目前债务融资工具的发行，呈高速增长且监管趋严的态势。各类监管政策层出不穷，监管范围也增加了涵盖内容。
比如今年以来，银行间交易商协会多次发布业务规范，像《关于进一步加强银行间债券市场发行业务规范有关事项的通知》《非金融企业债务融资工具尽职调查指引（2023 版）》等，明确中介机构在尽调中的职责，在信任中介机构专业度的同时，也将其纳入监管范围，并进行自律管理，明确最严处罚会取消业务资格，重点监控发行合规风险。
主承机构在制作发行配套文档的过程中，业务人员往往会遇见一轮又一轮的内核修改。整个文档审核过程不仅耗时久，而且效率极低。
(资料图)
文档数据通常分散在不同的章节，业务人员会花费很长的时间在找数据的路上。此外，审核标准在不同的人或团队之间存在差异，有时候甚至会出现审核松紧程度不一的情况，这都增加了审核的难度。人工审核虽然有其必要性，但也容易出现错误。即使是最专业的审核人员，也有可能在大量的文档审核中犯下错误。一旦出现错误，就需要花费更多的时间和精力去纠正。这样的工作方式使得他们无法投入到高精专的工作中，这对于企业和员工来说都是一种资源的浪费。
传统审核方式同样不利于专家知识沉淀为组织资产。若发生人员调动，内部容易造成专家知识丢失的情况；如遇审核标准的更新，无法快速、全面的响应和更新标准审核内容，亟需建立债券智能审核系统，帮助金融机构完成快速质控，提升效率及展业竞争力。
为此，文因打造债券智能审核利器——
基于审核场景落地三步走战略，文因基于大模型做了审核场景实践。
信息抽取：大模型会根据上传的文档进行段落、语义分析，选取关键信息及适配抽取方式，进行智能抽取。 比如需要从募集说明书中提取出如“名称”、“金额”、“风险等级”、“存续期”等数据字段，要对文本的篇章结构以及文本关键词信息的定位及抽取，并进行具体的理解，在做这个理解之前，大模型需能正确的理解金融概念及知识、规则等，包括金融相关的实体，如资产、标的、金融业务、金融机构、董监高人物等信息，才能正确抽取对应的信息，用规则抽取人物信息并对齐他们的任职履历，工程量是比较大的，基于大模型的语义理解能力，进行抽取，其工程效率和泛化能力有很大的提升。 规则引擎：大模型可以将输入的基础规范文档做智能分析，并从中抽象出一批需要核查的审核规则。 通过大规模数据训练和模型优化，在专业领域知识的支持下，进行多维度的业务分析和智能审核，提取出有价值的信息和洞察。多种方式进行业务分析辅助规则建模，包括数据可视化、数据建模、文本分析等。 文因曾参与某监管机构信披文件问题检查模块建设，从文件中提取数据，根据常见质量问题的分类，检查信息披露的前后一致性、信息披露的完整性、规则引用的符合性等，并根据扣分或加分规则进行赋分；展示批注模块。根据质量问题检查框架从募集说明书自动查找相应内容定位展示，并根据业务人员判定情况输出批注文档.根据问题检查结果，形成每个机构的客观分，并列示加分和扣分的具体原因及分值，对应的文档名称和具体位置等。 智能核查：基于审核规则与抽取信息，系统会做相应的计算及智能分析，最终输出审核结果。 通过信息抽取分析、规则建模，发现潜在的问题和风险，并及时进行预警和处理，比如文本一致性核查、风险信息核查分析等，提高审核的准确性和效率，减少人工审核的工作量和成本，减少发行风险，提高客户体验和满意度，提升企业的竞争力，多维度业务分析和智能审核，还可以提高企业的决策效率和业务效益。核查样例一：数值规范性核查
对全文范围中的数值，核查其格式是否正确，包括千分位逗号是否设置正确、数值的单位是否正确等。
难点一：如何判断哪些数值是需要参与判断，哪些数值是不需要参与判断的呢？
有些数值只是代表一个编号，不需要核查数值规范性。现有核查体系，可快速识别质控体系认证编号、文件编号、工程标段编号、传真号码、银行网点号、环评备案号等一系列过滤数值。
难点二：哪些数值是需要单位的呢？
目前系统可支持核查金额、面积、占比的数值单位。
核查样例二：日期正确性核查
核查披露的时间字段是否过期，是否与系统计算的日期一致。
难点一：对于任期结束的时间表述多样，如何分析判断出哪个数据是董监高任期结束的时间？
目前系统可支持判断多种表格样式中的截止日期，并判断哪些日期已过期。此类型日期核查还可帮助批量核查募集资金用途或者存量银行授信明细中，有哪些是已经到期的款项。
难点二：如何计算？如果遇到有含权条款的产品，如何计算？
大模型通过分析原文内容，在金融公式库中，找到计算兑付日的公式，进行计算，并将计算结果与原文披露的兑付日进行比对。
如果遇到有含权条款（比如含有回售条款、赎回条款）的产品，需要分析各权益对应细分产品的期限是否明确，再计算出整体期限，然后将计算结果与原文披露的兑付日比对。
文因互联，深耕金融领域多年，具备众多细分领域场景创新指导框架，熟悉各个环节债券核查流程，深入实践监管要求，熟悉各种核查规则，具备成熟且面向金融领域的实施方法论，逐步建设以大模型技术结合知识图谱与自然语言处理技术，升级文因产品体系，更全面，更高效赋能更多场景。
