文/中國平安財產保險股份有限公司首席技術官及總部科技中心總負責人顧青山
金融科技不僅推動了企業的轉型， 也加速了業務風險的外溢，
近年來， 金融科技（FinTech）推動了傳統金融機構加速轉型， 而轉型後帳戶虛擬化、交易線上化、資金流轉即時化、客戶識別遠端化等特點， 也加速了業務風險的外溢。 這些因素迫使金融機構自身和監管機構都要考慮如何在新技術新模式的環境下， 利用新技術來控制內外部的風險和監管合規問題。 金融科技的倒逼， 使監管科技（RegTech）走向前臺， 並從金融科技中作為細分領域分化出來，
保險領域早前就開展了FinTech的研究和應用實踐， 在雲計算、大資料、人工智慧、區塊鏈以及物聯網等方面都有相應的探索。 保險公司一方面會引入外來的創新， 另一方面會結合保險業的特點， 自行研究開發新的科技， 並在這方面取得了一定成果。 相應地， RegTech在對業務風控、使用者風控、資訊安全及內控稽核等方面也有了新的挑戰。
RegTech的業務風控
一是可將社交關係網絡分析（SNA）技術應用於理賠反欺詐。 SNA社交網路關係分析技術是一種能比較普遍應用的新的大資料分析技術， 這個技術可以就資料間的關係、人與人之間的關係、物與物的關係、人與物之間的關係等建立網路關聯，
二是利用機器學習技術實現智慧定損和欺詐風險識別。 保險公司可以利用機器學習技術， 從保險大資料中提煉對風險識別有用的所有因數項， 構建智慧模型， 並通過持續的機器自主學習， 對定損邏輯類風險、損失邏輯類風險、價格類風險、責任主體類風險這四類定損風險，
三是基於物理空間大資料技術建立災害風險評級。 通過地理資訊系統技術（GIS技術）， 基於物理空間大資料， 融合氣象學、地理學、災害學、保險學等學科， 嵌入全國地理、自然災害、氣象監測、保險承保理賠大資料， 可以構建風險評級和災害預警模型， 能夠對暴雨、颱風、地震、雪災、洪水等自然災害及環境污染、強風降水等做出風險評級，
RegTech的用戶風控
隨著各家保險公司越來越多地實踐移動應用， 系統平臺也越來越多地面向互聯網開放， 面對日益複雜的互聯網外部環境， 保險公司急需利用RegTech來建立全方位的防控體系。
一是優化客戶帳戶管理流程。 保險公司可以基於帳戶異常自動識別、可信終端、人臉識別、聲紋識別等多種技術， 對用戶的註冊、登錄、實名驗證、綁卡/換卡、登錄密碼找回/交易密碼找回/手機號碼修改等關鍵流程進行優化改進， 既為用戶提供更高帳戶安全保障，還為用戶提供了更好的帳戶操作體驗，同時還可以大幅減少保險公司在這些業務上的客服資源投入。
二是建立公平可信任的交易秩序。保險公司需要建立多層次立體化的“羊毛黨”防控技術體系，包括在註冊和實名流程中對“羊毛黨”進行事前準確識別和即時攔截，在綁卡環節確保證卡匹配，在提現環節進行風險識別並攔控。通過大資料行為分析識別“羊毛黨”並及時回饋到註冊識別和攔截環節，再輔以市場和行銷策略優化，同時對其進行即時監控，從而實現對“羊毛黨”強有力的打擊，壓縮其生存和獲利空間，提升公司的市場行銷效率，讓普通客戶公平獲取行銷獎勵。
提升資訊安全及內控稽核
保險公司可以應用無監督學習技術、知識圖譜技術及自然語言處理技術搭建內控稽核系統。
在資訊安全方面，可以基於應用系統日誌來分析使用者操作行為軌跡，通過無監督學習演算法深度挖掘使用者操作之間的關聯關係，識別用戶異常操作行為，如異常於習慣的操作、異常於群體的操作、異常於系統操作規律的操作等，發掘未知的資訊安全操作風險。可以通過模型演算法構建，應用於以下風險的防控：
第一，通過分析發現識別某些操作在某用戶中出現的概率及其關聯操作以識別違反系統操作規律的異常行為，防止員工利用權職、多個系統關聯漏洞在系統進行違規操作。第二，通過分析識別通過系統獲取客戶敏感資訊的違規行為，防止客戶敏感資訊的洩露。第三，通過分析識別惡意篡改業務資料的違規行為來防止業務資料被篡改。第四，通過分析識別繞過系統控制訪問非授權資訊等違規行為、帳號共用和盜用等風險場景，防止用戶的非授權訪問。
在通常情況下，一個系統每個月的日誌數量在千萬條甚至上億條，若完全通過人工統計分析查找將耗費大量的時間及精力，通過無監督學習演算法可以説明稽核與風險防控人員節省時間成本。
在反舞弊稽核應用方面，可以採用無監督學習演算法和圖譜傳導，通過建模分析，發現以下七類離群交易行為：巨額交易、小額高頻交易、同向交易、淩晨交易、異常退款、預付款綁定異常、互聯網協定（IP）異常。例如可以針對業務資料進行分析發現異常IP位址，並通過IP位址精准鎖定嫌疑人員。
以平安集團為例，在上述RegTech技術于保險的應用場景中，平安已經進行了多項探索實踐。例如在車險理賠欺詐識別方面，就充分引入應用了社交網路關係分析（SNA）技術，在實施中採用規則和網路結合的方式，同時採用線下跑審計和線上即時碰撞來調查阻止欺詐理賠，將傳統審計時效從2~3小時縮短至15分鐘左右，2017年識別高風險網路4000多個，涉案19萬筆，事後審計高風險識別準確性達48%，比傳統審計準確率提升6.4倍，整體減省一億元，團夥打擊200人，外部人員40人，修理廠160多家。這充分說明在新技術新模式的環境下，利用新技術才能夠更好地解決過去解決不了或解決不好的問題，控制內外部的風險和監管合規問題。
在大資料的條件下，傳統監管手段存在局限性，金融交易日益頻繁，其複雜性越來越高，傳統監管手段已經力不從心。人工智慧可以快速處理大量資料，通過機器學習挖掘資料潛在聯繫，構建知識圖譜，成為大資料條件下金融監管的有效手段。保險公司通過對人工智慧新技術的應用，發現風險、減少人工干預，從而提升風險監測的效率，在監管領域取得了突破性的進展。
RegTech並不完全是為監管機構而生，很大程度上是金融企業的應變式主動性選擇。金融機構應該充分研究和應用RegTech，來提升自身的監管效率和監管能力，更好地防範系統性金融風險。
本文刊發于《清華金融評論》2018年3月刊，2018年3月5日出刊，編輯：謝松燕
我們期待您的來稿
歡 迎 訂 閱
深刻|思想|前瞻|實踐
專注于經濟金融政策解讀與建言的
智庫型全媒體平臺
更多原創請點擊下方閱讀原文
既為用戶提供更高帳戶安全保障，還為用戶提供了更好的帳戶操作體驗，同時還可以大幅減少保險公司在這些業務上的客服資源投入。二是建立公平可信任的交易秩序。保險公司需要建立多層次立體化的“羊毛黨”防控技術體系，包括在註冊和實名流程中對“羊毛黨”進行事前準確識別和即時攔截，在綁卡環節確保證卡匹配，在提現環節進行風險識別並攔控。通過大資料行為分析識別“羊毛黨”並及時回饋到註冊識別和攔截環節，再輔以市場和行銷策略優化，同時對其進行即時監控，從而實現對“羊毛黨”強有力的打擊，壓縮其生存和獲利空間，提升公司的市場行銷效率，讓普通客戶公平獲取行銷獎勵。
提升資訊安全及內控稽核
保險公司可以應用無監督學習技術、知識圖譜技術及自然語言處理技術搭建內控稽核系統。
在資訊安全方面，可以基於應用系統日誌來分析使用者操作行為軌跡，通過無監督學習演算法深度挖掘使用者操作之間的關聯關係，識別用戶異常操作行為，如異常於習慣的操作、異常於群體的操作、異常於系統操作規律的操作等，發掘未知的資訊安全操作風險。可以通過模型演算法構建，應用於以下風險的防控：
第一，通過分析發現識別某些操作在某用戶中出現的概率及其關聯操作以識別違反系統操作規律的異常行為，防止員工利用權職、多個系統關聯漏洞在系統進行違規操作。第二，通過分析識別通過系統獲取客戶敏感資訊的違規行為，防止客戶敏感資訊的洩露。第三，通過分析識別惡意篡改業務資料的違規行為來防止業務資料被篡改。第四，通過分析識別繞過系統控制訪問非授權資訊等違規行為、帳號共用和盜用等風險場景，防止用戶的非授權訪問。
在通常情況下，一個系統每個月的日誌數量在千萬條甚至上億條，若完全通過人工統計分析查找將耗費大量的時間及精力，通過無監督學習演算法可以説明稽核與風險防控人員節省時間成本。
在反舞弊稽核應用方面，可以採用無監督學習演算法和圖譜傳導，通過建模分析，發現以下七類離群交易行為：巨額交易、小額高頻交易、同向交易、淩晨交易、異常退款、預付款綁定異常、互聯網協定（IP）異常。例如可以針對業務資料進行分析發現異常IP位址，並通過IP位址精准鎖定嫌疑人員。
以平安集團為例，在上述RegTech技術于保險的應用場景中，平安已經進行了多項探索實踐。例如在車險理賠欺詐識別方面，就充分引入應用了社交網路關係分析（SNA）技術，在實施中採用規則和網路結合的方式，同時採用線下跑審計和線上即時碰撞來調查阻止欺詐理賠，將傳統審計時效從2~3小時縮短至15分鐘左右，2017年識別高風險網路4000多個，涉案19萬筆，事後審計高風險識別準確性達48%，比傳統審計準確率提升6.4倍，整體減省一億元，團夥打擊200人，外部人員40人，修理廠160多家。這充分說明在新技術新模式的環境下，利用新技術才能夠更好地解決過去解決不了或解決不好的問題，控制內外部的風險和監管合規問題。
在大資料的條件下，傳統監管手段存在局限性，金融交易日益頻繁，其複雜性越來越高，傳統監管手段已經力不從心。人工智慧可以快速處理大量資料，通過機器學習挖掘資料潛在聯繫，構建知識圖譜，成為大資料條件下金融監管的有效手段。保險公司通過對人工智慧新技術的應用，發現風險、減少人工干預，從而提升風險監測的效率，在監管領域取得了突破性的進展。
RegTech並不完全是為監管機構而生，很大程度上是金融企業的應變式主動性選擇。金融機構應該充分研究和應用RegTech，來提升自身的監管效率和監管能力，更好地防範系統性金融風險。
本文刊發于《清華金融評論》2018年3月刊，2018年3月5日出刊，編輯：謝松燕
我們期待您的來稿
歡 迎 訂 閱
深刻|思想|前瞻|實踐
專注于經濟金融政策解讀與建言的
智庫型全媒體平臺
更多原創請點擊下方閱讀原文