首页
学习
活动
专区
圈层
工具
发布
综合排序最热优先最新优先
时间不限
智能技术助力金融机构破解合规与增长难题
滞后与数据孤岛制约金融业发展 金融业面临风响应滞后、数据流通壁垒、普惠金融成本高昂三大核心挑战。 数据要素流通因缺乏统一市场规则与安全技术,陷入“安全与效率失衡”的困境,金融机构在合规前提下获取高质量数据的成本和难度激增。普惠金融领域则因信息不对称与高昂的服务成本,导致小微客户融资难、融资贵。 以技术构建合规驱动的新型数据流通与体系 腾讯云天御提出以“合规驱动”为核心的解决方案,整合隐私计算(如联邦学习、多方安全计算)、区块链存证、RPA流程自动化及大模型技术,构建覆盖数据、模型、应用的全链路智能体系 客户价值挖掘:某头部互金公司利用大模型,从被拒绝的客户中精准挽回潜在高价值客户,提升了客户留存价值。 以上案例与数据均引用自《金融业智能实践白皮书》
IT前沿资讯站
2026-05-30
2030
标签:
合规获取高可信数据:信鸽助力金融机构提升效率
同时,验真成本极高,金融机构缺乏高效的验证渠道,导致数据审核与处理流程复杂、成本高昂,严重阻碍了数据在决策中的有效应用。 用户自主从官方数据源(如银行、税务、公积金系统)获取数据,并在公证处提供的清洁环境中自主提交给金融机构。该模式将数据获取过程纳入司法可信框架,从源头保障了数据的真实性与合规性。 该产品已获得全行业广泛验证:累计调用量超亿次,稳定服务金融行业3年以上,当前服务金融机构超200家,成为行业内数据合规应用的重要基础设施。 来源:腾讯云天御产品资料、合作客户实践案例
IT前沿资讯站
2026-04-26
2370
标签:
ML | 建模的KS
我们这做模型的时候,经常是会用KS值来衡量模型的效果,这个指标也是很多领导会直接关注的指标。今天写一篇文章来全面地剖析一下这个指标,了解当中的原理以及实现,因为这些知识是必备的基本功。 不过这不影响我们去使用它,我们只需要知道在中是怎么实现的,并且在实际场景中怎么去使用它就可以了。就如上面我们说的,KS在主要是用于评估模型的好坏样本区分度高低的。什么是区分度? 可以看下图: 从业务上来说,就是越往后的箱子,客户的质量越差,rate整体上呈现单调性,从而可以把大多数的坏人,直接从箱的维度上就可以区分开来了,在后续的策略使用体验上十分友好。 02 KS的生成逻辑 KS的生成逻辑公式也是十分简单: 好样本累计占比坏样本累计占比 在领域,我们在计算KS前一般会根据我们认为的“正态分布原则”进行分箱,一般来说分成了10份,然后再进行KS的计算 03 KS的效果应用 KS的值域在0-1之间,一般来说KS是越大越有区分度的,但在领域并不是越大越好,到底KS值与模型可用性的关系如何,可看下表: 004 KS的实现 首先我们来对上面展示的例子进行
Sam Gor
2022-02-25
6.3K0
标签:
金融大模型技术指南:适配不同规模金融机构的解决方案
摘要 本文旨在探讨金融大模型技术的核心价值、挑战与实施指南,特别强调如何通过腾讯云产品实现不同规模金融机构的适配。 技术解析 核心价值与典型场景 金融大模型技术通过深度学习技术,能够处理和分析大量金融数据,识别潜在的风险点,从而为金融机构提供决策支持。典型场景包括信贷审批、交易监控、欺诈检测等。 模型泛化能力:模型需适应不同规模金融机构的特定需求。 计算资源消耗:大模型训练和推理需要大量计算资源,成本较高。 模型部署与监控 原理说明:模型部署后需要实时监控其性能,确保效果。 操作示例:通过腾讯云容器服务TKE部署模型,利用其自动扩缩容能力应对流量突增,保持低延迟。 通过上述指南,金融机构可以根据自身规模和需求,选择合适的腾讯云产品,实现金融大模型的高效部署和运营。
gavin1024
2025-07-29
5750
标签:
何为
定义 是风险控制的简称,在百度百科中是这么定义风险控制的。 在我们日常生活中随时可见,小到账户登录验证码,都可以算是一种的手段。 这里我们着重了解下信贷下的,结合了场景的,则赋予了更多的意义。 信贷的目标是「利益最大化」,而不是没有风险,在风险和利润之间找到平衡,是信贷的核心。 ,以及在信贷场景下的如何实现,的目标永远是降风险,但不是一味地降,在不同场景下有不同的考虑。 文章例子参考《智能平台:架构、设计与实现》
LieBrother
2022-12-20
2.9K0
标签:
ML | 建模的WOE与IV
ML」系列文章,主要是分享一下自己多年以来做金融的一些事一些情,当然也包括建模、机器学习、大数据等相关技术分享,欢迎同行交流与新同学的加入,共同学习,进步! 第一次接触这两个名词是在做模型的时候,老师教我们可以用IV去做变量筛选,IV(Information Value),中文名是信息值,简单来说这个指标的作用就是来衡量变量的预测能力强弱的,然后IV又是
Sam Gor
2021-11-30
4.8K0
标签:
信贷模型搭建及核心模式分类
E.应用场景 模型的应用场景非常广泛,只要牵扯互联网金融的行业就缺少不了模型的存在,从借贷的角度来看,平台要评估借贷者的个人征信和还款能力从而保证投资者的收益;从投资者的角度,要保证平台的资金安全 另外,模型在不同的阶段体现的方式和功能也不一样。 从资金的角度来看,模型是为了评估用户还款能力和还款意愿,反欺诈反作弊,防止用户薅羊毛和保证平台安全等功能;从行业的角度,互联网模型体现在消费金融/供应链金融/信用借贷/P2P/大数据征信等方面。 所以说,模型的计算策略和机制在一个公司属于绝密,规则除了核心的员工,其他人是不能知道规则的。 四、的核心 如果说金融产品的核心是,那么的核心是什么? 五、模型的设计步骤 总体来说模型的设计主要可以分为以下的几个步骤: 1.获取数据 信用评估来自于用户数据,模型规则其实就是用户数据规则,信息的纬度也比较广泛,大致可以分为基本信息/行为信息
全栈程序员站长
2022-08-14
4.2K0
标签:
ML | 建模中怎么做拒绝推断
建模中的样本偏差与拒绝推断》https://zhuanlan.zhihu.com/p/88624987 不过我也还是把他文章里的分类体系在这里重点再次分享一下。 06 总结一下 本文算是一个对拒绝推断的入门介绍了,让初涉模型的同学有一个相对来说比较清晰的全局认识,这里面涉及到的很多算法模型上的细节并没有展开来讲,因为我觉得这也会让阅读带来比较大的负担,公众号的文章还是要控制在几分钟内读完比较合适 Reference [1] 异常检测算法分类及经典模型概览 https://blog.csdn.net/cyan_soul/article/details/101702066 [2] 建模中的样本偏差与拒绝推断
Sam Gor
2022-11-14
3.1K0
标签:
1.1 原则
风险管理的目标是减少和消除EL,但是更concern UL,A对 承担风险的数量和潜在损失的大小不是绝对相关的,B错 风险管理的最后一步是监控,C错 风险是不确定性,不确定性是不会消失的,采用风险转移只是把风险转给了别的公司,D错
rocket
2018-09-14
3.3K0
标签:
支付模型
二、基于规则的 规则是最常用的,也是相对来说比较容易上手的模型。从现实情况中总结出一些经验,结合名单数据,制定规则,简单,有效。 常见的规则有: 1. 互联网金融离不开机器学习,特别是支付。 在各种支付模型中,决策树模式是相对比较简单易用的模型。 如下的决策树模型,我们根据已有的数据,分析数据特征,构建出一颗决策树。 每个公司的模型都不一样,一个参考模型如下: 该模型为参考《金融机构洗钱和恐怖融资风险评估及客户分类管理指引》编制,仅具参考意义。 这个过程,将在下一篇的架构中介绍。 五、模型评估 本质上是对交易记录的一个分类,所以对模型的评估,除了性能外,还需要评估“查全率”和“查准率”。 支付场景分析 ; 支付数据仓库建设 ; 支付模型和流程分析(本文); 支付系统架构 发布者:全栈程序员栈长,转载请注明出处:https://javaforall.cn
全栈程序员站长
2022-08-11
4.3K0
标签:
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档