面向金融場景的數智賦能決策劇場架構研究

熊 熊, 陳若鑫, 張 維, 孟永強

(天津大學 管理與經濟學部,天津 300072)

1 引言

如何進行決策是人類社會發展一直面對的問題。在金融市場中,大量微觀異質參與個體的適應性行為和交互行為導致了其內部演化規律復雜,進而使得整個金融系統呈現復雜性。過去由于難以觀測到個體參與金融活動的行為及其可能驅動因素的微觀數據,也沒有相應的數據分析能力去對其行為進行建模,因此從復雜系統的角度來看更多地停留在認識論層面。受制于有限的信息,往往會導致決策的失誤風險不斷加大。在大數據環境下,理念假設、方法流程、決策主體、領域情境等決策要素不斷革新,進而帶動決策范式的轉變形成大數據驅動的新型決策范式[1]。而決策范式在發生更迭的同時,也對決策環境提出了新的要求,如何在大數據情境下實現更深層次的人機協同成為解決復雜性問題必須考慮的問題。

決策劇場是以可視化技術、仿真技術為基礎,將決策方案進行可視化協助多個決策者進行復雜性問題決策的軟硬件一體化環境。全球首個電子決策劇場由美國亞利桑那州立大學公共決策實驗室于 2006 年面向森林資源治理問題牽頭進行建設[2]。其中參與決策的人員包括專家學者、政府官員以及當地居民代表等,由于其知識水平和專業背景各有不同,決策過程中如何有效溝通交流進而達成共識是需要解決的核心問題之一。該決策劇場以可視化的形式對需要進行決策的森林治理問題進行三維動態演示,將不同的視覺信息表現形式對比來看,決策劇場采用視頻展示在認知的一致性、深刻性和有效性方面均優于文字與圖片。這種以可視化展現決策方案的手段極大提升了獲取信息的效率,同時給予決策者深刻與意想不到的洞察力,進而提升了決策者的決策水平。目前,決策劇場以其可視化、人機協同、群決策的特點逐漸受到了各界的關注,已經在城市規劃[3]、環境治理[4]、資源分配[5]、用戶分析[6]、創新評價[7]等方面展現出實際應用價值。

但同時,有關決策劇場的研究與應用還存在有待改進之處:第一,決策劇場在進行決策時存在“大數據—小數據”問題[8]。現有的決策劇場依賴于數據可視化,在數據指標較少時,決策中心的環繞屏幕可以全部進行展示,而在面臨海量多元異質數據和眾多決策指標時,考慮到數據的可獲性、時效、成本以及人類的閱讀心理、語言能力等眾多因素影響,人們所面對的數據中可以進行處理的部分通常是很有限的。在海量數據面前,如何以小見大做減法是更為重要和迫切的。第二,現有決策劇場在決策過程中存在決策范式單一的問題。其決策流程本質上是數據可視化提供參考的模型驅動流程,仍然是以專家體系為主導。這種情形下不易發掘在既有知識架構之外的潛隱變化,而一些傳統意義上不可預測和難以獲得的變量組合激增帶來的復雜性也會導致建模困難的問題。第三,人機協同還停留在較為淺層次的階段。實際上決策劇場的設計者在選擇呈現哪些數據或者指標時很可能會根據自身利益選擇偏向自己的指標或者考慮將偏向自己的指標擺在首要地位等,進而影響決策形成道德風險。

結合以上研究動機,本文對現有研究的邊際貢獻主要在于:第一,以金融場景為切入視角,研究了決策劇場如何應用于這一復雜決策情境,補充了新的應用領域。第二,通過拓充系統維度,在原有架構中引入數智體系通過構建融合決策范式和非線性決策流程,有效克服了傳統決策劇場存在的決策范式單一和“大數據—小數據”問題。第三,在原有架構中引入交互體系,通過人機相互評估進而防范傳統決策劇場在決策過程中可能存在的道德風險問題。本文的貢獻不僅在于推進決策劇場相關研究的改進與創新,同時對金融情境下復雜性問題的決策具有重要的現實意義。

2 基于全景式PAGE框架的數智賦能金融決策劇場分析

由于一個完備的決策劇場建設本身就是一項耗費人力物力較多、建設周期長的復雜系統工程,因此需要對決策劇場建設與其應用情境之間進行適配性分析。全景式PAGE框架是在整合大數據分析理論的基礎上,刻畫大數據驅動的“全景式”管理與決策架構[9]。本節針對決策劇場面對的問題特征、相關分析技術與具體面對的決策情境,基于全景式PAGE架構的三要素——大數據問題特征、PAGE內核與領域情境,對數智賦能的決策劇場應用于金融情境的適配性進行分析,分析框架如圖1所示。

圖1 基于全景式PAGE框架的數智賦能決策劇場分析

2.1 金融場景的大數據問題特征

金融場景的數據具有(價值)密度低、多樣性強、體量大等特征屬性。而從具體面對的決策問題來看,符合大數據問題粒度縮放、跨界關聯和全局視圖的問題特征。

首先,在金融市場中所面臨的復雜場景具有天然的數據化特征,并且可以通過調整數據粒度進行層級間的縮放。如股票市場中最為核心的股票價格與交易量兩個指標,就具有完善的不同粒度時間序列數據:一方面通過采集和匯總可以獲得足夠細粒度的數據,信息傳輸技術的不斷發展使得實時更新數據越來越快;另一方面不同層級的數據具有很好的分解和聚合能力,即便是初入市場的參與者也能通過調整時間尺度獲得一只股票在不同維度下的交易情況。

其次,移動端平臺的普及為典型的金融場景提供了跨界關聯的能力。領域內的傳統信息與領域外的大數據進行融合,拓寬了相關指標采集的邊界,為傳統的經典模型中嵌入新的決策要素,極大地提升了系統邊界與問題視野。傳統的金融場景中,往往通過財務報表對公司的價值與現有能力進行判斷,然而傳統財務視角主要反映的是公司的運營、償債、盈利三個方面,無法實時獲悉公司的變化,存在時滯。例如:互聯網金融公司的用戶流失對于公司問題越來越重要,在傳統的金融視角下這類問題無法體現。而在跨界關聯的視角下,除了用戶基本信息還可以通過采集移動端用戶日志行為信息(例如訪問時長、訪問頻率等)和交易信息(最后一筆交易時間等),提取新的特征形成精準的用戶畫像進而提高用戶流失的預測效果,為企業決策提供支持[10]。這種將內部數據(如企業運營情況和行業報表等)與外部數據(如用戶特征、交易特征、社會輿情等)關聯的手段在原有的相關要素中引入了新的外部視角,能夠提供之前難以觀測或者獲取的變量組合,形成了跨界領域的融合。

再次,金融系統作為一種自適應的復雜系統,從其特點來看,傳統金融理論視角下的簡單系統思維已經無法跟上現代復雜金融系統的發展。在面向復雜金融系統進行決策時,本身強調對問題的定義與分析需要具有全局性。這種全局視圖的特征要求在面對具體問題時需要呈現出整體畫像以及演化規律,而決策劇場的可視化技術為平臺集成全景成像能力提供了基礎。

2.2 金融場景下數智賦能決策劇場的分析技術

全景式架構下的PAGE內核具體細分為四個研究方向,即理論范式(paradigm)、分析技術(analytics)、資源治理(governance)以及使能創新(enabling)。數智賦能下的決策劇場作為決策支持平臺,數智賦能帶動決策環境演變的本質為分析技術(A)的進步。因此具體來說,數智賦能決策劇場更加關注決策問題為導向涉及的大數據分析方法與相關的支撐技術。以下分別針對大數據問題特征所要求的相關分析技術進行具體闡述。

(1)采集感知/維層分解

針對粒度縮放特征要求決策劇場具有采集感知與維層分解技術。其中采集感知需要決策劇場具備將多源異構的信息進行獲取后整理為結構化可直接用于分析的數據的相關技術,而對于金融情境而言,除了公開易得的市場數據外,尤其需要注意如文本、圖像、音頻、視頻這類非結構化數據。而維層分解則更強調其中數據來源需要加強對數據的獲取與集成,特別是細粒度數據的采集,并且要求其技術基礎能夠支撐數據在多種尺度與層級之間的分解與聚合,尤其針對金融市場而言,時間序列分析作為判斷市場態勢的主要方式,對數據在不同尺度上的縮放有著更高要求。

(2)關系動態/數據融合

同時跨界關聯的大數據特征要求其分析過程中要注意數據的關系動態性和數據融合能力,即決策劇場的分析技術層面需要具備在使用數智決策劇場進行決策的流程中涉及和利用的數據及信息需要從傳統的金融領域拓展延伸至域外,如網絡輿情、用戶行為與特征等。對于這類數據,需要及時捕捉其變量組合之間的關系與動態演化的規律,并與內部數據形成聯動,促進多源異構內外數據的交融。此外需要注意,在模型驅動的決策活動中理念的主要出發點通常為經濟、金融中的經典假設,而在數智賦能的情境下,原來管理決策中的許多經典假設與理論被放寬甚至向著無假設條件轉變,即信息情境的跨域轉變進而產生的假設轉變。

(3)平臺計算/智能畫像

在全局視圖方面,數智賦能下的決策劇場需要發揮其可視化的平臺計算和智能畫像生成能力。決策劇場中的劇場二字顧名思義是利用可視化技術將不可見的變為可見,將數據與文字變為以視頻的方式呈現,打造展現數據價值的舞臺。其中尤其需要說明的是,針對于現有決策劇場的“大數據—小數據”問題,數智賦能下除了對各類數據集合進行概念總括和特征表示(如生成用戶標簽、文本摘要、統計指標等)為決策提供支持外,還將通過智能畫像提供更加豐富具象的感知和體驗。換言之,數智賦能下的決策劇場將通過可視化實例子集,幫助人們在整個決策流程中對復雜問題擁有更加情景化的認知,起到一葉知秋的作用。

2.3 數智賦能決策劇場的金融應用情境

下面重點圍繞金融領域的研究,從行為洞察、風險預見兩個方面歸納和討論數智賦能決策劇場價值創造可能的方向。

(1)行為洞察

行為洞察指的是以大數據分析手段為基礎,探究金融市場微觀參與者潛在的適應行為或者交互行為的模式演化過程,由此更為深刻地發現不同個體的真實狀態與相互影響關系。傳統研究中,受制于數據獲取手段,往往采用具有嚴格假設的理論或者實踐中總結的經驗。在數智賦能的情景下,對于大規模、不同粒度的數據進行分析提煉能更為系統地詮釋微觀個體的行為與在宏觀上涌現出來的現象,進而在進行決策時更具有科學性與可解釋性。

從投資者行為分析的角度看,現代金融理論主要是建構在資本資產定價模型(CAPM)與有效市場假說(EMH)兩大理論基礎之上。但理性人假說在研究深化的過程中,隨著金融異象的不斷出現而逐漸動搖,目前學者們在關于投資者行為的研究中正在嘗試將不同維度的數據納入其中。例如投資者的處置效應就是一種典型的非理性行為,Huang等[11]在研究投資者的交易行為時將環境污染納入考量,同中國的空氣污染數據對比后發現,投資者處置效應將會伴隨空氣污染程度的改善而明顯增強。這些相關研究通過引入外部數據,拓展了傳統金融學的研究范疇,具有典型的粒度縮放與跨界關聯特征。

從企業評價的角度看,除了自身內部數據外,越來越多的多源異質數據被逐步納入企業的評價指標體系之中。例如高慶浩等[12]通過構建投資者情緒中介傳導機制,研究發現企業R&D投資受到貨幣政策影響時,投資者情緒在其中存在部分中介作用。部慧等[13]進一步的研究發現通過對輿情數據進行分析構建的企業評價指標會對股票價格與成交量產生顯著影響。

從決策情境看,投資者行為分析和企業評價的研究都體現出粒度縮放、跨域關聯與寬假設的特點,在有突出研究貢獻的情況下,如何將結論有效地傳遞給決策專家是決策支持系統將要面臨的挑戰。數智賦能下的決策劇場融合大數據研究范式外部關聯的特點同時以可視化形式呈現有意義的研究結論,在降低知識壁壘的同時兼顧決策的科學性與高效性,將會很好地契合這一需求。

(2)風險預見

風險預見是指以大數據為切入視角以不同的動態維度追蹤行為/事件/行業的演進,更及時、全面、準確地估測和監管潛在風險。在金融場景下,傳統的管理決策中選擇何種風險評估方法與針對具體模型如何選取預警閾值以專家的金融領域知識為主,同時采用的風險預警閾值相對固定。而在數智賦能的決策劇場中,依托大數據與可視化可以更為精確、系統地對金融視角下個體、企業以及系統面臨的隱患進行估測與實時監控。

從企業投資風險預警的角度看,企業通過決策支持系統能減小資本市場當中凸顯出來的信息不確定性。Ho等[14]研究表明企業配備智能系統輔助決策可以減弱基本面波動與企業內部信息帶來的噪音,進而控制信息不確定性。但同時值得注意的是,Jia等[15]發現企業在信息系統方面的投入需要事先具有明確的復雜性問題決策場景與相關的建設能力才能產生正向的經濟影響。

而從政府防范系統性金融風險的角度,宮曉莉等[16]從可視化的復雜網絡視角與數據挖掘方法探究了系統性風險在金融系統內的傳染狀況。發現國有商業銀行的金融風險傳染的波及范圍要小于股份制商業銀行,同時在系統性風險增長階段大型國有商業銀行會在其中起到穩定器的功能。而從不同行業的金融風險波動溢出網絡視角來看,外匯市場與房地產市場凈溢出效應顯著,但同時這兩個市場受其余市場風險溢出效應的影響更為明顯[17]。

同樣,從決策情境來看,企業投資風險管控具有跨域關聯與非線性的特點,而政府防范系統性金融風險具有寬假設、非線性、可視化的特點,與數智賦能下的決策劇場自身特點與優勢十分契合。

3 面向金融場景的數智賦能決策劇場體系架構

與現有決策劇場的體系結構對比來看,數智賦能下的決策劇場架構是以交互體系為依托,知識體系為支撐,以控制體系為紐帶連接專家體系和數智體系人機協同進行決策。從信息系統的研究視角來看,數智賦能的決策劇場與原有決策劇場的最主要的不同在于系統維度的擴充,該系統的邏輯結構如圖2所示。

圖2 數智賦能下的決策劇場邏輯結構圖

針對“大數據—小數據”問題,例如,傳統的金融情境下金融分析師在有限的時間和成本下僅能對有限的財務報告及其他文本信息進行解讀,而在金融科技手段的加持下雖然對所能獲取的數據集進行特征描述和概括表示,但對于復雜金融情境下的問題決策還不夠。作為決策者而言,除了海量信息需要進行處理,同時還要考慮到決策涉及的實體經濟和金融系統中各個主體復雜關聯中產生的影響以及訴求,以決策者有限的精力也只能照顧到局部的細節。而數智賦能下的決策劇場通過數智體系配合可視化技術,通過展示具有代表性的實例子集,給決策者更為情景化、具象化的體驗與感受,達到見微知著的效果。

針對決策范式單一的問題,數智賦能下的決策劇場一方面依靠領域專家的知識積累、經歷背景、問題分析能力加上由群體在相互溝通、協作中體現出來的群決策智慧在面對復雜問題的情境下起定性分析與引導功能,但金融天然作為與社會各行各業緊密聯系、深刻互動的行業,僅受制于經濟金融領域,難以發現重要的潛在影響因素;另一方面數智體系通過集成傳統意義上難以測量或者獲取的多源異構數據(例如公司動態、財經新聞、專家訪談等富媒體數據)通過跨界關聯形成新的變量組合,但是得到的往往是“黑箱”模型,可解釋性不好。數智賦能將以上兩種決策體系互為補合形成融合決策范式,在更深的層次中探索新的變量影響機制與模型。

針對人機協同不足的問題,數智賦能下的決策劇場改進之處在于兩點:第一,決策主體方面,決策者將在輸出和輸入的角色中相互轉換,尤其是決策形式從原來人操縱機器轉向人與機器協同工作。從過去專家體系為主,數據可視化提供參考到現在專家體系與數智體系并重的轉變,即“主體轉變”。第二,互動交互方面,傳統的決策劇場中是機器作為演員,決策者作為觀眾,但交互體系的設計讓機器觀察決策者成為可能。其優勢之處體現在:一方面多人協作下的VR應用場景會通過影響參與者的自控力和創造力,對創造類的任務具有更好的表現[18]。另一方面通過體感AR、VR等設備,對決策者決策活動中的各類數據進行記錄,并進行后臺分析,形成以決策者自身行為觀測為基礎的外部數據,拓寬數據的邊界,同時對決策形成的機理進行溯源,具有更好的解釋性與科學性,有效避免了決策劇場的設計者在選擇呈現哪些數據或者指標時很可能會根據自身利益選擇偏向自己的指標,進而影響決策形成道德風險問題[19]。

數智賦能下的決策劇場把5個體系構建在同一框架下,形成一個人機深度結合、融合決策范式的巨型智能決策系統,面向金融情境下的復雜問題進行決策。下面對各個體系根據可能金融應用情境進行詳細介紹。

3.1 交互體系

交互體系的核心是讓人機達成深層次的協同工作,一方面專家體系借助可視化設備可對數智體系分析的結果進行判斷,另一方面數智體系在交互體系的輔助下,可捕獲決策者的行為特征、關注重點,對其形成決策的機理進行深入分析。其功能組件中主要為決策模擬與行為觀測兩個模塊。

在決策模擬模塊中,主要依托于虛擬現實(VR)和增強現實(AR)技術。其中虛擬現實在視聽等方面進行模擬,通過計算機仿真生成三維空間的虛擬世界,并在其中與使用者實時地進行交互。而增強現實依賴于實時圖像解析與影像傳感等技術,使計算機可以展現出來能與現實世界中的部分場景產生交互的虛擬世界,其具體組成部分為物理空間與沉浸式硬件環境。其中物理空間包括高性能計算機機群、環繞展示臺、中央控制室、決策中心觀眾席以及決策流程中涉及的配套設施所需的物理空間。沉浸式硬件環境為環繞展示屏幕、專家操作臺、高性能計算機機群、可視化渲染與圖像處理設備、網絡設備、虛擬展示設備、中央控制設備、通話設備以及數據存儲設備等其他劇場設備。

在行為觀測模塊中,主要作用為對決策者決策活動中的各類數據進行記錄并且進行后續分析。活動記錄環境主要是VR、AR設備以及體感設備的動作、語言捕捉設備,例如語音獲取與辨識設備、眼動軌跡捕捉設備、腦電波動分析設備、交互行為記錄設備等專家決策行為獲取設備。

3.2 知識體系

知識體系方面,決策劇場會對專家體系的不足進行補充,主要由分布式規則庫、解釋詞典、元知識庫、數據庫、模型庫、多媒體素材庫等構成,下面對部分模塊進行介紹。

(1)分布式規則庫:其主要功能為存儲決策規則,同時采用分布式并行計算機群來存取和管理的方式保證專家在進行決策推理時能及時根據自身所需調取所需要解決的子問題,并且能夠對規則庫進行篩選,剔除掉無關的規則庫并根據相關性推薦有關規則,減小專家在獲取相關規則時的信息負載。

(2)解釋詞典:其組成部分是為了解釋的需要而預制的若干文本或圖像。決策專家的知識背景和文化程度各有不同,對金融市場的了解程度也各有不同,雖然決策劇場采用可視化技術以圖像的方式呈現需要決策的復雜性問題減小了溝通成本,但對一些復雜金融情境中決策問題涉及的專有名詞和領域知識的解釋有所不足。解釋詞典的作用就是通過解釋器把決策過程中專家未了解的知識翻譯成使用者能夠理解的自然語言或圖表。

(3)元知識庫:其功能是存儲和補充元知識規則。其中包含的元知識可按用途分為兩類:第一類是關于決策問題涉及的金融領域知識本身,主要描述了金融復雜性問題界定的系統邊界內相關知識的內容、結構以及使用方法等。另一類類似于操作說明,是關于如何運用知識的知識,其中主要內容為如何進行決策系統調度、相關規則使用以及啟發式搜索等方面的規則。

(4)數據庫:復雜金融情境下決策問題所涉及的內部數據與外部數據。

(5)模型庫:金融決策場景所涉及的數學模型、系統使用所需條件和預期效果等。

3.3 控制體系

控制體系為決策劇場中的軟件控制模塊,主要作用為承接交互體系,作為連接專家體系與數智體系的紐帶,使決策劇場在數智賦能的情境下各個體系能有機地結合起來,其中按照功能可劃分為過程管理模塊、互聯協同模塊以及中間件管理與數據交換模塊。

過程管理模塊的主要作用為決策流程控制,為決策全過程中不同體系的交互提供支持。其具體系統配置為設備介紹系統、意見反饋與溝通系統、語音交流系統、多邊信息共享系統、智能投票表決系統等。

互聯協同模塊的主要功能為打通多體系之間數據傳輸的多通道交互。其具體組件包括知識查詢系統、信息處理系統、數據交換系統、邏輯控制系統、圖像數據處理系統、云存儲、云計算以及專家行為量化系統。

中間件管理與數據交換模塊主要支撐整個決策劇場正常運行的底層引擎。通過該模塊來保證各個具體的決策功能之間保持相對獨立互不影響的同時又能相互聯系聯合工作。其具體的配置為系統管理組件、資源管理組件、統一認證組件等。

3.4 專家體系

專家體系由來自不同領域的決策者組成。由于金融與各行各業聯系緊密,往往涉及決策要素眾多,各個決策的主體之間又有著復雜關聯,因此在面對重要的金融問題進行決策尤其是相關條例的制定與頒布時,往往會由政府部門牽頭組成決策研究小組,小組成員由所涉及金融問題的系統邊界決定。不同決策者金融素養、文化背景、行業經歷、代表的利益都有所差別,決策小組的成員一般由政府官員、經濟金融領域專家學者、金融業從業者代表以及涉及決策的相關利益者代表等組成。

3.5 數智體系

數智體系的加入讓數智賦能下的決策劇場將不同的決策范式融合并且互為補充。具體而言,數智體系主要包含數據分析、數據可視化兩個模塊,其中根據數據類型的不同,處理與分析的手段也有區別。在金融場景下,除了傳統模式下的內部數據(企業和行業的相關數據等)外,通過跨界關聯引入了新的富媒體數據,例如:文本(股民的評論等)、圖像(財經新聞中的圖像信息等)、音頻(用戶問答音頻等)、視頻(財經博主的視頻等)。

針對不同的富媒體數據類型,數智體系下的數據處理模塊的具體應用有:針對于文本處理的主題模型(topic model)[20]、向量空間模型(VSM)[21]等;針對于圖像數據進行處理的膠囊神經網絡(caps-net)[22]、卷積神經網絡(CNN)[23]、尺度不變的特征轉換(SIFT)[24]等。音頻數據與視頻數據有著時間上的連續性,其具體的處理手段包括音頻處理中的短時傅里葉變換(STFT)[25]、視頻處理中的長短時記憶神經網絡(LSTM)[26]、時空興趣點檢測(STIP)[27]等。具體決策流程中采用的數據處理模塊將依據決策問題中涉及的數據來源而定。

可視化模塊是決策劇場顯著區別于其他決策支持系統的模塊之一,極大地減小了決策專家之間的溝通成本和決策誤差,同時通過給予決策者直觀的情景實例有效地將難以接受的大數據轉化為細節更為豐富的小數據給予決策者更深刻的洞察。而在大數據情境下,數智賦能下的決策劇場不同于傳統的信息可視化,其需要解決的最大問題就是數據規模龐大、維度增加、來源眾多以及動態演化帶來的可視化困難。因此,數智賦能下的決策劇場可視化模塊具體分為數據轉換模塊與情境構建模塊。其中數據轉換模塊具體的應用包括:三角網格簡化法(GUC)[28]、漸進網格簡化法(VDEM)[29]、多尺度解析法(RTIN)[30]、四叉樹紋理層次法(BDAM)[31]等。情境構建模塊主要為三維虛擬仿真引擎與情境構建引擎等。

4 面向金融場景的數智賦能決策劇場決策流程設計

本節基于新型決策劇場根據其特點給出其決策流程設計,具體流程如圖3所示。

圖3 數智賦能下決策劇場的決策流程

現有決策劇場的不足在于仍然著重于內部數據與特定情境領域中,同時整個決策流程是按照模型驅動的思路,本質上是機器輔助人決策。本文在原有決策劇場的體系架構中拓展體系維度,加入智能體系與交互體系,依托數智賦能下的決策劇場建立相關的決策流程設計。從決策主體來看,面向金融場景下的特定問題,以交互體系為紐帶,聯結專家體系與數智體系進行交互合作。

在數智賦能的決策劇場使用流程中,專家體系借助過程管理模塊進行交流討論,在進行定性分析后凝練出需要決策的問題,數智體系和交互體系將作用范圍貫穿始終,除了方案設計,還涵蓋方案的提出和評估。

首先,數智體系的加入使得整個決策流程中不再依托于以往的強理論假設,例如在對金融市場環境進行分析時,不再規定投資者完全理性、價格波動依賴有效市場假說等,取而代之的是更加有效的現實情況,例如通過數智體系分析出不同投資者的真實風險偏好分布,取消依靠經典分布的強假設來評估市場未來發生的波動等。除了放寬甚至取消為了簡化問題而給出的經典假設之外,數智體系還帶來了跨域信息與相應的信息處理能力。跨域信息使得更多的決策影響因素能夠被納入整個決策流程中,為智能化決策提供了基礎,提升了決策過程的效率并且增加了決策結果的科學性與一致性。而人工智能的數據處理與分析技術帶來了跨域信息的處理能力,一方面可以根據對不同數據集的分析形成智能建議,提供更多方案選擇,參與方案的提出;另一方面對決策結果進行量化展示,參與方案的評估,有效避免了以往決策者可能存在的主觀理解和影響決策形成的解釋偏差問題。

同時,數智體系借助其可視化模塊除了將分析所得經濟金融統計指標、財經新聞的文本標簽、市場參與主體的分類歸總等信息進行展示外,還將根據結果選出具有代表性的個體進行情境展示。例如在決策是否要發布一項新的金融政策時,現有的決策流程評估階段更多地是展示在這項金融政策頒布后例如市場流動性、穩定性等不同的經濟金融指標預期變化如何。這當中會存在兩個問題:其一是由于不同的參與者的理解能力與知識儲備有所差別,對同一個市場表現指標的理解會存在偏差進而影響最終的決策;其二是各類經濟金融指標眾多,進行展示時決策者只能獲取部分的有效信息,無法進行精準的提煉。而通過可視化模塊對分析得出的幾類典型市場參與者進行建模仿真,更加具象化的展現金融政策實施后對于他們資產以及投資決策的影響,給出更為情景化的決策結果助力決策評估,進而從對人類認知水平的考量出發解決現有決策劇場的“大數據—小數據”問題。

而交互體系將協助智能體系對決策者進行觀察,參與決策流程的全過程,通過收集決策者的眼動軌跡、腦波分析等數據進而判斷不同決策者在各個階段對于不同指標的關注度以及決策偏好,綜合分析決策者的精神狀態和決策立場,減少決策者采取錯誤方案的概率,同時在一定程度上規避決策劇場的設計者在選擇呈現哪些數據或者指標時很可能會根據自身利益選擇偏向自己的指標,進而影響決策形成的道德風險問題。

總體來看,面向金融情境下數智賦能的決策劇場在進行決策時,流程主要有以下三個特點:

第一是決策流程非線性。由于所面臨的金融決策問題往往具有高度復雜性,非線性的決策流程更能適應多維度數據整合下問題的評估與決策。同時,金融場景中的各個要素往往為動態交互,采取非線性、非單向的刻畫方式更能適應決策的動態調整。

第二是模型驅動與大數據驅動融合。通過將跨域信息以可視化形式呈現在決策者面前,使假設發生轉變,由傳統意義上作為經濟金融分析模型基石的嚴格假設轉向寬假設。同時,數智賦能下的決策劇場將改變傳統決策劇場中專家體系為主導而機器僅僅作為輔助的情形,數智體系的加入使得機器同樣作為決策方,經過數據集成與分析后給出方案并評估其可行性,與決策者一同進行決策,實現兩種模式的融合并盡可能避免決策者個人的主觀偏好和解釋偏差。

第三是人機深度協同,相互評估。通過交互體系,將決策者的眼動軌跡、決策意見等交互動態進行相關數據收集,通過分析實時反饋給決策者本身,實現機器與決策者之間的雙向觀察判斷,達到人機深層次協同,規避了以往決策劇場的設計者可能形成的道德風險問題。

5 結論與啟示

本文拓展了決策劇場在金融場景中的應用,所提出的面向金融場景的數智賦能決策劇場架構通過融合大數據特征和構建交互體系解決了傳統決策劇場中存在的問題。同時通過為金融領域提供新的決策解決方案,進一步推進了決策劇場的改進與創新。

就現實情況而言,為了充分利用數智賦能下的決策劇場來解決復雜問題,需要綜合評估所面對的具體問題復雜程度、實際需求與機構自身的硬件條件和資金支持之間是否匹配。首先,決策劇場建設是一項較為復雜的系統工程,軟硬件系統的結合大大提升了建設難度,而決策劇場建設成功后如何對系統進行定期維護保證其正常運行也是不得不面對的挑戰。其次,決策劇場運行中,為保證決策劇場能個性化地針對性解決復雜性問題,需要配套相應的運維和研發人員。因此,面對復雜的決策問題,決策劇場不可能一蹴而就,需要較長周期的反復迭代。