炒股配资网_炒股配资平台_证券配资网-金融风控大模型拟定国际标准 兼顾合规与效率
你的位置:炒股配资网_炒股配资平台_证券配资网 > 炒股配资网 > 金融风控大模型拟定国际标准 兼顾合规与效率
金融风控大模型拟定国际标准 兼顾合规与效率
发布日期:2024-03-25 12:46    点击次数:99

  大模型时代,互联网大厂、银行、券商等各路机构纷纷下场,推进金融大模型这一“塔尖技术”进一步落地。在参与者众多、企业竞争激烈的当下,构建金融大模型的标准体系已经“箭在弦上”。

  近日,金融风控领域国际标准启动会正式举行。作为全球范围内首个金融风险控制领域的大模型国际标准,该国际标准由腾讯主导发起,多家金融机构及科研院校等联合制定,旨在为金融机构风控建模环节中应用AI大模型技术提供参考和指引,使金融机构在日益复杂和数据驱动的金融环境中,能够高效地预测、衡量和管理业务风险。不久前,国内首个金融行业大模型标准发布。

  接连发布有关金融行业大模型的标准意味着什么?这些标准的发布,对金融大模型的发展将带来哪些影响?

  对此,多位业内人士告诉《中国经营报》记者,先后发布的金融大模型标准,分别侧重于底层技术的定义和场景应用中的痛点。可以看到,我国金融大模型在进入规范化、标准化发展的同时,正在深入产业场景之中。多位业内人士还指出,需要注意的是,金融风控领域对于数据的合规安全要求更高,这也使得模型的训练效果有所折损。接下来,如何在保障数据隐私和信息安全的前提下,充分利用数据进行模型训练与应用,是一个摆在行业面前亟待解决的问题。

  提升模型泛化能力

  腾讯云天御首席科学家、IEEE(电气电子工程师学会)金融风控大模型标准工作组主席李超表示:“由于样本积累速度和模型复杂度的限制,传统的风险控制模型在风险识别和迭代频率上存在明显不足。以大规模人工智能模型为例,基于生成网络和深度学习的模型可以学习更长周期、更复杂的风险模式。它可以利用迁移学习对不同的业务垂直领域进行自适应匹配,提高风险控制识别的准确性,并显著降低样本要求。”

  李超告诉记者,为确保风险控制的持续有效性,金融机构需针对不同业务领域建立合适的风险量化模型,并根据风险情况不断迭代风险控制模型。尤其是金融行业在零售数字化的过程中,为了适应客群下沉、金融产品秒批秒放、快速审核等特点,需要更加敏捷、动态、精准的风控能力。本次标准正是为了解决传统金融风险控制模型的缺陷而制定的。与传统风控模型相比,基于大规模AI算法的风控模型能高效融合海量的金融反欺诈先验知识形成大模型,在应用时能显著提升模型的风险识别性能以及跨场景的泛化能力。

  标准的制定对金融行业意味着什么?

  天使投资人、人工智能专家郭涛向记者表示,标准的制定,首先能够促进金融大模型的标准化和规范化,提高模型的可比性和可复制性,有助于推动整个行业的发展。其次,通过标准的制定,可以降低金融大模型的开发和应用成本,提高金融机构的效率和竞争力。此外,行业标准的制定还可以促进金融机构之间的合作与交流,推动技术的创新和应用。

  记者还注意到,在不久前的9月,我国首个金融行业大模型标准——《面向行业的大规模预训练模型技术和应用评估方法第1部分:金融大模型》发布,该标准则由中国信息通信研究院牵头,联合腾讯云、奇富科技、科大讯飞等40多家企业共同编制。

  在中国信息协会常务理事、国研新经济研究院创始院长朱克力看来,先后发布的金融大模型标准以及金融风控大模型标准,两者侧重有所不同。前者是国内标准,侧重于底层技术,主要从数据构建、模型算法、模型训练、模型压缩与加速、模型评测、模型运营和安全可信几个方面去定义金融行业的大模型。而后者是国际标准,侧重于场景应用,主要聚焦的是金融行业信贷场景风控建模过程中应用大模型的流程和技术指导。这也代表我国金融大模型在进入规范化、标准化发展的新阶段,同时正在深入产业场景,解决其中痛点。

  迭代效率提升

  金融行业近年来一直在探索人工智能技术在风控环节的应用。大模型技术应用在风控环节中将带来哪些成效?

  对此,李超告诉记者,通过大规模AI算法的风控模型在帮助金融机构建模,以及模型迭代效率的提升上有较为明显的帮助。当金融机构接入腾讯云金融风控大模型后,可基于“样本提示”模式自动生成定制风控模型,实现从样本收集、模型训练到部署上线的全流程零人工参与,建模时间从以前的2周缩短到仅需2天。迭代方面,在建模需求旺盛的消费金融行业,面对每半年甚至几个月一次的模型迭代需求,某头部消费金融企业接入风控大模型之后,大幅提升了模型迭代效率,双方一起联合共建了10个定制化的风控模型,应用在反欺诈、信用初筛等多个业务场景。目前,腾讯安全已经和头部金融机构联合共建了近百个定制化的风控模型,基于大模型生产的定制化风控模型,相比传统方案反欺诈效果(模型区分度,KS值)提升了20%。

  马上消费数据智能与风控研发部高级总监王思远则向记者表示,通过大模型技术加持的风控模型能够在复杂的环境下,广泛利用多模异构数据进行金融风险感知、归因、预测和可信AI智能决策体系能力的进一步提升。同时,通过知识萃取、AI驱动的内容生成能力也促成了生产力工具和企业运营的能力变革,从而使机构能够更好地满足用户差异化、精准化需求。

  对于标准构建后的下一步计划,李超表示,将持续携手产业各界推进标准建设与实践落地,为金融行业智能化的高质量规范化发展提供重要支撑。特别地,启动会现场还明确了标准的研制方案,并计划于明年9月正式发布,为金融机构信贷风控建模提供参考指南。

  多位金融机构人士在采访中均向记者表示,在大模型技术的实际应用中,基于金融机构更严格的数据合规管理,在进行模型训练时,机构首先需要取得数据的使用权并确定使用期限,然后再对数据进行加密处理。这样,一方面使得模型得以落地,另一方面则是以牺牲了部分训练效果为代价。

  朱克力也向记者表示,如何在保障数据隐私和信息安全的前提下,充分利用数据进行模型训练与应用,是一个亟待解决的问题。此外,要充分挖掘不同类型大模型在产业场景中的落地逻辑。同时,金融风控领域的大模型应用,还需要更加注重模型的可解释性和可信度,以提高模型的可靠性及应用范围。

  记者也在采访中了解到,合规安全正成为金融机构接下来努力的一大方向。

  王思远告诉记者,接下来公司将致力于形成更加合规安全的科学决策。他谈到:“过往人工智能聚焦工具革命,大模型会带来科学的革命,让金融在进行风险控制的同时,更具科学性、合规性、有效性。具体路径上,我们将通过群体智能决策模式,形成安全可控且稳定的大规模智能决策层,对数据的组织方式、数据的决策方式以及科技的架构、未来组织战略产生质的影响。”



相关资讯