《表：信用风险偏好级次示例表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《解码银行信用风险偏好管理》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

深度学习法：由于“互联网+”快速发展，信用风险涉及对手、渠道、地域可能更加广泛、蕴含风险更加隐蔽，而且这种风险可能还未实际发生或银行尚未认知，需要利用新技术手段，从数据挖掘中找到某些特征或规律，用于设计新的风险偏好引擎，以应对未知风险和突发风险，突出的深度学习或无监督式学习，其核心逻辑框架是：样本数据输入—特征挖掘提炼—模型迭代训练—效果验证评估—模型正式发布等，如Alpha Go就是充分利用深度学习的例证，其旧版原理是结合了数百万人类围棋专家的图谱以及强化学习的监督学习进行了自我训练，而新版原理则突出“自学成才”。同时，“互联网+”时代、场景为王时代，我们倡导并主动拥抱互联网、拥抱新技术，但更应注重实质效果，目前机器学习、区块链等新型技术比较成熟，应用领域比较广泛，但真正应用在商业银行信用风险管理方面仍有很大提升空间，这就需要在传承中创新、创新中发展、发展中提升，匹配风险场景找到适合的建模方法，确保风险引擎构建的有效性。