Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

360金融大脑全面升级,打造金融行业的数据技术大中台

近日,360金融宣布,将全面升级360金融大脑,推出针对银行、消费金融、互联网金融的差异化服务,并在原有产品的基础上,增加“多头共债指数”、“个人资质评估”、“设备风险指数”、“社交关系指数”和营销定价类产品,支撑全方位智慧金融服务,助力金融机构提升数字化服务水平。

依托于360金融资产质量在行业内良好的口碑, 360金融大脑的四款首推产品“360信用分”、“黑灰名单”、“借贷意愿分”、“资金饥渴分”自上线初始,就受到业内多家金融机构的高度关注。截至今年二季度末,360金融大脑已先后与中国工商银行、中国光大银行、杭银消费金融等近百家金融机构达成合作。

循序渐进的金融大脑三级火箭

360金融大脑定位为面向金融行业的数据技术大中台,基于AI、大数据、金融云等底层技术,提供智能营销、智能风控、智能客服、智能催收等一整套完整的能力体系。

目前的金融科技输出已是红海一片。敢于涉足这一领域,是出于笃定而聚焦的战略考量。据360金融大脑负责人吴彦介绍,360金融大脑在对自身独特优势充分认知的基础上,确定了高辨识度的市场定位和循序渐进的发展方向。“我们并不着急盲目扩张、占领市场,而是沉下心来打磨自己的‘一级火箭’——数据智能产品,力争输出行业内有口皆碑的高精度数据产品和信息服务。”据透露,在一级火箭的基础上,未来360金融大脑还将沿着二级、三级的路径演进。

数据库破解金融行业痛点

值得注意的是,虽然AI、大数据、云都是通用技术,从事相关技术的专业公司随处可见,但是由于拥有沉淀多年的海量数据,360金融大脑的技术在金融场景中具有独特优势。凭借20亿节点数据和180亿边数据,360金融大脑构建出包罗万象的社交网络图数据库

360金融大脑优化了单一类型节点网络和二分图网络的混合存储结构,提取用户子网信息,并拓展了子网的节点属性信息至上百个维度,包括用户的基本属性、行为属性、授信状态、借款状态、逾期状态、高/低质量标签以及多头标签等。这样的优化使得图特征的计算更加实时高效,ms级别内能衍生出几百维图特征,提供更加实时的风险维度。

基于360金融自有数据衍生的图特征具有高覆盖率和高准确率的特点,360金融大脑拓宽了图特征的应用面,在保证特征可靠性的基础上,帮助金融机构更实时地甄别风险用户,构筑起智能风控的护城河。

迭代创新的AI算法

除数据能力外,360金融大脑最核心的优势在于AI算法,也就是机器学习深度学习的能力。目前在金融大脑中,主要应用算法有Xgboost、GBDT、Random Forest、Logistic Regression、深度网络、GBST、DRL等。

其中,梯度提升生存树(GBST)是360金融大脑的独门绝技。以统计方法中的生存分析理论为基础,结合机器学习GBDT的Boosting算法思想,360金融大脑开创性地构建了GBST梯度生存树模型。相比于传统模型,GBST可以在客户生存时间分布未知的情况下,利用客户的基本特征,输出每个客户的长期生存曲线,计算出客户在每个时间段的违约概率,帮助决策者进行更加长期的风险决策。

此外,深度强化学习(Deep Reinforcement Learning)也被创新性地用于360金融大脑。通过采集与用户多次交互得到的反馈,金融大脑对用户的理解更加深刻,对风险的判断更加精准,有助于形成综合更优的金融决策。

庞大的图数据库和多元前沿的AI算法,已经在360借条产品上展露锋芒。据2019年一季度财报,360金融旗下的拳头产品360借条促成贷款的M3+逾期率仅为0.94%,其中由于欺诈造成的坏账率仅为0.2%。

“科技红利的辐射,使得各类金融服务在产品和规模方面都得到了快速扩张,这也对金融业提出了新的挑战。360金融大脑除了满足功能性需求,还在安全性方面不断提高产品底线。” 吴彦表示,360金融大脑承袭了360的安全基因,将在夯实信息安全、系统稳定、合规展业的基础之上,持续把符合市场需求的高品质数据产品和技术服务向行业输出,向着始终走在金融科技输出最前列、成为行业数据技术大中台的愿景不断迈进。

产业数据库360机器学习深度学习深度强化学习梯度提升智慧金融数据科学
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

深度强化学习技术

强化学习(Reinforcement Learning)是主体(agent)通过与周围环境的交互来进行学习。强化学习主体(RL agent)每采取一次动作(action)就会得到一个相应的数值奖励(numerical reward),这个奖励表示此次动作的好坏。通过与环境的交互,综合考虑过去的经验(exploitation)和未知的探索(exploration),强化学习主体通过试错的方式(trial and error)学会如何采取下一步的动作,而无需人类显性地告诉它该采取哪个动作。强化学习主体的目标是学习通过执行一系列的动作来最大化累积的奖励(accumulated reward)。 一般来说,真实世界中的强化学习问题包括巨大的状态空间(state spaces)和动作空间(action spaces),传统的强化学习方法会受限于维数灾难(curse of dimensionality)。借助于深度学习中的神经网络,强化学习主体可以直接从原始输入数据(如游戏图像)中提取和学习特征知识,然后根据提取出的特征信息再利用传统的强化学习算法(如TD Learning,SARSA,Q-Learnin)学习控制策略(如游戏策略),而无需人工提取或启发式学习特征。这种结合了深度学习的强化学习方法称为深度强化学习。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

梯度提升技术

梯度提升是用于回归和分类问题的机器学习技术,其以弱预测模型(通常为决策树)的集合的形式产生预测模型。 它像其他增强方法一样以阶段式方式构建模型,并且通过允许优化任意可微损失函数来推广它们。

数据库技术

数据库,简而言之可视为电子化的文件柜——存储电子文件的处所,用户可以对文件中的数据运行新增、截取、更新、删除等操作。 所谓“数据库”系以一定方式储存在一起、能予多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合。

准确率技术

分类模型的正确预测所占的比例。在多类别分类中,准确率的定义为:正确的预测数/样本总数。 在二元分类中,准确率的定义为:(真正例数+真负例数)/样本总数

图网技术

ImageNet 是一个计算机视觉系统识别项目, 是目前世界上图像识别最大的数据库。

奇虎360机构

360公司成立于2005年8月,创始人周鸿祎 2011年3月30日在纽交所成功上市 2018年2月28日,回归A股上市,上证交易所(601360) 是中国第一大互联网安全公司,用户6.5亿,市场渗透率94.7% 中国第一大移动互联网安全公司,用户数超过8.5亿 中国领先的AIoT公司,将人工智能技术应用于智能生活、家庭安防、出行安全、儿童安全等多个领域

http://smart.360.cn/cleanrobot/
中国工商银行机构

中国工商银行成立于1984年1月1日。总行位于北京复兴门内大街55号,是中央管理的大型国有银行, 国家副部级单位。中国工商银行的基本任务是依据国家的法律和法规,通过国内外开展融资活动筹集社会资金,加强信贷资金管理,支持企业生产和技术改造,为我国经济建设服务。 2017年2月,Brand Finance发布2017年度全球500强品牌榜单,中国工商银行排名第10位。2018年6月20日,《中国500最具价值品牌》分析报告发布,中国工商银行排名第4位。2018年7月,英国《银行家》杂志发布2018年全球银行1000强排名榜单,中国工商银行排名第1位。2018年《财富》世界500强排名第26位。2018年12月18日,世界品牌实验室编制的《2018世界品牌500强》揭晓,中国工商银行排名第43位。

www.icbc.com.cn/
图网络技术

2018年6月,由 DeepMind、谷歌大脑、MIT 和爱丁堡大学等公司和机构的 27 位科学家共同提交了论文《Relational inductive biases, deep learning, and graph networks》,该研究提出了一个基于关系归纳偏置的 AI 概念:图网络(Graph Networks)。研究人员称,该方法推广并扩展了各种神经网络方法,并为操作结构化知识和生成结构化行为提供了新的思路。

推荐文章
暂无评论
暂无评论~