AI大模型如何引领金融风控走出“黑暗森林”？专访中原消费金融首席风险官周晨卉

21世纪经济报道特约记者 陈嘉玲 北京报道

随着金融科技的不断发展，金融风控正在走向数字化、智能化、自动化的未来，金融机构对客户的风险识别也正在从“强变量”的逻辑性判断转向更多“弱变量”的组合。

如何在这些看似边角料的“弱变量”中找出有效信息，已经成为现代金融智能风控的重要研究点，而AI大模型凭借强大的海量计算、语义理解及智能整合能力，在零售信贷场景的应用提供了无限想象空间，也将使得金融机构对信贷客户的了解更上一个台阶。

“大模型能够解决现有技术应对不了的海量信息处理问题，在信贷领域未来的应用场景主要集中在三个方向：用户交互、用户研究和海量数据处理。”谈及风控大模型能给金融业带来的价值，中原消费金融首席风险官周晨卉表示，大模型技术一方面是提高了对海量数据的处理能力，降低维数灾难现象的发生，减少因计算量指数级增长带来的各种问题；另一方面通过大模型实现智能决策，提高管理决策效率，降低误判率。

据介绍，中原消费金融目前正在做一些金融风控大模型方面的储备和尝试。今年以来，该公司借助腾讯云金融风控大模型，通过MaaS模式，双方联合共建了多个模型；同时也一同参与了全球范围内首个金融风控领域大模型国际标准的制定。

金融风控走向数字化、自动化和智能化

波士顿咨询公司最新发布的研报预测，未来五年中国消费金融市场增速将在7%左右，到2027年消费金融总规模达到25万亿元。

市场发展一路向好、不断成熟的同时，行业黑产也在快速蔓延，身份冒用、团伙欺诈、不良用途、恶意逃废债等问题损害着用户利益和金融市场秩序。腾讯云天御数据显示，欺诈造成的逾期约占总逾期的40%~70%。

“金融风控是决定资产质量的重要环节，通过甄别并量化客户的还款能力和还款意愿，结合金融机构自身的管理目标，给予客户适当的额度和定价。”周晨卉告诉本报记者。

经过数年间的数字化转型和数智化浪潮的发展，金融机构对于智能风控、模型算法早已不再陌生。如今，随着大数据、人工智能、云计算等技术加速与金融行业的融合，金融风控也正在发生着翻天覆地的变化。

对此，周晨卉表示，“第一是数字化。将风险所需要的数据要素进行标准化、结构化，形成可用、易用、可扩展的信息，以供风控人员做分析和建模；第二是自动化。我们大部分业务是通过自动化的审批来做授信敞口和定价的给予，整个流程在几十秒内就可以完成，不会有大量的人工做干预。第三是智能化。我们一天面临着数万甚至数十万客户的贷款申请，不论是对客户的投放与运营，还是风险的审批，其实都是通过系统来实现实时流转和智能决策的。公司的核心人才主要集中在策略、模型、分析、科技类岗位，这为业务模式的高度智能化提供了重要支撑。”

“金融科技使得金融风控快速走向数字化、自动化和智能化，让金融机构在信息的获取、处理和应用上有了更多的方法。”周晨卉表示。

机遇的另一面是挑战。在周晨卉看来，随着金融科技发展，在模型里用的变量尤其是组合变量会越来越多，这将带来两个方面的挑战：一方面，模型的可解释性变弱，这可能会使得金融机构对于客户的甄别存在“过拟合”的现象，模型的泛化能力存在不确定性。另一方面，大数据的应用意味着对于系统的稳定性和性能的要求也越来越高，数据的快速增长对系统的数据存储和处理能力带来了更大的压力。

大模型的本质是应对海量信息处理

如果说智能风控是金融行业的“核”，那么风控模型就是智能风控的“魂”。

短短十年间，国内消费金融风控已经经历了三个重要阶段。从2014年信贷行业数据分析的初兴、2018年监管政策影响下金融科技的精细化，到今年风控大模型的智能涌现。

“2023年将是消费金融科技发展中的又一个新起点。”周晨卉认为，基于大模型强大的海量计算、语义理解及智能整合能力等优势，一旦应用在信贷领域，将使得金融机构对信贷客户的认知更上一个台阶。

《2023年商业银行风控趋势调研报告》也指出，受内外部多重因素影响，银行风控策略正在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”。

若单从风控模型呈现出的特点来观察，亦可窥见这些新的趋势。周晨卉指出，首先，风控模型的算法越来越前沿。传统的风控模型以专家模型和逻辑回归为代表，强调可解释性和稳定性。随着信贷业务走向普惠、经营的客群更加多样化，需要使用更有效的算法来做信息整合和客群分层。其次，金融机构对数据的探索不断深入。为了更好地挖掘和发挥数据的价值，变量使用的量级和复杂度均会大幅提升，这对风控变量的管理提出更高的要求。第三，围绕客户全生命周期的管理，模型从侧重于贷前、贷中、贷后等环节的客户风险识别，扩展到了包括客服、电诈、消保、协商还款等场景，更多地从经营的视角去审视模型带来的增益。

“大模型能够解决海量信息处理的问题。”周晨卉介绍称，目前金融业内的探索仍处于初级阶段，中原消费金融也在做一些储备和尝试。

“未来的应用场景主要集中在三个方向：用户交互、用户研究和海量数据处理。”谈及风控大模型能给金融业带来的价值，周晨卉认为，其一方面是提高了对海量数据的处理能力，降低维数灾难现象的发生，能够减少因计算量指数级增长带来的各种问题；另一方面是通过大模型实现智能决策，提高管理决策效率，降低误判率。

共探大模型应用以赋能金融风控

当前，头部金融机构都在积极拥抱大模型，进一步提升风控的智能化水平。

尤其是当前经济环境下，部分金融机构面临新增零售信贷业务风控难与存量零售风控业务风险上升的双重挑战，越来越多的金融机构意识到，要构建更加完善的风控体系，需要具备更完善的技术能力，包括风控模型迭代能力、数据处理能力、样本更新能力等。

“这两年，我们打造了离线+实时的双链路交易体系。在客户授信以后，会定期对所有存量客户离线做资质变化评估，同时客户再次发起借款时也会做实时的客户信用评价。双链路交易评估的模式提升了风险管理偏好和客户经营理念的一致性。此外，在贷中管理环节落地了多场景的额度管理体系。我们做了相应的产品设计，客户可以主动发起提额申请，风控系统将根据客户资质适配到多类增信场景，根据客户提交资料的不同来做差异化授信额度的提升。”

据介绍，中原消费金融自成立之初就确定了以科技创新为驱动的发展战略，持续提升大数据、云计算、人工智能研发实力，全面推进数字化转型升级。尤其是在风控方面，中原消费金融将“风控策略”与“算法模型”深度融合，构建了一个以多元化的平台能力、技术能力、数据能力为基础，涵盖“获客+授信准入+贷中管理+贷后管理”全流程的智能风控体系。

腾讯安全的技术和产品也在中原消费金融的风控体系中发挥了重要作用。据悉，从2019年开始，中原消费金融和腾讯安全在联邦学习上开展合作，双方在各类风控场景上持续探索。今年，腾讯主导启动制定全球范围内首个金融风控领域的大模型国际标准，中原消费金融便是重要参与方之一。

“大模型具备的海量风控知识和高度模块化的AI能力，可以加快风控模型迭代步伐，提升模型的信息容量，让风控模型更加贴合业务经营情况。”周晨卉告诉本报记者，

中原消费金融与腾讯云金融风控大模型所积累的风控知识和能力进行互动，更高效率地生产出专属于中原消费金融的风控模型。今年以来，双方通过这样的模式联合共建了10个风控模型，应用在反欺诈、信用初筛、拒绝回捞、客户经营等多个场景。

对于与腾讯安全的合作，周晨卉说：“在合作的过程中，我们发现腾讯的产品对我们的风险识别工作有一定的增益，腾讯对我们个性化需求的响应速度以及支持力度也非常高。希望未来双方在一些前沿的技术领域有更深入的合作。腾讯的优势在于技术和数据的积累，在反欺诈领域亦有独特的技术沉淀；中原消费金融的优势在于贴近市场，对行业有着独特的理解，对于新技术的接受度也比较高。双方优势互补，相信会继续产生很多新的火花。”