大模型为银行风控提供新动力

转自：中国银行保险报网

□记者 冯娜娜

近日，21世纪经济报道联合腾讯安全发布了《迈入模型对抗时代——2023年商业银行风控趋势调研报告》（以下简称《报告》）。《报告》显示，不少受访银行表示，随着客群下沉，银行急需对风控策略做出相应的迭代与更新，以适应新客群的信用状况与信贷风控特征。

《报告》认为，尽管多数银行积极采取客群获取新策略，但在风控方面，他们却采取相对审慎的风控策略。逾53%受访银行认为未来零售信贷业务不良率将逐渐上升，因而采取相对审慎的态度。究其原因，他们认为经济基本面波动、客群下沉、黑产加速利用AI开展欺诈是导致零售贷款不良率上升的三大因素。

银行风控策略变革升级“迫在眉睫”

针对这种状况，多数受访银行的风控策略变革升级正“迫在眉睫”，因此，受访银行的风控策略正从传统的“策略对抗”进入以“模型对抗”为主的新时代。

《报告》通过广泛调研发现，风控迭代速度慢、海量数据采集处理难、定制化风控建模难制约银行向“模型对抗”风控体系迈进。对此，多数受访银行普遍采取三大措施推进：加强基于行内数据的定制化风控模型研发，加快风控模型迭代步伐缩短风控模型迭代周期，加强各类数据采集处理能力，进一步完善风控模型“定制化”与“模型对抗”能力。

针对这些挑战，逾半数受访银行倾向引入“第三方技术”与“合作开发”，构建“模型对抗”风控策略。

基于上述内容，《报告》认为，这表明在相关部门要求银行需加强自主风控能力建设的大趋势下，银行正双管齐下，一方面不断强化自身自主风控能力；另一方面，通过引入辅助决策支持工具持续提升自身风控能力，更好地管控各类零售信贷风险。

值得注意的是，随着大模型技术的兴起，众多受访银行看好大模型技术与风控场景的结合。其中，44.7%受访银行认为“大模型技术是Al技术高度成熟的表现，能显著改变银行风控模式和效率”，43.3%受访银行认为“大模型技术与目前已应用在风控场景的Al技术有一定提升，可以提升风控效率”。与此对应的是，55.39%受访银行已经“积极拥抱大模型，并有探索尝试”；30.22%受访银行选择“保持观望但时刻关注，等待最佳实践案例出现”。

《报告》还提到，在积极试水大模型、看好大模型与风控场景“结合”前景的同时，数据正成为一种新型的“生产要素”，全面参与到各类金融业务场景。在这个过程中，数据与算法的创新使用，可能导致“人与人”“人与物”“人与财”的关系发生巨大变化，由此产生新的金融科技伦理问题。

“模型对抗”升级是大势所趋

近年来，银行的风控策略更多体现在“策略对抗”，即通过对历史金融数据开展相对静态的机器学习与深度学习，辅以相对灵活调整的风控规则策略，以此对抗各类欺诈风险，其实质是用过去数据“预测”未来行为。

《报告》指出，随着“黑灰产”日益引入AG技术虚构“仿真人”实施新型信贷欺诈与恶意攻击，以及客群下沉所带来的业务新挑战，传统风控模型正在逐步“失效”，在这种情况下，金融风控策略已从高度依赖专家经验与历史数据的“策略对抗”转向基于机器学习、人工智能开展动态风控管理的“模型对抗”。

在构建“模型对抗”风控策略过程中，不少银行或多或少地遭遇样本量不足或样本量过于单调等问题，但通过引入金融风控大模型，可以有效解决在小样本下的风控模型反欺诈效果不理想的问题，并进一步增强金融风控大模型的性能。