小微授信里，银行流水是最常用的还款能力证据，也是最难结构化的材料。近两个月，金融AI实验室在内部沙盒中对流水解析做了一次小规模实验，把任务拆成三步：交易对手归一化、摘要文本分类、收入还原。
第一步解决“同名不同主体”：同一收款方在不同银行回单中可能写作简称、全称或商户号，我们用规则词典加向量召回生成候选合并，再由人工复核Top候选。第二步用轻量文本分类模型给摘要打标，区分工资、货款、平台结算、个人转账等十余类，在内部标注集上宏平均F1为0.86，错误主要来自摘要缺失的纯转账记录。
- 进展：收入还原按“周期稳定性＋对手集中度”加权，输出月度可支配收入区间而非单点值，便于授信规则侧做保守取值；在1200份脱敏流水样本上，与人工判读的区间重合率为78%。
- 下一步：引入行业季节因子，并测试对公与个人账户混用场景下的口径一致性。
我们不做“一键授信”的黑箱结论。流水解析的输出只是可解释的证据片段，最终额度仍由风控规则与人工共同确定。
评论