AI能否理解不良信贷？ - Harneet Kaur，Axim Intelligence

하이라이트

• AXM Intelligence 正在为困境信贷投资构建智能层。

• Altman Z 评分等传统机器学习系统面对现代复杂且不透明的市场时显得非常僵化。

• iHeartMedia 分别在 2018 年申请了破产保护，并在 2024 年进行了另一次压力交易。

• Astra 6 与 Opus 5.5 模型在面对未建立结构化推理过程的数据时，对未来发展路径的概率预测产生了分歧。

• 建立结构化推理过程后，不同模型的预测结果趋于一致，认为谈判重组是更可能的发展道路。

• 创始人 Hernit 拥有 10 年金融领域经验，曾在困境私募股权与对冲基金担任不良信贷和特殊情况投资人。

타임라인

1. 00:00 - 05:16

   困境信贷的定义与传统分析方法的局限

   信贷本质上是企业的债券或贷款，而困境通常由建筑或房地产市场低迷、食品召回等运营问题或来自 AI 的结构性颠覆引发。困境的结果不仅包含破产，还涉及负债管理操作、庭外重组以及债务置换等多种选择。传统的量化评分系统和定性分析方法过程高度人工化且难以规模化，无法适应当前不透明且快速变化的市场环境。

   • 困境信贷是指企业由于周期性问题、运营问题或长期结构性颠覆而面临资金用光或无法偿还债务的风险。
   • 历史上的预测方法相对二元化，主要预测破产或违约。
   • 10 到 20 年前使用的 Altman Z 评分等传统机器学习系统面对月度、季度变化的复杂市场显得僵化。
2. 05:16 - 10:20

   AI 模型在困境信贷预测中的表现与分歧

   评估 AI 是否能理解困境信贷的核心在于预测未来的概率分布。通过将 iHeartMedia 作为活生生的测试案例，研究发现不同的顶尖模型在没有统一推理框架时得出的结论并不一致，例如在庭外重组的最佳选择上产生分歧。为了解决这一问题，需要对大模型的每一层级进行基准测试，确保提取和派生数据准确无误。

   • 对 2018 年曾申请破产并在 2024 年进行压力交易的 iHeartMedia 案例进行了模型测试。
   • Astra 6 和 Opus 5.5 模型在面对相同结构化数据上下文时，对未来发展路径的概率预测产生了意见分歧。
   • 评估过程被拆分为提取层、核对层、判断层和预测层，数据和核对层的准确性直接影响最终判断。
3. 10:20 - 14:06

   结构化推理带来的模型收敛与核心结论

   当真正建立起结构化的推理过程时，Astra 和 Opus 模型对企业未来发展概率的看法实现了收敛，不再出现巨大的数据偏差。这种概率结果的一致性反映了市场价格形成的方式。演讲者 Hernit 结合其在困境私募股权与对冲基金的投资经验，展示了 AXM Intelligence 在这一领域的探索成果。

   • 建立结构化的推理过程后，不同模型的预测概率趋于一致。
   • 两个模型最终都认为破产几率约为 25%，并通过谈判进行重组是更可能的发展道路。
   • 系统性建立使模型在概率结果上达成一致的过程，类似于市场价格的形成方式。