虽然已经退市，但乐视网要承担的法律责任并未停止。9月7日晚，乐视退在全国中小企业股份转让系统发布公告称，公司于近日收到中国证监会出具的《行政处罚及市场禁入事先告知书》，公司涉嫌信息披露违法、欺诈发行案已由中国证监会调查完毕。 公告显示，依据《证券法》相关规定，证监会对乐视网提出了两点处罚：对乐视网责令改正，给予警告，并处以60万元罚款；对乐视网责处以募集资金百分之五即2.4亿元罚款。 “对乐视网的处罚在法律的适用上采取了从旧原则，由于违法行为发生在老《证券法》实施期间，所以只能按照之前的法律处罚，两项处罚均已经是顶格处罚。”北京安坤律师事务所合伙人律师苏少华接受记者采访表示，如果按照3月1日开始实施的新《证券法》，涉嫌信批违规顶格处罚将达1000万元，而欺诈发行则将处罚募集资金10%以上一倍以下罚款。 谁来担责？ 值得关注的是，目前公告中只披露了“乐视网”一个处罚主体，苏少华告诉记者，最终的处罚决定书出来后，当年参与发行的核心董监高、中介机构都可能担责。“中介机构、公司董监高很可能需承担民事责任和行政责任，而谋划了欺诈发行的核心高管甚至可能承担刑事责任。” 根据乐视网招股说明书披露，乐视网2010年上市时的主承销商为平安证券，律师为北京市信利律师事务所，审计机构为利安达会计师事务所有限责任公司。公司董事会由贾跃亭、刘弘、刘纲、张长胜和沈艳芳等5人组成；监事会由唐富文、贾跃芳和吴孟3名监事组成；高级管理人员包括贾跃亭、刘弘、贾跃民、杨永强等7人，而如今，上述董监高早已悉数离场。 “虽然乐视网退市了，当时的高管也都离开了，但是乐视网应承担的责任还在，董监高的连带责任也还在。”苏少华表示，按照目前证券市场监管力度来看，欺诈发行是监管重点。当时参与了乐视网欺诈发行的人员已经涉嫌犯罪，监管部门或许会对贾跃亭等人进行刑事移送，这将发挥更强有力的警示作用。 而在另一位不愿具名的律师看来，乐视网现任管理团队也有责任履行乐视网2.4亿元罚款。去年6月，乐视网原董事长刘淑清、总经理、财务总监张巍等先后辞职后，乐视网选举刘延峰为董事长。目前，刘延峰任乐视网董事长，并代为履行总经理、财务总监、董事会秘书职责。而公开披露的信息中，仅显示刘延峰此前任职于河北家兴易购科技股份有限公司。 能否担责？ “现在的一个问题是，现任管理团队如何带领乐视网履行2.4亿元的罚款？”前述律师说。 根据乐视退日前披露的2020年半年报，今年上半年，乐视网实现营业收入1.41亿元，净利润亏损2.69亿元。截至报告期末，公司资产总计56.7亿元，负债总计208亿元，净资产为-146.17亿元。 而除了此次2.4亿元的罚款，根据财报披露，截至2020年6月30日，上市公司合并报表范围内应付票据及应付账款29.96亿元，主要为应付供应商及服务商欠款；上市公司合并报表范围内长短期借款共2.1亿元，其他流动负债36.39亿元，其他非流动负债30.49亿元，主要为公司向金融机构及非金融企业借款产生。 显然，罚款之外，乐视网还有大量债务需要偿还。而一旦处罚决定落地，迎接乐视网的或许还有更大规模的民事诉讼。 多位接受采访的律师告诉记者，乐视网涉嫌信批违规、欺诈发行，因此受损失的中小股东可以发起集体诉讼，对乐视网、贾跃亭本人、公司其他高管，以及中介机构提起诉讼。 据记者了解，目前已经有乐视网小股东考虑发起集体诉讼。根据乐视网财报披露，截至6月30日，乐视网股东人数达28.1万人。 “民事赔偿优先于行政赔偿，此次2.4亿元的处罚可能无法执行，而更多的是警示意义。”苏少华告诉记者，一旦处罚落地，乐视网股东可以对乐视网发起民事诉讼，届时，乐视网应优先偿还民事索赔。在苏少华看来，对于无力执行债务和罚款的乐视网来说，未来或将走上破产清算的道路。 “目前，监管机构能做的就是查看贾跃亭是否还有其他可执行财产，如果没有，乐视网最终或只能破产。”前述不愿具名的律师也对记者表示，而对于投资者来说，可以采取多种渠道进行司法救济。
严打欺诈发行，证监会再放大招。 证监会21日就《欺诈发行上市股票责令回购实施办法(试行)(征求意见稿)》(以下简称《实施办法》)公开征求意见。 《实施办法》明确，股票发行人在招股说明书等证券发行文件中隐瞒重要事实或者编造重大虚假内容，已经公开发行并上市的，证监会可依法责令发行人回购欺诈发行的股票，或者责令负有责任的控股股东、实际控制人买回股票。 《实施办法》重点内容包括： 遵循三大原则 为落实新证券法第二十四条有关责令回购的规定，保护投资者合法权益，提高违法成本，维护证券市场秩序，证监会在深入研究和听取各方意见的基础上，起草了《实施办法》。在制度设计上，《实施办法》主要遵循以下原则。 一是加强投资者保护。责令回购制度的初衷，是在欺诈发行案件中，为受损投资者提供一种民事诉讼程序之外的简便、快捷的救济途径。对于投资者未能通过责令回购得到弥补的其他损失，仍然可以通过民事诉讼方式寻求赔偿，以最大限度地保护投资者合法权益。 二是务实可行。考虑到责令回购是一项新制度，境外可借鉴的经验也比较少，因此《实施办法》没有对在哪些情形下适用责令回购措施、哪些情况下不适用作出具体规定。证监会将从有利于维护市场秩序和保护投资者合法权益出发，根据欺诈发行案件具体情况审慎决策，确保做出的责令回购决定务实可行，取得好的社会效果。 三是提高违法成本。通过剥夺责任主体的不当利益，强制其支付相应经济代价，并在一定情况下产生超过不当利益的经济损失，从而提高其违法成本，对上市公司及其控股股东、实际控制人起到威慑和警示作用，最终实现减少欺诈发行行为的预防功能，为注册制改革有序推进提供保障。 明确回购的价格、对象、程序 《实施办法》共十五条，主要明确以下五方面内容。 一，明确责令回购措施的适用范围 《实施办法》规定，股票的发行人在招股说明书等证券发行文件中隐瞒重要事实或者编造重大虚假内容，已经公开发行并上市的，中国证监会可以依法责令发行人回购欺诈发行的股票，或者责令负有责任的控股股东、实际控制人买回股票。 二，明确回购对象范围 回购对象为本次欺诈发行至欺诈发行上市揭露日或者更正日期间买入股票，且在回购方案实施时仍然持有股票的投资者。同时，下列主体不得成为回购对象：一是对欺诈发行负有责任的发行人董监高、控股股东、实际控制人、参与包销的证券公司及其关联方。二是买入股票时知悉或者应当知悉发行人存在欺诈发行行为的投资者。 三，明确回购股票价格 一是发行人或者负有责任的控股股东、实际控制人回购股票的，应当以市场交易价格回购股票；投资者买入股票价格高于市场交易价格的，以买入股票价格作为回购价格。二是发行人或者负有责任的控股股东、实际控制人在证券发行文件中对回购价格作出承诺的，应当遵守承诺。 四，明确回购股票程序 一是发行人或者负有责任的控股股东、实际控制人应当在责令回购决定书要求的期限内制定股票回购方案，并在制定方案后五个交易日内向符合条件的投资者发出回购要约并公告。 二是发行人或者负有责任的控股股东、实际控制人可以委托投资者保护机构协助制定、实施股票回购方案。 三是证券交易所、证券登记结算机构、投资者保护机构应当为发行人等制定、实施股票回购方案提供必要的协助，并配合责令回购决定的执行。 此外，鉴于《证券法》规定的责令回购不同于《公司法》中的股份回购制度，因此不适用《公司法》有关股份回购的公司内部决策程序规定。 五，明确责令回购决定的程序 为维护责令回购措施的严肃性，做出责令回购决定，必须经证监会主要负责人批准并制作责令回购决定书。 明确五方面重点问题 由于责令回购是一项新制度，此前我国资本市场没有实践经验，境外可借鉴的经验也较为有限，《实施办法》起草说明还就规则起草过程中各方讨论比较集中的问题进行说明。 首先，关于责令回购措施的制度定位与适用条件方面，对于什么情况下可以采取该措施、什么情况下可以不采取这项措施，鉴于目前还缺乏实践经验，《实施办法》暂未做规定，待积累实践经验后，再在规章中予以明确。 其次，关于责令回购措施的适用范围方面，明确了适用领域、适用的证券品种、适用的板块等。 再者，确保责令回购和行政处罚对于欺诈发行认定的一致性。 同时，《实施办法》要求发行人应按照证监会责令回购决定的要求制定回购方案并实施，不需要提交董事会或者股东大会决议。 此外，对责令回购与先行赔付的关系进行了说明。 未能通过责令回购得到弥补 仍可通过民事诉讼方式寻求赔偿 业内人士指出，从普适性角度分析，满足责令回购条件的案例毕竟是少数。对于投资者未能通过责令回购得到弥补的其他损失，仍然可以通过民事诉讼方式寻求赔偿。 2012年香港洪良国际回购一案中成功实践了欺诈发行回购股份制度。 2009年12月24日，洪良国际于联交所上市，发行价2.15港元/股，筹资额约10亿港元。 上市仅几个月时间，香港证监会发布公告指出洪良国际的招股章程等存在重大虚假或误导性资料，申请法院强制令冻结洪良银行账户，将资金归还给那些曾在洪良首次公开招股认购并仍然持有新股的投资者，以及那些在洪良上市后曾购入并仍然持有股票的投资者。 此后，法院命令洪良国际向约7700名当时持有洪良股份的公众股东回购股份，回购价格为洪良被香港联交所冻结日的收盘价2.06港元，最终回购股份占应回购的98.73%。 业内人士指出，洪良国际案是加强投资者保护历程中的重要里程碑，但从普适性角度分析，满足回购条件的案例毕竟是少数。“对于投资者未能通过责令回购得到弥补的其他损失，仍然可以通过民事诉讼方式寻求赔偿，例如可依托7月31日落地施行的集体诉讼制度维权，以最大限度地保护投资者合法权益。”上述人士进一步指出。 此外，需要注意的是，责令回购决定作为一项行政决定，在执行过程中，如若当事人拒绝回购，依据《中华人民共和国行政强制法》，监管部门可申请人民法院强制执行。
7月30日，中国证监会召开2020年系统年中工作会议暨警示教育大会（视频），总结上半年工作，分析当前形势，贯彻党中央、国务院工作部署，安排下半年重点工作。会议强调，加强监管能力建设，完善投资者保护机制，明确提出加快制定欺诈发行责令回购办法等。 加快制定欺诈发行责令回购办法，这是落实新《证券法》精神的一个重要布署。根据今年3月1日起正式实施的新《证券法》第二十四条规定，股票的发行人在招股说明书等证券发行文件中隐瞒重要事实或者编造重大虚假内容，已经发行并上市的，国务院证券监督管理机构可以责令发行人回购证券，或者责令负有责任的控股股东、实际控制人买回证券。如今，新《证券法》已经实施5个月了，对《证券法》第二十四条的落实，确有必要提到监管的日程工作中来。 对于欺诈发行公司来说，发行人回购证券，这是保护投资者合法权益的重要举措。对于欺诈发行公司，目前监管上采取的举措是强制退市，这种做法是值得肯定的，这也是打击欺诈发行、对欺诈发行“零容忍”的重要表现形式。但目前在打击欺诈发行问题上明显存在着短板，那就是在打击欺诈发行的同时，对投资者合法权益的保护做得不够，结果是欺诈发行公司虽然被强制退市了，但投资者的利益却没有得到有效的保护，从而导致“上市公司欺诈发行、投资者买单”格局的出现，欣泰电气案例就是最好的证明。 其实，并不是没有保护投资者合法权益的措施，而是相关措施得不到有效的执行。比如，包括欣泰电气在内的诸多上市公司在IPO时都明确作出承诺，上市公司如果欺诈发行，发行人将回购所发行的股份。如果欺诈发行公司能兑现该项承诺的话，自然就不存在损害投资者合法权益的问题了。而实际情况是发行人与控股股东根本就不兑现上市时的承诺。如欣泰电气以没有回购能力为由就将上市时的回购承诺踩在了脚下。 正是基于欣泰电气带给市场的教训，所以新《证券法》第二十四条提出了“国务院证券监督管理机构可以责令发行人回购证券”的要求，这显然是有的放矢之举措。但如何把这一举措落到实处，证监会在年中工作会议中提出“加快制定欺诈发行责令回购办法”，就是落实上述要求的实际步骤。基于保护投资者的需要，这个“欺诈发行责令回购办法”确实有必要尽快出台。而要让“欺诈发行责令回购办法”能切实解决实际问题，有几个实际问题是该办法所必须要予以明确或加以解决的。 首先是回购的股票必须是所有在市场上流通的股份。根据目前IPO公司的承诺，回购的股份为“依法回购首次公开发行的全部新股”。这个承诺对于新上市公司并不存在问题，但对于上市满一年之后的公司，这个承诺的表述就存在问题了。因为上市满一年之后，上市公司老股东的持股就可以上市流通了。这些股份流通之后并不属于“首次公开发行的新股”范畴，但这些股份上市流通后又流向了二级市场投资者的手里。因此，一旦上市公司欺诈发行罪名成立，上市公司同样也应该要回购这部分老股东减持出来的股份。其中，控股股东减持的股份应由控股股东予以回购。 其次，回购股票的价格应为股票发行价格与二级市场价格中的高价者。IPO公司承诺的回购价格为“不低于二级市场价格”，这个表述同样并不完善。比如，目前欺诈发行公司，在东窗事发后，股价会大幅下跌。如果按照大跌后的二级市场价格回购，显然将严重损害投资者的利益。因此，回购价格应确定为发行价格与二级市场价格中的高价者，或确定为不低于东窗事发前二级市场的股票价格。 其三，明确落实回购股票的资金来源。欣泰电气不履行回购承诺，其理由就是没有回购能力。因此，落实回购股票的资金来源至关重要。在这个问题上，发行人、控股股东或实控人、负有相关责任的董监高、保荐机构、会计师事务所、律师事务所等都是资金来源的提供方。对于不提供资金来源的，除了冻结资产、财产之外，在依法追究刑事责任时，从严从重处理，以此确保回购股票的资金来源，同时也对欺诈发行者起到震慑作用。
8月4日，记者从江苏银行获悉，该行直销银行在反欺诈领域进一步探索，经过多次更新迭代，目前建成互联网反欺诈3.0安全网，进一步强化了快速预防、有效阻断互联网欺诈的能力。 江苏银行介绍，该行是国内首家拥有互联网反欺诈功能的直销银行。 随着互联网的快速发展，层出不穷的互联网欺诈形式对金融服务安全提出了新的挑战。江苏银行介绍，与1.0时代被动式反欺诈、2.0阶段主动式反欺诈相比，互联网反欺诈3.0安全网吸收了共享、开放的互联网理念，深入研究当前外部欺诈特征，建立了集实时性、自动化、智能风控于一体的系统。该系统依托大数据技术，通过联防联控整合资源、自我学习，进行客户行为的分析、挖掘、画像，持续迭代优化，进而实现精准风控。 据悉，从单一的交易型欺诈发展到恶意套现、骗贷等各种欺诈类型，外部欺诈方式逐渐趋于多元化、隐蔽化、集中化。江苏银行直销银行反欺诈3.0安全网将监控触角延伸至所有交易渠道，包含交易反欺诈、网贷申请反欺诈和商户反欺诈三大类，监测对象从传统的资金动账交易行为扩展至投资理财、网贷、移动支付等复杂的交易场景中。
前不久，Gartner发布了《在线反欺诈市场指南》，对全球在线反欺诈厂商进行评估，其中腾讯云成为中国唯一入选服务商，得到了Gartner官方推荐。在报告中，腾讯安全天御智能风控服务被评定为“银行级Banking Focus（最高级别）”金融风控能力代表。近日，腾讯安全天御和华夏银行的风控专家云端连线，围绕“在线反欺诈在金融领域的应用”分享了腾讯安全天御入选Gartner指南的台前幕后。四位风控领域的专业人士，从在线反欺诈的新场景、银行解决在线欺诈问题的思路与模式、腾讯安全天御如何帮助金融机构完善风控能力、全球在线反欺诈市场态势等四个角度，全方位的对腾讯安全天御的最新动态进行了解读。以下为圆桌对话实录：腾讯安全业务安全总监周斌：在线反欺诈的新场景需求网络黑产发展到今天，已经形成了一个完整的产业链。如果不加以遏制，黑产很快会把整个平台的利益耗光，让相关公司承受巨额的损失。过去20年，腾讯一直服务于互联网行业，积累了大量对抗“网络黑产”的反欺诈经验。互联网欺诈，活跃在电商、社交、直播、出行、金融和游戏等许多场景，这些场景面临的欺诈风险也各不相同。比如电商场景中，商家的营销有恶意刷评论的风险；社交场景中，内容的传播有涉嫌黄赌毒违规的风险。其中，金融是不法分子最容易直接获得利益的行业之一。也正因如此，它成了黑产的“重灾区”。我们在与安全天御合作的某消费金融机构的研究中发现，新客户的逾期率占70%，老客户的逾期率占30%。我们对所有逾期案件进行“进件信息回溯”时发现，约有75%的欺诈逾期在进件环节存在明显的资料仿冒等行为。而随着金融行业深入数字化转型，金融机构在营销、信贷等场景当中频频遇到新的欺诈手法。比如金融机构开展线上获客，就有可能遇到黑产套利的风险；信贷场景中，客户如果提交线上贷款的申请可能会被诈骗团伙欺诈。过去20年我们一直在对抗黑产，积累了一套叫做双AI的机制，用以静制动的风控方式来识别黑产的“伪装”。我们通过机器模型和深度神经网络对用户的行为进行分析，并通过离线数据的积累和二次模型的训练，对高风险人群进行画像、归类，根据算法识别出不同风险等级的人群标识，然后计算机会进一步对风险等级高的用户的业务进行相应的拦截和处理。由此我们构建了一个全链路的反欺诈风控服务，来协助解决整个企业数字化转型当中所碰到业务安全问题。华夏银行深圳分行风控总监应浩磊：解决在线欺诈问题的思路与模式我们和腾讯决定合作开发一款大数据风控驱动的线上个人征信贷款，目标是小微企业主。这个项目从立项到正式上线速度很快，2018年1月项目启动，2018年5月底项目便正式上线，目前已经运营了两年多。我见证了这个项目从0到1的过程，也总结了一下我们在反欺诈方面遇到的痛点。第一，认知。业务上线初期，我们对于反欺诈的认知并不到位，仍停留在传统信贷业务认知框架下。当时，我们的风控人员，对反欺诈的认识还停留在企业借款人作假、美化财务报表、个人借款伪造收入证明等。线上欺诈具体有哪些手段、造成什么影响和后果，我们完全没有概念。比如刚刚提到的黑产攻击，我们之前是没有面对过这种挑战的。线上反欺诈的认知改变不是一时之功，而且银行的风控体系向来以稳健著称，各个环节的改变都不是一件容易的事儿，需要反复的沟通、交流。在项目的初期，腾讯天御的专家经常给我们开一些提升认知的科普会，我们都认为正确的认知才是解决问题的基础。 第二，专业。全线上、全自动贷款业务作为近几年的新生事物，已经形成了一个细分、专业的领域。我们之前的方法论，应用于新的业务中时，并不十分契合，所以我们需要一些专业的人才。在业务发展的初期，人才并不好找，如何招到合适的员工是一个问题，如何培养内部的员工也是一个问题。无论是内部既有员工，还是外部新招的员工，最好的成长方式是跟着业务走。只有跟着业务去学习，才能让自己成为专业的人士，并适应新的环境。所以我们身边有腾讯云风控专业的小伙伴，我们的风控人员可以方便地请教他们问题。另外，在对技术人员的面试招聘上，我们也经常请腾讯云风控的小伙伴作为专业的评审出场。第三，积累。当前两步都做好，开始真正打造自己的风控反欺诈体系的时候，我们发现短时间之内根本不可能完成。比如我们想搭建一个关系图谱，但是我们缺少底层数据的积累。积累需要时间，但是我们做业务有时间窗口，不做就错过了。所以我们的答案就是借船出海（借腾讯的大船），使用专业公司积累多年的产品开展业务，也给我们在风控方面的积累腾出时间。在我们与腾讯安全天御合作时，有两个场景给我留下了比较深的印象。第一，是风险的提前感知。这方面主要包括了两方面。1. 判断客户的意愿。我们如果把贷款的广告推送给不借钱的人、不缺钱的人，其实是浪费了营销资源，也拔高了自己的营销成本。2. 关注风险。贷款前，我们用自有的风控体系内的一些现有数据去判断客户的风险，把一些高危的人群排除在营销范围之外，使营销更有效率。我们和腾讯云开展精准营销，把营销的客群直接形成一个“白名单”，白名单可以有效的防控反欺诈的黑产攻击，但是做营销的白名单不能太小，小了风险是控住了，可是营销效果就没了。但是如果要做一个白名单足够大，营销覆盖的范围又足够广的产品，对我们风险反欺诈的水平要求就会高很多。第二，是贷中的风控。贷中的风控是整个风控体系的核心重点。我们一开始使用的是腾讯云安全天御的一些标准化产品，当我们的业务样本积累到一定数量后，就和腾讯云做联合建模了，最终显示的效果也很好。腾讯安全天御产品负责人郭佳楠：腾讯如何帮助金融机构完善风控能力随着技术的不断革新，金融机构风控体系也面临着许多新的需求和挑战，我们总结出三个痛点和三个挑战。一，传统的风控体系一般是以专业经验为主，数据维度不够，模型能力较弱。二，传统的风控体系一般是以事后风控为主，难以适应互联网实时、线上的风险场景。三，传统的风控体系一般是以“烟囱式的建设”为主，它往往是碰到一个问题就做一个专门的解决方案。但是，在线上风险场景中，黑产往往进行跨领域、跨部门、跨场景、多层次的攻击。对此，腾讯会以人工智能为核心、以实时决策为核心、以全站的业务为核心来构建整个智能风控业务。腾讯安全天御构建了“四位一体”的产品矩阵，从底层到上层，逐层构建。一，最底层基座，我们构建了一个风控PaaS平台，帮助客户一站式解决多种场景的风控问题。二，为了整个底层平台更好地工作，我们提供了多种维度风控SaaS服务，比如金融风控、内容风控、流量风控以及身份风控等等一系列的SaaS服务。三，我们基于PaaS平台和SaaS服务构建端对端的解决方案，比如我们帮金融客户构建交易风控的解决方案、我们为信贷客户构建信贷业务的解决方案、我们为电商客户构建营销风控的解决方案等。考虑到风控场景的复杂、多样性，我们不仅会提供标准产品方案，也会让风控专家为客户提供风控场景的咨询和服务，定向输出一些定制的方案。虽然我们的风控体系是很复杂的，但是我们整个团队又是相对比较聚焦和简单的，我们团队大概80%的同学都是以大数据和AI算法为核心去工作。下面，我简单介绍一下我们SaaS服务和PaaS平台的构建思路。我们的风控SaaS服务会参考黑产作弊的手段，从而做定制化的黑产攻防。我们会从八个维度考量用户行为是否存在欺诈的风险。这八个维度包括身份、设备、情报、行为、地址、环境等。比如“身份”，我们会识别这个“人”是不是欺诈团伙中的一份子；比如“设备”，我们会看设备的声誉高低，有没有曾经被我们诱捕过的设备，设备账号、填写的资料、绑定的银行卡这些信息是不是已经被黑产获得。而SaaS和PaaS的关系，就有点像车和油的关系。既有好车，又有储放安全的好油，汽车才会跑得远。我们会从事前的风险感知、事中的实时决策和事后的案件调查来构建风控平台。总体而言，通过风险感知、风险识别、风险决策和风险释放这四部分，我们构建了完整的风控体系。而为了构建好体系，我们把风控SaaS服务放到PaaS平台上面，让它将风险决策的能力做得更好。腾讯天御在不断的发展中，也积累了一些成功的实践案例。比如，我们帮某个国有银行构建了交易风控系统。通过混合神经网络，我们在交易中识别高等级风险的交易金额达到118亿元；以前，客服要打338通电话才能找到一个真实的欺诈人群，用了我们系统以后，客服只要打28个电话就可以找到一个。在信贷风控领域，腾讯安全天御目前已经服务了10多个银行，而且服务的效果很好。以某一个城商行为例，我们的产品是2019年第三季度上线的。截止到现在，放款超过50亿，截止到昨天，放款超过90亿，坏账率远小于0.1%。在营销风控领域，我们帮助某股份制银行开展营销活动。通过我们风控平台，精准识别和打击黑产，识别恶意率高达99%以上。通过我们的营销风控平台，很好地保障了银行的营销活动，确保了它的营销资源没有被黑产套利，而是被精准投射到客户手中。雷锋网：在判断一个反欺诈产品的时候，腾讯安全天御团队有哪些量化的指标？银行又会给出哪些指标，来判断他们买了自己需要的服务？郭佳楠：我们是一个大数据和AI团队，通过数据模型算法来判断我们当前规则是否有效。我们内部有不同的衡量体系，天御用的比较多是KS值，它可以用来区分好坏样本的分隔程度。KS值越高，好坏样本的分隔程度越大。一般来讲，KS值在0.25-0.3之间就是一个比较好的表现效果了，我们天御的KS值在0.35-0.4左右。像金融机构的朋友，也会用KS值来判断评分卡或者模型。当然，他们会更直接地看效果的好坏。雷锋网：您觉得目前有哪些风控能力，大部分金融机构还不具备，但又相对比较重要？郭佳楠：金融机构在线下业务或者在传统业务中，可以说是久经沙场、经验丰富。他们对于传统的线下业务，比如如何防止房抵贷等线下贷款业务的欺诈已经驾轻就熟了，他们比较欠缺的是线上移动端这一块的业务。金融机构的线上业务越来越多，而线上业务的特点是，金融机构的业务员和用户不能直接面对面地接触。如何确定用户的真实身份、如何确定用户填的资料是真实的、如何确定用户未来不会产生欺诈的风险，这些是许多金融机构需要补充和加强的能力。腾讯安全行业分析师周奕良：全球在线反欺诈市场态势Gartner本身的行业影响力非常大，有专业机构总结，2019年不同媒体引用Gatner研究报告的次数超过了第二名IDC的5倍。最新数据显示，60%企业的CTO、CIO会以Gartner最新研究报告作为他们决策的参考。经过了1年的努力，腾讯天御成功进入了Gatner在线反欺诈市场指南，这也证明了我们的风控能力得到了很好的认可。腾讯天御入选Gartner，有其独特的历史意义，我们总结为三点。第一，从行业层面，分析师认为腾讯天御是目前风控领域的“顶尖玩家”。第二，在竞争层面，腾讯天御打破了国际老牌领导者技术壁垒的封锁。尤其是我们获得了Gartner的认可，我们在银行级风控能力上，实际和SAS、BIE这些欧美老牌的风控巨头齐名了。第三，市场层面，很少有中国的风控厂商，打开国际风控市场的大门，原因在于数据壁垒、技术壁垒、政治、地域等因素的影响。但是，有了Gartner这样一个头部行业研究机构的背书，我们开拓国际市场将更方便。Gartner分析师在报告里，还提出了几个值得关注的趋势。第一，未来三年金融领域，在线反欺诈为核心的应用，一定会成为金融机构向客户提供服务的风险控制的基础。目前，我们分析，行业内只有约5%这样的头部用户正在应用在线反欺诈的产品，而这个比例会在三年内有一个大的提升。第二，银行体系以外，金融领域一些核心玩家，包括涉及医疗业务数据的企业，至少会有20%的企业，在三年内会用轻量级比如SaaS化、定制化、私有化这种方式来使用在线反欺诈的相关产品。腾讯天御在近几年一直关注行业需求变化，并且时刻保持着和Gartner的合作与沟通。这次腾讯天御成功的入选Gartner所具备的历史意义是什么？我认为这一次入选，打破了六年来（2015年在线反欺诈理论框架兴起）行业僵局，腾讯作为一个中国玩家入局了。我们不仅仅入局，还进入到Gartner银行级风控能力推荐名单里，和老牌厂商并驾齐驱。这一事件，将可能是中国反欺诈技术在全球崭露头角的一个转折点。（雷锋网）
没有一条真理，可以解决人生所有的难题；也没有一项技术，可以帮助一家企业所向披靡。金融科技行业，纵使是一个简单的项目，也需融合算法、专家经验、工程部署、接口打通等一系列环节，才能完成一套解决方案，远不止一项单点技术就可以“打包票”。在这个过于信仰技术的时代，知道技术能做什么固然重要，知道它不能做什么也许更重要。为此，雷锋网《AI金融评论》策划了「AI能否解决金融刚需问题」系列选题，借同一个话题，对不同背景的受访者、产品和客群各异的企业们进行采访，期望在不同的商业和技术认知下捕捉观点碰撞的火花。在前三篇采访中，我们采访了冰鉴科技CEO顾凌云、慧安金科CEO黄铃、品钛执行副总裁李惠科。本系列的第四篇文章，由邦盛科技执行副总裁王雷讲述他从事「AI金融风控」多年旅程中经历的有趣故事。以下为王雷的亲身经历：“头疼”的难题一直以来，银行对「信用卡套现」的行为都十分头疼。信用卡，本质上是一种贷款。银行希望贷款用于消费，而不是炒股、炒房甚至赌博。但是，现实生活中，很多人并没有合规地使用这笔钱，从而衍生出了「套现组织」。对于银行来说，信用卡里的钱如果不是用于消费，而是用于投资、赌博，一是增大了这笔钱不能返还的风险，二是违背了国家的贷款政策。所以银行会通过一些技术手段，对套现行为进行识别、监测。邦盛科技之前就接到一个国有大行的订单，他们本身有一个在风控领域积累了很长时间和经验的优秀团队，但是还是希望在这个基础上更上一层楼，于是找到我们，希望通过金融科技公司的AI能力，引入解决问题的新思路。当时，这家银行已经能很好地识别出哪些个体的行为属于骗贷，但是对于那些变化多端、组织严密的“专业”骗贷团伙，还是有些束手无策。在项目初始阶段，客户对我们的期望很高，认为我们一定能通过更先进的技术和方法，通过对个体骗贷行为的分析，找到某种联系，识别出诈骗团伙。那会儿，其实许多机构还没能达到这样的水准，即使是行业里最好的金融机构投入了大量精力，也没能十分精准的识别出这些诈骗组织。而我们又处于创业初期，经验匮乏，当时并没有信心能完成这个任务。当然，有没有信心和做不做，是两码事。我们决定接受这个挑战。一口气“抓”了几千个犯罪团伙样本，是智能风控想要发挥作用的重要前提。想要通过AI识别出诈骗团伙，追本溯源，还是得从高质量的样本入手。而样本的质量高低，很大程度上依赖于专家的经验。在风控领域，专家的经验是比AI能力更稀缺、更重要的资源。比如薅羊毛是怎么薅的、什么样的行为是薅羊毛，专家会通过多年积累的经验和规则去识别哪些行为是“薅羊毛”、哪些行为属于盗卡、哪些是洗钱、哪些属于申请欺诈等等。我们团队中的优秀专家对这家银行的样本进行了分析，发现它们的样本质量不是非常好。于是专家们通过在风控领域多年的经验，对样本进行了加工，获得了一些我们认为比较好的样本。在此基础之上，我们使用了机器学习建模平台和关联图谱平台，把可疑的个人和团伙都甄别出来。那次，我们团队几个人在两个多月的时间里，揪出了大几千个「信用卡套现团伙」，几千个账户，并查出几十万张有问题的信用卡。经过那段时间的不断探索后，我们对整个行业的理解有一种豁然开朗的感觉。之前，我们在没有开始做“识别套现团伙”的工作时，认为这是一件很难的事。但下一次在做其他的事情，我觉得是可以解决的，而且思路非常清晰。其实，那次项目因为涉及到的银行体量非常大，我们面临的风险和压力也非常大。但是我们顶住了压力，积累了许多欺诈团伙的特征和画像，并对模型进行进一步的优化。后来这家银行通过我们提供的线索进行了调查，确定了这些人的确属于套现团伙，并降低了他们的信用卡额度，并对部分信用卡进行锁卡处理，效果非常好。也是因为这次经历，我对AI在「风控领域」的应用价值，有了更直观的认识，使得我对AI在风控场景下的应用，更加有信心。如今，邦盛科技为这家国有大行做了一个更大的项目，一个包含申请反欺诈、电子渠道交易反欺诈等全方位、全行级的反欺诈系统。而“识别套现团伙”成为了整个大型项目中的一个组成部分，继续为这家银行提供服务。抓住银行的心思之所想、解其所忧，才能抓住一个人的心。同理，想要获得银行大单，首先要认识它，然后解决它做梦都想解决的问题。在和银行客户打交道时，不一定所有时间、所有产品，它都会觉得满意。这时，我们需要对项目的效果进行量化，沉浸到它的角度思考问题，让它信任你。因此，我们会时时刻刻追踪AI产品的效果，并制定一系列可以看得见、摸得着的指标，让它对我们工作的效果有一个清晰的认识，建立信任感。比如拦截非法金额数目、对客户的干扰率程度、风险等级，我们会把这些有关风控的数据或者结果记录下来，作为统计最终模型好与坏的一个标准。我们一般建议客户，三个月或者是六个月调整或者优化一次模型。频繁的调整，不是银行的风格。对于银行等金融机构来讲，“稳定”压倒一切，其次才是改善。所以，他们对新技术的应用也是比较谨慎的。银行不会轻易改变自己现有的风控方法，因为改变意味着不确定的风险。只有观察到技术和效果真的十分稳定，他们才会采用新的技术系统。AI在信贷领域主要防控两种风险，一种是欺诈风险，另一种是我们常见的信用风险，比如我们年轻人十分熟悉的“芝麻信用”和“微信支付分”。一笔贷款的发放，银行得先判断它是否是有欺诈的风险，然后再判断它信用风险的高低。首先，金融机构最担心的事儿是被骗子欺诈，把贷款放给了骗子。当通过反欺诈技术将骗子拒之门外后，银行还要担心普通人能否正常还钱。普通人也有可能因为做生意经营不善、丢了工作或者社会环境的改变等因素，还不上钱，所以要判断他们的信用风险。在评估信用风险上，「评分卡模型」是可解释性非常好、也很稳定的一个模型，现阶段也使用的非常多，各家银行都是比较习惯使用这种传统的方式。所以，我们在这一领域，需要我们金融科技公司技术能力的场景并不多。而在反欺诈领域，越拉越多的金融机构开始接受机器学习模型。因为欺诈行为更具有隐蔽性，欺诈风险比信用风险更难以控制。而且业内一般需要六个月来训练控制风险的模型，上线模型至少又得三个月，加起来就是九个月。在这段时间里，整个市场的欺诈形式是会发生很大变化的，欺诈团伙发现金融机构会欺诈行为进行防控后，他们还会变换手法。针对这样的情形，邦盛科技专门在模型训练中设立了一个环节——特征工程。在这个环节中，我们尽量呈现出更多的特征，我们将几千到上万个特征输入到一个模型中，使它覆盖更多的可能性，虽然不能彻底解决问题，但通过这样的算法调优，欺诈行为的成本会越来越高。此外，银行需要考虑自己所用的技术，是否符合监管政策的要求。机器学习这类技术，最大的一个问题是不透明、不可解释。它使用的是非线性的算法，当模型说贷款可以放，但是它推理的过程是不可逆、也不可用文字解释的，这样在使用过程中就会受到一些限制。模型本身是一个算法的配合，我们也在尝试通过一些技术方式，来增强模型的解释性。AI不是万能的邦盛科技从创业初始，到如今与中国农业银行、中国建设银行、招商银行等多家国有大行合作，对行业的理解也是经历了一个从无到有的过程。但是AI也存在很多不能解决的问题。刚刚提到AI风控效果的好坏取决于样本。在欺诈等场景中，样本天然比较充足，而信用卡盗刷、账户盗用等场景下，因为银行的防控力度比较强，发生的案件数量较少，能积累到的样本也就较少，使得智能风控的效果也是参差不齐。现在，机器学习和AI应用在金融的各个领域都在尝试，但是每个银行对样本积累的重视程度也不一样，所以有的做的比较好，有的做的一般。目前我们对样本的依赖程度过高，所以业内很多公司也都在尝试无监督或者半监督的技术方式。有监督就是有样本，无监督就是无样本，半监督就是样本质量不够高。有监督的样本，是团队从业务中一点点积累下来，通过规则体系和专家经验，输入到模型，然后模型跑起来。采用无监督的方式，一般是因为团队没有积累样本，又没有这个领域的专家，于是依靠纯粹的算法，通过聚合量、聚类等数理关系，找出高风险的金融交易，提取这些异常的样本后让专家判断。无监督的流程是先通过模型得出结果，让人来判断，然后模型再根据人的判断的结果去优化。在实践中，我们不管用哪种技术方法，我们都会建议客户采用综合的解决方案，而不是单一的AI产品，这套解决方案包含着专家经验、规则体系、模型体系、图谱体系、大数据计算等，这些元素必须结合在一起才能形成解决问题的合力。社会上大部分的问题本身，都是一个很复杂的东西，它需要系统化的思路方法和技术才能解决，我们不能单一地认为依赖于某一个高新技术就能解决所有问题。我们每年会招很多新人进来，也会接触到很多新入行的创业者，我整体的感觉是，大家有点过于迷信技术，迷信高端的算法。任何一个技术的应用，都有前提条件，比如数据环境、样本质量。每一次对AI模型的调整，少则三个月，多则几年，运营的成本也非常高。如果环境条件不允许，技术就很难达到大家期望的状态。所以对于很多这些新入行的优秀人才，我建议先对这个领域有一个比较深刻的业务理解，看看没有能力给技术创造出一个好的环境出来。没有对业务足够深刻的理解，不能把没有达到期望的数据转化成高质量的样本，模型很难运转起来。
登录
工商服务
危机公关
金融律师
app开发
财税服务
金融牌照
网站建设
知识产权
企业征信
审计评估