2019年9月4-6日，由中国金融认证中心（CFCA）、中国电子银行联合宣传主办、和讯网联合主办的“论道银行数字化创新转型”2019金融科技高峰论坛在国家西部金融中心成都举行。近百家银行网金部、科技部等金融机构领导及中国互联网金融协会、中国银行业协会等多家行业协会领导出席本次活动，其中，在“2019中国金融科技创新大赛”颁奖盛典及优秀案例展演环节，中诚信征信作为“信用科技”的首创者，凭借出色的科技能力和创新能力脱颖而出，“AutoML小微企业云税贷解决方案”荣获2019中国金融科技创新大赛创新解决方案“铜奖”。
中国电子银行网是由中国金融认证中心（CFCA）联合中国工商银行、中国建设银行、中国银行、中国农业银行等近百家成员银行创建的银行业垂直网站，现已成为国内行业规模最大，并极具影响力的金融社会化媒体平台，同时也是互联网金融第一门户网站，极具权威性和专业度。
据了解，“2019中国金融科技创新大赛”前期共收到近百份案例，这些案例来自不同规模、不同地域的银行和科技企业，包括工商银行、中国银行、交通银行、民生银行、招商银行、广发银行、浙商银行、度小满、蚂蚁金服、京东数科等大型商业银行、互联网巨头在内，通过线上投票和线下初审、复审等层层筛选，最终入围的银行案例37份，科技企业案例21份，可谓是龙争虎斗，精彩纷呈。截至奖项发布前，“2019中国金融科技创新大赛”的访问量达260.1万，投票量近100万。
评审团阵容更是强大，既有来自行业和机构的资深专家，也有来自权威主流媒体的专家学者，包括中国银行业协会系统服务部主任赵成刚；中国互联网金融协会战略研究部负责人、互联网金融标准研究院副院长肖翔；中国支付清算协会技术与标准部主任于沛；微软亚太研发集团创新孵化及微软创新车库大中华区总监程骉、腾讯研究院副院长杜晓宇等资深行业专家，以及和讯网副总编辑韩明；清华金融科技研究院副院长薛正华；南方都市报副总裁、首席数据官虞伟；中国金融认证中心（CFCA）助理总经理赵宇；中国金融认证中心（CFCA）副总经理张行等。
中国金融科技创新大赛专家评审团
AutoML 小微企业税贷解决方案是由中诚信征信与山东省城商行联盟深度合作,为山东省城商行联盟提供了一整套 AutoML（自动机器学习）小微企业云税贷解决方案，通过运用以税务数据为基础的“N维多源风控数据+1个AutoML 建模平台+N层税贷风控模型”的“N+1+N”模式为成员行的云税贷产品提供风控护航，实现将小微企业的纳税信用转化为信贷信用，实现以税定贷、以税管贷、以贷促税、税贷促信的良性循环，有效发挥了数据价值，解决了小微企业融资难问题。
项目背景
互联网金融的高速发展拉动金融创新步伐，国家监管部门陆续出台多项促进人工智能、“银税互动”推动小微企业、民营企业发展的政策，并要求银行业金融机构严控金融风险，我国金融机构都在积极探索通过业务合作模式创新、实现智能业务风险管控的新路径，为小微企业提供高质量的金融服务，解决小微企业融资难问题。
创新技术／模式应用：
• 小微企业税贷融资新模式
通过将税务数据、多维征信数据与机器学习平台、技术相结合，构建多层级云税贷模型，有效落实“银税互动”政策。
• 多源异构数据汇聚、关联技术
多源征信数据抽取、转换和加载，建立数据处理规则和元数据管理规则，实现多源数据汇聚的一体化配置。对多源数据建立粒矩阵，通过基于粒矩阵的逻辑简约运算获得动态征信大数据的约简属性集，实现数据的多维关联分析。
• AutoML智能建模
基于数据元变量提取->特征工程->选择算法组合->调整参数拟合模型->模型检验和迭代优化->模型部署的工作流程，形成建模流程的闭环自动迭代，解决复杂关系数据的建模分析难的问题，通过专利算法 PU_learning 提升了最终对于正样本的搜索正确率，改进了内部阈值及基分类器，并按照符合业务实际的策略进行模型融合与风险校准，实现更准确的风险评估。
解决哪些行业痛点：
（城商行联盟）一是积累了来自下辖41家成员行、政府部门（如税务局）及第三方征信公司的大量数据，迫切需要将数据加以有效利用，发挥数据价值；
二是亟需解决如何在做好小微信贷风控的前提下，更好地利用多维数据、专家经验、先进技术来实现小微信贷业务的线上化、自动化和智能化，创新产品形态切实解决小微企业融资难问题；
三是如何与外部公司合作，发挥各自优势，实现降本增效。
执行过程及风险控制
“N+1+N”解决方案主要包含三部分：
（一）N维风控数据接入与处理
表1- 数据接入维度与输出模型图
以小微企业税务数据为核心，引入与金融强相关的联盟成员行数据、人行税务等政府部门数据、第三方征信公司的企业和个人数据等共50余个数据字段。既拓展数据维度，又紧密结合申请人的企业运营情况，充分挖掘数据并解读业务价值，在企业主、企业、行业间建立关联，通过区分存量客户和新申请客户，更加全面、精准的量化风险。
图2- 万象智慧AutoML建模平台功能图
（二）1个AutoML建模平台部署
中诚信征信通过自主研发的万象智慧AutoML自动机器学习建模平台，支持CcxSocreCard、CcxRF、CcxXgboost、CcxGBM、CcxGBDT、CcxAdaboost、DNN、PU_learning(中诚信征信专利算法）等8种算法集成模型，充分挖掘案例中多源异构数据的关联，基于“数据元变量提取->特征工程->选择算法组合->调整参数拟合模型->模型检验和迭代优化->模型部署”的工作流程, 形成建模流程的闭环自动迭代。采用的专利算法解决了金融领域只存在正样本的业务问题，使得输出的模型更加适用于联盟业务需求的实际现状。
（三）N层税贷风控模型及流程构建
图3- 小微企业云税贷风控流程图
中诚信征信结合山东省城商行联盟成员行的业务发展方向、现有客群与数据的匹配情况，针对不同客群采用AutoML自动机器学习建模平台构建多层级模型。模型分为若干个层级进行彼此关联，并按照符合业务实际的策略进行模型融合与风险校准，最终输出申请人信用综合评分，作为授信额度测算的依据。大幅提升其税贷产品的数据处理及数据分析能力，实现更加精准的评估风险。
具体来看，中诚信征信与山东省城商行联盟联合的AutoML小微企业云税贷解决方案的创新既包括模式创新又包括技术创新，主要如下：
一
城商行服务小微企业融资新模式
通过将税务数据、多维征信数据与机器学习平台、技术相结合，构建多层级云税贷模型，为山东省内41家城商行小微企业网贷业务提供风控支撑，有效落实“银税互动”政策，有效促进当地小微企业、民营企业发展，助推社会信用体系建设。
二
多源异构数据汇聚、关联、存储技术
1. 多源异构数据汇聚技术：通过ETL、数据稽核、数据存储及数据治理，进行分布式实时数据同步框架及处理，以及多源征信数据抽取，转换和加载，建立数据处理规则和元数据管理规则，实现多源数据汇聚的一体化配置。
2. 多源异构数据关联技术：通过网格搜索、随机搜索和贝叶斯优化3种参数寻优方法，以及连续型变量分箱和离散型变量分箱2种变量分箱方法，对多源数据建立粒矩阵，通过基于粒矩阵的逻辑简约运算获得动态征信大数据的约简属性集，实现数据的多维关联分析。
3. 多源异构数据存储技术：通过面向离线数仓和实时数仓的数据安全存储框架，列式NoSQL存储模式以及反向索引/时间序列索引技术，实现支撑复杂征信计算的高性能，低延迟数据存储。
三
AutoML自动机器学习建模技术
基于数据元变量提取->特征工程->选择算法组合->调整参数拟合模型->模型检验和迭代优化->模型部署的工作流程，形成建模流程的闭环自动迭代，解决复杂关系数据的建模分析难的问题，进而有效识别网贷过程中的风险行为，同时有效缩短建模周期，降低成本。
四
符号回归自动特征工程技术
采用平台的特征组合和算法衍生两种特征提取方法，通过基于遗传算法原理的符号回归方法实现自动特征提取，并基于GBDT算法利用新得到的叶子结点作为新的特征。
五
PU_learning机器学习算法技术
通过专利算法PU_learning提升了最终对于正样本的搜索正确率，改进了内部阈值及基分类器，解决了金融领域只存在正样本的业务问题。PU_learning更具有泛化能力，输出的模型更加适用于金融领域的实际生产。
六
机器学习多层级模型构建方法
采用若干个子层级进行彼此关联，并按照符合业务实际的策略进行模型融合与风险校准，最终输出申请人信用综合评分，作为授信额度测算的依据，实现更准确的风险评估。
“AutoML小微企业云税贷解决方案”结合山东省城商行联盟的运营现状，响应联盟面向所有成员行金融机构打造“网络互通、信息共享、安全稳定、便捷高效”税贷系统的需求，充分利用多维度数据对小微金融网贷业务实现精准的风险识别及贷前风险控制，达到很好的应用效果和价值：
一是通过万象智慧AutoML自动机器学习建模平台服务联盟及成员近万人，有效地提高了建模的准确率和效率，相比传统人工建模周期缩短一半以上，极大地节省了人力成本。
二是应用机器学习风控模型的云税贷产品上线后，服务41家成员银行，覆盖山东、陕西、浙江、江苏、山西、河北、河南、天津等八省市的近万家小微企业，发放贷款金额过亿元，且违约率不超过2%，小微金融风控能力显著提高。
三是利用机器学习技术盘活价值，实现新旧动能转换，通过金融科技赋能城商行智能风控，案例的“N+1+N”模式可在全国130多家城商行推广、复用或借鉴。
未来，中诚信征信将继续以此为基础，持续向中小微金融领域加大投入，更好地利用多维数据、专家经验、先进技术来实现小微信贷业务的线上化、自动化和智能化，创新产品形态切实解决小微企业融资难问题，为产业转型升级的高质量发展、为实体经济发展增添强劲动力，实现降本增效。
