小微商户流水授信AI：替代数据冷启动风控

金融AI实验室近期完成一轮面向小微商户的授信实验：在缺少完整财务报表的前提下，用收单流水、结算周期、退款率等替代数据构建特征，验证“无信贷表现”商户的冷启动风险识别能力。

实验设置上，样本取自匿名化历史商户数据，按“有信贷表现”与“无信贷表现”分两组，前者监督训练，后者做迁移验证。特征工程侧重经营时序的稳定性——流水波动率、上下游集中度、夜间交易占比，而非单纯的流水规模。模型以轻量梯度提升树打底，叠加时序编码器捕捉经营节律变化，最终输出的是风险分层，不是单一分数。

阶段性进展：

• 在无信贷表现组中，前10%风险层的坏账识别率相较仅用工商注册信息的基线提升约三成；该结果来自内部测试集，样本量与地域覆盖有限，仍需扩大验证。
• 特征贡献上，“结算周期规律性＋退款率”的组合比流水绝对值更具区分度，提示经营是否连续，可能比生意有多大更关键。

下一步计划：扩充区域与业态样本，测量跨行业迁移时的性能衰减；同时把模型输出整理为可解释的风险因子清单，供信贷员复核参考，避免将实验模型直接用作拒贷依据。