摘 要：對(duì)于目前的互聯(lián)網(wǎng)金融發(fā)展來(lái)說(shuō)，其內(nèi)在的風(fēng)控模式實(shí)際意義區(qū)別于一般金融機(jī)構(gòu)的信貸審核機(jī)制，與傳統(tǒng)金融行業(yè)相比，存在著缺乏組織抵押和實(shí)際信息不對(duì)稱等問(wèn)題?，F(xiàn)階段，計(jì)算機(jī)時(shí)代到來(lái)，呈現(xiàn)出大數(shù)據(jù)迅猛發(fā)展和機(jī)器學(xué)習(xí)算法普及的特點(diǎn)。這造就了智能化進(jìn)程加快，人工智能化發(fā)展正在崛起。本文主要以人工智能背景下互聯(lián)網(wǎng)金融信用評(píng)分模式為基礎(chǔ)，探討人工智能在互聯(lián)網(wǎng)金融方面的實(shí)際應(yīng)效果與存在形式進(jìn)行分析。計(jì)算機(jī)時(shí)代必將影響整個(gè)互聯(lián)網(wǎng)金融行業(yè)，要充分利用人工智能化技術(shù)優(yōu)勢(shì)與信用評(píng)分模式完美結(jié)合，金融行業(yè)風(fēng)險(xiǎn)控制智能化發(fā)展必是未來(lái)的時(shí)代主流。

關(guān)鍵詞：互聯(lián)網(wǎng)金融 智能化 評(píng)分模式

引 言

金融機(jī)構(gòu)面臨的最大問(wèn)題就是交易風(fēng)險(xiǎn)。傳統(tǒng)分析按評(píng)估的主要標(biāo)準(zhǔn)是收入、婚姻、財(cái)產(chǎn)狀況。在抵押方面需要有一定價(jià)值的物品?，F(xiàn)階段互聯(lián)網(wǎng)的發(fā)展突破以前的黃金準(zhǔn)則，把大數(shù)據(jù)和計(jì)算機(jī)算法應(yīng)用其中。人工智能評(píng)分模式成為互聯(lián)網(wǎng)金融的重要組成部分。本文主要從應(yīng)用和現(xiàn)實(shí)挑戰(zhàn)兩點(diǎn)進(jìn)行分析研究。

一、互聯(lián)網(wǎng)金融征信中的人工智能評(píng)分模型

1.模型應(yīng)用

人工智能在互聯(lián)網(wǎng)金融行業(yè)得到廣泛使用，主要負(fù)責(zé)建立真實(shí)的業(yè)務(wù)場(chǎng)景模型，業(yè)務(wù)模型有自主調(diào)節(jié)的優(yōu)點(diǎn)。人工智能的數(shù)據(jù)分為訓(xùn)練數(shù)據(jù)和檢測(cè)數(shù)據(jù)，這兩類數(shù)據(jù)具有永恒增長(zhǎng)性。人工智能的信用評(píng)分模式多種多樣，選取以下幾種進(jìn)行分析：Logit模型。它是（LDV）框架的發(fā)展結(jié)果，客戶簡(jiǎn)單分成“好”和“壞”兩類，0.5是確定他們區(qū)間的標(biāo)準(zhǔn)。信用評(píng)分模式是衡量客戶未知信用的標(biāo)準(zhǔn)，實(shí)際信用是不可測(cè)的。實(shí)際信用成為潛變量Y*，信用模式就是用函數(shù)關(guān)系把潛變量數(shù)值變成可觀測(cè)的結(jié)果。人工智能的作用就是保證函數(shù)關(guān)系轉(zhuǎn)化的實(shí)驗(yàn)數(shù)據(jù)貼近Y值。最后確定影響客戶信用的因素并進(jìn)行評(píng)分。

2.LDV的模式框架

LDV的模式框架如下：，這里是潛變量，是轉(zhuǎn)換函數(shù)，它使的取值變成觀測(cè)數(shù)據(jù).加入0成為觀測(cè)數(shù)據(jù)分類的標(biāo)準(zhǔn)，取值概率如下：。顯然，LDV分析框架下，模型的具體形式就取決于累計(jì)分布函數(shù) 的形式，如果是 Logistic 分布就是 模型，連接函數(shù) ，因變量取值概率。；模型評(píng)價(jià)以擬合優(yōu)度、正確預(yù)測(cè)百分比和KS曲線為標(biāo)準(zhǔn) 百分比P值0.5，潛變量Y值=1.百分比正確算法就是用正確結(jié)果除以總數(shù)。而KS曲線表示好壞客戶累積概率差的最大值，是決定模型能力好壞的重要因素。好壞客戶信用分布存在較大差異，好客戶分布在信用評(píng)價(jià)較高的區(qū)域，壞客戶將相反。

3.支持向量機(jī)。

（1）支持向量機(jī)最早在20世紀(jì)90年代由Cortes和Vapnik提出，在以后的發(fā)展中廣泛應(yīng)用。它的實(shí)質(zhì)是智能計(jì)算的分類算法。它屬于二分類模型概念，應(yīng)用原理是在特征空間內(nèi)利用線性分類器擴(kuò)大間隔，具體算法是凸二次規(guī)劃問(wèn)題求解過(guò)程。支持向量機(jī)具有兼顧訓(xùn)練精度和泛化能力關(guān)系的作用。它在很多方面都有很大優(yōu)勢(shì)。比如：小樣本和模式識(shí)別等方面。

（2）信用評(píng)分模式最常用的手段是線性可支持向量機(jī)，這種情況下，訓(xùn)練數(shù)據(jù)屬于線性可分范疇，并且能保證此時(shí)的解具有唯一性和最優(yōu)性。在實(shí)際的信用評(píng)估中，違約和不違約定義成兩分類變量，對(duì)訓(xùn)練數(shù)據(jù)來(lái)說(shuō)，尋扎具有擴(kuò)大間隔的分離超平面。假設(shè)分離超平面由：表示，那么，這個(gè)最優(yōu)化的分離超平面會(huì)由最后化問(wèn)題得到：對(duì)應(yīng)決策函數(shù)是：。

二、面臨挑戰(zhàn)

1.模型泛化能力較弱

互聯(lián)網(wǎng)的實(shí)際應(yīng)用場(chǎng)景各不相同，技術(shù)人員在建立模型的過(guò)程中呈現(xiàn)出過(guò)于注重訓(xùn)練效果和單一業(yè)務(wù)數(shù)據(jù)的缺點(diǎn)。這是建模能力偏弱的原因。新建模型在實(shí)際操作中會(huì)出現(xiàn)缺乏審核能力和模型預(yù)測(cè)不準(zhǔn)確等缺點(diǎn)。有的機(jī)構(gòu)會(huì)出現(xiàn)人工審核過(guò)程，沒(méi)有在實(shí)際應(yīng)用中完成對(duì)人工智能評(píng)分的發(fā)展。

2.新型模型在發(fā)展過(guò)出現(xiàn)過(guò)度復(fù)雜和擬合顯現(xiàn)嚴(yán)重等問(wèn)題

人工智能比傳統(tǒng)的信用評(píng)分方法在很多方面都存在優(yōu)勢(shì)。比如，以人工智能為基礎(chǔ)的評(píng)分模型不需要假設(shè)變量假設(shè)，也可以直接在訓(xùn)練數(shù)據(jù)中獲得數(shù)據(jù)信息，并且可以快速完成解析。它與傳統(tǒng)的線性評(píng)分模式相比，人工智能具有靈活和高效的特點(diǎn)。在現(xiàn)階段信用評(píng)分模式的發(fā)展中，很多技術(shù)人員注重?cái)M合結(jié)果，在變量建模方面存在采取過(guò)度復(fù)雜和過(guò)度嚴(yán)重的特點(diǎn)。這種情況導(dǎo)致擬合現(xiàn)象不符合實(shí)際測(cè)評(píng)。效果嚴(yán)重低于預(yù)期目標(biāo)。

3.交叉驗(yàn)證機(jī)制流于形式

人工智能要想取得良好的學(xué)習(xí)能力，就需要建立一個(gè)合理明確的交叉驗(yàn)證機(jī)制。這個(gè)驗(yàn)證機(jī)制需要在訓(xùn)練數(shù)據(jù)和檢測(cè)數(shù)據(jù)兩方面進(jìn)行分析，同時(shí)，也要不斷增加建模的學(xué)習(xí)能力。但是，很多企業(yè)只是把數(shù)據(jù)分成簡(jiǎn)單的訓(xùn)練數(shù)據(jù)和檢測(cè)數(shù)據(jù)兩方面。企業(yè)大部分員工工作能力互不相同，技術(shù)水平良莠不齊。這導(dǎo)致企業(yè)沒(méi)有深入的了解和研究數(shù)據(jù)生成體系，只是停留在表面階段，在數(shù)據(jù)模型方面，難免存在誤差。

4.同行業(yè)競(jìng)爭(zhēng)

互聯(lián)網(wǎng)金融行業(yè)的人工智能模型發(fā)展呈現(xiàn)出“百花齊放，百家爭(zhēng)鳴”的繁榮景象。但是，在發(fā)展快速的今天，仍然沒(méi)有一個(gè)全行業(yè)都認(rèn)可的規(guī)律體系去維持人工智能工作的標(biāo)準(zhǔn)。這就是人工智能繁榮狀態(tài)下的陰影。它是企業(yè)只顧發(fā)展速度不重質(zhì)量造成的。這就導(dǎo)致很多行業(yè)泡沫的誕生?，F(xiàn)階段的人工智能也存在很多不足，比如，進(jìn)入門檻太低、判斷標(biāo)準(zhǔn)不清、甚至還有很多情況下出現(xiàn)炒作的現(xiàn)象，這都不利于互聯(lián)網(wǎng)狀態(tài)下金融領(lǐng)域人工智能的全面發(fā)展。歸根結(jié)底，還是沒(méi)有一個(gè)行業(yè)標(biāo)準(zhǔn)來(lái)指導(dǎo)和規(guī)范人工智能合理發(fā)展。

結(jié)束語(yǔ)：在未來(lái)的互聯(lián)網(wǎng)金融行業(yè)發(fā)展中，人工智能必將是風(fēng)險(xiǎn)調(diào)控的主流。但是，這不說(shuō)明我們目前我們的互聯(lián)網(wǎng)人工智能信用評(píng)分模式就沒(méi)有問(wèn)題，現(xiàn)階段，我們的問(wèn)題主要體現(xiàn)在模型錯(cuò)用、過(guò)擬合現(xiàn)象普遍、泛化能力較弱、泛化誤差較大、技術(shù)人才稀缺和現(xiàn)有人員技術(shù)水平不高等方面。在人工智能迅猛發(fā)展的時(shí)代條件下，我們不僅要把握發(fā)展機(jī)遇，更要注重發(fā)展質(zhì)量。我們要明確人工智能的發(fā)展目標(biāo)和營(yíng)運(yùn)領(lǐng)域。

參考文獻(xiàn)：

[1] 蔡慧琴.互聯(lián)網(wǎng)金融的發(fā)展及人工智能的應(yīng)用[J].現(xiàn)代商貿(mào)工業(yè)，2017（35）：36-37.

[2] 喬海曙，王鵬，謝姍珊.金融智能化發(fā)展：動(dòng)因、挑戰(zhàn)與對(duì)策[J].南方金融，2017（6）.

作者簡(jiǎn)介：余新衛(wèi)（1983.09—），男，湖北省孝感人，現(xiàn)就職于上海星融財(cái)富投資顧問(wèn)股份有限公司，擔(dān)任CTO，是中國(guó)電子學(xué)會(huì)、中國(guó)計(jì)算機(jī)協(xié)會(huì)會(huì)員，專注領(lǐng)域，分布式、微服務(wù)、高并發(fā)、互聯(lián)網(wǎng)金融、區(qū)塊鏈。