人工智能是信用&#x9

人工智能模型的优势
　　人工智能评级最大的优势在于能够处理近乎无限的信息，违约实际发生的影响因素可能千千万万，无论多么经验丰富的信用评估人员也不能说自己能够综合处理全部信息，企业经营者本身可能对企业极为了解，但是也很难全面客观实时地了解企业。人工智能模型可以处理海量数据，从中找出规律，从而预测企业是否接近违约。通过人工智能模型，投资者和风险管理人员所处理的数据量是传统评级方法无法企及的。同时，数据量越大，对应的数据间关系就越复杂，人脑无法完成如此海量数据之间的逻辑思考，只有通过人工智能技术才能处理全面数据之间的全部潜在关系。某种程度上看，人工智能模型可能是处在“上帝视角”观察违约事件的最好办法，避免了盲人摸象，各说各话的现实困境。
　　人工智能的独立性和权威性远高于传统评级。由于评级方法本身的主观性，传统评级人员在面对营销压力时难以做到客观公正，容易被发行人、承销商甚至监管机构干扰，从而在权威性上受到广泛质疑。理论上，人工智能评级只有输入因子、目标变量和建模方法三类输入变量，计算机本身自主学习发现客观规律，学习的过程中不需要人为设定参数，也无法进行人工干预。模型开发人员为了达到某种目的而修改评价结果的可能性几乎为零，更不可能单独对某一个发行主体进行修正。这种完全基于客观数据的评价结果具有天然的合理性、独立性和权威性。
　　人工智能没有记忆，没有情绪。“记忆”是一柄双刃剑，可以提高业务能力，也会造成从业人员的选择性偏差。一方面，“踩雷”的经验可以提高从业人员深入理解风险和处理风险的能力。另一方面，对于“踩雷”的痛苦记忆也会让从业人员对某一类债券有天然的排斥感。从人性的角度看，经验和选择性偏差相互矛盾，难以兼得。同时，人不可能没有情绪，朋友圈文章、好友观点、舆论导向都会潜移默化地对从业人员产生影响。优秀的投资经理和信评人员可以很大程度上对抗“记忆和情绪”的负面影响，但是人工智能评级天然没有这些问题，更不会被负面影响左右。
　　除此之外，人工智能评级反应迅速，不会疲劳，表现始终如一地稳定，并且能够完成人脑无法完成的分析和推理。相对于现有的传统评级方法，人工智能模型的优势将会越来越显著。
实践效果
　　无论是传统信用风险评价体系，还是人工智能模型，评价违约模型的核心标准是“查全率”和“查准率”两个指标。查全率指模型预警企业占全部违约企业的比率，查准率指全部预警企业中实际违约的比率。两个指标相互矛盾，查全率越高，往往查准率越低，但人工智能模型2018年6月的查全率和查准率分别达到了92%和32%，两个指标均明显高于传统评级。从全市场维度看，模型提示的每三个预警企业中就会有一个在未来3年内违约，同时，预警企业覆盖了全部违约企业的92%。对于完全基于公开信息没有主观判断的风险预警模型，这已经是相对高的成功率。
　　从单个企业来看，人工智能模型也较好地反映了企业信用资质的变化。以近期违约的“四川蓝光发展股份有限公司”为例，企业2021年4月之前的信用评分一直在“关注线”上下波动，4月份之后逐渐下滑至“预警线”附近，虽然有所波动，但一直在关注区间。6月初，企业信用分数突然下滑至预警线以下，直到7月中旬最终违约。信用分数变化的时间线与中债估值中心的评级调整历史基本一致，而且更加细化。
　　此外，华夏幸福和华晨汽车等企业在公开违约前也都出现了信用分数的大幅下滑。可以说，只要企业符合此前企业违约的客观规律，企业在违约前有公开信息可以看到违约的征兆，人工智能模型就能用最低的成本较好地完成违约预测、企业资质跟踪等工作。
总 结
　　人工智能技术应用在信用评估领域有着明显的进步意义。首先，人工智能技术能够以“上帝视角”全面分析各类因子，做到客观公正，最大程度降低人为因素的干扰；其次，人工智能技术能够做到实时量化地跟踪企业的资信状况，实现对信用资质变化的及时反应，解决了企业信用资质恶化过程无法量化描述的难题；最后，人工智能能够最大程度上模拟决策的真实过程，避免了传统“打分表”的天然缺陷。同时，由于传统信用分析框架中主观因素过多，一旦发生违约，投资者和公司管理层会首先从投资负责人的道德上找原因，而有意无意地忽略和弱化违约发生的客观原因。长远来看，主观因素过多不利于资产管理行业的发展。
　　总之，人工智能技术的发展已经到了颠覆传统金融分析研究方法的临界点，未来纯人工的分析研究将日渐式微，人工智能技术的应用能力将成为金融机构最重要的基础设施。