+ 风控 大模型驱动金融风险决策新范式 同盾科技 / 董纪伟 1 金融风控与决策智能的演变 > 2 AI 重新定义风险决策智能新范式 > 3 起于 AI ，用于智能 : 学会与 AI 协作的风控 实践 > 4 挑战与突破 : 如何构建可信 AI 风控体系 > 5 总结与未来展望 金融风控与决策智能的演变 未来 - 智控 “ 置于盒中为死棋， 置于局中才主动”， 智能化、高效能、自学习是未来风险决策的提升方向 金融风险决策的趋势及变化 • 基于数据湖、数据 仓库的数据链路，落 表后进行准实时、离 线分析 “ 热挖掘、实时用”， 数据需要完成知识萃 取与实时应用才能更 好的产出价值 策略转变 从“被动防范”转向“主动防御” 越靠近场景的数据越有效，越靠近数据的 AI 越有 用 数据 +AI 分析层次 AI 重 õ 定 O 风险决策智能 õ 范式 感知 能力 集成大模型的风险决策体系 提升感知和决策能力， 金融风险决策可以更主动、更实时 数据集成 特征单元 多元决策平台 风控大模型 决策 能力 大模型驱动的范式革新 风险 ß 化调优 风险态势感知 实时风险

升社会公众金融素养和金融能力，为发展普惠金融 带来积极影响；第三，在安全方面，大模型自身存 在一定技术风险，未来可能放大金融系统潜在风 险，而未来大模型在金融系统中的潜在广泛应用也 可能带来新型金融风险，如何平衡创新与安全，设 立适当的准入制度和监管要求将是重中之重。 （一）效率 ：大模型有望赋能金融行业提 升效率 1. 整体来看，大模型有望赋能供需双方减少 信息不对称、提升金融行业效率 最后，在定价效率上，大模型通过抓取更多样 化的数据，或有望赋能金融机构改进授信风控模型、 优化承保理赔效率等，进一步提升小微个体户、涉 农主体等客群的金融服务可得性和质量。 （三）安全 ：大模型的应用可能带来一定 的金融风险，如何进行适当监管将是重中之重 本文认为，虽然大模型可以通过降低信息不对 称来减少金融系统的信用风险，但大模型在金融行 业的广泛应用整体上可能给金融系统带来更多风险。 一是大模型技术自有的风险可能传导至金融系统； 险。未来，伴随大模型在金融行业的进一步落地应 用，建议相关监管机构、金融机构、第三方技术服 务商等加强合作，建立适当的风险管理制度和监管 框架，防范潜在风险。 1. 大模型可能引发更多金融风险，给金融系 统安全带来挑战 第一，从大模型本身来看，其在输出内容可控性、 模型可解释性、算法歧视等方面仍存在一定的缺陷， 在金融行业的应用可能将相关风险传递至金融系统， 并引发风险事件。一是在输出内容可控性方面，大

亮科技】、【新致软件】；金融科技弹性小票，我们推荐【九方智投控股】、【指南针】 ，建议 关注【财富趋势】。 风险提示：监管环境趋严抑制行业创新；行业竞争加剧；权益市场大幅波动；技术风险；金融风险传导。 核心要点 3 2. AI赋能券商，存量降本增效+新生业务可能性 3. AI赋能互联网金融，核心业务提升+发展新思路 4. AI赋能保险，提高承保效率+辅助投研 5. AI赋能银行，流程提效+深化客户服务 技术风险：金融科技行业的发展依赖于前沿技术，如人工智能、区块链和大数据。技术故障、系统漏洞或黑客攻击可能导致数据泄露、 资金损失和业务中断。 5. 金融风险传导：金融科技的快速发展可能导致金融业务边界逐渐模糊，金融风险传导可能突破传统的时空限制，给货币政策、金融市场、 金融稳定、金融监管等方面带来新挑战。 7. 风险提 示 36 东吴证券股份有限公司经中国证券监督管理委员会批准，已具备证券投资咨询业务资格。

目前，Web 3.0仅仅处于发展的初期，但很多问题已经凸显。例 如，比特币、以太坊等加密数字货币在法律上应该如何定位？NFT规 定的权属与法律意义上的产权体系应该如何协调？DeFi产品可能衍 生出的金融风险应该如何防范？应当如何应对在P2E等新商业模式掩 盖之下的赌博、洗钱等行为？DAO在法律上应该如何定位，应该履行 哪些权利和义务？所有这些问题，都考验着立法者和相关研究者的 智慧。 第四，Web 互联网上的电子银行应用，到正在转变传统金融服务手段的基于Web 2.0的金融科技技术，现在，Web 3.0也悄然向我们走来。区块链2.0 提供了智能合约技术，大量的去中心化金融应用投入试验运营。[1] 金融创新和防范系统性金融风险是金融行业的两大课题。可以 预见的是，随着Web 3.0基础架构的搭建和完善，去中心化金融必将 成为数字金融中异军突起的领域。新技术应致力于提高金融服务的 范围、质量和效率，降低成本，让金融资源能够更好地服务社会。 的任何其他资产；第三层是协议层，定义了应用场景。在这三个层 面，主要风险来自区块链技术本身的不足。再往上是应用层和聚合 层，用来创建应用程序和平台，可以连接多个应用程序和协议。 DeFi并非没有金融风险，它在稳定性和可预测性方面甚至不如传统 金融。DeFi的常见金融风险包括以下几个方面。 技术风险 对于新技术来说，系统设计风险难以避免。金融网络化、移动 化、数字化增加了业务复杂性、兼容性，潜在的安全漏洞引发了日 趋严重的网

画像，创新供应链金融、担保、保险等手段，降低农业 金融风险，真正实现普惠金融，解决农民和小微企业融资难、融资贵等问题。金融是现代经济的血液，血脉通，增长才有力。 线上大数据 线下软信息 农民、企业主等 涉农主体形成精 准画像 供应链金融 保险业务 担保业务 创新 支撑 金融机构 农民 农业企业 政府 监控资金流、降低金融风险 通过平台低成本获客 惠农补贴政策更加精准落地 里”问题，提升一产环节生产力。 以数据服务解决农业普惠金融，打通产 业血脉 通过生产、经营、管理等业务全部线上线下相结合，为 农民、企业主等涉农主体形成精准画像，创新供应链金 融、担保、保险等手段，降低农业金融风险，真正实现 普惠金融，解决农民和小微企业融资难、融资贵等问题。 农业产业化撬动产业集聚、人才集聚 提高政府监管、调控与服务水平 通过产业运行数据提升政府产业宏观调控能力；大数据助力精准落实惠农政策；平台把碎片化、松散化的农村基

画像，创新供应链金融、担保、保险等手段，降低农业 金融风险，真正实现普惠金融，解决农民和小微企业融资难、融资贵等问题。金融是现代经济的血液，血脉通，增长才有力。 线上大数据 线下软信息 农民、企业主等 涉农主体形成精 准画像 供应链金融 保险业务 担保业务 创新 支撑 金融机构 农民 农业企业 政府 监控资金流、降低金融风险 通过平台低成本获客 惠农补贴政策更加精准落地 里”问题，提升一产环节生产力。 以数据服务解决农业普惠金融，打通产 业血脉 通过生产、经营、管理等业务全部线上线下相结合，为 农民、企业主等涉农主体形成精准画像，创新供应链金 融、担保、保险等手段，降低农业金融风险，真正实现 普惠金融，解决农民和小微企业融资难、融资贵等问题。 农业产业化撬动产业集聚、人才集聚 提高政府监管、调控与服务水平 通过产业运行数据提升政府产业宏观调控能力；大数据助力精准落实惠农政策；平台把碎片化、松散化的农村基

画像，创新供应链金融、担保、保险等手段，降低农业 金融风险，真正实现普惠金融，解决农民和小微企业融资难、融资贵等问题。金融是现代经济的血液，血脉通，增长才有力。 线上大数据 线下软信息 农民、企业主等 涉农主体形成精 准画像 供应链金融 保险业务 担保业务 创新 支撑 金融机构 农民 农业企业 政府 监控资金流、降低金融风险 通过平台低成本获客 惠农补贴政策更加精准落地 里”问题，提升一产环节生产力。 以数据服务解决农业普惠金融，打通产 业血脉 通过生产、经营、管理等业务全部线上线下相结合，为 农民、企业主等涉农主体形成精准画像，创新供应链金 融、担保、保险等手段，降低农业金融风险，真正实现 普惠金融，解决农民和小微企业融资难、融资贵等问题。 农业产业化撬动产业集聚、人才集聚 提高政府监管、调控与服务水平 通过产业运行数据提升政府产业宏观调控能力；大数据助力精准落实惠农政策；平台把碎片化、松散化的农村基

大数据智能平台 企业画像 招商线索 不稳定线索 舆情线索 金融风险 对企业客户从招商 - 签约 - 入驻 - 营运 - 退租全生命周期进行管理，每个阶段提供针对性服务，提升客户留存和续 约 一站式企业服务 企业运行监控 客户全生命周期管理 和数据模型相结合，进行多维度智能化分析，充分发挥数据价值，提升园区智慧化治理水平 ；通过数字化工具提升发展局工作效率，提高服务水平，全面 掌控园区运行态势，实现园区人、事、物统一管理，发展趋势深度透彻分析，金融风险及时精准预测，园区综合运营态势一屏掌握。 智慧招商 产业高地 智慧稳商 政策 扶持 统计 分析 其他 品牌 文化 智能 检索 党建 工作 系统 管理 招商智能 推荐 产业布局

基于精细化与长时间序列加工生产的行业 全类气象风险灾害模型 能源领域 大风模型 能源风险评估：新能源发 电及输电通道或地下能源 管线位移、倒伏及影响； 地质灾害模型 山洪模型 强降水模型 金融领域 内涝模型 金融风险服务：气象风险 对城市产生的影响及范围； 漫滩模型 农业领域 温度模型 农业风险评估：农作物及 海产养殖产量、品质评估； 风暴湖模型 环保及林业 火点模型 环保及林业风险：污染物 溯源及林业火点风险监测；

寒暄聊天 解答常见回答 结构化金融产品和服务查 询 业务办理 智能分析和知识库能力 热点、舆情、敏感等监控 定制化分析产品 构建专属知识图谱 精准打造用户画像 有效降低金融风险 全渠道触达 PC 网站 移动 APP 微信 手机 QQ H5 上线前 上线后 运维人力 模板配置工程师 15+ 普通运维人员 2 人 维护方法 编写正则表达式，规避 冲突 可视化界面友好配置