次会议中,就提出运用监管科技开发实时监测和监控技术,实时监测精神异常用户的常用银行账户,并对其异常消费行为进行识别。根据MMHPI的研究,患有精神疾病的用户遭遇个人财务危机的可能性是普通人的三倍,通过实时监控可以在识别出消费者是由于精神异常而产生不理性消费时,就可以锁定其银行卡来防止其过度消费。基于同样的原理,这种方法也可以用来识别盗刷银行卡行为,避免用户银行卡或信用卡丢失且密码被盗时的资金损失。监管机构也可以将监管科技应用于现有的金融交易系统中,探索识别金融市场交易中的“乌龙指”类的非正常交易,以及可疑的洗钱等非法交易,通过增加监管的实时性来降低金融风险。

  二、RegTech在保险领域的应用

  保险领域早前就开展了FinTech的研究和应用实践,在云计算、大数据、人工智能、区块链以及物联网等方面都有相应的探索。保险公司一方面会引入外来的创新,另一方面会结合保险业的特点,自行研究开发新的科技,并在这方面取得了一定成果。相应地,RegTech在对业务风控、用户风控、信息安全及内控稽核等方面也有了新的挑战。

  1、RegTech的业务风控

  一是可将社交关系网络分析(SNA)技术应用于理赔反欺诈。

  SNA社交网络关系分析技术是一种能比较普遍应用的新的大数据分析技术,这个技术可以就数据间的关系、人与人之间的关系、物与物的关系、人与物之间的关系等建立网络关联,并通过图计算从关系网对风险进行识别和评分。通过对理赔数据的收集,对关联性数据进行织网、规则运算和异常侦测,可以构建有效阻截团伙欺诈的黑名单库,并通过可视化分析界面,展示高欺诈风险团伙主体,凸显其关键关联点,使得业务人员能够及时有效地发现欺诈及其关联风险,从而采取合适的防范处置措施,进而降低理赔欺诈带来的损失,提升审计效能。

  二是利用机器学习技术实现智能定损和欺诈风险识别。

  保险公司可以利用机器学习技术,从保险大数据中提炼对风险识别有用的所有因子项,构建智能模型,并通过持续的机器自主学习,对定损逻辑类风险、损失逻辑类风险、价格类风险、责任主体类风险这四类定损风险,以及含酒驾、调包、逃逸、虚构谎报事故、隐瞒事故真相、虚假、异常单证、痕迹及损失不符、合约类欺诈等各类欺诈风险,进行有效识别。除此之外还能从大数据中挖掘出潜在未知的风险。其中可以充分结合使用图像识别技术、声纹识别技术等来解决过去处理不了的数据问题,不断提升智能程度和准确性。

  三是基于物理空间大数据技术建立灾害风险评级。

  通过地理信息系统技术(GIS技术),基于物理空间大数据,融合气象学、地理学、灾害学、保险学等学科,嵌入全国地理、自然灾害、气象监测、保险承保理赔大数据,可以构建风险评级和灾害预警模型,能够对暴雨、台风、地震、雪灾、洪水等自然灾害及环境污染、强风降水等做出风险评级,对台风路径进行实时跟踪,并以数据可视化方式在地图上展示。保险公司除了可以将其作为自身做业务的核保核赔外,也可以为政府部门和重要客户提供实时监控和预警平台。

  2、RegTech的用户风控

  随着各家保险公司越来越多地实践移动应用,系统平台也越来越多地面向互联网开放,面对日益复杂的互联网外部环境,保险公司急需利用RegTech来建立全方位的防控体系。

  一是优化客户账户管理流程。

  保险公司可以基于账户异常自动识别、可信终端、人脸识别、声纹识别等多种技术,对用户的注册、登录、实名验证、绑卡/换卡、登录密码找回/交易密码找回/手机号码修改等关键流程进行优化改进,既为用户提供更高账户安全保障,还为用户提供了更好的账户操作体验,同时还可以大幅减少保险公司在这些业务上的客服资源投入。

  二是建立公平可信任的交易秩序。

  保险公司需要建立多层次立体化的“羊毛党”防控技术体系,包括在注册和实名流程中对“羊毛党”进行事前准确识别和实时拦截,在绑卡环节确保证卡匹配,在提现环节进行风险识别并拦控。通过大数据行为分析识别“羊毛党”并及时反馈到注册识别和拦截环节,再辅以市场和营销策略优化,同时对其进行实时监控,从而实现对“羊毛党”强有力的打击,压缩其生存和获利空间,提升公司的市场营销效率,让普通客户公平获取营销奖励。

  3、提升信息安全及内控稽核

  保险公司可以应用无监督学习技术、知识图谱技术及自然语言处理技术搭建内控稽核系统。

  在信息安全方面,可以基于应用系统日志来分析用户操作行为轨迹,通过无监督学习算法深度挖掘用户操作之间的关联关系,识别用户异常操作行为,如异常于习惯的操作、异常于群体的操作、异常于系统操作规律的操作等,发掘未知的信息安全操作风险。可以通过模型算法构建,应用于以下风险的防控:

  第一,通过分析发现识别某些操作在某用户中出现的概率及其关联操作以识别违反系统操作规律的异常行为,防止员工利用权职、多个系统关联漏洞在系统进行违规操作。

  第二,通过分析识别通过系统获取客户敏感信息的违规行为,防止客户敏感信息的泄露。

  第三,通过分析识别恶意篡改业务数据的违规行为来防止业务数据被篡改。

  第四,通过分析识别绕过系统控制访问非授权信息等违规行为、账号共享和盗用等风险场景,防止用户的非授权访问。

  在通常情况下,一个系统每个月的日志数量在千万条甚至上亿条,若完全通过人工统计分析查找将耗费大量的时间及精力,通过无监督学习算法可以帮助稽核与风险防控人员节省时间成本。

  在反舞弊稽核应用方面,可以采用无监督学习算法和图谱传导,通过建模分析,发现以下七类离群交易行为:巨额交易、小额高频交易、同向交易、凌晨交易、异常退款、预付款绑定异常、互联网协议(IP)异常。例如可以针对业务数据进行分析发现异常IP地址,并通过IP地址精准锁定嫌疑人员。

  以平安集团为例,在上述RegTech技术于保险的应用场景中,平安已经进行了多项探索实践。例如在车险理赔欺诈识别方面,就充分引入应用了社交网络关系分析(SNA)技术,在实施中采用规则和网络结合的方式,同时采用线下跑审计和线上实时碰撞来调查阻止欺诈理赔,将传统审计时效从2~3小时缩短至15分钟左右,2017年识别高风险网络4000多个,涉案19万笔,事后审计高风险识别准确性达48%,比传统审计准确率提升6.4倍,整体减省一亿元,团伙打击200人,外部人员40人,修理厂160多家。这充分说明在新技术新模式的环境下,利用新技术才能够更好地解决过去解决不了或解决不好的问题,控制内外部的风险和监管合规问题。

  在大数据的条件下,传统监管手段存在局限性,金融交易日益频繁,其复杂性越来越高,传统监管手段已经力不从心。人工智能可以快速处理大量数据,通过机器学习挖掘数据潜在联系,构建知识图谱,成为大数据条件下金融监管的有效手段。保险公司通过对人工智能新技术的应用,发现风险、减少人工干预,从而提升风险监测的效率,在监管领域取得了突破性的进展。

  RegTech并不完全是为监管机构而生,很大程度上是金融企业的应变式主动性选择。金融机构应该充分研究和应用RegTech,来提升自身的监管效率和监管能力,更好地防范系统性金融风险。

(文章资料来源:《伍旭川、刘学:监管科技的作用及应用》、《顾青山:RegTech在保险领域的应用价值已经初显》

相关链接:

作者: 来源: 清华金融评论 发布时间:2018-04-23 06:48:53
 
 
  我要发表留言  查看所有评论
 

*
 限制字数显示剩余字数,最大长度: 500 还剩: 500
用户名:
       尊重网上道德,承担一切因您的行为而直接或间接导致的民事或刑事法律责任