.....................................36 58 同城风控平台演进...................................................................................... 59 度小满金融大数据风控模型实践........................................... 机器学习中的隐私保护................................................................................. 144 关系图谱在贝壳找房风控体系的应用与实践.............................................162 新一代联邦学习技术及应用实战........................... ..... 212 风控建模流程：以京东群体感知项目为例.................................................244 信贷业务风控策略简介................................................................................. 266 机器学习在信贷风控建模中的优势和挑战..

请务必阅读正文之后的免责声明及其项下所有内容 2025年02月22日 大鹏一日同风起，AI医疗启新篇 医疗AI专题报告（一）：制药篇 行业研究 · 专题报告 医药生物 证券研究报告 | 请务必阅读正文之后的免责声明及其项下所有内容 报告摘要 ◼ AI技术快速发展，医疗健康是AI技术最重要的应用领域。医疗健康产业正处于数字化转型与智能化升级的变革期，ARK Invest近期所发布的

中原银行实时风控体系建设实践 Construction practice of real-time risk control system of Zhongyuan bank 陈玉强 中原银行数据银行部 河南省唯一省级法人银行 贴心、专业、合作、共赢 服务战略、服务实体、服务企业、 服 务人民 • 蝉联六年《金融时报》 “年度十佳城市商业银行” ，相继荣获“铁马 十佳银行 ”、“最佳上市公司 挖掘边界客户，实现精准授信。 贷中风控 数据指标变化快，需要实现实时 化的再审核与放款。 贷后管理 贷后管理难度大，需要多种新技 术发现隐性风险，提高管控度。 操作风险 随着银行线上化能力的增强，操 作风险识别从预防人员不合规操 作转为线上流程漏洞和异常行为 识别等。 流动性风险 从线下的，面向审批的逐步转 向实时的智能决策。 银行数字化风控新挑战 授信 运营 实时化不 足 银行传统风控的痛点 数据流通受限 精准度不够 智能化 专家规则 + 机器学 习 平台化 实时化 全新的风控支撑体系建设思路 平台开放、架构融 合 高时效、高并发 建设 Flink 实时计算平台 ，首个应用上线； 商业决策系统已支撑 150+ 规则模型； 2020 Q2 应用 • 基于

技术已从销售助理、智能客户、核保核赔等多场 景赋能保险业务，预计随着数据与训练的积累，未来长期 AI 大模型有望向个 性化产品定价、核保核赔、风控减损等场景延伸，深度赋能全产业链。国内方 面，近年来，我国大型保险机构持续关注科技投入，AI 技术已广泛应用于前 端销售、定损理赔、风控减损等领域，但主要仍以理解式 AI 为主，生成式 AI 仍在探索中。AI 大模型可从产品研发、渠道营销、运营管理等各方位实现保 大模型的训练、推理和 部署的高效进行，且 AIGC 技术已有多场景落地，在 AI 大模型落地优势显著。 ❖ 众安在线：AIGC 探索较为积极，相关应用有望率先落地。众安保险长 期专注于科技能力建设，对内从风控+客户需求挖掘+承保理赔支持与降费等 方面赋能保险主业；对外，依托众安科技布局人工智能、大数据、云计算等前 沿技术，围绕三大标准化科技产品系列——业务增长系列、业务生产系列、业 务基建系列，以及 .................................................................................. 14 3.1.3 场景三：风控减损 ................................................................................................

期望获得实时响应的智能化服务，而目前仅有不到 30%的金融机 构能通过现有系统实现这一目标。 在风险控制领域，传统规则引擎对复杂欺诈模式的识别准确率 普遍低于 60% ，而基于大模型的智能风控系统可将准确率提升至 85%以上。例如，某国有银行试点数据显示，通过大模型分析非结 构化数据（如客户行为日志、社交媒体信息），其反洗钱预警效率 提升了 40% ，误报率降低 25%。 智能化转型目标 服务效率 人工处理耗时，响应延迟超过 30 分钟 实现 90%以上业务的实时自动化 处理 风险识别 依赖静态规则，新型风险漏报率超 40% 动态建模覆盖 95%以上的复杂风 险场景 个性化能力 标准化产品推荐转化率不足 15% 基于客户画像的精准推荐转化率 提升至 35% 从技术实现角度看，银行业务智能化需要突破以下关键能力： - 多模态数据处理：整合文本、语音、图像等非结构化数据，例如 小时在线服务可用性达 99.99%。 业务赋能方面重点实现三大突破：一是智能客服场景的深度优 化，通过多轮对话系统处理 80%以上的常规业务咨询，人工坐席 转 接率降低至 15%以下；二是风险管控能力的强化，建立基于大 模型 的实时交易监测系统，异常交易识别效率提升 40%，误报率 控制在 0.5%以内；三是业务流程自动化改造，实现贷款申请、票 据处理等 15 类高频业务的智能审批，平均处理时效从

30 分钟 - 风险管控滞后：车险骗保识别依赖人工审核，误判率高达 18% - 个性化服务缺失：标准化的产品推荐匹配度不足，转化率低于 12% - 运营成本高企：培训新人代理平均投入超 2.3 万元/ 人， ROI 周期 长达 9 个月 技术层面，现有系统存在明显短板：核心业务系统平均年龄达 7.5 年，API 响应延迟超过 800ms，无法支撑实时风控需求。某头 部寿险公司测试数据显示，传统 企业存在 6-8 个独立 业务系统，数据互通需通过中间表手动同步。例如某头部寿险公司 的精算系统与 CRM 系统间存在 17%的数据偏差率，直接导致核保 决策失误率增加 2.3 个百分点。 风控能力滞后 反欺诈依赖规则引擎的静态阈值设定，无法动态识别新型骗保模 式。车险领域约 23%的欺诈案件（中国保险行业协会 2022 年报 告）因缺乏智能分析手段未能及时拦截，每年造成行业损失超 80 高昂；②异构数据源整合困难；③实时决策能力不足。 第三，监管科技（RegTech）要求倒逼升级。银保监办发 〔2022〕40 ” 号文明确要求 2025 年前完成关键业务环节智能化监 ” 控全覆盖 ，但行业现状显示：①反欺诈识别准确率普遍低于 65%；②合规审查自动化率不足 20%；③监管报送数据错误率高达 8.7%。 为量化转型需求优先级，我们对头部险企的调研结果显示以下 关键指标差距：

服务商。公司成立于 1998 年， 作为我国最早一批专业从事金融业软件开发及 IT 服务的企业，经 过多年经营和沉淀，公司积累了一批以银行业为主，涉及保险、证 券、基金、信托、融资租赁等行业的优质客户，信贷及风控管理系 统、核心业务系统、CRM 及 ECIF 等解决方案均具有较强市场竞争 力和较高市场占有率。 绑定蚂蚁，探索银行 AI 应用落地。2025 年 9 月 1 日，公司受邀参 加蚂蚁数科生态伙伴 及系统集成服务。公司成立于 1998 年，作为我国最早一批专业从事金融业 软件开发及 IT 服务的企业，经过多年经营和沉淀，公司积累了一批以银行 业为主，涉及保险、证券、基金、信托、融资租赁等行业的优质客户，信贷 及风控管理系统、核心业务系统、CRM 及 ECIF 等解决方案均具有较强市 场竞争力和较高市场占有率。 高伟达(300465) 请务必阅读正文之后的免责条款部分 6 of 推进与蚂蚁合作，聚焦银行信贷场景 AI 应用。2025 年 9 月 1 日，公司受 邀参加蚂蚁数科生态伙伴 AI 智能业务交流闭门会，会上重点探讨了银行 AI 流量运营、银行贷后解决方案、银行风控 Agent 产品解决方案、反欺诈体系 构建、大模型场景实践与安全防御等银行业 AI 应用核心场景。公司就银行 AI 应用市场新的合作方向与蚂蚁数科达成初步共识，公司将吸纳蚂蚁数科 在 AI 技术研发

AI 助力金融存量业务增长 + 开拓新机遇： 1 ） AI 助力金融业务降本增效 ， 降低风险成本。 AI 技术在金融行业中的应用可以显著降低人力成本并提高收入； AI 在提高基础工作效率、 增强风控能力、优化客户服务和营销策略方面发挥着重要作用。 2 ） AI 助力 B 端 +C 端产品多应用场景升级。 AI 技术的发展推动 了智能投顾 产品和金融信息终端的创新 ，这些产品通过提供个性化和精准的服务 数据来源 艾瑞咨询 东吴证券研究所 1.3. 金融科技阶段：科技辅助脑力劳 动 技 术服务商 技 术 能 力 云计算 大数据 AI 区块链 业 务 能 力 获客 风控 运营 客服 金融 科技企业 数据来源：艾瑞咨询，东吴证券研究所 技术范畴 图表：中国金融科技产业链 需求方 技术输出（定制化 / 标准 化） 对外输出 / 对内赋 能 采 购 研 大模型训练 高性能算力资源 ... ... 经验反哺 技术支持 n 与基础大模型相比，金融行业大模型结合金融 业务场景特征与数据资源，在专业度、业务模 型输出能力、场景适配度与成本把控等方面优 势较为明显。 n 随着行业大模型的不断涌现，未来将有更多的 金融业务板块与细分场景被模型能力覆盖。 智能营销 产品创新 风险管 理 企业专属大模型

文本语义解析、交易行为分析的三维风控体系。相比 Benford 定律等传统数 值检测方法，AI 在识别隐蔽性造假方面展现独特优势，能够捕捉管理层文本 中的语义矛盾与异常修饰。其进化路径指向领域预训练与动态特征库的融 合，通过持续学习新型造假模式增强模型鲁棒性。 AI+RAG+Agent 体系通过决策闭环架构实现策略的自主进化。该体系以生成 式 AI 为智能中枢，整合实时数据管道、动态知识检索与自动化风控模块， 突破传统回测框架的静态局限。RAG 的资产配置方法论的有效性。项目底层逻辑依托卖方分析师构建的宏观研究体系， 主要聚焦于策略模型的学术验证与框架优化，尚未进入实际资金运作环节。由于 仍处于理论验证期，暂未涉及实盘交易所需的资金管理系统、风控模块等基础设 施搭建，也未制定灰度机制相关流程（即通过小规模资金、限定标的试运行逐步 扩大应用的过渡方案）。当前研究重心在于回溯测试的严谨性验证、模型对市场 状态切换的适应性分析以及动态参数调整机制的可解释性构建，为后续可能的实 获取的外部知识（如碳中和政策对电力设备 的影响）更新规则库，形成“数据驱动决策、规则约束风险、反馈优化策略”的 智能闭环，显著提升策略适应性与风险控制能力。 问题 3：Agent 在触发风控操作（如暂停调仓）后，如何重新评估市场状态并 恢复交易？是否依赖人工干预？ 在触发风控操作（如暂停调仓）后，Agent 通过自动化流程与人工干预结合的方 式重新评估市场状态并恢复交易。首先，Agent 会借助 RAG（检索增强生成）技术 实

屋面光伏发电系统 二、协同优化 本工程建设的供电系统运行中调度优先级如下： （ 1 ）优先使用风电和光伏发电。 （ 2 ）储能系统中储存的电量。 （ 3 ）在光伏出力不足、储能电量较低的情况下通过电网供电。 功率平衡：协调优化控制策略（四种主要运行方式） 二、综合能源系统的源 - 网 - 荷 - 储协同优化控 制 场景 1 ：光伏出力大于用电负荷，且储能未充满 场景 2 无功优先调节； n 有功等效为功率受限的储能机组； 接入储能系统后，厂区在电价峰值时间段的用电功率和用电量大大降低。 二、综合能源系统的源 - 网 - 荷 - 储协同优化控 制 二、综合能源系统的源 - 网 - 荷 - 储协同优化控 制 综合能源智慧管理平台 系统架构主要分为： u 设备及数据传输层 u 核心软件层 u 高级应用层 二、综合能源系统的源 - 网 - 荷 - 储协同优 化 光伏系统适用于光照资源较丰富的地区，风能系统适用于风资源较丰富的地区， 储能系统适用于采用峰平谷电价并存在负荷 不平衡的用户。 融入 5G 基站、数据中心等“新基建”重点技术的园区综合能源服务手段，也将是未来工业园区节能降耗、实现绿色低碳转 型 的重要实施方向。 典型“能源魔盒”案例的解决方案，与闵行工业园 区高度融合，在不改变园区原有建筑格局为前提 条件下，以“风、光、储、充、控、检”一体化形式 实现多能协同互补和能源综合梯级利用