人工智能在金融領(lǐng)域又有新應用。近期，工行在“融安控”框架下研發(fā)投產(chǎn)了“違規(guī)風險智能識別系統(tǒng)(VIS)”，著力破解傳統(tǒng)風驗監(jiān)測模式下信息展現(xiàn)碎片化，風險識別精準度不足、模型適應性不強、風險揭示不夠全面深入的局限，更加有效地揭示和防控內(nèi)部案件和重大業(yè)務風險隱患。

據(jù)介紹，該系統(tǒng)通過整合與重構(gòu)數(shù)據(jù)信息，逐步實現(xiàn)風險信息展現(xiàn)的“全景化”，以“風險沖擊”(動能)“風險變化趨”(勢能)的數(shù)據(jù)結(jié)構(gòu)為體，實現(xiàn)從交易異常、操作違規(guī)、資產(chǎn)異動、負債異變、處罰懲戒、營銷異常、反洗線等分析角度，完整展現(xiàn)人員各類風險信息，初步構(gòu)建了統(tǒng)一的人員風險畫像和風險數(shù)據(jù)建模。

同時，通過特征萃取與關(guān)聯(lián)分析，逐步實現(xiàn)風險模型監(jiān)測的“場景化”。收集專項檢查、客戶投訴、業(yè)務運營等風險數(shù)據(jù)信息，解析提煉出113類風險場景特征，構(gòu)建了“風險場景”特征庫。

此外，通過機器學習與風險推演，實現(xiàn)人機協(xié)作“智能化”。采用“機器學習”算法，引入智能調(diào)節(jié)模型權(quán)重機制、風險熱點引導機制、風險調(diào)校機制，利用ITPR算法對系統(tǒng)風險偏好進行引導，將已確認的風險問題進行收集，組成“黑樣本”特征庫，并建設“風險推演實驗室”，利用機器學習相關(guān)算法對風險數(shù)據(jù)結(jié)果反向?qū)W習，不斷調(diào)校風險重要性參數(shù)，提升分析認知和風險預判能力。(張奕晨 )

關(guān)鍵詞： 人工智能