迈入模型对抗时代-2023年商业银行风控趋势调研报告-腾讯云_28页_16mb

2023年商业银行风控趋势与挑战总结

核心内容

随着金融行业的零售数字化进程加快，商业银行的风控能力正面临前所未有的挑战与机遇。21世纪经济报道联合腾讯云发布的《商业银行风控能力调研报告》揭示了当前银行在风控建模方面的新趋势、主要挑战以及AI大模型带来的新动力。

主要观点与发现

风控策略迈入“模型对抗”时代

• 银行机构普遍意识到，传统的“策略对抗”模式已无法有效应对黑灰产组织利用AGI技术进行的新型恶意攻击。
• 未来零售信贷业务不良贷款率被多数银行认为将逐渐上升，因此风控策略需更加审慎。
• 风控策略正从依赖历史数据和静态模型的“策略对抗”转向基于大模型技术的“模型对抗”。

风控转型升级面临三大挑战

1. 建模效率和样本数量制约

   • 风控建模周期较长，难以满足高频迭代需求。
   • 小样本和零样本建模成为主要难题，限制了模型的准确性与适用性。

2. 风控迭代速度慢

   • 银行对加快风控模型迭代有强烈诉求，但受限于技术投入、经验不足、数据质量与安全等因素，实际操作中存在诸多障碍。

3. 数据收集与处理能力不足

   • 数据量大且处理难度高，成为多数银行的痛点。
   • 数据质量差、来源不清晰及缺乏统一的数据治理标准，影响了风控建模的效果。

关键信息

银行风控策略新共识

• 获客策略：55%的受访银行更关注“获客准入”，以适应客群下沉和消费信贷需求增长。
• 不良贷款率预期：53.24%的银行认为不良贷款率将上升，仅有15.11%认为会下降。
• 风险来源：经济波动、客群下沉、黑灰产利用AI技术进行欺诈攻击是不良贷款率上升的主要原因。

风控建模实施路径

• 加强定制化建模：43.16%的银行倾向使用基于行内数据的定制化模型，24.46%仍使用标准化产品，28.06%两者皆用。
• 加快迭代速度：35.97%的银行将模型迭代周期设定为3-6个月，33.09%为6-9个月，仅10.79%为1年以上。
• 强化数据能力：银行普遍希望加强数据采集与处理能力，但面临数据量大、质量差、安全风险和治理标准缺失等挑战。

AI大模型为风控提供新动力

• 技术应用趋势：54%的银行倾向引入“第三方技术”与“合作开发”，其中24.46%选择引入第三方技术，29.5%选择合作开发。
• 大模型技术认可度高：80%的银行高度看好AI大模型与风控场景的结合，认为其能提升风控效率、增强模型应对外部变化的能力、实现更多元化的模型构建。
• 大模型应用效果：
  • 某东部民营银行：通过接入腾讯云金融风控大模型，建模周期大幅缩短，覆盖所有进件渠道。
  • 某农商行：在小样本情况下，大模型帮助其反欺诈效果提升约20%。

调研方法

• 问卷调研：向数百家银行机构发放调查问卷，共收到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（首席风险官）/风险管理部总经理进行闭门研讨，形成普遍共识。

总结

2023年，商业银行风控策略正从“策略对抗”向“模型对抗”升级，以应对黑灰产利用AI技术进行的新型欺诈攻击及客群下沉带来的业务挑战。尽管多数银行积极引入AI大模型技术，但实施过程中仍面临建模效率低、样本不足、数据处理复杂及安全顾虑等问题。未来，银行需加快模型迭代速度，加强数据治理能力，并探索第三方技术合作，以构建更精准、高效、智能的风控体系。