登錄×
電子郵件/用戶名
密碼
記住我
經濟發展新動力

人工智能在信用評估中的作用

王倩:對於企業發行的債券類借款,人們可以通過機器實現其模型的風險度量與計算。相對來說,個體借款人還款行為較難被量化。

隨着計算機和大數據的發展,近兩年人工智能技術越來越多的應用於診斷疾病、翻譯語言和駕駛汽車等。世界經濟論壇報告顯示,全球針對人工智能創業企業的投資從2011年的2.82億美元增長到2015年的24億美元,與此同時併購交易也在加劇。

現在,人工智能又成為金融科技的熱點項目,它被用於交易風險評估和實施監管、市場趨勢預測等,打通金融機構、供應商和客戶之間的信息壁壘。人們利用人工智能提高工作效率,降低運營成本,迎合多變的市場環境,發展新型商業模式。

隨着人工智能應用範圍的不斷擴大,它逐漸滲透到各個領域,也包括金融領域,例如P2P、眾籌、理財諮詢等。那麼其中必須存在的信用評估能通過人工智能來解決嗎?

無論是P2P還是眾籌等,但凡涉及到與信用產品有關,無論是貸款還是債券等,都離不開信用評估。現行的網貸與眾籌解決信用評估的方案,略有偏頗,我個人認為其評估的結果同真正這些產品所蘊含的風險還有一定的距離,結果並不理想。

信用評估伴隨着每個與信用產品相關的過程中。顧名思義,信用產品蘊含信用風險,人們需要對這個風險進行定性、定量,這就要求有一個合適的評估風險與價值的方法。信用風險是借款人無願望或者無能力支付其所借貸的款項而產生的風險,這裡其所借貸的款項既有貸款也有債券等。由於這些信用產品的風險都與人的行為舉止相關,所以對其評估多半也無法完全標準量化。

目前,評估信用風險的方法無論採用何種形式,無外乎下列幾種方案。作為借款人一方,它可以是個體人,也可以是一個企業。個體人貸款時,我們要評估他的信用償還能力所蘊含的風險;企業作為借款人時,我們針對的是一個實體的還款能力,它相對比較好量化些,因為有相對更嚴格的法規相束縛。企業的貸款還款行為相對於個人貸款還款行為相對較理性,而且它的數據數量與質量也優於個人的信貸記錄,從而也相對能夠被理性量化。尤其對於企業發行的債券類借款時,人們可以更好的來通過機器實現其模型的風險度量與計算。相對來說,個體借款人還款行為較難被量化。在評估信用風險的時候,企業類借款人,其信用風險受人的行為舉止的影響較個體借款人來說,較容易被標準化與量化。金融市場上也有很多模型來進行對企業借款人的信用風險的計算,它們相對比較成熟。而個體借款人還款行為的模型中,基於人的行為舉止的評判指標較多,這些指標都相對較難準確被標準化與量化。

提及私人貸款的信用風險,人們首先想到的就是信用評級。信用評級的方案可以分為數理統計方案、人為的判斷評估等大類別。信用評分就是最常見的一種,它通常來評判借款人的可信度與按時性如何,這個過程不太容易被標準化。一般來說,這種依賴人為判斷的方法的主觀性與複雜程度要遠遠高於基於統計的計量方法。

在我國的科技金融市場,以P2P與眾籌為例,甚至也包含智能投顧,其針對的借款主體多半是私人借款人,針對它們信用評估的方案以這些人為判斷評估的方法為主。它們大多是一些針對人的行為舉止等無法被完全量化的問題與指標,然後為給這些問題的回答打分。評估機構不同,其所針對的重點與問題和積分也相互有差異,很難被標準化與統一化,特別是積分等。針對的人群不同,方案也大相徑庭。

讀者評論

FT中文網歡迎讀者發表評論,部分評論會被選進《讀者有話說》欄目。我們保留編輯與出版的權利。
用戶名
密碼
FT中文網客戶端
點擊或掃描下載
FT中文網微信
掃描關注
FT中文網全球財經精粹,中英對照
設置字號×
最小
較小
默認
較大
最大
分享×