跳到主要內容
Covenant Desk

地區及語言

預約示範
方法及參考資料

Covenant Desk 如何讀取、核對及評級信貸個案。

以下每個方法都說明其在中小企或物業信貸流程中的作用、在你的部署中如何運行、相關保障措施,以及背後的公開研究。

三項原則

AI 建議,人手確認,規則評級。

Covenant Desk 信貸個案中的每個數字都可追溯到經人確認的來源。評級來自信貸團隊可閱讀的規則,決定則由具相應權限的具名人員作出。這些原則依循金管局《人工智能高層次原則》、台灣金管會金融業運用人工智能指引及新加坡金管局 FEAT 原則對可解釋性、人為監督及可審計性的期望;是否符合你自身的責任,仍由你的機構評估。

每個方法都標有一個或多個標籤: 平台已具備 按貴行配置 已具備

01

附算術核對的文件讀取

平台已具備按貴行配置

功能

經審計賬目、管理賬目及銀行月結單會被讀取成標準財務分析,每個建議數字都附有來源行。財務分析其後以其本身的會計恆等式核對:列明的小計或總計與分項總和不符時,會在任何人使用該數字前顯示出來。十二個月的銀行入賬亦會與申報收入對賬。

在你的部署中

文字型 PDF 在伺服器上讀取。掃描頁及手機相片則以可同時處理中英文的版面感知 OCR 讀取,於實施期間按你的文件類型測試。

保障措施

文件讀取負責準備數據,每個數值都由專人確認,因此所有核對都建基於指定人員已接受的數字。

參考資料

  1. Huang, Lv, Cui, Lu and Wei. LayoutLMv3: Pre-training for Document AI with Unified Text and Image Masking. ACM Multimedia, 2022.
  2. PaddlePaddle team. PaddleOCR 3.0 Technical Report (PP-OCRv5, PP-StructureV3). 2025.
  3. Smock, Pesala and Abraham. PubTables-1M: Towards comprehensive table extraction from unstructured documents. CVPR, 2022.
02

現金流證據

平台已具備已具備

功能

企業銀行月結單的每月入賬、支出及結餘會與財務報表並列分析,讓分析員看到賬目描述的業務是否與銀行賬戶顯示的一致。

在你的部署中

賬戶行為往往比年度賬目更早數月出現變化。中英混合交易描述的逐筆分類,以及提款後的融資使用監察,同屬這項分析的一部分。

保障措施

分類錯誤會影響所有衍生比率,因此每個部署在把分類用於評級前,都會先量度分類準確度,確保每個衍生比率都建基於經測試的分類。

參考資料

  1. Norden and Weber. Credit Line Usage, Checking Account Activity, and Default Risk of Bank Borrowers. Review of Financial Studies 23(10), 2010.
  2. Gambacorta, Huang, Qiu and Wang. How do machine learning and non-traditional data affect credit scoring? BIS Working Paper 834, 2019.
  3. FinRegLab. The Use of Cash-Flow Data in Underwriting Credit: Empirical Research Findings. 2019.
03

可閱讀的評分

平台已具備按貴行配置

功能

中小企評分卡是一套有版本記錄的明確規則,涵蓋比率、現金流、抵押及往績,並附理由代碼。缺少的資料會顯示為「未評估」而不是以估計值填補;無法評級的個案不能獲批。

在你的部署中

你的門檻、權重及評級區間在部署時載入。以你的貸款歷史進行校準屬試行的一部分;任何統計挑戰模型都會受約束,確保每個因素按經濟上合理的方向影響風險,並逐項解釋。

保障措施

任何經校準模型的驗證屬於你的模型風險部門,我們提供所需的證據。

參考資料

  1. Rudin. Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead. Nature Machine Intelligence, 2019.
  2. Lundberg and Lee. A Unified Approach to Interpreting Model Predictions. NeurIPS, 2017.
  3. Hong Kong Monetary Authority. High-level Principles on Artificial Intelligence. 1 November 2019.
04

預警

平台已具備已具備

功能

契諾記錄在融資上,並在用戶執行測試時檢查,違約及豁免均記錄在個案中。

在你的部署中

離散時間風險率模型涵蓋賬戶行為、期間比率變化及登記事件,按惡化風險為正常貸款排序,讓客戶經理只需覆核少數需要關注的個案,並附上原因。

保障措施

預警訊號協助信貸主任排定覆核的先後次序;評級或額度只會由指定人員更改。

參考資料

  1. Shumway. Forecasting Bankruptcy More Accurately: A Simple Hazard Model. Journal of Business 74(1), 2001.
  2. Norden and Weber. Credit Line Usage, Checking Account Activity, and Default Risk of Bank Borrowers. Review of Financial Studies 23(10), 2010.
05

擔保人及董事網絡

平台已具備已具備

功能

每個個案都連結董事、股東及擔保人,並在最終融資函及入賬時重新篩查公司。

在你的部署中

跨個案而言,同一人經常為多名借款人擔保。網絡視圖讓受壓的共同擔保人或董事在其涉及的每項風險承擔上顯示出來;明確的傳導規則為先,圖模型則作為研究層。

保障措施

已發表的擔保網絡圖模型以中國內地銀行數據訓練,因此以明確規則為先,圖模型會先在貴行自己的貸款組合上測試才使用。

參考資料

  1. Cheng, Tu, Ma, Niu and Zhang. Risk Assessment for Networked-guarantee Loans Using High-order Graph Attention Representation. IJCAI, 2019.
06

語言模型負責草擬,不負責評分

平台已具備按貴行配置

功能

語言模型從文件建議數字並草擬文字。任何調用前先遮罩身份資料;模型擬備數字及文字,由規則評級;每個數字在規則使用前都由專人確認。

在你的部署中

由貴行選擇模型:貴行已批准的模型,或部署於你所在地區的模型。

保障措施

基準測試顯示,讓語言模型自行生成數字時,常答錯財務文件問題。我們文件中的數字來自已確認的數據,而非模型。

參考資料

  1. Islam, Kannappan, Kiela, Qian, Scherrer and Vidgen. FinanceBench: A New Benchmark for Financial Question Answering. 2023.
  2. Hong Kong Monetary Authority. High-level Principles on Artificial Intelligence. 1 November 2019.
  3. Lee and Li. Taiwan FSC Guidelines for the Application of AI in the Financial Industry (June 2024).
07

物業抵押品

平台已具備已具備

功能

每個個案都記錄估值、折讓、按揭成數及擔保,並計算預期損失及借款人集團的整體風險承擔。

在你的部署中

平台加入以已公布價格指數重估按揭成數,以及在測量師估值偏離市場超過設定幅度時作出標示。

保障措施

自動估值用作核對估值,與你的政策所要求的測量師估值並行。

參考資料

  1. Rating and Valuation Department, Hong Kong. Property market statistics and price indices.
  2. OCC, Federal Reserve, FDIC, NCUA, CFPB and FHFA. Quality Control Standards for Automated Valuation Models, final rule. Federal Register, 2024.
08

防篡改紀錄

平台已具備

功能

每項財務及信貸操作都寫入只可追加的紀錄,每條紀錄都帶有上一條紀錄的加密雜湊。任何被修改或刪除的紀錄都會令鏈條斷開,並可展示出來。

在你的部署中

每份評估、還款時間表及信貸備忘錄都標示產生它的引擎版本,讓每個數字都可追溯到計算它的程式。

保障措施

雜湊鏈能證明紀錄曾被改動,存取控制及保存期按你的政策。

參考資料

  1. Crosby and Wallach. Efficient Data Structures for Tamper-Evident Logging. USENIX Security Symposium, 2009.
  2. Laurie, Langley and Kasper. RFC 6962: Certificate Transparency. IETF, 2013.

給你的模型風險及審計團隊

每個部署都會交付的資料。

模型並非由供應商取得批准,而是由銀行負責。我們的工作是為你的驗證人員提供所需證據。

  1. 01

    計算參考

    每條公式及其計日方法、捨入方式及缺漏資料的處理。

  2. 02

    重新計算工作簿

    以 Excel 提供財務分析及比率,讓分析員重新計算任何數字並得出相同結果。

  3. 03

    引擎及政策版本

    產生每份評估、時間表及備忘錄的版本。

  4. 04

    AI 處理紀錄

    調用了哪個模型、何時、處理哪份文件、採用何種遮罩。

  5. 05

    已知限制

    列明每個方法不涵蓋範圍的書面清單,並持續更新。

  6. 06

    控制對照

    把我們的控制措施對照你的監管機構所採用的規則,供你自行評估。

數據

為何連接數據對中小企信貸重要。

金管局研究 2022 至 2025 年約 80,000 宗香港中小企貸款,發現較積極使用商業數據通的銀行,平均利率低 36 個基點,並要求較少抵押品。把你的部署連接到商業數據通、信貸資料機構及核心銀行系統,是度身部署工作的一部分。

  1. Hong Kong Monetary Authority. Research Memorandum 01/2026 on the Commercial Data Interchange and SME loan terms.
  2. Hong Kong Monetary Authority. About the Commercial Data Interchange.

以你自己的個案測試這些方法。

帶同一宗中小企或物業個案及你的信貸政策,與你的信貸及資訊科技主管進行兩小時工作會議。

預約工作會議