2025年11月2日下午，西北农林科技大学经济管理学院院长、博士生导师石宝峰教授应邀在经管大楼100报告厅主讲金岭学术大讲堂第73期（2025年第27期），为师生带来了一场题为“文本的力量：生成式AI如何重塑信贷风险评估”的学术讲座。院长彭新宇主持会议，学院师生共140余人参加了此次讲座。

讲座伊始，石宝峰教授从ChatGPT等大型语言模型（LLM）的兴起切入，深入阐释了生成式人工智能在金融领域的应用潜力。他指出，虽然ChatGPT等AI工具在全球范围内掀起了应用热潮，但其在贷款决策和信贷风险管理中的价值仍有待深入挖掘。随后，石教授详细介绍了其团队发表在《European Journal of Operational Research》上的最新研究成果，该研究创新性地将ChatGPT应用于信贷员评估文本的分析与提炼，并通过深度学习技术比较了人工撰写文本与AI生成文本在违约预测中的效能。

在研究方法论部分，石教授系统讲解了如何运用自然语言处理（NLP）技术，包括主题模型LDA词嵌入模型FastText、OpenAI的Ada-002嵌入模型以及谷歌的BERT转换器模型，将非结构化的文本数据转化为可用于预测建模的数值特征。研究基于中国某银行2460笔微型和小型企业贷款数据，通过精心设计的对话模板引导ChatGPT分析信贷员的贷款评估报告，生成包含“支持借款人还款的因素”和“可能导致违约的因素”两部分的结构化分析文本。

石教授的研究发现令人瞩目。首先，人工撰写文本与ChatGPT生成文本在文本长度、语义相似性和语言特征等方面存在显著差异。ChatGPT生成的文本平均长度达355个词，远超人工文本的209个词，且在认知词、代词和情感词的使用上表现出独特模式。其次，将文本信息整合到信贷评分模型中可显著提升违约预测准确性，其中基于ChatGPT生成文本的BERT+MLP组合模型在AUC、KS统计量和H度量等指标上均表现最优。第三，通过局部可解释模型（LIME）分析发现，与业务运营、贷款需求和借款人特征相关的词汇对违约预测贡献最大，且这些词汇的重要性高度依赖于其上下文语境。第四，ChatGPT对借款人潜在违约因素的分析在提升预测准确性方面发挥了关键作用。

在互动交流环节，现场师生围绕生成式AI在金融科技中的应用前景、数据隐私保护、模型可解释性以及中小企业融资难题等问题展开热烈讨论，石宝峰教授逐一给予了专业而细致的解答。他特别强调，这项研究不仅为金融机构利用AI技术改进信贷决策提供了实践路径，也为监管部门理解生成式AI应用的潜在收益与风险提供了重要参考。

讲座尾声，院长彭新宇代表全院师生对石宝峰教授的精彩分享表示衷心感谢，高度评价此次讲座主题前沿、内容充实、逻辑严密，为学院师生打开了金融科技研究的新视野。

（文/陈巧 图/易珂 一审/裴凤艳 二审/王治 三审/彭新宇）