金融科技公司PFCT（PFC Technologies）12日表示，公司已与首尔大学计算机工程学院Moon Byungro教授团队围绕AI信用评估方法的拓展，完成一项为期10个月的联合研究。
此次研究基于真实脱敏金融数据，围绕多种算法开展对比实验，旨在探索更精细化的AI信用评估模型。
研究团队将深度学习架构Transformer引入信用评估建模，并对其在这一场景下的特点与局限进行了分析。Transformer通常主要应用于自然语言处理等依赖序列信息的任务，而信用评估数据并不具备类似文本的“语序”特征。基于这一差异，团队重点考察了该架构在信用评估数据环境中的学习特性。
研究结果显示，即使在相同数据条件下，不同模型结构在性能指标和学习特性方面仍存在差异。部分实验中，用于区分高风险客户的KS指标，以及低信用客群识别召回率（Recall）较既有方法呈现出改善趋势。
研究团队据此梳理了Transformer学习方式在信用评估场景中的适用边界与局限。PFCT表示，此次研究也为后续面向业务落地的模型设计和进一步研究提供了对比基准及实证参考。
Moon Byungro表示，此次研究在真实数据环境中验证了多种算法路径在信用评估中的表现，也确认了相关方法在金融业务场景中的应用可能性。同时，围绕信用评估数据本身的特征重新审视深度学习方法，也为后续实务应用提供了参考依据。
PFCT相关负责人Lee Suhwan表示，公司将AI信用评估视为一个需要持续拓展和验证的研究领域，而非一项固定不变的技术。未来，PFCT将以此次结合学术算法研究与产业真实数据的成果为基础，持续推进AI信用评估技术的研究与验证。
记者信息
Lee Ji-young
ljy@d-today.co.kr