模型管理是一个庞大的命题,对于金融机构来说,实现对模型风险的有效监控则是模型管理这个庞大命题中最切中核心的。银保监会近三年来陆续发布《商业银行互联网贷款管理暂行办法》、《关于进一步规范商业银行互联网贷款业务的通知》和《关于银行业保险业数字化转型的指导意见》,无一不是把模型风险的问题放置到很高的位置上。
数字化的风险不是直观可见的,一些重大风险可能潜伏在模型一些隐秘的角落之内,如果能够对模型进行科学的监控,一些风险就会被及时发现,危险也就能随之缓释和解除。
作为中国金融数智化的赋能者,百融云创模型管理平台在模型监控方面做出了很多探索,围绕有效性、准确性和稳定性三个维度进行完美布控。
(相关资料图)
群体和特征稳定性监控
稳定压倒一切,是模型发挥作用的定海神针。模型管理平台能够实现对群体稳定性(PSI)的监控,在模型上线部署后,平台会通过PSI曲线来观察模型的稳定性。比如在信贷场景中观察到模型的排序能力降低,模型的区分度发生了下降。平台就会及时发出警示,金融机构可以以此去分析背后的原因,是否是因为宏观经济恶化导致客户整体的还款能力下降,或者目标客群发生了变化等等,进而剔除不稳定的变量。
除了PSI监控外,模型管理平台同时还支持细粒度观测特征稳定性(CSI),比如在评分卡中,一个整体评分分布稳定的模型,如果以更细颗粒度来观察,可能会发现模型中的一个特征变量悄然发生了偏移,比如由于经济的周期波动,职业这一变量发生了改变,导致客群收入发生了变化,但与此同时另外一些指标上升了,导致整体的评分分布是稳定的。模型管理平台支持对每个特征变量计算CSI,可以分析出到底是哪些特征分布发生变化导致评分卡主模型分数偏移、哪个特征对模型得分变化的影响最大等结果。
多维指标加工与分析
模型一旦上线,模型运行时的数据也就随之确定。平台基于这些运行时数据可以进行多维度的监控指标加工与分析。例如,按不同的基准值进行PSI指标监控,观察建模结果的基准值或者模型运行一段时间后的基准值与实际投产后的运行情况的偏差。假如监控到模型中某一区间的评分分布跟监控时所设置的基准值产生偏差大于预警阈值,平台就会马上发出预警信息给到预设的接收者,由此分析到底是配置有误、性能下降还是假设不准确,以此来追本溯源。
多层接口设计,灵活可配好坏客户定义
好坏客户并没有一个恒定的标准,对于银行来说,不同的金融产品,对于“坏”的定义是不一样的。百融云创模型管理平台支持好坏客户定义的灵活配置,同时提供基于Y 标签、逾期信息、还款计划等多层接口,能够与各类金融机构进行快速对接,从而实现对模型区分能力的精准监控。
灵活按需进行预警规则与通知渠道配置
每次模型的监控任务跑完批量之后,平台都会自动生成相关监控报表,并且平台一旦监测到监控指标异常,就会通过邮件或者企微等多种渠道触达业务人员。业务人员也可以根据业务情况灵活配置预警周期,平台支持准实时、日报或周报乃至更多种方式的预警周期。
免责声明：此文内容为本网站转载自其他媒体企业宣传资讯，仅代表作者个人观点，与本网无关。仅供读者参考，并请自行核实相关内容。您若对稿件处理有任何疑问或质疑，请即与我们联系，本网将迅速给您回应并做处理。
邮箱：contactus@stockstar.com 处理时间：9:00—17:00。
