电子商务的快速增长重塑了零售业，为中小型企业（SMEs）创造了新的融资机会，特别是通过与传统银行之间的更紧密合作。新的融资模型现正利用电子商务平台的数字现金流作为抵押，这有赖先进的信用风险技术——AIFT模型。该模型基于Merton的结构框架，通过将预期收益分布与债券和期权的估值联系起来，它能够评估未上市、数字原生商家的违约风险，超越了仅适用于上市公司的KMV模型。这使得信用结构能够根据实时收益变化进行动态调整，显著改善对中小企业和跨境电子商务商家的风险评估，并打开通往结构性金融产品的大门。
AIFT模型支持结构性融资工具的开发，如特殊目的公司（SPVs）和特殊目的收购公司（SPACs）以进行电子商务贷款。SPVs能够资产池化及证券化，从而分散风险并稳定投资者的现金流，而SPACs则为高增长商户提供了一种灵活的资本增长机制。然而，管理这些投资组合面临挑战，因为它们受不确定现金流、相关的违约风险，以及短期与长期贷款之间的相互作用影响。在过去五年，增强的KMV方法、AIFT模型以及基于Transformer的神经网络已被开发用于单一贷款层面的预估违责风险，而将其扩展至投资组合则要求明确建模相关风险及随着资本重新配置而产生的动态投资组合影响。
为了解决这些挑战，此项目提出了一个综合的、基于人工智能的平台，将静态证券化（SPVs和ABS资产担保证券）与动态投资组合优化（SPACs）进行整合。平台的核心是一个最先进的连续时间强化学习（CTRL）框架，不断吸取实时替代数据，利用扩散模型更新收益波动率、违约概率和风险情景。该人工智能层由基于区块链的系统辅助，实现资产（资产担保证券/现实世界资产）的实时结算。项目路线图的初期阶段将集中于建立统一的数据基础设施和人工智能风险模型，并部署静态ABS/SPV，随后推出动态SPAC模块，可以支持实时资本配置、超订、动态定价及针对不断变化的电子商务市场而自动调节风险管理。
