智能體驅(qū)動(dòng)信貸風(fēng)險(xiǎn)的動(dòng)態(tài)感知到策略自迭代02信貸風(fēng)控的敏捷性困局03基于Agent的決策自學(xué)習(xí)與自進(jìn)化的框架設(shè)計(jì)20+大行業(yè)430+專利申請(qǐng)企業(yè)客戶120+120+細(xì)分場景340+軟件著作權(quán)340+軟件著作權(quán)20+行業(yè)研究報(bào)告白皮書的編制智能金融風(fēng)控領(lǐng)域的“唯一”，也是風(fēng)控領(lǐng)域國家標(biāo)準(zhǔn)的制定者第一批獲批企業(yè)……第二批獲批企業(yè)……第三批獲批企業(yè)……金融智能風(fēng)控的起草單位Www.tongdun.金融智能風(fēng)控的起草單位融風(fēng)控領(lǐng)域唯一的一家獲此殊榮承擔(dān)科技部國家科技創(chuàng)新2030“新經(jīng)過多年積累與布局，沉淀人工智能三要素能力，打造新一代決策智能操作系統(tǒng)場景+算法算力引擎數(shù)據(jù)要素人工智能三要素場景+算法算力引擎數(shù)據(jù)要素人工智能三要素基于多年在行業(yè)的深耕及對(duì)業(yè)務(wù)的洞察，深入觸達(dá)各個(gè)業(yè)務(wù)場景，才能同時(shí)積累人工智能三要素，集合形成同盾能力壁壘營銷決策智能小微企業(yè)信用決策智能欺詐預(yù)防決策智能/算力模式基礎(chǔ)軟件授權(quán)收費(fèi)）零售信用決策智能天策極溯…代人工智能開放創(chuàng)新平臺(tái)，打造賦能百行百業(yè)，代人工智能開放創(chuàng)新平臺(tái)，打造賦能百行百業(yè)，融合多方需求打造新一代決策智能操作系統(tǒng)-智策2.0…企業(yè)征信數(shù)據(jù)決策智能操作系統(tǒng)AI+的關(guān)鍵點(diǎn)場景"肌肉記憶"場景"肌肉記憶"基于垂類大模型技術(shù)開發(fā)場景Agent，定位成為不同領(lǐng)域的風(fēng)控AI虛擬專家風(fēng)控MCP工具集畫像庫風(fēng)險(xiǎn)分征信欺詐云工具調(diào)用欺詐偵測Agent智能報(bào)告Agent案例查證智能報(bào)告Agent案例查證Agent授信評(píng)估Agent特征挖掘Agent多模態(tài)畫像Agent領(lǐng)域助手領(lǐng)域Agent領(lǐng)域工作流知識(shí)提取能力嵌入知識(shí)檢索圖譜知識(shí)庫GraphRAG知識(shí)檢索MOEMOE混合路由支持多語言模型接入能力向量化微調(diào)/微調(diào)/剪枝風(fēng)控大模型搜索引擎搜索引擎時(shí)序分析引擎混合檢索圖譜構(gòu)建蒸餾微調(diào)供給蒸餾梳理/標(biāo)注AI梳理/標(biāo)注AI專家預(yù)訓(xùn)練供給預(yù)訓(xùn)練供給小抖音信貸風(fēng)控的敏捷性困局具體的痛點(diǎn)01.具體的痛點(diǎn)01.數(shù)據(jù)碎片化，需要依賴大量人工處理才能加工為統(tǒng)計(jì)視圖才能進(jìn)行歸因分析業(yè)務(wù)有風(fēng)控，但是很被動(dòng)60%風(fēng)險(xiǎn)因數(shù)據(jù)孤島漏判傳統(tǒng)模型誤判率60%風(fēng)險(xiǎn)因數(shù)據(jù)孤島漏判傳統(tǒng)模型誤判率>30%策略調(diào)整延遲導(dǎo)致“雪崩”規(guī)則上千、模型一堆但誤報(bào)高“阿喀琉斯之踵”，數(shù)據(jù)冗余且無利用“流水的數(shù)據(jù)，鐵打的特征”“辛普森悖論”，潛在變量博弈，機(jī)器學(xué)習(xí)模型在高維稀疏數(shù)據(jù)與高階非線性特征有時(shí)會(huì)失效3、被動(dòng)風(fēng)控的“死亡空窗期”風(fēng)險(xiǎn)攻擊的腳本化牽引“魚餌式”策略攻防演變；政策時(shí)差，3、被動(dòng)風(fēng)控的“死亡空窗期”風(fēng)險(xiǎn)攻擊的腳本化牽引“魚餌式”策略攻防演變；政策時(shí)差，監(jiān)管新規(guī)沖擊被動(dòng)式風(fēng)控的模型調(diào)整時(shí)效規(guī)則、模型不敢動(dòng)、不敢刪，規(guī)則、模型不敢動(dòng)、不敢刪，沒有一套高效有用的量化評(píng)估運(yùn)營突發(fā)異變：春江水暖鴨未知外部大的異常風(fēng)險(xiǎn)因素在短時(shí)間內(nèi)劇烈沖擊借款人償付能力和信用狀況。靜態(tài)風(fēng)控策略無法快速捕捉和適應(yīng)這些突行業(yè)驟變：灰犀牛事件某些行業(yè)可能因技術(shù)變革、市場需求變化或競爭格局調(diào)整出現(xiàn)劇烈波動(dòng)。靜態(tài)策略缺乏對(duì)新興行業(yè)風(fēng)險(xiǎn)動(dòng)態(tài)的實(shí)時(shí)感知和動(dòng)態(tài)適配能力。政策新規(guī)：八百里加急監(jiān)管政策不斷更新，如助貸新規(guī)、貸后管理要新規(guī)往往帶來風(fēng)控策略調(diào)整需求，靜態(tài)策略難以及時(shí)響應(yīng)，可能導(dǎo)致合規(guī)風(fēng)險(xiǎn)和業(yè)務(wù)滯后。核心矛盾經(jīng)濟(jì)波動(dòng)：彈彈彈經(jīng)濟(jì)周期的波動(dòng)（如通脹、利率變化、失業(yè)率波動(dòng)等）影響借款人的整體償付能力。經(jīng)濟(jì)下行周期時(shí)，逾期和違約風(fēng)險(xiǎn)大幅上升。態(tài)勢實(shí)時(shí)感知感知分析策略熱生成策略挖掘沙盒對(duì)比驗(yàn)證沙盒驗(yàn)證人機(jī)協(xié)同運(yùn)營設(shè)計(jì)沖突反饋與人工審批機(jī)制，并通過可視化看板深化展示策略演變和效果歸因效果反饋基于Agent的決策自學(xué)習(xí)與自進(jìn)化的框架設(shè)計(jì)策略全鏈路可觀測體打通數(shù)據(jù)、決策與效果的認(rèn)策略全鏈路可觀測體打通數(shù)據(jù)、決策與效果的認(rèn)知閉環(huán)策略構(gòu)建與變更的全維度可解釋框架策略認(rèn)知化中樞策略構(gòu)建與變更的全維度可解釋框架風(fēng)險(xiǎn)感知智能層前瞻捕捉每一次策略波動(dòng)與風(fēng)險(xiǎn)感知智能層前瞻捕捉每一次策略波動(dòng)與風(fēng)險(xiǎn)暗涌精細(xì)化對(duì)比驗(yàn)證與灰度空間的應(yīng)用邏輯認(rèn)知驅(qū)動(dòng)策略引擎自我進(jìn)化的智能策略生成內(nèi)核?少不了的還是數(shù)據(jù)，是基礎(chǔ)也是關(guān)鍵，需要系統(tǒng)化的數(shù)據(jù)融合，挖掘更有價(jià)值的特征與策略報(bào)文解析數(shù)據(jù)?信用分?多頭數(shù)據(jù)?業(yè)務(wù)數(shù)據(jù)?授信歷史?還款行為?業(yè)務(wù)運(yùn)營數(shù)據(jù)?催收記錄?客戶交互記錄?多源異構(gòu)數(shù)據(jù)融合交易流水?dāng)?shù)據(jù)?消費(fèi)流水?POS轉(zhuǎn)賬行為?行為數(shù)據(jù)行為數(shù)據(jù)?設(shè)備指紋?訪問路徑需要一套全面、科學(xué)的風(fēng)險(xiǎn)量化體系背景模型團(tuán)隊(duì)構(gòu)建了用于評(píng)估客戶信用風(fēng)險(xiǎn)需要一套全面、科學(xué)的風(fēng)險(xiǎn)量化體系背景模型團(tuán)隊(duì)構(gòu)建了用于評(píng)估客戶信用風(fēng)險(xiǎn)的評(píng)分卡模型；策略團(tuán)隊(duì)將其應(yīng)用在風(fēng)控決策中，用于通過/拒絕，并對(duì)客戶進(jìn)行風(fēng)險(xiǎn)評(píng)級(jí)。??優(yōu)化授信策略：確保信用策略與資產(chǎn)質(zhì)量目標(biāo)相匹配?及時(shí)干預(yù)優(yōu)化：風(fēng)險(xiǎn)等級(jí)的逾期率發(fā)生異常時(shí)可及時(shí)介入示例示例：風(fēng)險(xiǎn)等級(jí)下的壞賬率，建模時(shí)點(diǎn)對(duì)比當(dāng)前時(shí)點(diǎn)，衡量模型區(qū)分度示例：風(fēng)險(xiǎn)等級(jí)下的放款金額，用以預(yù)估資產(chǎn)的未來風(fēng)險(xiǎn)表現(xiàn)監(jiān)控現(xiàn)狀示例：風(fēng)險(xiǎn)等級(jí)下的放款金額，用以預(yù)估資產(chǎn)的未來風(fēng)險(xiǎn)表現(xiàn)監(jiān)控現(xiàn)狀圍繞各類技術(shù)指標(biāo)KS、AUC、Gini、排序性等對(duì)該模型建立了監(jiān)控；策略團(tuán)隊(duì)對(duì)該評(píng)分卡的通過/拒絕情況建立了監(jiān)控——入門級(jí)監(jiān)控02.及時(shí)驗(yàn)證模型的有效性：驗(yàn)證預(yù)測的風(fēng)險(xiǎn)等級(jí)及其對(duì)應(yīng)的壞賬率是否與實(shí)際風(fēng)險(xiǎn)表現(xiàn)一致問題點(diǎn)：各管各的，歸因難辯監(jiān)控維度較為單一；模型團(tuán)隊(duì)僅關(guān)注技術(shù)指標(biāo)，無法量化模型價(jià)值；策略團(tuán)隊(duì)僅關(guān)注決策執(zhí)行效果問題點(diǎn)：各管各的，歸因難辯監(jiān)控維度較為單一；模型團(tuán)隊(duì)僅關(guān)注技術(shù)指標(biāo)，無法量化模型價(jià)值；策略團(tuán)隊(duì)僅關(guān)注決策執(zhí)行效果，無法利用它做更全面的風(fēng)險(xiǎn)分析和評(píng)估。04.驅(qū)動(dòng)風(fēng)控策略調(diào)整：持續(xù)觀測下，是否要調(diào)整風(fēng)險(xiǎn)等級(jí)拒絕策略感知層：采用Agent，設(shè)計(jì)多維實(shí)時(shí)風(fēng)控監(jiān)聽“雷達(dá)”決策的中樞神經(jīng)，決策的中樞神經(jīng)，主動(dòng)、自動(dòng)、智能感知風(fēng)險(xiǎn)缺乏可視的、缺乏可視的、可診斷的風(fēng)險(xiǎn)感知體系從進(jìn)件、策略執(zhí)行到審批結(jié)果的全流程，實(shí)現(xiàn)運(yùn)行的實(shí)時(shí)可觀測全鏈路感知中樞從數(shù)據(jù)、特征到模型的多維交叉分析，精準(zhǔn)捕捉異動(dòng)信號(hào)具備“自我感知”能力的風(fēng)險(xiǎn)波動(dòng)發(fā)現(xiàn)機(jī)制從進(jìn)件、策略執(zhí)行到審批結(jié)果的全流程，實(shí)現(xiàn)運(yùn)行的實(shí)時(shí)可觀測全鏈路感知中樞從數(shù)據(jù)、特征到模型的多維交叉分析，精準(zhǔn)捕捉異動(dòng)信號(hào)具備“自我感知”能力的風(fēng)險(xiǎn)波動(dòng)發(fā)現(xiàn)機(jī)制異常主動(dòng)識(shí)別策略版本多、規(guī)則復(fù)雜，出了問題要靠人肉查日志，無法直觀展現(xiàn)決策過程。將異常告警與模型、規(guī)則、特征、數(shù)據(jù)各層級(jí)自動(dòng)關(guān)聯(lián)，重建完整決策鏈路打破策略黑盒，提供從監(jiān)控到解釋、從發(fā)現(xiàn)到定位的全棧式透明運(yùn)營能力透明解釋框架通過率忽高忽低，是策略出問題，還是某個(gè)模型的拒絕率比線下開發(fā)時(shí)高，客群問題還是特征計(jì)算問題？規(guī)則挖掘通過大模型技術(shù)推薦指標(biāo)和規(guī)則，提供語義化的策略建議外部報(bào)文解析數(shù)據(jù)?規(guī)則挖掘通過大模型技術(shù)推薦指標(biāo)和規(guī)則，提供語義化的策略建議外部報(bào)文解析數(shù)據(jù)?欺詐評(píng)分?信用評(píng)分...特征挖掘通過大模型技術(shù)挖掘并生成指標(biāo)邏輯，自動(dòng)評(píng)估指標(biāo)效果特征挖掘通過大模型技術(shù)挖掘并生成指標(biāo)邏輯，自動(dòng)評(píng)估指標(biāo)效果?授信歷史??授信歷史?還款行為?模型挖掘自動(dòng)化實(shí)現(xiàn)從數(shù)據(jù)處理到特征分箱到模型訓(xùn)練客戶行為數(shù)據(jù)?設(shè)備指望?訪問路徑?業(yè)務(wù)運(yùn)營數(shù)據(jù)?模型挖掘自動(dòng)化實(shí)現(xiàn)從數(shù)據(jù)處理到特征分箱到模型訓(xùn)練客戶行為數(shù)據(jù)?設(shè)備指望?訪問路徑?業(yè)務(wù)運(yùn)營數(shù)據(jù)?催收記錄?客戶交互記錄?決策鏈路生成設(shè)定策略生成或優(yōu)化標(biāo)準(zhǔn)及各類參數(shù)，通過Agent自動(dòng)生成最優(yōu)流程交易流水?dāng)?shù)據(jù)?消費(fèi)流水?POS轉(zhuǎn)賬行為?依托大模型的智能能力，可自動(dòng)挖掘高價(jià)值變量、構(gòu)建衍生特征，顯著降低建模門檻>通過語義化目標(biāo)輸入，實(shí)現(xiàn)策略邏輯的自動(dòng)生成與調(diào)整，大幅提升策略響應(yīng)效率自動(dòng)分箱與交互式?jīng)Q策樹，提供透明可控的規(guī)則挖掘與解釋能力效率提升70%模型更新周期縮短60%策略優(yōu)化周期壓縮至3-5天特征自動(dòng)篩選自動(dòng)篩選出對(duì)逾期率等貢獻(xiàn)度最高的指標(biāo)?采用自監(jiān)督學(xué)習(xí)和特征歸因分析，篩選穩(wěn)定性和可解釋性80%80%特征自動(dòng)構(gòu)造時(shí)間序列特征、行為模式特征，減少人工試錯(cuò)?通過深度學(xué)習(xí)方法發(fā)現(xiàn)變量間的復(fù)雜關(guān)系20%利用非結(jié)構(gòu)化數(shù)據(jù)?利用NLP模型解析用戶交易備注、客服對(duì)話、社交媒體數(shù)據(jù)等，提取關(guān)鍵風(fēng)險(xiǎn)特征自適應(yīng)優(yōu)化特征組合?結(jié)合強(qiáng)化學(xué)習(xí)算法，動(dòng)態(tài)優(yōu)化指標(biāo)組合，持續(xù)提升風(fēng)控模型的區(qū)分能力解決新策略前需要回答的問題：?新策略真的比舊策略更好嗎？是所有維度都提升，還是局部優(yōu)化但風(fēng)險(xiǎn)敞口增加？解決新策略前需要回答的問題：?新策略真的比舊策略更好嗎？是所有維度都提升，還是局部優(yōu)化但風(fēng)險(xiǎn)敞口增加？?通過率提升了，對(duì)逾期率的影響有多大？如何找到最佳?收緊策略后，逾期率降低了，但對(duì)通過率和放款量有?新策略是否對(duì)不同客群都有效？還是僅在特定時(shí)間段評(píng)估維度風(fēng)險(xiǎn)指標(biāo)業(yè)務(wù)指標(biāo)穩(wěn)定性指標(biāo)逾期率通過率時(shí)序穩(wěn)定性壞賬率放款金額人群結(jié)構(gòu)偏移風(fēng)險(xiǎn)區(qū)分度平均額度規(guī)則一致性業(yè)務(wù)價(jià)值?更智能的風(fēng)險(xiǎn)政策及案例解讀，?業(yè)務(wù)價(jià)值?更智能的風(fēng)險(xiǎn)政策及案例解讀，?豐富的策略測試、評(píng)估、調(diào)優(yōu)、驗(yàn)證機(jī)制，提供敏捷、高效的策略優(yōu)化?2000+?2000+政策文件，專家?guī)?風(fēng)控資產(chǎn)庫，30+場景，10萬+特征及規(guī)則?對(duì)話式風(fēng)控規(guī)則策略生成，高效生成風(fēng)控規(guī)則建議?多種策略效果分析評(píng)估機(jī)制，快速評(píng)估策略效果。?；谥R(shí)的策略生成策略調(diào)優(yōu)驗(yàn)證 應(yīng)用層：層層下鉆對(duì)比分析，關(guān)注整體結(jié)果，也關(guān)注路徑和細(xì)節(jié)差異策略優(yōu)化后，在使用驗(yàn)證數(shù)據(jù)評(píng)估效果時(shí)發(fā)現(xiàn)不如預(yù)期，壞賬率升高或通過率下降，團(tuán)隊(duì)知道“有問題”，但不知道問題出在哪一步解決方案策略透明可追溯，提升風(fēng)險(xiǎn)可控性不怕“黑盒”策略透明可追溯，提升風(fēng)險(xiǎn)可控性不怕“黑盒”，讓風(fēng)控團(tuán)隊(duì)與管理層對(duì)策略更有信心。精準(zhǔn)定位策略問題根因，提升問題解決效率?對(duì)比決策流整體通過或拒絕情況避免“全局回滾”，只需調(diào)整真正有影響的節(jié)點(diǎn)，策略優(yōu)化更聚焦、修復(fù)更高效。?對(duì)比決策流整體通過或拒絕情況策略對(duì)比?對(duì)比兩個(gè)決策流各個(gè)節(jié)點(diǎn)的通過或拒絕情況節(jié)點(diǎn)對(duì)比模型對(duì)比規(guī)則對(duì)比策略治理更加體系化節(jié)點(diǎn)對(duì)比模型對(duì)比規(guī)則對(duì)比策略治理更加體系化策略的日常管理與優(yōu)化不再是孤立規(guī)則拼圖，讓策略變得更結(jié)構(gòu)化、更規(guī)范。?比較任意決策流下兩個(gè)模型或評(píng)分卡的執(zhí)行情況：評(píng)分分布、拒絕情況、?比較任意決策流下兩個(gè)模型或評(píng)分卡的執(zhí)行情況：評(píng)分分布、拒絕情況、區(qū)分度等?比較規(guī)則集下任意兩條規(guī)則的執(zhí)行情況：拒絕率、精準(zhǔn)率、覆蓋率、F1值等?分析規(guī)則引用的特征執(zhí)行情況?分析規(guī)則引用的特征執(zhí)行情況：分布、psi、iv、標(biāo)簽分布等針對(duì)復(fù)雜、時(shí)效性要求高的場景，往往涉及個(gè)體風(fēng)險(xiǎn)、群體風(fēng)險(xiǎn)、資金流向異常，極度依賴個(gè)人經(jīng)驗(yàn)，通過引入大模型語義識(shí)別及分析能力，可以提供更簡潔、高效、智能的風(fēng)險(xiǎn)識(shí)別、歸因分析，提高風(fēng)險(xiǎn)排查效率。多Agent聯(lián)動(dòng)，構(gòu)建自主且智能化風(fēng)險(xiǎn)全方位核查“超體”調(diào)查對(duì)象：一般為審批系統(tǒng)、監(jiān)管下發(fā)、決策引擎、圖譜平臺(tái)等方式獲取待調(diào)查對(duì)象針對(duì)調(diào)查對(duì)象從手機(jī)號(hào)、地址、客戶、交易等各種維度進(jìn)行關(guān)聯(lián)拓展AIAgent自主規(guī)劃、分析并決定調(diào)用的分析算法，例如模糊匹配、聚類分析、節(jié)點(diǎn)重要性、資金流向，極大提高分析效率基于分析結(jié)果，結(jié)合AI能力進(jìn)一步分析，并生成結(jié)論指引，提高分析效率決策引擎/監(jiān)管下發(fā)/圖譜挖掘/審批系統(tǒng)等深度拓展分析智能體報(bào)告生成場景實(shí)踐價(jià)值風(fēng)險(xiǎn)防控升級(jí)黑產(chǎn)精準(zhǔn)打擊價(jià)值風(fēng)險(xiǎn)防控升級(jí)黑產(chǎn)精準(zhǔn)打擊痛點(diǎn)?助貸新規(guī)2025年10月起施行，要求金融機(jī)構(gòu)聚焦本地客群風(fēng)控能力建設(shè)，缺乏自主風(fēng)控能力的機(jī)構(gòu)可能退出市場?職業(yè)背債人黑產(chǎn)鏈條規(guī)模化蔓延，存在“包裝貸”“接盤債”等陷阱，衍生系統(tǒng)性風(fēng)險(xiǎn)，威脅金融安全。自主風(fēng)控要求高自主風(fēng)控要求高職業(yè)背債人欺詐陷阱構(gòu)建“大小混合決策模型”構(gòu)建“大小混合決策模型”，打破傳統(tǒng)決策模式局限，開拓AIAgent需要業(yè)務(wù)與決策雙視角量化評(píng)估，通過“游標(biāo)”及時(shí)獲取異常源業(yè)務(wù)申請(qǐng)資產(chǎn)質(zhì)量業(yè)務(wù)單維度業(yè)務(wù)組合維度?產(chǎn)品&渠道業(yè)務(wù)?客群（公務(wù)員/自雇人士）?客群&評(píng)級(jí)監(jiān)控?拒絕率?首逾比例?客群&收入預(yù)警?遷移率?機(jī)構(gòu)&行業(yè)?比如：業(yè)務(wù)申請(qǐng)通過率大幅上升；?比如：X產(chǎn)品評(píng)級(jí)為C的客群首逾比例增加5%；X產(chǎn)品行業(yè)為化工決策監(jiān)控預(yù)警進(jìn)件量?通過量/率/環(huán)比?決策監(jiān)控預(yù)警通過量/率環(huán)比???通過量/率(7/30)環(huán)比???拒絕率???拒絕量/率(7/30)環(huán)比?策略監(jiān)控規(guī)則/規(guī)則集監(jiān)控模型監(jiān)控特征監(jiān)控及時(shí)發(fā)現(xiàn)和定位原因：當(dāng)通過率下降時(shí)，如何追根溯源？進(jìn)件客群發(fā)生變化?進(jìn)件客群發(fā)生變化?申請(qǐng)量變化：是否近期申請(qǐng)用戶質(zhì)量發(fā)生變化？（如渠道流量調(diào)整、用戶畫像變更等）?欺詐行為：是否存在異常的欺詐攻擊，如羊毛黨集中申請(qǐng)，導(dǎo)致系統(tǒng)拒絕更多申請(qǐng)？風(fēng)控策略調(diào)整運(yùn)營與市場因素四數(shù)據(jù)源質(zhì)量問題實(shí)戰(zhàn)：基于標(biāo)尺下的游標(biāo)完成感知，有效提升風(fēng)險(xiǎn)對(duì)抗效率異常背后的多維因果穿透場景實(shí)例：當(dāng)某個(gè)線上產(chǎn)品的通過率出現(xiàn)明顯下降并發(fā)出告警，如何快速追根溯源定位問題、及時(shí)采取行動(dòng)？下鉆至特征變量的分布評(píng)分卡區(qū)間分布發(fā)生了變化低分段人群占比高于往常通過量下降通過量下降策略執(zhí)行路徑?jīng)_突展開決策流執(zhí)行的各環(huán)節(jié)通過分析命中率發(fā)現(xiàn)，規(guī)則R1與評(píng)分卡拒絕邊界區(qū)間高度重合，產(chǎn)生大量重展開決策流執(zhí)行的各環(huán)節(jié)評(píng)分卡中某個(gè)重要變量的分布發(fā)生了偏移——重要變量發(fā)生偏移導(dǎo)致模型評(píng)分分布偏移，從而造成中等資質(zhì)用戶被打入低分區(qū)被拒絕評(píng)分卡與規(guī)則重復(fù)拒絕，導(dǎo)致策略更嚴(yán)，但并無顯著風(fēng)險(xiǎn)收益前端渠道影響是否做了特別的進(jìn)件人群結(jié)構(gòu)分析模型未引入能區(qū)分該群體風(fēng)險(xiǎn)的相關(guān)變量，導(dǎo)致這部分客戶的風(fēng)險(xiǎn)被高估，策略泛化能力下降溯因式量化分析評(píng)估以信貸場景的通過率大幅異動(dòng)分析為例，通過量化分析完成全決策鏈路分析：（1）結(jié)論：同一特征在不同時(shí)間區(qū)間的分布產(chǎn)生較大變化?數(shù)據(jù)源（比如某三方評(píng)分）是否發(fā)生變化？?客群是否發(fā)生了較大變化？?確認(rèn)數(shù)據(jù)源及加工邏輯是否變化；?進(jìn)一步分析客群是否發(fā)生變化，是否符合政策導(dǎo)向等。定位到分布偏差較大的特征及數(shù)據(jù)源得出結(jié)論定位到評(píng)分卡模型通過率明顯上升分析模型評(píng)分分布、主要入?yún)⒎植寄钞a(chǎn)品通過率大幅異動(dòng)告警定位到評(píng)分卡模型通過率明顯上升分析模型評(píng)分分布、主要入?yún)⒎植寄钞a(chǎn)品通過率大幅異動(dòng)告警定位哪個(gè)決策組件的通過率明顯上升決策鏈路上的異常點(diǎn)溯因式分析大模型自動(dòng)生成挖掘并生成特征邏輯特征推薦大模型--特征推薦大模型--據(jù)異常因子發(fā)現(xiàn)通過Transformer、RNN等技術(shù)分析用戶交易、登錄、操作序列，提取異常行為模式特征自動(dòng)衍生利用深度學(xué)習(xí)模型（如關(guān)聯(lián)關(guān)系挖掘AutoML、DeepFeature關(guān)聯(lián)關(guān)系挖掘Synthesis）自動(dòng)生成高級(jí)特征構(gòu)建企業(yè)、用戶、交易的知識(shí)圖譜，通過圖神經(jīng)網(wǎng)絡(luò)（GNN）識(shí)別欺詐、異常交易鏈條等，進(jìn)行風(fēng)險(xiǎn)關(guān)系推理特征邏輯生成特征評(píng)價(jià)特征評(píng)價(jià)完成挖掘完成挖掘評(píng)價(jià)維度關(guān)鍵指標(biāo)作用實(shí)戰(zhàn)：由Agent來設(shè)定目標(biāo)和約束條件，并完成自動(dòng)生成 ?近1個(gè)月：新策略壞賬率略優(yōu)于舊策略，表面看似更優(yōu)?近3個(gè)月?近1個(gè)月：新策略壞賬率略優(yōu)于舊策略，表面看似更優(yōu)?近3個(gè)月：新策略壞賬率上升，已超過舊策略?近6個(gè)月：新策略壞賬率顯著高于舊策略，存在明顯穩(wěn)定性風(fēng)險(xiǎn)，不具備可持續(xù)性灰度空間+效果驗(yàn)證從挖掘?qū)嶒?yàn)室自動(dòng)同步新策略，無需手寫代碼轉(zhuǎn)譯樣本中心管理所有用于驗(yàn)證的歷史數(shù)據(jù)，可按需選取，切分時(shí)間窗口自動(dòng)執(zhí)行策略中的所有節(jié)點(diǎn)，無需手寫代碼復(fù)現(xiàn)策略基于不同策略場景，內(nèi)置豐富的評(píng)估指標(biāo)，結(jié)合標(biāo)簽數(shù)據(jù)，自動(dòng)計(jì)算基于數(shù)據(jù)表現(xiàn)自動(dòng)提供建議，并產(chǎn)出可視化的結(jié)論報(bào)告用于分析或留檔時(shí)序驗(yàn)證方法時(shí)序驗(yàn)證方法01.確定新策略0202.選取樣本0303.策略回溯0404.時(shí)序分析0505.產(chǎn)出報(bào)告從貸后預(yù)警回到貸前決策，深層次歸因分析及行動(dòng)建議及時(shí)調(diào)整產(chǎn)品及風(fēng)控策略"-:監(jiān)控預(yù)警大模型近1周貸后預(yù)警客戶風(fēng)險(xiǎn)趨勢增幅較大?渠道及時(shí)調(diào)整產(chǎn)品及風(fēng)控策略"-:監(jiān)控預(yù)警大模型近1周貸后預(yù)警客戶風(fēng)險(xiǎn)趨勢增幅較大?渠道A風(fēng)險(xiǎn)增加：可能需要對(duì)渠道A的貸款審批流程和風(fēng)險(xiǎn)評(píng)估模型進(jìn)行審查和調(diào)整。?行業(yè)特定風(fēng)險(xiǎn)：制造業(yè)可能需要特別關(guān)注，可能需要對(duì)該行業(yè)的貸款條件進(jìn)行重新評(píng)估。?信用評(píng)分模型失效：策略A通過的高信用評(píng)分客戶逾期增加，可能需要重新校準(zhǔn)信用評(píng)分模型。監(jiān)控指標(biāo)預(yù)警信號(hào)信號(hào)解讀歸因分析近1周X地區(qū)貸款評(píng)級(jí)下降幅度較大?行業(yè)風(fēng)險(xiǎn)集中：A行業(yè)貸款評(píng)級(jí)下降幅度較大，可能該行業(yè)面臨較大的市風(fēng)險(xiǎn)，需要重點(diǎn)關(guān)注