摘要： 　　來源：21世紀經(jīng)濟報道　　11月21日，由豐臺區(qū)人民政府和南方財經(jīng)全媒體集團指導，《21世紀經(jīng)濟報道》聯(lián)合北京麗澤金融商務(wù)區(qū)管理委員會共同主辦的“第十八屆金融年會·21世紀金...

　　來源：21世紀經(jīng)濟報道

　　11月21日，由豐臺區(qū)人民和南方財經(jīng)全媒體集團指導，《21世紀經(jīng)濟報道》聯(lián)合北京麗澤金融商務(wù)區(qū)管理委員會共同主辦的“第十八屆金融年會·21世紀金融發(fā)展（麗澤）年會”隆重舉行。

　　會議期間，21世紀經(jīng)濟報道聯(lián)合騰訊安全發(fā)布《邁入模型對抗時代——2023年商業(yè)銀行風控趨勢調(diào)研報告》（下稱《報告》）。

　　這份《報告》通過調(diào)研問卷形式，廣泛收集銀行機構(gòu)對自身風控建模方面的觀點與見解，展現(xiàn)當前銀行機構(gòu)在風控建模所取得的最新進展與主要挑戰(zhàn)，并結(jié)合專家專業(yè)意見，為銀行機構(gòu)風險建模能力提升提供真知灼見，助力銀行機構(gòu)風控建模能力進一步提升，更好地適應(yīng)內(nèi)外部經(jīng)濟環(huán)境變化與自身零售業(yè)務(wù)發(fā)展需要。

　　《報告》顯示，逾55%的受訪銀行機構(gòu)認為，鑒于中國經(jīng)濟基本面持續(xù)復蘇增長激發(fā)民眾消費需求，加之國家相關(guān)部門要求銀行機構(gòu)做好普惠金融這篇“大文章”，? 當前他們一大經(jīng)營策略仍聚焦獲取新客戶并助推自身零售金融業(yè)務(wù)持續(xù)增長。

　　但與此同時，是逾53%受訪銀行機構(gòu)人員認為未來零售信貸業(yè)務(wù)不良率將逐漸上升，因而取相對審慎的態(tài)度。究其原因，是他們認為經(jīng)濟基本面波動、客群下沉、黑產(chǎn)加速利用AI開展欺詐攻擊，是導致零售貸款不良率上升的三大因素。

　　針對這種狀況，多數(shù)受訪銀行機構(gòu)的風控策略變革升級正“迫在眉睫”，但以往的傳統(tǒng)風控策略普遍存在用“過去”預(yù)測“未來”參考價值大幅降低、單點防御失效、通用型風控策略失效等痛點。

　　因此，受訪銀行普遍在風控策略變革方面正形成“新共識”——即風控策略正從傳統(tǒng)的“策略對抗”，進入以“模型對抗”為主的新時代。原因是以往，銀行機構(gòu)的風控策略主要基于靜態(tài)模型+動態(tài)策略，并通過不斷增補完善風控規(guī)則應(yīng)對外部變化。但現(xiàn)在，客群變化加快、黑產(chǎn)加速利用Al等新形勢下，在調(diào)整風控策略的基礎(chǔ)上，還要強化模型的迭代優(yōu)化。

　　在構(gòu)建“模型對抗”風控體系過程，多數(shù)銀行也發(fā)現(xiàn)建模慢、樣本少正成為制約他們加快推進風控策略變革升級的兩大掣肘。對此多數(shù)受訪銀行機構(gòu)普遍取三大實施推進“模型對抗”風控體系搭建，分別是加強基于行內(nèi)數(shù)據(jù)的定制化風控模型研發(fā)，加快風控模型迭代步伐，縮小風控模型迭代周期，加強各類數(shù)據(jù)集處理能力，進一步完善風控模型“定制化”與“模型對抗”能力。

　　《報告》通過廣泛訪發(fā)現(xiàn)，風控迭代速度慢、海量數(shù)據(jù)集處理煩、定制化風控建模難依然制約銀行機構(gòu)向“模型對抗”風控體系邁進。

　　針對這些挑戰(zhàn)，逾半數(shù)受訪銀行傾向引入“第三方技術(shù)”與“合作開發(fā)”破局，構(gòu)建“模型對抗” 風控策略。他們特別看中第三方風控科技平臺的輔助決策支持（分析加工數(shù)據(jù)形成產(chǎn)品的產(chǎn)品，按次查詢收費）、決策工具支持（提供處理風控流程 的軟件工具產(chǎn)品）以及專家服務(wù)等三大能力。

　　值得注意的是，隨著AI大模型技術(shù)的興起，逾80%受訪銀行高度看好Al大模型與風控場景的“結(jié)合”。其中，44.7%受訪銀行機構(gòu)認為“大模型技術(shù)是Al技術(shù)高度成熟的表現(xiàn)，能顯著改變銀行風控模式和效率”，43.3%受訪銀行認為“大模型技術(shù)與目前已應(yīng)用在風控場景的Al技術(shù)有一定提升，可以提升風控效率”，

　　與此對應(yīng)的是，55.39%受訪銀行機構(gòu)已經(jīng)“積極擁抱大模型，并有探索嘗試”、30.22%受訪銀行機構(gòu)選擇“保持觀望、但時刻關(guān)注等待最佳實踐案例出現(xiàn)”。

　　《報告》顯示，在調(diào)研期間，不少受訪銀行相當認可騰訊云金融風控大模型，后者通過MaaS （模型即服務(wù)）的方式，致力于解決銀行機構(gòu)所面臨的風控樣本小、定制化風控建模經(jīng)驗不足、風控模型迭代速度偏慢等痛點，顯著加快他們構(gòu)建 “模型對抗”風控策略的進程。

　　目前，某東部民營銀行在接入騰訊云金融風控大模型后，風控效果得到顯著提升、風控建模時間周期也大幅縮短、風控模型迭代速度驟然加快，目前雙方一起聯(lián)合共建超7個定制化模型，覆蓋所有的進件渠道，有效地幫助銀行實現(xiàn)風險的動態(tài)治理。

　　與此同時，某農(nóng)商行在接入騰訊云金融風控大模型后，有效彌補自身樣本不足的“劣勢”，快速完成風控建模，其反欺詐效果相對傳統(tǒng)方案提升約20%，成功支持其線上金融業(yè)務(wù)的正常開展。

　　《報告》指出，隨著黑灰產(chǎn)日益引入AG 技術(shù)虛構(gòu)“仿”實施新型信貸欺詐與惡意攻擊，以及客群下沉所帶來的業(yè)務(wù)新挑戰(zhàn)，傳統(tǒng)風控模型正在逐步“失效”，比如AGl（通用人工智能）模擬的“仿”欺詐行為具有高度動態(tài)性且“千 人千面”，令傳統(tǒng)風控模型無法及時收集分析更多數(shù)據(jù)并識別出其欺詐手法。

　　在這種情況下，金融風控策略已從高度依賴專家經(jīng)驗與歷史數(shù)據(jù)的“策略對抗”，轉(zhuǎn)向基于機器學習、人工智能開展動態(tài)風控管理的“模型對抗”。即通過不斷迭代升級的大模型技術(shù)，實時收集分析各類最新的 欺詐行為并動態(tài)生成新的反欺詐風控模型，快速完善現(xiàn)有的風控體系，令黑灰產(chǎn)的各類新型欺詐攻擊行為 “無所遁形”。

　　在構(gòu)建“模型對抗”風控策略過程，不少銀行機構(gòu)或多或少地遭遇樣本量不足或樣本量過于單調(diào)等問題。但通過引入金融風控大模型，是可以有效解決在小樣本下的風控模型反欺詐效果提升問題，并進一步增強金融風控大模型的KS 性能與跨場景泛化性性能。

　　據(jù)悉，21世紀經(jīng)濟報道與騰訊安全在撰寫《報告》期間，向數(shù)百家銀行機構(gòu)發(fā)放調(diào)查問卷，受訪對象涵蓋不同規(guī)模銀行、涉及風控業(yè)務(wù)的不同部門人員，累計收到141份有效答卷。因此這份《報告》全面地展現(xiàn)不同規(guī)模銀行機構(gòu)對風控建模的最新進展與主要挑戰(zhàn)，令調(diào)研內(nèi)容不但更具客觀性，更能全面呈現(xiàn)當前銀行業(yè)的風控能力最新發(fā)展趨勢。