结合人工智能与信用评分体系

作者：汤宸（香港城市大学）
2024/07/26

引言

自金融出现以来，从业人员一直都面对着如何客观有效地评估客户信用等级这一问题。以中国大陆的信用评分发展史为例：在上世纪八、九十年代，深圳为了应对信用风险管理和贷款融资问题，推出纸本贷款证，后来此物演化为中国人民银行的信用报告；2015年开始，征信中心也提供“个人信用报告数字解读”服务，然而因缺乏可持续的改善机制等因素，难以推广^[1]。经近30年的发展，这些传统的信用评分体系（以下简称传统体系）的评级结果依然不够稳定，某些时刻可信度也不甚理想，甚至会引起争端，如信用卡申请、银行贷款时会发生的个人信用评估错误。

传统体系的挣扎

有学者和分析师指出，传统体系依赖于线性分析各指标和主观判断结果，存在不足。如下例^[2]，各企业的综合分数是各指标评分值乘以参考权重再求和。

指标评分	参考权重	企业甲	企业乙	企业丙
资产负债率	50%	9	8	8
速动比率	15%	10	9	10
经营性现金流	15%	6	8	8
高管变动	20%	10	7	8
综合分数	—–	8.9	7.25	7.5

从表格中，我们可以看到企业甲的分数最高，企业乙的分数最低。然而，如我们选择决策树，即上述四个指标评分中，有一项低于7，则该企业接近违约或信用等级低，我们便会认为企业丙的信用最高，企业甲的信用最低，因其经营性现金流指标评分只有6。

从此例中我们发现，传统体系建模过于简单和理想化，与复杂的实际情况相差甚远；或是依赖主观判断，在公信力和说服力上有所欠缺。实际上，传统体系因其相对简单，对基础假设依赖性强。一旦基础假设有偏颇，得出结果的参考性会大打折扣。更致命的是，评级公司有时难以保持应有的客观中立性。上述例子也表明，传统体系的评级结果没有前瞻性或指导性。

人工智能与信用评分体系的结合

早在2018年，中国信息通信研究院安全研究所便认为人工智能技术可提升信用评估、风险控制的工作效率和准确度^[3]。传统体系面对海量的、各式的数据时，分析过于简单，信息处理量也有限。然而，现在人工智能技术可对大量文本、图片和影像等非常规数据进行整合，并快速分析消费数据和互联网交易行为数据等新兴数据。基于人工智能的信用评分体系（以下简称新型体系），也会在一定程度上去除主观因素的影响。学者也从学术层面证明，新型体系优于传统体系^[4]。

国内外许多企业、评级公司和政府机构已经开始推广并采用新型体系：

德勤中国采用了自然语言处理技术（NLP），开发了具有实时预警和监测功能的“德勤智慧债券”债券风险平台。这一平台在2018年前10个月，对中国债券市场的预警准确率达到100% ^[5]。
美国的Zest AI公司发展了新型体系。客户在需要提供信用等级的各项申请中，通过率增加了20%～30%；在申请批准率不降低的情况下，客户的坏帐和违约事件下降了30%～40% ^[6]。与传统体系相比，新型体系可找到信用更好的客户，也能帮助服务供应商更好地避免违约等情况。
Neurensic 公司用新型体系识别对交易公司构成风险的行为，同时自动检测和跟踪高风险活动 ^[7]。
香港金融管理局在2019年11月发布了《应用人工智能的高层次原则》^[8]和《认可机构就应用大数据分析及人工智能的消费者保障》^[9]两大指导性文件，在一定程度上鼓励了本港企业应用新型体系。
香港应用科技研究院也将人工智能技术与金融科技相结合，为中小微企业开发新型模型，助其申请贷款^[10]。

人工智能技术的落地和大语言模型的助力

虽然新型体系优点多，但训练人工智能需大量的数据和计算资源，无形之中是一种阻碍。因此，我们可以使用已经训练好的人工智能模型，例如ChatGPT，来帮助我们开发新型体系。主流大语言模型已支持上传文檔和使用Code Interpreter这一插件，结合具体要求来分析，生成自然流畅的结果。如图1所示，使用大语言模型帮助构建新型体系主要涉及两个步骤，一是数据的预处理和预分析，二是模型的选择与构建。

下面这个案例^[11]尝试使用ChatGPT发展新型体系，对提供的数据进行分析并以此构建新型体系。如图2¹所示，ChatGPT也可根据数据提出一些较为宏观和实际的分析结果与看法，为技术人员提供参考。

然而，更准确和客制化的新型体系需要更多数据，部分数据可能会较为敏感，需要我们慎重考虑来合规合法获取这些数据。再者，用户的数据会首先上传至开发公司的服务器，由大语言模型处理后再返回结果，有第三方参与了数据的访问和分析过程。在数据隐私和安全日益受重视的今天，我们需要考虑相关风险。

未来之展望

我们可以看出，企业需要隐私性强及高性能的大语言模型来发展新型体系。OpenAI在2023年8月23日推出了ChatGPT Enterprise^[12]，提供无限制的、性能更强的GPT-4访问，并且提供数据加密传输服务，兼顾大语言模型性能，为新型体系构建提供了更好的选择。学者也在Natural上发文，认为包含GPT在内的大语言模型，可以帮助优化现有的信用评分体系^[13]。可以预见，在不久的将来，将会有更多的企业和评分机构采用新型体系。