荷兰银行业协会倡导机器学习模型取代传统风控体系

正文：

据移动支付网报道，荷兰银行业协会（NVB）近期发布了一份行业白皮书，呼吁金融机构大规模实施机器学习模型，以替代传统的风控系统进行客户交易监控。该倡议旨在借助人工智能技术，提高金融犯罪识别的准确性和操作效率。

在白皮书中提到，当前银行普遍依赖基于固定规则的传统风控系统，采用固定的交易额度和僵化的参数来判定可疑交易。这种方式每年会生成数十万条可疑活动报告，导致大量误报，不仅加重了银行的合规审核负担，还无形中增加了客户办理业务的难度。

与传统模式相比，机器学习算法能够深入挖掘历史交易数据的规律，多维度交叉分析用户的交易行为，以实现智能的风险预判。该模型能够对交易风险警报进行分级评分，并自动剔除低风险交易，显著减少无效的风控标记，从而降低客户服务的摩擦。同时，智能算法可以识别传统系统难以发现的复杂和隐蔽的异常交易模式，并支持银行根据账户动态变化进行实时客户风险审查，突破固定周期审查的限制，大幅提升风控的精准度和灵活性。

NVB还梳理了两种可实施的机器学习风控模型。一种是通用模型，建立广泛的风控框架，整合各种金融犯罪风险参数，以适应全面的风险监测场景；另一种是聚焦模型，专门针对特定金融犯罪风险进行定制开发，以精准应对特定的风控场景。

在技术合规方面，NVB明确了机器学习风控的实施准则，强调模型必须具备透明性和可解释性，能够清晰地向监管机构和合规人员提供风控决策依据。同时，建议采用对抗性去偏和子群体校准等技术，以修正算法偏差，消除因年龄、性别等因素引起的客户差异化风控偏见，确保算法的公正与合规。

此外，NVB特别指出，人工智能技术应仅作为风控的辅助工具，无法替代人工判断。金融机构需对智能模型的所有决策承担法律责任，并且必须建立常态化的全流程人工监督机制。

据悉，欧盟将在2027年实施新的反洗钱法规，进一步强化人工审核的要求，明确规定自动化决策在生效前必须经过严格的人工核验，以确保AI风控模型的准确性和合规性，人工监督将成为未来欧洲金融风控的核心硬性要求。

来源：移动支付网