用交易行为特征增强信用风险评分卡:基于支付叙事文本的建模研究
研究利用南非一家大型金融机构的中小企业交易数据,通过自然语言处理与正则表达式将非结构化交易描述转化为可解释的支出类别行为特征,并开发了新的分类算法。将该特征纳入信用风险评分卡后,Gini显著提升,分类算法也表现出较高准确率。
研究利用南非一家大型金融机构的中小企业交易数据,通过自然语言处理与正则表达式将非结构化交易描述转化为可解释的支出类别行为特征,并开发了新的分类算法。将该特征纳入信用风险评分卡后,Gini显著提升,分类算法也表现出较高准确率。
一篇设计科学提案提出将身份保证状态与能力门控分离的分层可复用模型,覆盖自然人、法人与机器实体,身份需求随行为及其后果而定,参与者可最小披露参与、按需补充。模型包含实体类型分类、披露断言范围与信息来源两轴坐标、作为时间索引属性的司法辖区,以及双时点、责任分配、时点快照式的依赖记录。需求源自反洗钱、电子身份与数据保护法,并与统一最高验证、按凭证保证等级设计及机构可复用 KYC 依赖进行对比评估。
PixSim 是面向巴西 Pix 即时支付的开源模拟器,联合建模不可逆结算、央行 MED 追回机制、资金分散与有限分析师审核,参数按巴西央行开放数据校准。模型冻结后全规模运行对 2025 年追回率的复现误差在 0.006 以内,2026 年 2-4 月窗口被报告为失配。基准测试显示,按到达分布排班可将固定规则的告警过期率从 52% 降至 2%,团队减半则消除固定阈值拦截规则相对队列感知规则的优势。
一项基于欧盟委员会 AI Act 咨询数据的研究发现,LLM 对咨询意见文本的标注虽高度可复现(组内相关系数 > 0.99),但与同一利益相关方的问卷测量结果收敛有限。分歧在不同群体间系统性变化:商业协会在文本中表达的 AI 风险担忧高于问卷({g} = +1.0),公共机构等群体则更小或为负。研究据此主张,将 LLM 用作测量工具时须区分可复现性、构念效度与沟通情境差异。
国际清算银行(BIS)工作论文提出基于 XRP Ledger 的 SDMX 数据验证方法,将数据集及其时间序列的加密指纹批量锚定上链,用户仅凭文件本身加一次链上查询即可核验发布方身份与数据未被篡改。原型测试中发布时间中位数 3–5 秒、验证 1–2 秒,链上费用在适度批量下可忽略,代价是批量带来的发布延迟。论文同时给出开源参考实现与成本模型,并称该方法可扩展至 XBRL 等结构化报送格式。
一项研究将逻辑回归评分卡加梯度提升残差修正的混合信用评分框架扩展到东非,在Zindi非洲金融普惠数据上校准后AUC达0.869,Brier分数从0.158降至0.085。
摩根大通研究所基于 2019 至 2025 年 Chase Business Banking 交易数据,追踪小企业主对 AI 服务的采购行为,发现男性业主的 AI 采用率始终高于女性业主。
国际清算银行金融稳定研究院(BIS/FSI)发布 FSI Insights 第 73 期报告,梳理金融业 AI 数据使用中的隐私、质量与安全问题,以及第三方依赖和大型服务商市场集中带来的风险放大效应。报告聚焦生成式 AI,归纳各金融监管当局在跨部门义务与指引上的共同主题,并指出哪些领域更需要监管机构提供更具针对性的指引。