《报告》发现，受内外部多重因素影响，银行风控策略正在从高度依赖专家经验与历史数据的“策略对抗”，转向基于机器学习、人工智能开展动态风控管理的“模型对抗”。同时，80%以上的受访银行看好大模型落地风控场景，并认为大模型是风控体系转型升级的有效技术和工具。

银行风控迈入“模型对抗”时代

《报告》显示，逾55%的受访银行机构认为，鉴于中国经济基本面持续复苏增长激发民众消费需求，加之国家相关部门要求银行机构做好普惠金融这篇“大文章”, 当前一大经营策略仍聚焦获取新客户并助推自身零售金融业务持续增长。

但与此同时，逾53%受访银行机构人员认为未来零售信贷业务不良率将逐渐上升，因而采取相对审慎的态度。

针对这种状况，多数受访银行机构的风控策略变革升级正“迫在眉睫”，但以往的传统风控策略普遍存在用“过去”预测“未来”参考价值大幅降低、单点防御失效、通用型风控策略失效等痛点。

因此，受访银行普遍在风控策略变革方面正形成“新共识”——即风控策略正从传统的“策略对抗”,进入以“模型对抗”为主的新时代。原因是以往，银行机构的风控策略主要基于静态模型+动态策略，并通过不断增补完善风控规则应对外部变化。但现在，客群变化加快、黑产加速利用Al等新形势下，在调整风控策略的基础上，还要强化风控模型的迭代优化。

推进“模型对抗”的两大痛点与三大路径

在构建“模型对抗”风控体系过程，多数银行也发现建模慢、样本少正成为制约他们加快推进风控策略变革升级的两大掣肘。对此多数受访银行机构普遍采取三大措施推进“模型对抗”风控体系搭建，分别是加强基于行内数据的定制化风控模型研发，加快风控模型迭代步伐，缩小风控模型迭代周期，加强各类数据采集处理能力，进一步完善风控模型“定制化”与“模型对抗”能力。

来源：腾讯云

报告内容节选如下：