目录一、为什么金融科技不能只评“模型准确率”二、金融科技效能评估的 7 维分类体系二、金融科技效能评估的 7 维分类体系三、100 个典型应用场景全景图第一类信用评分与信贷审批1–10第二类交易反欺诈与支付风控11–20第三类反洗钱与制裁合规21–30第四类图风控与团伙欺诈31–40第五类贷后与资产质量管控41–50第六类保险风控与精算智能51–60第七类市场监管与券商风控61–70第八类模型风险与 AI 治理71–80第九类合规科技与监管报送81–90第十类系统韧性、运营与成本治理91–100四、场景 → 指标映射矩阵精华五、金融风控效能的可落地公式六、常见误区七、结语八、勘误及更新说明摘要金融科技系统的效能不是“模型 AUC 高不高”这么简单。一笔贷款过不过、一笔交易拦不拦、一份反洗钱报告准不准背后是信用风险、欺诈风险、合规风险、操作风险、模型风险、系统韧性、业务收益七条绳子绑在一起。本文系统梳理金融科技与风控领域的 100 个典型效能评估场景按 10 大类组织每个场景一句话点明“评估核心”并给出可落地的分类体系和指标映射。本文为风控建模、反欺诈工程、合规科技、模型治理与金融科技架构人员提供一张系统性全景地图。一、为什么金融科技不能只评“模型准确率”在银行、支付、消费金融、证券、保险、资管里效能评估的根本问题是“这个系统在给定客群、给定监管边界、给定业务目标下控住风险的同时有没有把钱赚出来”传统机器学习视角只看AUCKSF1准确率但金融系统里更致命的是好客户被误杀通过率掉、投诉涨坏客户被放过坏账、欺诈损失模型三个月后漂移PSI 爆了没人管规则误拦大额正常交易客诉 商户流失反洗钱漏报重大可疑交易监管罚单大模型审合同很顺但把“客户同意”看成“客户授权”合规事故所以金融科技效能 风险识别 × 决策效率 × 合规可审计 × 模型稳定 × 业务 ROI × 系统韧性。二、金融科技效能评估的 7 维分类体系维度英文看什么风险维度Risk信用/欺诈/洗钱/操作/市场/流动性模型维度ModelAUC / KS / Gini / PSI / AUPRC决策维度Decision通过率、拒绝率、人工审核率、自动决策率业务维度Business坏账率、逾期率、转化率、单客收益合规维度Compliance可解释性、审计追溯、监管覆盖率系统维度System实时性、吞吐量、灾备、RTO/RPO成本维度Cost算力、人工复核、坏账损失、合规成本装备领域用 ADCE A·D·C金融领域更像E f(风险覆盖, 决策质量, 合规可信, 模型稳定, 业务收益, 系统可用)二、金融科技效能评估的 7 维分类体系维度英文看什么风险维度Risk信用/欺诈/洗钱/操作/市场/流动性模型维度ModelAUC / KS / Gini / PSI / AUPRC决策维度Decision通过率、拒绝率、人工审核率、自动决策率业务维度Business坏账率、逾期率、转化率、单客收益合规维度Compliance可解释性、审计追溯、监管覆盖率系统维度System实时性、吞吐量、灾备、RTO/RPO成本维度Cost算力、人工复核、坏账损失、合规成本装备领域用 ADCE A·D·C金融领域更像E f(风险覆盖, 决策质量, 合规可信, 模型稳定, 业务收益, 系统可用)三、100 个典型应用场景全景图第一类信用评分与信贷审批1–10核心问题能不能还、愿不愿还、放不放款、放多少、定多贵。编号场景评估核心1个人信用评分卡KS / 坏账率 / 通过率平衡2小微企业主信用评估经营流水 税务 供应链稳定性3无征信“信用隐形人”评估替代数据覆盖、误拒率4贷前申请反欺诈身份冒用、材料造假识别率5信贷自动审批策略自动通过率、人工兜底率6额度授信策略额度使用率、违约边际变化7风险定价 / 利率分层风险-收益曲线、监管红线8首贷户风险评估冷启动泛化、样本外表现9联合贷款风险分摊合作方风险传染、资本占用10征信替代数据合规评估授权链完整、隐私合规信贷场景不是“模型越复杂越好”逻辑回归 WOE 常比黑盒更稳。第二类交易反欺诈与支付风控11–20核心问题这笔交易是不是本人、是不是被骗、该不该拦。编号场景评估核心11银行卡盗刷检测检测时间 TTD、拦截率12移动支付实时风控毫秒级延迟、误拦率13电商订单欺诈识别拒付率、真阳性率14账户盗用登录识别设备/IP/行为序列异常15营销薅羊毛识别黑产识别率、正常用户误伤16充值/提现异常监控资金快进快出识别17银行卡伪卡交易识别商户端模式、地理跳变18二维码收款风控商户欺诈、收款码劫持19跨境支付欺诈司法辖区风险、制裁名单20实时规则引擎性能多规则多版本并发、观察区机制银联指引里把欺诈率、风险覆盖率、报警率、误报率、漏报率分成三级指标正是“系统效能”思路。第三类反洗钱与制裁合规21–30核心问题钱从哪来、到哪去、像不像洗钱、该不该报。编号场景评估核心21可疑交易监测 STM命中率、SAR 质量22洗钱资金环路识别图结构闭环、聚集模式23对公账户洗钱识别空壳公司、资金过渡24跨境汇款 AML 筛查制裁名单、实体解析25虚拟资产/加密货币风控混币、跨链追踪26受益所有人识别股权穿透深度、数据完整27高风险国家/地区筛查FATF 名单覆盖28客户尽职调查 CDD/KYC风险分级准确率29强化尽调 EDD 触发触发合理率、漏触发率30反洗钱大模型文本分析监管文书抽取、误读风险反洗钱最怕两件事漏报监管罚 滥报分析师被淹。第四类图风控与团伙欺诈31–40核心问题不是“这个人坏不坏”而是“他跟谁在一起”。编号场景评估核心31申请团伙欺诈识别设备/IP/手机号连通子图32中介包装贷识别共债圈、资料雷同度33刷单刷量黑产网络评论/订单图聚类34信用卡养卡套现网络资金回流路径35企业担保链风险传导担保圈爆雷传播36供应链金融关联风险核心企业违约传导37保险骗保团伙识别报案人-医院-代理关系38证券操纵账户组识别同向交易、对敲39GNN 风控模型效能AUC 提升、可解释成本40图特征稳定性 CSI边演化、节点进出漂移MLP 看人GNN 看关系金融团伙欺诈里“关系”往往比“特征”更致命。第五类贷后与资产质量管控41–50核心问题放出去的钱会不会晚还、少还、不还。编号场景评估核心41逾期预测模型30/60/90 滚动率42早偿预测资金再投放收益损失43行为评分卡 B卡贷中调额依据44催收优先级模型回收率 / 催收成本45失联预测联系方式失效概率46贷中交易异常资金挪用、经营恶化47资产池违约聚类资产质量分层48NPL 处置策略评估核销/重组/转让回收率49组合信用损失预测PD/LGD/EAD 校准50IFRS9 / 预期信用损失拨备充足率、模型偏差第六类保险风控与精算智能51–60核心问题出险概率、骗保概率、定损合理、费率公平。编号场景评估核心51车险定价模型风险同质、逆向选择52健康险核保评估既往症识别、隐私边界53保险反欺诈理赔报案异常、医疗票据造假54自动定损模型图像定损误差、人工复核55寿险自杀/道德风险等待期行为模式56农险卫星遥感定损灾害面积估计精度57团险风险分群行业/岗位风险权重58再保风险转移效能资本释放、尾部覆盖59保险大模型条款问答责任边界误读率60理赔时效与客诉平衡TTR、NPS、投诉率第七类市场监管与券商风控61–70核心问题异常交易、内幕、操纵、爆仓、强平。编号场景评估核心61内幕交易识别信息事件窗口异常62拉抬打压识别分时成交模式63对敲/对倒检测账户组同向反向64融资融券强平风险维持担保比例预警65量化策略实盘风控回撤、成交冲击66程序化交易报备报单频率异常67做市商风险敞口双边报价亏损68场外衍生品估值风险模型参数敏感69投资者适当性评估风险等级错配率70异常波动停牌决策误停/漏停代价第八类模型风险与 AI 治理71–80核心问题模型本身是不是风险。编号场景评估核心71模型验证 Model Validation回测、挑战测试72模型漂移监控PSI / CSI / 特征漂移73概念漂移重训触发重训频率、样本老化74可解释性评估 SHAP/LIME监管可懂、业务可懂75大模型金融问答幻觉监管术语错答率76提示注入对风控 Agent越权拒贷/放行77第三方模型采购评估黑盒依赖、退出成本78模型版本回归新模型是否偷偷变差79模型资产台账治理模型清单完整度80AI 治理委员会效能高风险用例覆盖、问责链欧央行 2025 材料里银行用 AI 做信用评分和欺诈检测明显增长但“收益量化 第二/第三道防线监督”仍是短板。第九类合规科技与监管报送81–90核心问题监管看不懂 系统没效能。编号场景评估核心811104 / 银保监报送口径一致、零退回82反洗钱大额交易报送漏报/错报率83资本充足率计算风险加权资产偏差84关联交易识别报送股权/资金关联完整85数据治理质量评估字段完整、跨系统一致86监管规则引擎映射法条→规则覆盖率87合规文本自动摘要义务项抽取召回88审计轨迹完整性100% 决策可追溯89模型文档合规SR 11-7假设/局限/验证齐备90监管沙盒效能创新容忍 vs 风险外溢第十类系统韧性、运营与成本治理91–100核心问题半夜流量洪峰、规则死循环、大模型超时、合规成本爆炸。编号场景评估核心91实时风控链路 SLAP95 延迟、熔断策略92规则爆炸治理规则数/命中重叠/僵尸规则93人工审核队列效能审核时效、误判率94风控策略 A/B 测试增量坏账、增量转化95模型服务成本治理单笔决策 GPU 成本96多中心容灾切换RTO / RPO 达成率97黑产对抗演化评估新手法响应时长98大模型风控助手降本分析师工时节约99红线指标一票否决机制重大风险漏出率100风控平台总效能仪表盘风险/业务/合规/成本四维收敛区域金融稳定平台常用“绿/橙/红”分级 红线一票否决这就是系统级效能思想。四、场景 → 指标映射矩阵精华业务域第一指标第二指标红线指标信用评分KS / AUC通过率、坏账率监管歧视 / 样本偏差交易反欺诈欺诈拦截率误拦率、TTD大额盗刷漏拦反洗钱SAR 质量分析师负载重大可疑交易漏报图风控团伙覆盖误团率黑产大规模渗透贷后回收率催收成本资产池集中违约保险定损误差骗保识别率责任条款误读模型治理PSI可解释覆盖黑盒决策无审计合规报送退回率法条覆盖监管罚单级事件系统P95 延迟自动决策率风控不可用成本单笔决策成本ROI风控成本 风险损失五、金融风控效能的可落地公式不要只写E AUC更合理的是分层乘子模型其中Risk风险覆盖欺诈率下降、坏账下降、SAR 覆盖Model区分度与稳定性AUC / KS / PSIDecision业务可承受通过率、误拒率、人工率Compliance可审计、可解释、监管零重大事故System实时性、可用性、灾备Cost单笔成本、人工成本、坏账损失、合规罚款不同机构权重完全不同机构类型风险模型决策合规系统成本大行信用卡25201525105互金小贷30252010105支付机构35151020155券商自营2030251555保险理赔2520202555AHP 定业务偏好EWM 看数据区分度TOPSIS/VIKOR 排策略版本——这套你专栏里的方法论在金融里完全通用。六、常见误区❌ 只看 AUC 0.9 就上线✅ 看通过率 40% 时坏账是多少❌ 误杀率 2% 觉得很小✅ 百万级客群里就是两万好客户被拒❌ 反洗钱“能报就报”✅ 分析师被垃圾 SAR 淹没真可疑反而沉底❌ 大模型写合规意见很顺✅ 责任、授权、例外情形一旦读错就是合规事故❌ 模型上线 结束✅ PSI 0.25 不重训三个月后就是另一个模型七、结语100 个场景10 大领域7 个维度——这不是“金融 AI 应用场景清单”而是一张金融科技与风控系统效能评估地图。无论你在做信用评分 / 反欺诈 / 反洗钱建模风控决策引擎与实时链路模型风险、AI 治理、监管报送大模型在金融里的合规落地效能评估算法工程化AHP / EWM / TOPSIS / ADC / SEAMC都能从这张地图里找到自己的坐标。八、勘误及更新说明本文如有疏漏或表述不当之处欢迎各位读者在评论区指正博主会持续关注反馈并及时修正优化力求内容准确可靠。感谢大家的监督与陪伴。【专栏目录】效能评估系列目录