南乌拉尔国立大学研究人员成功获得一项基于神经网络的个人信用评分程序专利。该开发成果首次实现了对借款人偿付能力的深度分析，并利用人工智能提高了贷款发放决策的准确率。
近期，个人信贷申请量激增，这使得提高借款人财务状况评估精度的必要性日益凸显——因为当前形势增加了贷款资金部分或全部无法收回的额外风险。
目前，传统的金融信用评估系统主要考量标准特征，如信用记录、薪资水平等。经过计算机数据分析后，金融专家会权衡利弊，做出拒贷或放贷的决定，以最大限度降低贷款机构的潜在损失。
“传统评估系统的效率尚可，但仍存在较高的误判率，专家若依赖这些结果，可能做出潜在错误的决策，”南乌拉尔国立大学信息系统与技术系教授娜塔莉亚·亚帕罗娃表示，“为了切实降低此类风险，我们首创了一款神经网络程序，利用非标准评估参数对借款人的财务历史进行深度分析。我要强调的是，这些数据均来源于公开渠道，例如某人访问特定购物网站的频率、购买的商品类型以及其他特征。”
该原创程序的另一大重要优势在于，它能辅助专家做出最终决策。也就是说，它可以给出建议：是否有意义在特定额度内向特定对象发放贷款，从而提高了做出正确选择的几率。
“在以往提出的方法中，对借款人财务行为的分析往往是单一维度的，要么仅基于传统的人口统计和信贷数据，要么完全依赖于行为交易信号，”娜塔莉亚·亚帕罗娃进一步解释道，“我们提出了一种混合方法，将两类特征有机结合。这不仅提高了预测的准确性，还降低了评分模型在面对欺诈行为、虚假自报和数据缺失时的脆弱性。作为输入特征，我们既使用了包括当前账户余额、信用记录、贷款金额、工龄、婚姻状况、年龄及其他相关参数，也引入了抗人为操纵的行为与情境特征——例如是否按时缴纳公用事业费或通讯费、是否有稳定的账户入账、过去90天内是否存在违约记录等。这些信号提升了偿付能力评估的可信度，降低了模型受问卷数据失真的影响，使我们能够安全地覆盖信用记录有限的客户群体。”
这款极具前景的新型多智能体程序专为法人实体（金融及信贷机构）设计。它无需获取关于潜在借款人的额外隐私信息，也无需另行征得个人数据处理同意书。这充分证明了该系统完全符合现行法律法规的要求。