一、AI+房地产投资/押品风控平台

      过去十年房价整体是在往上走的，而未来1到2年，整体大趋势可能会有一些基本方向的变化，具体到各个城市就会产生较大的分化。在这种情况下，现在关于房地产的押品和投资的风控要怎么做，是我们面临的一个问题。

      我们内部的各个专业公司做了一些调研，发现都面临着这样的问题：就是房地产估值现在普遍的外包出去做，但是一些机构反映这种外包成本比较高，并且估值完毕，整个流程就结束了，没有沉淀。银行原来的评估，从一开始的放款评估到后面的处置，甚至到贷后管理，整个项目生命周期，大致有30%左右的房地产出险项目，都存在评估价值过高的问题。所以针对这一问题，我们想通过建立AI评估模式，能够通过这个方式给内部的房地产估值设置一道评审。再一个就是通过对押品进行复估，对存量我的复估方法大致是依靠抽样，可能拿百分之十、百分之二十，或者是每年做一部分，甚至有的地方三年才全部复估一次。因为原来房地产上涨的时候，大家不用过分担忧，但现在市场往下走或者分化的时候，这个频率就过低了。所以就需要批量的复估业务，并且能够以一个较高的频率去复估，动态地发现我们的风险所在、我们未来的业务的机会所在。

      第三个痛点是现在初估、复估都找外部的机构去做，整个环节中，自身金融机构里面没有数据沉淀，也缺乏了一种时空的分析，整个交易过程的价值没有打通起来看。另外对于不同区域也没有细分。当然这也是原来在房地产上涨背景下普遍采用的方式方法，但是未来就需要用一些数据的聚合去形成我们金融机构自己的对投资策略和押品策略的时空分析的能力，这样才能把握住我们的风险，预测到底业务机会聚集在哪些城市？或是某个城市的哪些地方？ 所以业务有着地方区域的因素，原来的分析是不够具体、准确的，而且可能原来有的时候为了要开拓市场，做过一些人为的调整，这个人为调整在当时的背景下是允许的，可能为了争夺业务高评高贷。但是之后风控，可能信息没传达，或者说发现了市场动态的新变化的时候，如果没有很高的频率去评估，就跟不上这个变化，可能出现一些坏账。

      再一个就是在做尽调、评估、贷后管理的时候，流程上各个环节的人掌握的房产信息是断层的，那么就会产生很大的问题。一是造成资源浪费。另外这些信息造成各个岗位互相博弈的问题，没有办法形成很好的配合，降低整体效率。我们也很想在市场上找到成熟的解决方案，但是调研了后发现市场上并没有已有产品。

二、关于AI+房地产投资/押品风控平台建立的实践心得

      我们通过AI的技术去建立了一个房地产风控的平台，形成对各种房地产资产的统一管控。我们希望这个平台上面会有的一些产品功能，有的还在建设，比如尝试建设一些自己的AI估价功能和押品的动态监控功能，评估机构的管理功能，核心的问题就是要解决上面的痛点，使得整个的流程环节做到信息打通，将估值能力形成风控需要掌握的程度。使自己有能力去对押品的价值进行控制和管理。

      我们建设这个平台主要的目的还是要使整体的金融机构在数据能力、投资能力、风控能力和管理能力上做到提升。力争做到房地产的数据化、因子化、标签化、模型化，而不只像原来一样纯简单对押品的管控。在管理层面形成整体的行为轨迹，客户经理做的事就可以一点一滴的全部通过系统去捕捉，传导给到审批的人员，贷后的人员，以及全流程各个环节。任何问题在CRO层面是能够统筹并自动预警，从而降低各个层面的道德风险。

      银行方面，目前的一个痛点就是在策略制定上，各个领域的金融专业公司，在做策略上普遍还是依靠专家的判断。当然会有一些调研的数据和专项的报告分析，但是这些东西都是单向单次做的，很少能够形成逻辑上持续的沉淀。另外可能这些数据分析是一个切面的，断层的，或者是人家所写好的报告所呈现的。通过这些东西并不能够掌握到底层的因素，用以形成金融机构自己的判断能力。现在来看做策略仍然是没有足够的数据支持的。

      押品管理，以及信贷流程太长的问题，这也是我们遇到的另一痛点。如果我们把这些避免之后，我相信对银行，对金融机构来说，减损的效果是非常大的。另外就是贷后管理，如果要做好减损，前期就要做好高频率、高质量的贷后管理。为了做好贷后管理，就需要有一套成熟的系统，因为各项业务所在地比较分散。目前信用风险信评时，已经有了精细的系统，但是在押品管理领域，目前还是做得比较落后的，所以需要把这块提升上去。

      以上就是我们目前采取的一些应对手段，原来是依托一家专业公司去做这个事情，但是后面又转到了整个集团层面统筹规划，形成一个内部的覆盖我们所有业态的压力动态管控体系。

      来源：2018（第十四届）中国金融风险经理年度总论坛（11月）