平安银行风险智策中心项目入选“2025银行业数字金融实践典型案例”
综合
关注
近期，中国金融传媒公布了“2025年度银行业数字金融典型实践优秀案例”名单，平安银行“风险智策中心项目”凭借在科技赋能和业务实效方面的突出表现成功入选，成为行业数字化风控建设的创新实践代表之一。
为积极响应党的二十届三中全会和中央金融工作会议精神，贯彻落实监管关于做好数字金融“大文章”，构建匹配数字化转型需求的风险控制体系的决策部署，平安银行持续推进零售信贷风险管理的数字化、智能化升级，通过建设统一化、集中化、智能化的风控平台系统，推动零售信贷风险全生命周期闭环管理，全面提升风险识别与管控能力，为零售业务高质量发展提供强劲支撑。
聚焦三大难题，打造敏捷精准的风控策略研发模式
数据孤岛与特征口径不一：各业务线数据源分散，风险特征的定义、计算和管理缺乏统一标准，导致特征复用率低，协同风控无法实现。
策略研发周期长、响应迟缓：传统策略开发依赖于“业务提需求->IT开发->测试上线”的瀑布流模式，平均周期长达3-4个月，难以敏捷响应市场风险的快速变化。
策略验证成本高、仿真度低：策略上线前的效果评估依赖小流量A/B测试或基于部分历史数据的离线回溯，不仅成本高昂、周期长，且无法100%还原线上真实流量与策略交互的复杂场景，存在“评估失真”风险。
四大技术创新，构建智能风险策略决策中枢
全行级统一风险变量超市：构建集特征开发、评估、管理、监控于一体的中央平台，通过统一数据接入与处理规范覆盖内外部数据源，沉淀超过27，000个高质量风险特征变量。平台内置完善的特征评估体系（包括IV值、PSI、覆盖率、相关性分析等），解决了特征口径不一、质量不明、价值不清、跨条线不敢用的问题，实现高质量特征的“即插即用”。
基于提升树算法的风控策略智能发现引擎：为破解策略研发的效率瓶颈，平台引入基于梯度提升树算法的策略自动发现模块，能自动从海量特征中学习风险规律，通过非线性拟合生成高预测性能的模型，并进一步将复杂的树模型结构自动解析为专家可读的规则组合。该引擎完美结合了机器学习的预测能力与规则策略的业务可解释性，将策略发现效率提升了10倍以上。
分钟级发布的自研决策引擎：自主研发业务专家级的低代码/无代码决策引擎平台，创新集成图形化编程工具，支持风险策略师以“拖拉拽”操作自助完成复杂决策流、评分卡、决策树等配置与调整。结合动态编译技术与蓝绿发布、灰度发布机制，实现策略从编排到上线的全流程自动化，发布周期从天级缩短至分钟级。
高仿真度的策略实验平台：为了解决策略验证的难题，平台构建了基于生产流量录制与海量数据离线回放的实验环境。通过自研分布式计算引擎，实现对线上策略组合的全真模拟。业务人员可以快速、精准评估新策略对通过率、风险表现、客群分布等方面的影响，确保每一次策略变更都心中有数，极大降低上线风险。
效率成本双优化，赋能业务创新提效
策略研发与迭代效率：端到端的策略开发部署周期从平均3-4个月缩短至2周以内，提效幅度超过75%。
策略验证效率：基于回放平台的自动化验证，数据准备到获取结果报告的时间缩短至5分钟，策略上线速度提升20%。
运营成本：在模型和策略分析、部署、验证等全链路环节提质增效，每次策略调整可节省20%时长。当前已在四个业务条线54+业务团队接入使用，部署310+策略组，3万+规则，38+风险模型。通过流程自动化和分析工具的引入，可显著降低全行运营成本。
数智风控践行“金融为民”，护航数字未来
风险智策中心的成功实践，标志着平安银行已构建起一套以数据为基础、以AI为核心、以敏捷为特征的新一代智能化风险管理体系。它不仅有效支撑业务场景的快速创新和风险策略的敏捷迭代，强化了银行风控能力，同时提升了平安银行零售和普惠金融服务的可得性和客户体验。
未来，平安银行将持续深化风险智策中心的能力与应用，积极探索大模型在风险报告自动生成、智能尽调、人工审批等领域的应用，并在保障数据安全与隐私的前提下，携手产业伙伴及金融同业，合作共建行业风控新生态，为数字经济的健康发展保驾护航。
