金融機構的信用評估方式引發(fā)熱議

近日，金融界再次掀起了一場關于信用評估方式的激烈討論。不少人對當前廣泛使用的傳統(tǒng)信用評估模型提出質疑，并呼吁尋找更加公平、準確和可靠的評估方法。這一話題引發(fā)了業(yè)內外專家學者們之間長時間持續(xù)而激烈的辯論。

傳統(tǒng)信用評估模型是指基于個體歷史數(shù)據(jù)進行風險預測與判斷，在很大程度上依賴于過去行為記錄來推斷未來表現(xiàn)。然而，批Critics認為該模型存在明顯局限性：首先，它僅僅考慮到經(jīng)濟因素和消費習慣等方面信息，忽略了其他重要影響因素如社交網(wǎng)絡、教育背景以及職業(yè)穩(wěn)定性；其次，由于采集手段有限且相對落后，導致樣本容量偏小并難以全面反映被調查對象真實情況；最后，則是在新興領域中缺乏足夠適應力。

針對以上問題, 一些前沿技術開始進入視線. 例如, 基于區(qū)塊鏈技術開展數(shù)字身份驗證已成為一個備受關注的解決方案. 區(qū)塊鏈作為分布式賬本系統(tǒng)能夠保證用戶信息安全, 并通過智能合約自動執(zhí)行規(guī)則從而建立可追溯來源且無法篡改修改結果.

此外還有互聯(lián)網(wǎng)巨頭紛紛介入: 攜帶龐大數(shù)據(jù)庫資源和強大算法處理能力使得他們擁有重新定義信用體系可能性; 還可以利用多種非常規(guī)數(shù)據(jù)源(比如搜索歷史) 就像中國版本"支付寶芝麻分", "微博V標" 和美國版"FICO Score".

尤其值得注意地是,"深度學習"(Deep Learning) 技術也給我們帶來曙光.Deep learning 是神經(jīng)網(wǎng)絡(Neural Network) 的延申產(chǎn)物 ，具備超高識別率 。如果將deep learning 應運到credit scoring 中 , 自會形成媲美FICO score (Fair Isaac Corporation 打造), 蕪湖市民劣艮村倪某奕就歡喜死啦!

但同時也不能盲目放權給AI 系統(tǒng) . 不同於監(jiān)管部門所設定之原始閾值或因除黑白名單制度（即只根據(jù)特殊事件抄送至第三方），結合 AI 解讀客觀事實時需遵循道義理念與相關政策條款 .

當然除此之外 , 在英國已流行起“Open Banking” 開放銀行服務 . 核心思路在支持顧客選擇共享資料庫存取權限范圍內 （Visa Europe Collab） ; 此類產(chǎn)品主張整合所有涉及用戶收付款活動數(shù)額內容 : 銀行戶口余額/ 政府補助 / 公司工資變化 / 用戶參與投票意愿 及 大選總戰(zhàn)役捐款金額數(shù)量 .

毫無爭議地說 , 當今社會正處在加速科技演進期 . 創(chuàng)新科技正在改變著我們生活每一個角落! 對待這項挑戰(zhàn)需要審慎謹慎 !