近日,京东数科收获在金融科技研究领域的最新成果:四篇学术论文连续在国际金融工程领域顶级学术会议发表,会议包括北美金融工程年会、欧洲运筹学会议、亚洲量化金融会议。论文内容涉及消费者信用风险建模、金融场景画像服务、亲密关系网络挖掘、金融资产收益率的相关性等课题,这些研究成果大多已开始应用于实际,为防范金融业务风险铸起了一道“高科技屏障”。

　　北美金融工程年会(SIAM FM 2019)是由美国工业与应用数学学会(SIAM)主办,可谓是金融工程学术研究领域的“皇冠明珠”,邀请的均是来自业界和学界最顶级机构的从业者、教授、学者,京东数科此次则是唯一来自于金融科技行业的业界机构。会议期间,京东数科发布的论文——《深度信用:基于消费者行为动态的信用管理》针对近年来发展迅速的线上购物场景,提出了一种神经网络结构,通过特别设计的行为信息分解融合机制解决了对行为之间复杂关系的建模问题;同时,还设计了一个全新的条件损失函数,以获得对信用风险预测值的可解释性。这些新的构想和设计都可以进一步应用在后续对信贷额度、催收、组合选择的风险管理中。

　　今年举行的第30届欧洲运筹学会议(EURO)是由欧洲运筹协会主办,京东数科发布的《金融场景画像服务:在电子商务平台上自动构建具有可解释性的画像的方法》一文中提及到“一种模拟树模型的神经网络模块用于可解释性标签挖掘”,该模块不仅可以生成高区分度的衍生特征,同时可以回溯原始特征,使得标签具有较好的可解释性,符合当前金融等领域对特征可解释性的需求,该方法目前已在信用风险、保险定价多个场景上得到应用。

　　作为亚洲范围内金融工程的最顶级会议,在越南河内刚刚举行的亚洲量化金融会议(AQFC)则为京东数科为代表的中国数字科技企业提供了新的展示机会。京东数科在会议上公开发表了两篇论文,一篇为《亲密关系网络挖掘和应用》,文中提出在电子商务数据中发现了很强的同化效应的证据,即当人们形成亲密关系网络时,相似的行为导致他们的风险偏好趋同。这一发现促使科学家提出一种关系挖掘方法,提取亲密网络,以帮助管理个人风险。

　　同时,另一篇题为《金融资产间极值依赖的截面学习》的论文为资管领域提供了一种对金融资产尾部风险相关性的建模方法,方法采用了灵活的尾部风险结构,使得极值依赖关系可以以一种数据驱动的方式进行学习,也实现了极值依赖和相关系数在建模上的解析分离。这一方法在实际应用中可以用于增强资管机构在极端风险暴露情况下的风控能力。

　　此次京东数科连续发表的四篇论文涵盖当今金融工程的研究前沿和热门领域,这为京东数科加速产学研一体化进程,为金融风险解决方案的进一步打造奠定了扎实基础。作为论文的“生产者”——京东数科风险管理中心“京东数科——香港城市大学金融科技与工程联合实验室”更充分体现了京东数科在金融科技领域强大的科研专业能力和创新人才储备资源,京东集团广泛的业务积累也会为后续研究和成果的转化和应用提供宝贵的经验和场景。