CobiNet(寧波)推薦文章：

王倩：對于企業(yè)發(fā)行的債券類借款，人們可以通過機器實現(xiàn)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。

 

隨著計算機和大數(shù)據(jù)的發(fā)展，近兩年人工智能技術越來越多的應用于診斷疾病、翻譯語言和駕駛汽車等。世界經(jīng)濟論壇報告顯示，全球針對人工智能創(chuàng)業(yè)企業(yè)的投資從2011年的2.82億美元增長到2015年的24億美元，與此同時并購交易也在加劇。

現(xiàn)在，人工智能又成為金融科技的熱點項目，它被用于交易風險評估和實施監(jiān)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(huán)境，發(fā)展新型商業(yè)模式。

隨著人工智能應用范圍的不斷擴大，它逐漸滲透到各個領域，也包括金融領域，例如P2P、眾籌、理財咨詢等。那么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(chǎn)品有關，無論是貸款還是債券等，都離不開信用評估。現(xiàn)行的網(wǎng)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(chǎn)品所蘊含的風險還有一定的距離，結果并不理想。

信用評估伴隨著每個與信用產(chǎn)品相關的過程中。顧名思義，信用產(chǎn)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愿望或者無能力支付其所借貸的款項而產(chǎn)生的風險，這里其所借貸的款項既有貸款也有債券等。由于這些信用產(chǎn)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采用何種形式，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(yè)。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(yè)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(guī)相束縛。企業(yè)的貸款還款行為相對于個人貸款還款行為相對較理性，而且它的數(shù)據(jù)數(shù)量與質(zhì)量也優(yōu)于個人的信貸記錄，從而也相對能夠被理性量化。尤其對于企業(yè)發(fā)行的債券類借款時，人們可以更好的來通過機器實現(xiàn)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(yè)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(yè)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，基于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(shù)理統(tǒng)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復雜程度要遠遠高于基于統(tǒng)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，然后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(tǒng)一化，特別是積分等。針對的人群不同，方案也大相徑庭。

基于人為的判斷方法通常關注人潛在的還款能力和意愿、借款人未來進項賬目的質(zhì)量(例如現(xiàn)金流是否穩(wěn)定、期限多久、額度多大、未來產(chǎn)生這些現(xiàn)金流的可能性等，這些指標對于企業(yè)和個人來說，尤其是個人，都較難被量化成統(tǒng)一的標準)、借款人還款的靈活性、借款人的可信度與誠實度、其行為的不確定性以及提供的信息質(zhì)量等。這些都屬于較難被量化與標準化的指標。并且，一個有從業(yè)經(jīng)驗的專業(yè)人員綜合各種因素做出的主觀判斷結果，往往優(yōu)于純粹按照數(shù)理統(tǒng)計模型所計算評估出來的結果。這也是為什么在這個問題上，現(xiàn)階段機器可做的極其有限。一個簡單的例子，機器取代不了心理學家的職能。而在做貸款信用評分的時候，那些人為的判斷方法多半離不開這些因素的影響。

我們以個人信用評分系統(tǒng)為例，它通常按模型所預測的目標劃分為六種類型：風險評分、收益評分、流失傾向評分、轉(zhuǎn)賬傾向評分、循環(huán)信貸傾向評分與欺詐評分。大部分這些評分所需要的指標，都需要建立在主觀判斷與評估的基礎上，并且其對于從業(yè)人員的專業(yè)理解力也有一定的要求。

而對于那些以來數(shù)理統(tǒng)計方法的指標來說，我們建議也配合上人為的專業(yè)判斷力作為補充。所謂相輔相成，就是這個道理。人工智能在很大程度上方便了人們的生活，但是必須對其進行理性認識。

 

文章編輯：CobiNet(寧波)  
本公司專注于電訊配件,銅纜綜合布線系列領域產(chǎn)品研發(fā)生產(chǎn)超五類，六類,七類線，屏蔽模塊，配線架及相關模塊配件的研發(fā)和生產(chǎn)。

歡迎來電咨詢0574 88168918,郵箱sales@cobinet.cn，網(wǎng)址www.10166888.com