人工智能在金融行業(yè)的應用及風險分析

李健

隨著計算機技術(shù)和互聯(lián)網(wǎng)行業(yè)的發(fā)展，越來越多的新興技術(shù)如指紋識別、大數(shù)據(jù)、云計算、人工智能等逐漸開始影響人們的生活。這些技術(shù)在一定程度上提高了人們生活的便捷度，同時也給各個行業(yè)帶來了巨大的變革。在這個過程中，金融行業(yè)也遭到了前所未有的沖擊，這些技術(shù)已經(jīng)開始被應用在銀行、保險、證券和投資理財?shù)阮I(lǐng)域。

2017年5月，圍棋等級分排名世界第一的中國棋手柯潔在三番棋中不敵谷歌的AlphaGo，再一次將人們的注意力集中到人工智能這一技術(shù)上。本文將介紹人工智能這一技術(shù)及其對金融行業(yè)的影響。

一、人工智能概述

人工智能是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應用系統(tǒng)的一門新的技術(shù)科學。人工智能是對人的意識、思維的信息過程的模擬。這一概念最早在1956年達特茅斯會議上被提出，并在隨后幾十年中不斷得到補充和發(fā)展。

人工智能的研究范圍非常廣泛，包括有效的老式人工智能、聯(lián)結(jié)主義、遺傳算法、神經(jīng)網(wǎng)絡等多個領(lǐng)域。當下最熱門的機器學習是人工智能的一個分支。簡單來說，機器學習利用算法分析數(shù)據(jù)、學習數(shù)據(jù)，通過基于大量數(shù)據(jù)的“自我訓練”，實現(xiàn)對真實世界情況進行判斷和預測的能力。因此，程序?qū)嶋H上是在用大量數(shù)據(jù)和算法進行“自我訓練”，從而學會如何完成一項任務，這與預先編寫好、只能按照人類指定的邏輯去執(zhí)行指令的程序不同。實際上，任何通過數(shù)據(jù)訓練的學習算法都屬于機器學習，這其中包括很多我們非常熟悉的技術(shù)，比如線性回歸、K均值、決策樹、主成分分析法、支持向量機以及人工神經(jīng)網(wǎng)絡等。

AlphaGo的核心算法是深度學習的人工神經(jīng)網(wǎng)絡。人工神經(jīng)網(wǎng)絡出現(xiàn)得非常早，但受技術(shù)限制一直進展緩慢，直到云計算的出現(xiàn)和后來GPU開始大規(guī)模部署之后，這種技術(shù)才得以快速發(fā)展應用。運算能力的發(fā)展使神經(jīng)網(wǎng)絡計算變得速度更快、成本更低、性能更強大，而存儲設備的容量增加，讀取速度加快，進一步降低了運用該技術(shù)的門檻。

二、人工智能在金融行業(yè)的應用

（一）智能客服

人工智能技術(shù)的發(fā)展使得語音識別技術(shù)逐漸成熟，一些金融機構(gòu)開始嘗試使用該技術(shù)來優(yōu)化現(xiàn)有的遠程客戶服務、業(yè)務咨詢和業(yè)務辦理等，這使得用戶能夠更加及時地得到滿意的答復，提升用戶的滿意度，同時還可以減輕人工服務的壓力，降低企業(yè)的運營成本。

交通銀行在2015年推出了智能機器人大堂經(jīng)理——“嬌嬌”，該實體機器人由南京大學旗下的南大電子信息技術(shù)股份有限公司整合了國內(nèi)外智能機器人產(chǎn)業(yè)鏈相關(guān)企業(yè)共同完成，采用了語音識別和人臉識別技術(shù)，在網(wǎng)點進行客戶指引、介紹銀行的各類業(yè)務等。它能回答客戶的各種問題，節(jié)省客戶辦理時間，分擔大堂經(jīng)理的工作。盡管智能化程度仍有待提高，但無疑是一次有意義的嘗試。

（二）風險分析與授信決策

一般而言，銀行等金融機構(gòu)可以獲得相當數(shù)量的用戶信息和相關(guān)數(shù)據(jù)，僅通過傳統(tǒng)的評分表或其他風險模型無法充分評估面臨的風險。而具有自我訓練能力的人工智能技術(shù)，可以在該領(lǐng)域充分發(fā)揮優(yōu)勢。通過對歷史數(shù)據(jù)，基本面數(shù)據(jù)以及同業(yè)數(shù)據(jù)篩選、清洗、建模進行自我訓練和學習，我們可以從這些整合到一起的數(shù)據(jù)中檢測數(shù)據(jù)當中的不一致性，更加全面地評估公司風險。此外，還可以通過提取、篩選企業(yè)在其官方網(wǎng)站或社交媒體上的數(shù)據(jù)，來判斷企業(yè)或其產(chǎn)品在社會中的影響力，比如社交媒體中產(chǎn)品的提及次數(shù)及產(chǎn)品評價、App下載量、網(wǎng)站訪問次數(shù)等。由于人工智能系統(tǒng)運行效率不斷提升，金融機構(gòu)可以借助機器學習實現(xiàn)對借款人還貸能力的實時監(jiān)控，從而及時對后續(xù)可能無法還貸的企業(yè)進行事前干預并有效減少壞賬，這是傳統(tǒng)風險評估模式下難以做到的。

螞蟻金服的科學智囊團由人工智能專家邁克爾·歐文·喬丹（Michael I.Jordan）擔任主席，從事機器學習與深度學習等人工智能領(lǐng)域的前沿研究。到目前為止，人工智能技術(shù)在螞蟻金服的業(yè)務場景下已經(jīng)進行了一系列的創(chuàng)新和應用，包括智能客服、互聯(lián)網(wǎng)小貸以及一般用戶熟悉的退貨運費險計算等。根據(jù)螞蟻金服2015年公布的數(shù)據(jù)，僅在客服一項，“雙十一”當天淘寶、天貓全站通過自助服務共解答用戶疑問超過500萬，將螞蟻金服客服效率提升了20倍。與此同時，網(wǎng)商銀行在花唄與微貸業(yè)務上，使用機器學習把虛假交易率降低了近90%；目前螞蟻金服已將其AI能力向金融機構(gòu)開放。

（三）金融科技

技術(shù)進步帶來的金融創(chuàng)新被稱為金融科技，即FinTech。這一概念近年來受到了越來越多的關(guān)注。這些新技術(shù)創(chuàng)造了新的金融業(yè)務模式、應用、流程或產(chǎn)品，正在對金融市場、金融機構(gòu)和金融服務產(chǎn)生重大影響。

國內(nèi)一般認為，金融科技并非渠道創(chuàng)新或監(jiān)管套利，而是通過運用人工智能、大數(shù)據(jù)和云計算等新技術(shù)創(chuàng)造新的金融產(chǎn)品或金融服務模式。FinTech強調(diào)技術(shù)創(chuàng)新，強調(diào)利用新技術(shù)在金融服務和產(chǎn)品上的應用。其核心技術(shù)是人工智能、大數(shù)據(jù)和云計算。依托大數(shù)據(jù)和云計算平臺，人工智能得以充分發(fā)揮其技術(shù)特點。

目前，金融科技發(fā)展相對成功的領(lǐng)域有區(qū)塊鏈、智能投顧以及新型的支付公司等。

區(qū)塊鏈的概念由中本聰在2008年提出。他以此為基礎，在2009年初正式創(chuàng)立了比特幣。區(qū)塊鏈技術(shù)基于去中心化的對等網(wǎng)絡，結(jié)合密碼學原理、時序數(shù)據(jù)和共識機制，保障了分布式數(shù)據(jù)庫中各節(jié)點的連貫和持續(xù)，進而實現(xiàn)了比特幣作為貨幣的基本要求：可即時驗證、可追溯、難以篡改和無法屏蔽，從而創(chuàng)造了一套隱私、高效、安全的去中心化貨幣體系。

智能投顧指的是通過網(wǎng)絡和移動終端，借助互聯(lián)網(wǎng)技術(shù)、大數(shù)據(jù)分析、量化金融模型和機器算法，把以前只對高凈值客戶提供的個性化理財服務，以很低的邊際成本，便捷快速地提供給所有的投資者。從2012年到2015年，美國智能理財資產(chǎn)管理規(guī)模從微乎其微增加到了190億美元。著名咨詢機構(gòu)A.T.Kearny預測，到2020年這一規(guī)模將達到2萬億美元。

三、人工智能的潛在風險

其一，由于人工智能通過自我訓練對數(shù)據(jù)建模，一些情況下其模型缺少相關(guān)理論解釋來支撐。在特殊情況下，其模型可能偏離實際，作出錯誤判斷。因此，在使用人工智能技術(shù)時，應當同時使用其他模型或技術(shù)進行輔助。

其二，當前環(huán)境下，基于人工智能進行的交易體量相對于市場規(guī)模并不大，但該技術(shù)的普及應用，很可能在一些體量較小的市場產(chǎn)生流動性風險。

其三，由于我國信用環(huán)境尚不健全，信用錄入數(shù)據(jù)不完整甚至不真實，難以保證人工智能技術(shù)模型不會受到錯誤數(shù)據(jù)的誤導。

其四，新技術(shù)的應用可能導致相關(guān)的法律監(jiān)管風險。一方面，人工智能的使用者應當加強管理避免違規(guī)；另一方面，監(jiān)管機構(gòu)也應當根據(jù)人工智能和其他新技術(shù)的應用，與時俱進更新監(jiān)管范圍和內(nèi)容。

其五，由于用戶缺乏充分的投資知識或者對人工智能不夠熟悉，人工智能技術(shù)的引入可能導致投資者操作不當。

其六，因為人工智能技術(shù)的運用需要基于大量真實的數(shù)據(jù)，如何妥善保護用戶數(shù)據(jù)成為重中之重。這要求金融機構(gòu)網(wǎng)絡安全工作必須到位，否則受到黑客攻擊時易發(fā)生信息技術(shù)風險。

（作者單位為格拉斯哥大學亞當斯密商學院）endprint