2023年商业银行风控趋势调研报告-29页_17mb

2023年商业银行风控趋势与挑战调研报告总结

核心内容

本报告由21世纪经济报道联合腾讯云发布，聚焦2023年商业银行在风控建模方面的最新趋势与主要挑战。报告通过问卷调研与闭门研讨相结合的方式，收集了来自不同规模银行的141份有效问卷，并与银行首席风险官（CRO）及风险管理部总经理进行深入交流，全面展现当前银行风控能力的升级路径与技术应用前景。

主要观点与发现

风控策略迈入“模型对抗”时代

• 随着黑灰产利用AGI技术进行新型恶意攻击，银行普遍认识到传统“策略对抗”模式的局限性，逐步转向以“模型对抗”为核心的风控策略。
• “策略对抗”依赖历史数据和静态模型，难以应对黑灰产的动态欺诈行为。
• “模型对抗”强调通过机器学习与人工智能实现动态风控管理，实时识别和应对新型欺诈行为。

风控转型升级面临三大挑战

1. 建模效率和样本数量制约

   • 风控模型迭代周期较长，多数银行将周期设定在3-6个月或6-9个月。
   • 风控样本量不足，尤其在新业务或新区域展业时，样本积累速度跟不上业务发展需求。

2. 风控数据收集与处理难度大

   • 数据量大且处理难度高，影响风控模型的构建与优化。
   • 数据质量参差不齐，影响风控决策的准确性。
   • 数据安全问题引发银行高层担忧，限制了数据的使用范围。

3. 定制化风控建模经验不足

   • 银行在构建针对自身业务场景的定制化风控模型时，缺乏足够的经验与高效实施路径。
   • 黑灰产攻击日益复杂，导致传统通用型风控模型难以应对。

AI大模型为银行风控提供新动力

• 逾半数银行选择引入第三方技术或合作开发
  54%的受访银行倾向引入第三方技术或合作开发，以解决数据处理与建模效率的问题。

  • 24.46%银行选择引入第三方技术。
  • 29.5%银行选择合作开发。

• 80%银行看好AI大模型与风控场景的结合

  • 44.7%银行认为大模型技术是AI高度成熟的表现，能显著改变风控模式和效率。
  • 43.3%银行认为大模型技术能提升风控效率。
  • 仅4.3%银行认为两者无结合点。

• 大模型技术优势

  • 提升数据收集与处理能力，解决“模型对抗”策略中的数据瓶颈。
  • 增强风控模型对黑灰产新型攻击的识别与应对能力。
  • 提高模型迭代速度，实现动态建模，提升反欺诈效果。

关键信息

风控策略新共识

• 银行普遍认为，随着客群下沉、黑灰产攻击升级，风控策略必须从“策略对抗”向“模型对抗”升级。
• “模型对抗”依赖于实时数据处理、动态模型迭代与高精度预测，是未来风控发展的主流方向。

风控建模需求与现状

• 获客策略聚焦新客户
  超过55%的银行将“获客准入”作为主要关注点，认为随着经济复苏和普惠金融政策推动，获取新客户是推动零售金融业务增长的关键。

• 不良贷款率预期上升
  超过53%的受访银行认为未来零售信贷不良贷款率将上升，因此更加重视风控策略的优化。

风控实施路径

• 加强行内数据定制化建模
  银行加大在行内数据建模方面的投入，以提升模型的针对性和有效性。
• 加快模型迭代速度
  为应对黑灰产攻击，银行普遍希望缩短模型迭代周期，以实现更快速的风控响应。
• 强化数据采集与处理能力
  银行意识到数据是构建“模型对抗”策略的核心资源，但数据处理的复杂性与安全性仍是主要障碍。

成功应用案例

1. 某东部民营银行

   • 业务背景：拓展线上零售金融业务，引入多个线上渠道流量。
   • 风控痛点：客群风险表现不稳定，模型迭代效率低。
   • 大模型实践：接入腾讯云金融风控大模型后，建模周期大幅缩短，风控效果显著提升，共建超7个定制化模型，覆盖所有进件渠道。

2. 某农商行

   • 业务背景：推进零售业务数字化转型，以线上获客为主。
   • 风控挑战：线上获客初期，样本量不足，导致风控模型效果不佳。
   • 大模型实践：借助腾讯云大模型积累的风控知识，成功提升反欺诈效果约20%，支持线上金融业务正常开展。

调研方法

• 问卷调研：向数百家银行机构发放问卷，共收集141份有效答卷。
• 闭门研讨：联合腾讯安全与数十家5000亿规模以上银行的CRO及风险管理部总经理进行深入研讨，形成普遍共识。

结语

风控策略从“策略对抗”向“模型对抗”升级是大势所趋。随着AI大模型技术的成熟，其在金融风控场景中的应用将更加广泛，为银行提供更精准、高效、动态的风控能力。然而，银行在构建“模型对抗”策略过程中仍需克服建模效率低、数据处理复杂、样本不足等现实挑战，同时探索更高效的实施路径与合作机制，以实现风控能力的全面升级。