站長資訊網8月25-27日,由英國愛丁堡大學商學院信用研究中心主辦的第17屆國際信用研究會議(Credit Scoring and Credit Control Conference XVII)在英國愛丁堡召開,光大科技作為唯一中國金融科技(FinTech)企業代表參會。本次光大科技獨立撰寫的《因果正則化的穩定評分卡模型(Causal Regularization for Stable Scoring Card Model)》論文經過層層篩選成功入圍會議,追光實驗室李琨博士受邀參加線上會議并做專題報告,與國際信用業界專家分享論文成果。本次論文在國際重要會議上的發表,不僅代表了國際學界對光大科技數據科學業務應用成果的充分肯定,更揭開了中國金融科技企業在風險控制和風險管理領域自主創新的新篇章。
國際信用研究會議每兩年舉辦一次,至今已有30多年的歷史,是全球關于信用評分和信用控制方向最有影響力的國際信用研究會議。受疫情影響,本次國際信用研究大會于線上線下同時舉行,吸引了來自世界40多個國家超過300位頂尖學者與行業代表踴躍參加,產學研各界在會議上共同交流最新產業動態和學術成果。本年度CSCCC的論文提交總數超百篇,數量與質量均超往年,競爭空前激烈。本篇論文由追光實驗室李琨博士、鄭方蘭博士、大數據部負責人田江博士和公司副總經理向小佳博士共同完成,介紹因果正則化穩定評分卡的設計與實踐應用成果,經會議專家委員會評審,最終成功入圍,這也使得光大科技成為該會議本年度中國唯一金融科技(FinTech)企業代表。
報告演講中,李琨博士指出,人工智能模型依賴于獨立同分布假設,在未知環境下模型的穩定性將受到限制。不同于利用新環境先驗知識的遷移學習方法,引入因果關系發現思想的穩定學習方法是在保證模型平均準確度的前提下,降低模型性能在各種不同樣本分布下的準確率方差,從而保證模型的穩定性。信用評分在信貸領域,特別是消費金融領域扮演著無可替代的角色,加入因果正則化的穩定評分卡,可以為信用評分問題提供先進的解決方案。光大科技率先將因果學習理論應用于信用評分實踐,通過在合成數據和實際業務數據的測試結果分析,發現該算法相比于其他傳統算法可以有效降低未知抽樣偏置,提高模型在不同環境下的穩定性。基于該算法生成的信用評分卡可以在業務發展的早期就預知風險并控制風險,從而幫助業務方在新業務跨場景等復雜環境中,基于數據智能做好風險管控。
光大科技追光實驗室定位知識驅動的算法創新,通過基于業務知識的持續技術創新,積極參與金融和科技領域的專業會議,不斷擴大在金融科技領域的技術影響力,始終致力于建立光大科技的技術品牌與能力護城河。
特別提醒：本網信息來自于互聯網，目的在于傳遞更多信息，并不代表本網贊同其觀點。其原創性以及文中陳述文字和內容未經本站證實，對本文以及其中全部或者部分內容、文字的真實性、完整性、及時性本站不作任何保證或承諾，并請自行核實相關內容。本站不承擔此類作品侵權行為的直接責任及連帶責任。如若本網有任何內容侵犯您的權益，請及時聯系我們，本站將會在24小時內處理完畢。
