武汉众邦银行大数据风控中心负责人 兰翔

  目前，我国正处在创新导向型经济发展的重要阶段，国家全力支持各领域企业科技发展和自主创新，积极建设科技强国，稳步实现科技创新跨越式发展。根据《2019年全国科技经费投入统计公报》显示，2019年，我国研究与试验发展（R&D）经费投入总量为22 143.6亿元，比上年增长12.5%。除科技创新投入外，国内专利授权量也是衡量国家科技创新能力的重要指标。专利的研发是企业创新和转型的有力保障，是社会经济飞跃式进步的推动力，是国家科技创新的重要前提。2018年世界知识产权组织发布的年度报告显示，在全球提交的330万件专利申请中，我国所受理的专利申请数量最多，达154万件，占全球总量的46.4%。足以印证国内各企业对专利研发的重视程度。

  金融行业由于自身特殊的性质和特点，处在现代经济发展的核心地位，其中商业银行在市场经济中发挥重要的杠杆作用，是货币流通的重要媒介以及各项市场经济活动的重要参与者。近年来，随着数据科学与互联网技术的飞速发展，银行业将互联网技术与数据科学紧密结合，不断创新发展，各商业银行逐渐从传统商业银行模式转向全新的数字科技型银行。在过去五年间，我国银行专利迅猛增长，呈爆发式增长趋势，据零壹财经发布的《2020年全年银行科技专利排行榜TOP50》相关数据显示，2015-2019年年间我国银行业累计新增专利数量达约3500件，2019年新增专利数量较2018年增加约1200件，银行专利数量的快速增长，说明了我国银行业发展的良好态势。

一、银行专利的主要类型

  银行专利的类型主要集中在通过机器学习、数据科学及区块链等技术应用于银行风险管理，数据管理、资产安全以及精准营销等领域，与国家大力建设人工智能、区块链、5G等新兴技术的战略部署相一致。商业银行从风险管理和智能自动化两个维度提升服务质量及效率，以更便捷的服务流程、更好的用户体验，确保银行长期稳定的发展。目前，各银行在风险管理和智能自动化的专利研发方面仍处于探索阶段，正不断地探索如何利用数据科学和机器学习等技术搭建新兴的大数据风控管理体系。

二、众邦银行技术创新及研发专利简介

  众邦银行作为一家新兴的互联网银行，依托互联网技术，利用大数据以及机器学习等先进技术，从“0”到“1”自主搭建大数据风控管理体系。在整个过程中不断突破与创新，研发创新型发明专利，实现众邦银行建设创新技术型互联网银行的目标。下面对众邦银行以及其在技术方面的创新与所研发的专利进行简要的介绍。

  众邦银行成立于2017年5月18日，是全国第11家获批开业的民营银行，也是湖北首家民营银行。自成立之初，以服务个人小微企业为企业使命，致力于打造国内最大的“互联网+供应链金融”银行。目前众邦银行围绕众易贷、众链贷、众微贷三个重点项目，有的放矢地开展业务，并在业务发展中积极探索，践行企业的使命与愿景。众易贷是众邦银行于2019年正式推出的一款消费金融产品，围绕促进消费、普惠金融的核心理念，为客户提供7×24小时、随时随地、实时放款、随借随还的纯线上服务。众易贷始终以中低收入客群为主要服务对象，履行普惠金融的企业责任，目前众易贷产品立足湖北，覆盖31个省、直辖市、自治区，服务1500万用户，日批核贷款峰值超过10万单。众链贷是众邦银行基于区块链、物联网的底层技术，利用物联网智能监控、信息化等技术手段，推出的一款综合供应链金融产品，围绕核心企业，为其以及上下游企业提供更安全、更灵活的金融产品和服务，同时利用众邦银行的大数据风控体系，实现秒批秒贷。众微贷是众邦银行为扶持小微企业打造的一款金融产品，在国家帮扶小微企业的大背景下，众邦银行以优质的服务和便捷的客户体验，解决了小微企业融资难的问题，在资金层面帮扶小微企业的生存与发展。

  在研发产品、发展业务的过程中，众邦银行在金融科技创新领域取得了重大的突破，并进行了一系列的探索，制定了许多创新标准。在此过程中，众邦银行着眼于长期发展，重视科技专利的研发与布局。截止到目前，众邦银行已申请金融类科技专利44项，专利内容主要覆盖金融信息科技和科技风险管理两个方面。其中，众邦银行大数据风控部所建立的大数据风控管理体系是其重要的技术革新与突破，该方案融合了互联网技术和传统的风险管理方法理论，落地实施后卓有成效。在落地环节中，针对问题不断探索与完善，以期构建不断健全和发展，且行之有效的大数据风控管理体系。

  众邦大数据风控平台（如图1所示）主要有四个主要模块组成，各个模块相互衔接，环环相扣，在贷前、贷中、贷后对风险严格把控，保证各个项目顺利开展和实时监控。“司南”是基于平台历史数据而建立的营销评级模型，筛选目标客户，为银行精准获客，并制定不同的业务方案；“天衍”是大数据风控体系的风险数据中台，提供底层数据支撑，为风险系统提供数据支持与服务；“倚天”是大数据风控体系的风险建模策略平台，用于贷前监控，识别信用风险与反欺诈；“洞见”用于贷中监控，评估客户还款能力，提前制定应对策略；“众目”用于辅助贷后催收工作，建立催收评分卡，对逾期客户进行分类，辅助催收工作。

  在众邦银行大数据风控部所搭建的大数据风控管理体系中，风险策略建模平台和风险数据中台是在金融与科技结合方面两个最具代表性的核心平台，在众邦银行的大数据风控管理体系中占居核心地位。

  众邦银行的大数据风控管理体系引进了先进的机器学习、人工智能、云计算等互联网技术，并以社交网络、行内生态数据作为依托，实现了贷前审核、贷中管理、贷后监控、逾期催收等所有环节的智能化与自动化。其中风险策略建模平台应用于整个风险管理流程，实现B端和C端风险策略的分类管理，同时部署A、B、C评分卡，以及反欺诈模型、额度模型等模型，实现对信贷业务的实时监控。目前建模平台上的模型涉及逻辑回归、决策树、xgboost、神经网络等各类监督、半监督、无监督模型。风险数据中台为整个大数据风控管理体系提供数据层面的支持和服务，从底层数据的维护和开发，到变量的加工和衍生。同时为应对不同项目的差异，风险数据中台形成敏捷开发团队，做到快速响应各类报表需求。在大数据风控管理体系的搭建过程中，众邦银行注重对先进技术的应用与创新，不断突破并申报多项创新发明专利。

三、众邦银行核心平台建设中的重要创新发明专利

  众邦银行风险策略建模平台和风险数据中台这两个核心平台建设中所研发的重要创新发明专利主要集中在以下方面。

  1.“天衍”——风险数据中台

  风险数据中台覆盖了众邦银行B端、C端的所有与风险有关的数据，包括贷前审核、人民银行及三方征信、各类贷后表现以及催收数据，包括进件级、借据级、用户级以及产品级的各类特征数据。它是众邦银行大数据风控管理的重要基石，在风险数据中台建设中，众邦银行进行了诸多的创新，具体的创新发明专利如下：

  （1）应用程序接口的性能测试

  该专利使用了一种应用程序接口的性能测试方法，该方法在开发者向仓库管理服务器上传测试脚本时，获取包含测试脚本的当前测试事件以及待测试应用程序接口；提取当前测试事件中的测试脚本，通过测试脚本构建测试环境；在获取到测试环境构建完成指令时，接收待测试应用程序接口的当前性能参数信息；通过时间顺序对性能参数信息进行排序；对排序后的当前性能参数信息进行分析，得到当前性能测试结果，用户只需专注于脚本编写及性能结果分析，脚本提交仓库管理服务器后自动触发构建，性能结果达到实时展现的目的，性能测试脚本统一管理，节省大量的人力时间。

  （2）跨数据库的数据迁移创新

  该发明专利公开了一种跨数据库的数据迁移方法，该方法获取源数据库中的待迁移数据所属源数据库对象的类型，并根据类型在目标数据库中生成对应的待填充数据库对象；读取源数据库中的待迁移数据；通过迁移脚本对待迁移数据进行格式转换，获得符合目标数据库格式的目标数据；将目标数据插入待填充数据库对象中，以实现跨数据库的数据迁移。本创新大大简化了跨库数据迁移过程，并有效降低了出错率。

  （3）非重复随机码生成

  该方法获取目标业务对应的目标字符串长度；通过预设伪随机码产生器生成参考随机码，按照第一预设处理规则对参考随机码进行处理，获得具有第一长度的第一待拼接随机码；计算第一待拼接随机码的目标哈希值；按照第二预设处理规则对第一待拼接随机码的目标哈希值进行处理，获得具有第二长度的第二待拼接随机码，第一长度与第二长度之和等于目标字符串长度；将第一待拼接随机码和第二待拼接随机码进行拼接，获得具有目标字符串长度的目标随机码。基于信息安全，目标随机码由两种不同生成方式获得的随机码拼接而成，从而可以大大降低目标随机码的重复率。

  （4）文件生成过程的交互

  文件生成过程中，在接收到用户端上报的文件生成指定时计算文件的预计生成时间，将该预计时间发送至用户终端，用户终端根据该预计时间生成并反馈待生成文件的查询周期；在到达所要求的查询周期时间时，查询待生成文件的生成进度；根据生成进度更新并返回待生成文件的预计生成时间，以使用户终端根据更新后的预计生成时间更新并反馈查询周期，直至待生成文件生成成功。本创新点实现了兼具待生成文件生成过程中获取的生成进度的准确性和资源的低消耗性。

  2.“倚天”——风险策略建模平台

  风险策略建模平台是众邦银行贷前风控审批的核心引擎，该平台主要采用机器学习的建模方法，接入各类外部数据，并对外指定接口输出，可以部署计算各类风险策略和风控模型。该建模平台对风控模型的包容性非常强，可以部署各类反欺诈、评分卡等模型，并通过接口或者数据库直接写入的方式对外输出，对该部分的创新发明专利主要是集中在机器学习预测方法上。

  （1）贷款预测——高斯混合分布模型

  该方法获取用户的贷款申请请求，提取贷款申请请求中的当前申请特征信息，通过高斯混合分布模型根据特征信息对当前进件的用户进行分类；根据分类结果以及当前申请特征信息通过预设用户贷款预测模型进行贷款通过率预测，得到贷款通过率的预测结果。本创新基于机器学习的贷款预测，能够预测新进客户的违约概率，量化新进客户的风险，从而帮助贷款机构做出是否贷款给该客户的决策，相比传统人工决策，基于高斯混合分布模型的信用评分卡准确度更高、成本更低、消耗时间更少，因此有益于贷款机构的风险管理。

  （2）催收预测——基于前向传播

  本专利涉及的项目使用一种基于前向传播的催收预测方法，该方法获取待预测用户的交易数据，其中，交易数据包括用户的当前申请资料信息以及当前贷后还款信息；对当前申请资料信息进行预处理，得到当前申请资料信息的目标自变量特征信息；采用预设高斯混合分布模型对当前贷后还款信息对应的待预测用户进分类，并根据分类结果对待预测用户标上相应的目标标签信息；将目标自变量特征信息以及目标标签信息通过预设深度神经网络反向传播催收模型进行催收预测，得到目标催收预测结果，以预测结果为依据，针对不同类别客户制定不同的催收方案，提升催收效果。

  （3）还款预测——基于大数据平台

  本发明公开了一种基于大数据平台的还款预测方法：通过获取用户在大数据平台中发起的贷款申请请求，贷款申请请求包括身份标签信息；根据身份标签信息在大数据平台中查找对应的贷款交易信息；提取贷款交易信息中的当前交易特征信息；获取预设规则信息，根据预设规则信息对当前交易特征信息进行扩展，得到目标交易特征信息；根据目标交易特征信息通过预设信用预测模型进行还款概率预测，得到用户的目标还款概率结果，从而根据预设规则信息对当前交易特征信息进行扩展，得到更全面的预测特征信息，并通过预设信用预测模型进行还款概率预测，从而提高还款预测的准确性。

  （4）特征选择——基于机器学习算法

  这是一种基于机器学习的特征选择方法，该方法通过获取用户的交易数据参考特征来选择模型；通过参考特征选择模型对参考特征信息进行特征选择；根据选择出的参考特征信息对使用模型进行评分，得到模型评分结果；根据模型评分结果选择出目标特征选择模型，将目标特征选择模型选择出的参考特征信息作为目标特征信息，从而通过多种模型结合，选择出最优的特征选择模型进行特征选择，相较于单一变量选择方法，显著提升了模型对变量选择的分类精度和泛化能力，模型的性能也有很大的提升。

  （5）API流程化——基于工作流及权限控制

  本专利针对计算机数据接口开放、权限控制领域提供了一种基于工作流及权限控制的API流程化方法。旨在解决现有API代码无法复用，且编写存在代码臃肿、节点繁多、维护困难、开发周期长的问题。其主要技术方案包括：一是对不同的业务属性做类型配置，统一相同含义的业务信息在一套系统中的表达；二是对业务做到配置化管理，实现接口统一和定义一致；三是服务流程定义方法，在服务中定义内部业务逻辑，并将服务流程可视化；四是流程节点间传值，将同一流程不同方法间的传值封装成具体对象实体，并存放在内存堆栈中；五是将对象实体在流程中传递，下一级通过拆包，然后合并入参类型和具体对象名后，再次封装向下级传递。

  在市场竞争越来越激烈的今天，不断研发创新发明专利，促进科技革新与发展是企业可持续发展的基础，是企业能够紧跟科技发展洪流的有力保证，也符合国家大力支持科技创新的时代背景。同时，研发创新发明专利是企业最有价值的知识产权，是企业的核心资产，也是企业创新能力的重要体现，在企业的发展中有着不可替代的重要作用。众邦银行大数据风控部在大数据风控管理体系的建设过程中研发的多项发明专利，极大地提升了众邦银行数据化风险管理的科技水平，增强了众邦银行的风控实力。

  众多的科技金融类发明专利为众邦银行的发展提供了坚实的基础，在未来的发展过程中，也必将在提升其创新能力和竞争能力方面发挥重要作用。众邦银行注重科技创新的发展理念，以及对科技和专利的重视，也必将推动其在互联网化、信息化的大环境下取得快速稳定的发展，同时也为推动整个银行业在科技创新合作方面提供了一定的思路和方法，为我国创新型市场经济的发展贡献一份力量。