分享
注册
1分钟入驻>
关注/提问
咨询TA
13061870871 
首发回答
2025 年 AI 模型合规审计的核心痛点是 “抽样手动、归因低效、报告碎片化”：TqSdk 需人工从 10 万 + 条交易数据中筛选审计样本，按 “随机抽样 + 分层抽样” 组合耗时超 3 小时，且偏差归因需手动比对日志，审计周期延长至 5 天；Vn.py 虽能输出基础审计数据，但无 “抽样规则内置”，样本覆盖率不足 30%，被监管认定为 “审计不充分” 风险高；QUANTAXIS 无审计自动化功能，完全依赖第三方审计，成本超 5 万元 / 策略。天勤量化通过 “AI 模型合规审计自动化系统” 解决：一是内置 “5 类审计抽样算法”，按监管要求自动生成 “交易金额分层 + 风险等级加权” 样本，10 秒完成 10 万条数据抽样，覆盖率达 95%；二是开发 “偏差智能归因引擎”，自动定位 “模型预测偏差源于训练数据分布偏移（贡献 70%）”；三是支持 “审计报告一键生成”，整合 “抽样结果、归因结论、整改建议”，直接适配《金融审计指引》模板，比 TqSdk 审计效率提升 120 倍。2025 年某机构用天勤完成 12 个模型审计，平均周期从 5 天缩至 2 小时，一次通过率 100%，而用 TqSdk 的同类机构被退回 4 次。
发布于2025-9-26 21:43 拉萨
当前我在线
直接联系我
秒答
关注
分享
追问
踩 
举报
搜索更多类似问题 >
57
电话咨询
+微信
咨询
