基于決策樹的金融領域新技術選擇模型研究

馬征

一、金融領域新技術應用要求

（一）新技術的特性

自2000年賓夕法尼亞大學沃頓商學院出版標志性著作《Wharton on Managing Emerging Technologies》以來，新興技術的識別、跟蹤、預測和管理長期受到廣泛關注。目前認可的“新技術”定義為：“基于科學的，有可能創立一個新行業或者改造一個現有行業的創新”。新技術具有以下特性：一是創新性。新技術突破原有技術存在的局限性，在創新產品、提升效率等方面較老舊技術具有顯著優勢。二是實用性。新技術應用于特定場景中，能夠產生積極效果。三是不確定性。新技術應用在成本控制、技術成熟度、技術適配性等多個方面依然存在未知風險，存在諸多變數。

（二）金融科技對信息技術的重點要求

一是場景適配。金融科技在業務場景上主要包括金融產品定價、智能營銷和客服、智能投顧和支付清算等，不同業務場景對技術要求的側重點不同。二是運行穩定。金融領域屬于特殊行業，具有影響范圍廣、關聯度大等特點，一旦中斷運行，對金融體系影響巨大。因此，無論應用何種技術，均需保證業務連續性。三是安全可控。金融領域對風險管控要求十分嚴苛，引入金融領域的新技術務必安全可控。為及早規避系統和服務風險，必須提前制定風險處置預案及完善的危機解決方案。

二、決策樹模型

金融業開展新技術具體場景應用時，缺少一套系統、客觀、全面地評價指標體系科學度量技術方案是否滿足要求。針對此問題，本文嘗試引入決策樹模型，構建評價新技術是否適應于特定金融場景的指標體系。總體思路為：利用德爾菲法①計算出各指標的參考值，然后計算各指標占比得出各指標權重，之后通過技術應用方專家打分方式得出待評價新技術在特定金融應用場景中的決策樹分值，引入懲罰參數，綜合得出技術評估值。通過比較兩種技術的技術評估值，量化評價新技術是否適合特定金融應用場景。

（一）技術指標

針對新技術在金融領域的應用，本文選取了功能、性能、安全、成熟度、成本5類指標，根據不同指標特性分檔計分，并構建技術決策樹葉節點，以對新技術在金融領域的應用進行客觀定性、定量分析。

功能指標（T1）包含3個子指標，分別是功能滿足（T11）、錯誤處理（T12）、功能擴展（T13）。功能越強分值越高，每個子指標分為3檔計分，第1檔8—10分，第2檔4—7分，第3檔0—3分。

性能指標（T2）包含3個子指標，分別是響應時間（T21）、能耗（T22）、計算速度（T23）。性能越優分值越高，每個子指標分為5檔計分。第1檔10分，第2檔7—9分，第3檔4—6分，第4檔1—3分，第5檔0分。

安全指標（T3）包含2個指標，分別是技術安全分析（T31）和安全可控（T32）。安全性越好分值越高，每個子指標分為4檔計分，第一檔8—10分，第2檔4—7分，第3檔1—3分，第4檔0分。

應用案例（T4）包含3個指標，分別是等級保護5級案例量（T41）、等級保護4級案例量（T42）、等級保護3級案例量（T43）。案例量越多分值越高，分為3檔計分，第1檔8—10分，第2檔4—7分，第3檔0—3分。

成本指標（T5）包含5個指標，分別是硬件成本（T51）、軟件成本（T52）、人力成本（T53）、運維成本（T54）。成本越低分值越高，每個子指標分為5檔計分，第1檔10分，第2檔7—9分，第3檔4—6分，第4檔1—3分，第5檔0分。

（二）場景權值矩陣

本文對新技術金融應用的技術場景、業務場景進行分類，新技術部署范圍分為三類，分別為核心系統、外圍系統、測試系統，新技術的應用場景分為四類，分別為資金交易、身份認證、數據分析、信息交互。利用德爾菲法針對新技術的技術場景、業務場景指標進行打分，得到表1。

為便于后續計算，將參考值用字母形式表示。部署范圍參考值字母表示為[asij（i=1，2，3;j=1，2，…，15）];應用場景參考值字母表示為[bsij（i=1，2，3，][4;j=1，2，…，15）]。對應的參考指標構成一個德爾菲法指標值矩陣：[N=asi1? ?asi2? ?…? ?…? ?asijbsi1? ?bsi2? ?…? ?…? ?bsij]

根據德爾菲法確定的指標值，通過計算指標占比得出每個指標的權重，見表2。

為便于后續計算，將上述指標權重用字母形式表示。部署范圍權重字母表示為[AWij（i=1，2，3;j][=1，2，...，15）];應用場景權重字母表示：[BWij（i=1，2，3，][4;j=1，2，...，15）]。可得到場景權值矩陣：

[W=AWi1? ?BWi1AWi2? ?BWi2? …? ? ? …? …? ? ? …AWij? ?BWij]

（三）技術評估值

技術評估值是指衡量一項新技術在特定金融應用場景的量化考量值，它能為金融機構提供較為全面的參考。理論上，技術評估值越高，表示該項新技術越適用于當前應用場景。技術評估值由決策樹分值和懲罰參數兩部分組成，其中決策樹分值由基礎分值矩陣S對應行與權值矩陣W對應列做乘法運算后相加得到，懲罰參數由技術專家打分值矩陣減去德爾菲法指標值矩陣后的負指標項乘以對應的指標權重加和得到。加入懲罰參數是為了更加客觀地計算技術評估值，計算關系如下：技術評估值=決策樹分值+懲罰參數

1. 決策樹分值。（1）基礎分值矩陣。技術應用方參照技術決策樹葉節點，結合自身需求，對該項新技術進行專家打分，形成基礎分值表（見表3）。部署范圍技術應用方打分字母表示為[ASij]（i=1，2，3;j=1，2[…]15）;業務場景：技術應用方打分字母表示為[BSij]（i=1，2，3，4;j=1，2[…]15）。則基礎分值矩陣為[S=ASi1? ASi2…? …ASijBSi1? BSi2…? …? BSij]。

（2）決策樹分值計算。基礎分值矩陣S對應行與場景權值矩陣W對應列做乘法運算后相加得到決策樹分值TS。

[TS=ASi1? ASi2…? …ASij×AWi1AWi2……AWij+BSi1? BSi2…? …BSij×BWi1BWi2……BWij]

2. 懲罰參數。懲罰參數的引入是為了更加客觀地評估待評價技術，若待評價技術的技術專家打分值低于德爾菲法指標值，則會產生懲罰參數，需在決策樹分值基礎上加上相應的懲罰參數。

（1）負指標矩陣M。

[M=S-N=ASi1? ASi2…? …ASijBSi1? BSi2…? …BSij-asi1? asi2…? …asijbsi1? bsi2…? …bsij]

（2）懲罰參數計算。僅保留矩陣M中的負數項，其他項設為0，得矩陣M'。懲罰參數等于矩陣M'對應行與場景權值矩陣W對應列相乘后加和。

（四）模型優勢分析

一是采用量化方式進行評估。通過決策樹模型能夠將影響新技術應用決策的各種因素通過量化打分的形式計算出來，最大化降低了人為主觀因素的影響，更加客觀反映新技術在特定應用場景中的適用性，便于決策者客觀、準確地對新技術進行評估。二是建立系統化的技術評估指標體系。這個體系涵蓋了應用新技術需要考量的主要技術因素和評估方法，能夠更加科學、全面地對新技術應用情況進行評估。三是全面考慮技術和業務場景。決策樹模型將新技術的技術指標帶入到不同技術場景、業務場景下進行評估，通過對技術和業務場景的同步整體評估，既考慮到技術因素，也考慮到不同場景下技術因素的不同側重點，更加貼合技術應用實際情況，有利于準確、全面進行評估。四是引入了懲罰參數優化。若待評價技術的技術專家打分值低于德爾菲法指標值，則會產生懲罰參數，需在決策樹分值基礎上加上相應的懲罰值對技術指標值進行優化。懲罰參數的引入可以更加客觀評價待評價技術。

三、實例分析

為驗證模型可行性，本文進行實測，以L銀行選擇容器或虛擬化技術應用于交易反欺詐系統為例，探討模型實際效果。兩種技術在架構、性能、成本等諸多方面有顯著差異，如表4所示。

基于系統特性，確定部署范圍為核心系統，應用場景為資金交易。L銀行內技術、業務、財務系統骨干組成評分團隊，依據模型打分見表5—7。通過場景權值和計算公式進行計算后，得出兩種技術的決策樹分值、懲罰參數值和最終得分。具體分值如表8所示。

L銀行根據決策樹模型的分析結果，選擇了容器技術進行交易反欺詐系統的部署。系統已正式上線穩定運行，實現了對行內業務系統數據的實時收集與分析，柜面業務、手機銀行的實時反欺詐分析提示，以及其他電子渠道業務的準實時分析與提示。通過綜合驗證，證明了決策樹模型的科學性、有效性。

四、結論

本文通過引入決策樹模型，從功能、性能、成熟度、安全、成本等視角出發，利用決策樹分值和懲罰參數計算出兩種不同技術在同一場景下的應用成熟度分值，定量評估待評價新技術是否適合特定金融應用場景，為新技術金融領域應用評估提供了一種新方法。

注：

①德爾菲法，也被稱作專家調查法，基本流程是對所要詢問的問題征得專家意見后，進行整理、歸納、統計，再匿名反饋給各專家，再次征求意見，再集中，再反饋，直至得到一致的意見。

（責任編輯? ? 王? ?媛;校對? ?GJ，WY）