你想了解監管對(duì)于目前模型合規的要求嗎？

你想了解國(guó)内外相關法規在細節上的不同體現嗎？

你想了解監管眼中模型的可解釋性、可驗證性、透明性、公平性原則嗎？

2022年7月7日，中國(guó)銀保監會(huì)、中國(guó)人民銀行發(fā)布《關于進(jìn)一步促進(jìn)信用卡業務規範健康發(fā)展的通知》（簡稱“13号文”），對(duì)強化信用卡業務經(jīng)營管理、嚴格規範發(fā)卡營銷行爲、嚴格授信管理和風險管控、嚴格管控資金流向(xiàng)、全面(miàn)加強信用卡分期業務規範管理、嚴格合作機構管理、加強消費者合法權益保護、加強信用卡業務監督管理等進(jìn)行了深入和全面(miàn)的規範要求。其中，在信用卡風險和授信管理核心的模型管理環節，監管機構明确提出了可解釋性、可驗證性、透明性、公平性的四大原則。

近日，睿智科技在公司北京總部爲全公司同事(shì)帶來了《13号文模型監管解讀》培訓課程，對(duì)上述四大原則進(jìn)行了從點到面(miàn)、從淺入深地解讀，受到了大家的熱烈歡迎。睿智科技已將(jiāng)先進(jìn)的建模技術和豐富的模型管理經(jīng)驗輸出至自研軟件産品睿鼎•模型管理平台，從模型開(kāi)發(fā)管理到模型監控管理，再到模型生命周期管理，可以全方位助力客戶，服務于市場，受到了客戶的廣泛認可。

魚和熊掌如何得兼——可解釋性的取舍

2021年3月26日,中國(guó)人民銀行發(fā)布金融行業标準《人工智能(néng)算法金融應用評價規範》，其中指出AI算法可解釋性是判斷算法是否适用的重要依據。可解釋性越高，算法内在邏輯、技術實現路徑、決策過(guò)程、預期目标越清晰，算法更易于被(bèi)理解、匹配、應用和管理。

AI算法可解釋性評價應從算法建模準備、建模過(guò)程、建模應用三個階段提出基本要求、評價方法與判定準則等。

圖片來源：睿智科技《13号文模型監管解讀》培訓課件

如果我們對(duì)比各類模型的可解釋性，會(huì)發(fā)現傳統線性模型可解釋性強，但受制于線性結構，性能(néng)相對(duì)較低；機器學(xué)習等黑盒模型對(duì)于非線性問題表現較好(hǎo)，但可解釋性弱。

傳統的個人信用評分主要運用統計學(xué)上的線性回歸方法如邏輯回歸、LDA等。以邏輯回歸舉例，這(zhè)是信用評分模型中經(jīng)典的算法，具有假設條件少、結果穩定、可解釋性強等特點，是國(guó)内外金融機構最常用的方法之一。

 圖片來源：睿智科技《13号文模型監管解讀》培訓課件

近年來，随著(zhe)金融科技和大數據技術的飛速發(fā)展，神經(jīng)網絡、梯度提升決策樹、随機森林、支持向(xiàng)量機等方法也被(bèi)廣泛應用到信用評分中，特别是用于對(duì)非結構化數據的處理，使這(zhè)類數據成(chéng)爲信用評分模型中的重要參考因素。這(zhè)類模型善于解決非線性問題，模型複雜度高、可解釋性差，但是性能(néng)和準确度往往較好(hǎo)。 關于機器學(xué)習的可解釋性的工作已經(jīng)存在了很多年。模型可解釋性方面(miàn)的研究，在近兩(liǎng)年的科研會(huì)議上成(chéng)爲關注熱點，因爲大家不僅僅滿足于模型的效果，更對(duì)模型效果的原因産生更多的思考，目前有六個被(bèi)廣泛使用的可解釋機器學(xué)習框架。

圖片來源：睿智科技《13号文模型監管解讀》培訓課件

睿智科技評分模型專家表示，“當我們說模型可解釋性時，除了政策角度，我們通常直觀的理解是指這(zhè)個模型具有可學(xué)習的結構和參數，然後(hòu)結構和參數越透明，我們越可以給其分配一些符合直覺的解釋。從這(zhè)個角度來說，我們現在主流應用的一些線性回歸模型，甚至決策樹模型，其實都(dōu)是可解釋的，因此我們隻需要分析模型各個部分的組件。在現有的技術階段，我們可以比較直觀看到，越複雜的模型，可解釋性越弱，但其性能(néng)越強。一個模型的可解釋性和其性能(néng)之間的關系，其實就像魚和熊掌一樣(yàng)，需要取舍和權衡。

睿智科技評分模型專家給出的操作建議是：

• 嚴禁采用法律禁止的變量入模；

• 建模要和業務緊密聯系，選用的變量要能(néng)在業務、監管要求的邏輯框架下對(duì)客戶解釋清楚；

• 對(duì)于無法從可解釋性邏輯上給出拒絕理由的變量，可以通過(guò)在子群體上建立子模型來解決這(zhè)個問題；

• 要關注將(jiāng)模型的結果轉爲人容易理解的形式。

公平性的法規及操作建議

關于公平性，我們首先可以通過(guò)法律法規找到一些相關的解讀。我國(guó)《征信業務管理條例》第十四條規定：禁止征信機構采集個人的宗教信仰、基因、指紋、血型、疾病和病史信息以及法律、行政法規規定禁止采集的其他個人信息。征信機構不得采集個人的收入、存款、有價證券、商業保險、不動産的信息和納稅數額信息。但是，征信機構明确告知信息主體提供該信息可能(néng)産生的不利後(hòu)果，并取得其書面(miàn)同意的除外。《人工智能(néng)算法金融應用評價規範》則要求：目标函數設計上不存在膚色、性别、國(guó)籍、年齡、健康等偏見歧視。 有的人會(huì)認爲，個人的收入、存款其實可以通過(guò)個人的努力或其他方式去改善，爲何也會(huì)和公平性扯上關系呢？因爲對(duì)于銀行等金融機構來說，對(duì)資産良好(hǎo)的客群會(huì)有天然的放貸傾向(xiàng)，如果客群收入與存款較高，銀行相對(duì)願意借錢給這(zhè)類客群。但這(zhè)容易導緻有一些收入較低，但是信譽一直都(dōu)很好(hǎo)，也确實需要用錢的客群一直借不到錢，或者隻能(néng)借到利率較高的錢，這(zhè)是有失公允的。所以人工智能(néng)算法中金融應用評價規範裡(lǐ)面(miàn)對(duì)目标函數的設計上，不允許存在膚色、性别、國(guó)籍、年齡、健康等偏見歧視性變量。

對(duì)此，睿智科技評分模型專家給出的操作建議是：

• 盡量不使用個人的宗教信仰、基因、指紋、血型、疾病和病史信息、個人的收入、存款、有價證券、商業保險、不動産信息和納稅數額信息，以及法律、行政法規規定禁止使用的變量入模；

• 确保信息準确性，建立信息披露機制以及異議、投訴渠道(dào)。

對(duì)于《征信業務管理辦法》第二十一條的規定：征信機構對(duì)外提供征信産品和服務，應當遵循公平性原則，不得設置不合理的商業條件限制不同的信息使用者使用，不得利用優勢地位提供歧視性或者排他性的産品和服務。

對(duì)此，睿智科技評分模型專家給出的操作建議是：

• 歧視性層面(miàn)，征信機構不能(néng)利用優勢地位區别對(duì)待信息使用者，提供差異化條款和服務；

• 排他性層面(miàn)上，應該防止壟斷現象和利益同盟現象。如不能(néng)將(jiāng)評分産品隻供給利益合作夥伴。

從可驗證性看模型評價标準

《征信業務管理辦法》的第二十九條規定：征信機構提供畫像、評分、評級等信用評價類産品和服務的，應當建立評價标準，不得將(jiāng)與信息主體信用無關的要素作爲評價标準。征信機構正式對(duì)外提供信用評價類産品和服務前，應當履行必要的内部測試和評估驗證程序，使評價規則可解釋、信息來源可追溯。

對(duì)此，睿智科技評分模型專家給出的操作建議是：

• 不將(jiāng)與信息主體信用無關的要素作爲評價标準，對(duì)外提供信用評價類産品和服務前，嚴格履行必要的内部測試和評估驗證程序，使評價規則可解釋、信息來源可追溯；

• 模型流程清晰可追溯，結果在允許誤差範圍内可複現，回測效果滿足内部制定标準；

• 按照《信用評級業管理暫行辦法》等相關規定開(kāi)展業務。

與此同時，建立一個完善的、可驗證性的模型評估過(guò)程，是有一定章法可遵循的，首先要評估概念的合理性，還(hái)需要進(jìn)行結果分析與持續監控。

圖片來源：睿智科技《13号文模型監管解讀》培訓課件

如今，模型的複現是模型驗證最基本的要求，保證了模型的可用性。現階段很多機構對(duì)于“驗證”的理解，是在上線前做一些樣(yàng)本外驗證和時間外驗證，將(jiāng)同一種(zhǒng)建模邏輯應用于跨時間或者跨機構的樣(yàng)本，主要是針對(duì)模型開(kāi)發(fā)過(guò)程中以及開(kāi)發(fā)完成(chéng)後(hòu)對(duì)模型效果本身的驗證，是一種(zhǒng)邏輯的複現，重點關注模型的效果和泛化性能(néng)，著(zhe)重驗證其可用，并不是從模型風險管理的角度對(duì)模型進(jìn)行獨立驗證，可以說上述的驗證并非真正的“驗證”，而是模型測試，隻對(duì)模型性能(néng)進(jìn)行的一些評價。而真正的驗證，是對(duì)模型本質合理性的考量。

睿智科技的評分模型專家建議：除了複現的要求，強調獨立驗證職能(néng)，構築模型風險管理的第二道(dào)防線，驗證人員區别于第一道(dào)防線内的模型相關人員，可以更好(hǎo)地反映監管要求的“模型評審和模型開(kāi)發(fā)獨立”，真正地識别出模型潛在的局限性和缺陷。

透明性與個人信息保護

相信很多人都(dōu)去查過(guò)自己的征信報告。征信報告對(duì)每一項結果指标都(dōu)有詳細的說明，如還(hái)款情況、逾期記錄等。如果逾期狀态該欄所示爲大寫字母“N”，就代表被(bèi)查詢者沒(méi)有還(hái)款異常行爲；如果标明“1”，就代表是1至30天的逾期。 按照《征信業務管理辦法》的相關規定，如第二十八條：征信機構提供信用報告等信用信息查詢産品和服務的，應當客觀展示查詢的信用信息内容，并對(duì)查詢的信用信息内容及專業名詞進(jìn)行解釋說明。信息主體有權要求征信機構在信用報告中添加異議标注和聲明。第十五條：信息提供者向(xiàng)征信機構提供個人不良信息，應當事(shì)先告知信息主體本人。但是，依照法律、政法規規定公開(kāi)的不良信息除外。

睿智科技的評分模型專家建議：個人信用評分的業務規則，須與相關法律法規的立法目的相符，即保護當事(shì)人合法權益；在保護商業機密的前提下最大限度客觀展示信用報告的内容，并對(duì)專業名詞設置書面(miàn)或者人工解釋服務；要提高個人信用評分的透明度，尊重信息主體，在保護商業秘密的限度範圍内最大程度展示信用評分采用了哪些維度的信息，這(zhè)類信息是否侵犯了個人隐私、是否同意市場機構使用這(zhè)些信息、信息是否準确完整。“

當然，提高評分的透明度，并非要求市場機構將(jiāng)評分的模型開(kāi)發(fā)過(guò)程、模型使用的每一個信息都(dōu)公開(kāi)，評分模型的開(kāi)發(fā)和應用涉及市場機構的商業秘密和市場競争力，也應予以保護。”睿智科技評分模型專家表示，因此評分方法和評分模型公開(kāi)的範圍以反映評分的可靠性和合規性爲限，這(zhè)可有效規避市場機構借助個人信用評分濫采濫用個人信息的問題，促使評分機構更合理地使用個人信息、提高自身的數據分析挖掘能(néng)力。

在實際的業務操作中，以模型驗證爲主的金融機構的要求怎樣(yàng)整合在現有業務開(kāi)發(fā)中？模型的可驗證性怎樣(yàng)以一套标準化的流程用于咨詢業務中去？是廣大金融機構非常關注的現實問題。

基于大數據建模技術和國(guó)際級評分卡經(jīng)驗，睿智科技在國(guó)内率先提出适用于全信貸客群的信用評分模型體系。同時，睿智科技通過(guò)聚焦于研發(fā)、評估、監控和災備等四大環節，首創四大維度模型開(kāi)發(fā)生命周期體系，形成(chéng)超過(guò)200多項模型評價标準，累計排查并解決超過(guò)千餘模型研發(fā)及生産風險。

睿智科技通過(guò)積累同業最領先的技術能(néng)力，利用最前沿的模型算法持續提升模型産品性能(néng)；通過(guò)疊加睿智科技在業界多年的行業經(jīng)驗，力求模型産品的場景适配性上更貼合業務需求；通過(guò)多維度監控和評分原因碼等專利技術手段，保證模型産品輸出的穩定性和可解釋性。

睿智科技旨在建立一個融合不同風險、利率差别偏好(hǎo)、不同機構類别來源、不同金融産品屬性申請的全信貸人群風險評估體系。針對(duì)全信貸人群的基于替代性大數據的信用評分，利用數據不落地、不留痕、可用不可見的專利技術，實現各類人群（如有征信、無征信等）打分率近100%、标準評分精準度的KS指标達到驚豔行業的效果，有效加強差異人群間的信貸風險評估并進(jìn)行公允定價，完善和強化了征信服務，對(duì)建立健全金融信用評價機制、推動社會(huì)及金融市場更加“普”和“惠”、更好(hǎo)服務民生具有重大意義。

睿智科技的評分模型專家可以爲金融機構客戶量身定制專業的模型分析要求，從而滿足金融機構的業務需求。

如對(duì)上述培訓内容感興趣，或者想了解更多睿智科技産品或服務信息，請随時聯系專屬的睿智科技銷售，或請緻電010-87982888以及來函business@wisecotech.com 與我們聯系，敬請注明公司及職位信息。