活动简介
风险防范是金融工作的永恒主题,操作风险、信用风险、市场风险是银行业风险管理的三大支柱。其中,操作风险依赖于流程的系统化及规范化,市场风险在中小银行中较多依赖于高层经验判断,而信用风险的科学防范,早识别、早预警、早发现、早处置对中小银行经营更具有实际意义和价值。
基于大数据及人工智能技术在信用风险的管理中能够降低信息不对称,消除数据孤岛,提升业务全流程风险管控能力,实现风险辅助决策或自动化决策。
智能风控在信用风险的应用中本质上基于数据+模型+规则的处理逻辑实现风险控制与管理决策。其中,在数据层面,基于数据仓库、大数据平台等能够完成行内业务数据的整合及风险集市的建设,基于第三方合作能够获取小微税务数据、外部征信、公积金、司法、同盾欺诈数据来补充客户风险数据,但外部数据的时效性、稳定性、真实性、合规性等存在较多需要完善及规范的地方;在模型及规则层面,基于Logistic回归、神经网络、关联网络等机器学习算法构建模型。在授信申请准入、额度评估、逾期预测、反欺诈等业务流程及场景中应用广泛,其中机器学习平台与业务系统的对接问题、科技与业务人员的协同问题、模型的可解释性及应用的可行性评估、复杂模型的实时计算等都是实现智能风控的难点所在。
为了帮助银行企业了解如何基于机器学习平台实现银行智能风控,twt社区特别组织了本次线下交流活动,走进某城商行,并邀请到两位银行专家来分享实践经验。欢迎相关人群报名参与,共同交流探讨。
时间:2019年9月7日(周六)14:00——17:00
地点:北京市西城区金融街甲1号B座
支持企业:
日程
时间 | 安排 |
---|---|
13:30-14:00 | 签到,会前交流 |
14:00-14:10 | 开场,全场自我介绍 |
14:10-14:40 | 银行机器学习应用现状及需求难点规划介绍(东道主银行) |
14:40-15:20 | 某银行基于机器学习实现实时交易反欺诈实践分享(某银行) |
15:20-16:00 | 机器学习模型算法在银行风控场景下的应用实践(某股份银行) |
16:00-16:30 | 知微见著——商业银行基于机器学习平台的AI风控建设实践分享(第四范式) |
16:30-17:00 | 互动交流 |
报名方式
1.直接点击本页面右侧报名按钮进行报名
2.发送“姓名+单位+职位+电话”到邮箱fawei.zhao@twtgroup.com.cn
以上两种方式均可,报名后当天审核,审核通过即可参与
分享专家:
田万宝 社区ID:tianwanbao
第四范式金融行业咨询副总监
简介:曾主持多个大型银行、保险、证券等公司的机器学习平台建设及AI创新应用项目,范围涵盖风险管理、内控合规、营销、推荐、产品定价以及智能运营等多个方面,对人工智能助力金融行业客户从盈利管理、风险控制和客户体验等多个角度的转型发展有较深理解。