人工智能在互聯網金融信用體系的應用研究

周子博

摘 要：信息技術革新催生了互聯網金融的創新形態，并在金融創新中扮演著重要的角色。互聯網金融的信用體系源于傳統金融信用體系，又具備自有的特征。在大數據的驅動下，人工智能在風險識別的研究中不斷深入。該文通過對互聯網金融信用體系的應用的研究，回顧互聯網金融及安全的發展、信用體系的發展、人工智能風險識別的發展，對人工智能、大數據技術在互聯網金融信用體系中的應用情況進行分析，并對現存的問題和對策進行了論述。未來人工智能及大數據技術會依附于互聯網金融，為經濟轉型提供更加強有力的支撐。

關鍵詞：人工智能 互聯網金融 信用體系 風險管理

中圖分類號：F832.2 文獻標識碼：A 文章編號：1672-3791（2019）01（a）-00-02

1 互聯網金融及安全的發展

信息技術（information technology）革命改變著人們的溝通交流方式。在互聯網技術和大數據驅動下，金融與科技不斷結合，融合出了互聯網金融的創新形態。互聯網金融將在未來支撐經濟轉型過程中發揮重要的驅動力量。

1.1 互聯網金融的發展情況

2013年是我國互聯網金融模式發展的里程碑年，這一年內涌現出了大量互聯網金融創新模式、產品和應用，如第三方支付、信用消費、產業融資、個人借貸、眾籌融資等，這些創新均以信用體系為基礎，且均有別于金融行業傳統的信用模式。

互聯網金融的發展歷程分為4個階段：第一個階段是傳統金融互聯網化，主要體現為銀行網銀、銀行在線業務等；第二個階段是互聯網金融起步階段，主要體現為網絡錢包、網絡貨幣等；第三個階段是互聯網金融模式快速創新和生長階段，主要體現為第三方在線支付、P2P借貸、眾籌融資等互聯網金融產品爆發；第四個階段是互聯網金融規制化發展階段，主要體現在對P2P集中監管、互聯網征信體系建立等。

1.2 信息技術驅動互聯網金融快速發展

隨著互聯網技術、人工智能技術、大數據技術的不斷發展，以及金融互聯網產業模式、數據的不斷積累，我們逐步走入了以互聯網金融為主的金融科技時代。2016年，全國第三方在線支付規模達38萬億元人民幣，成為全球最大規模的移動支付市場。

互聯網金融在金融和消費者之間創建了新的溝通渠道和信用渠道，讓傳統信用走進了人們的日常生活。互聯網技術以其高共享機制、高透明度、良好協作性、低成本、高服務實時性等優勢，促使金融和科技將更加深度的融合，實現金融普惠的市場價值，體現數字經濟的創新特征。現在互聯網金融已是經濟轉型和發展的重要驅動力。

2 互聯網金融信用體系

從社會交易方式角度出發，可以將人類社會經濟發展分為以下幾個過程：自然經濟時期（物物交換為主）、貨幣經濟時期（貨幣媒介交換為主）以及信用經濟時期（信用媒介為度量）。互聯網金融模式是典型的信用經濟。信用及信用體系是信用經濟發展和運轉的根基。

2.1 關于信用

從社會學視角出發，信用社會活動中守言，及判斷他人能否守信的道德度量；從經濟學視角出發，信用是契約精神約束下，交易及價值流通過程中通過讓渡貨幣或商品以獲得可償還債務的價值流動；從法學和行政管理學的視角來看，信用是通過征信管理、信用評估等方式對信用行為、信用記錄進行規則化管理的體系制度。在信用經濟時代下，信用對資源配置起到重要影響作用。

2.2 關于信用體系

信用體系以信用為出發點，包含社會治理層面的信用法律法規體系、社會服務層面的信用服務體系、數據技術層面的信用數據技術支撐體系、產品層面的信用產品市場體系、管理層面的信用管理體系、行政管理層面的政府監管體系以及價值觀層面的誠信體系。信用體系會設立對應的懲戒機制。

2.3 互聯網金融信用體系

我國目前的金融信用體系有3類：一是政府、央行為主的信用機構建立的征信服務體系。二是以互聯網公司為主的信用機構，比如京東金融、支付寶、財付通等互聯網平臺，通過互聯網行為數據的歸集，生成人物數據畫像及個人信用評估。三是以互聯網金融協會為主體的信用交換機制，互聯網金融協會信用信息中心建立了共享互通的個人征信信用基礎數據庫。相比傳統金融信用體系而言，互聯網金融信用體系更開放，共享能力、資源整合和處理能力、數據挖掘和規律歸納能力、數據聯通能力更強，服務寬度和廣度更強。

3 人工智能在風險識別領域的發展

3.1 人工智能發展情況

1943年心理學家Hebb從人腦工作模式的角度研究計算方式，并發表赫布理論，這是人工智能思想的萌芽。1956年達特茅斯會議的召開標志著人工智能正式確立。1986年Hinton將反向傳播應用于神經網絡模型的訓練，促使人工智能發展再次步入快速發展。近年來人工智能機器學習、深度學習算法不斷發展更新，在圖像識別、機器翻譯、自然語言處理等領域的表現日益強大。

3.2 人工智能在風險識別領域的應用情況

目前人工智能在風險識別領域的應用主要分為3類：第一類是以規則為主的模式識別；第二類是以機器學習（統計學習）為主的模式識別；第三類是以深度學習為主的模式識別。以規則為主的識別方式需要首先通過人工定義規則，計算機按照已定義的規則對數據進行分析后返回結果。在這類的模式識別發展過程中，主要研究方向是解決特定規則下計算效率問題。在第二類以機器學習為主的模式中，研究學者將模式識別問題轉化為統計學、概率學的問題。通過對大規模數據的分析，使用特定的機器學習方法或工具構建模型，尋找數據中包含的規律，以解決識別和預測問題。常見的算法包括線性回歸、邏輯斯蒂回歸、樸素貝葉斯、決策樹、感知機、支持向量機、KNN、K-Means等。第三類的模式識別方式以神經網絡為核心，通過反向傳播對神經網絡模型進行訓練，生成的模型和算法可以充分體現訓練數據中的規律和特性。常見的算法模式包括單層感知機、多層感知機、神經網絡、CNN（卷積神經網絡）、RNN（循環神經網絡）、LSTM（長短時記憶神經網絡），以及加入Attention（注意力機制）、GAN（對抗機制）、遠程監督等機制的優化算法。

4 人工智能在互聯網金融信用體系及風險控制中的應用

4.1 當前應用情況

人工智能在互聯網金融信用體系及風險控制領域有以下幾類應用：一是應用人工智能對風險進行評估。機器學習、神經網絡等能夠在大規模數據中歸納出數據內的非線性關系，進而進行風險識別和評估。二是結合專家系統的應用。專家系統具有海量知識與數據，它可以通過信息技術來發揮知識體系和實踐經驗的價值，對風險進行預測和判定，并采用風險應對策略。

在金融風險識別領域，人工智能技術已有了較多的應用實踐和解決方案。阿里巴巴、騰訊、百度、小米、京東等互聯網公司均已按照人工智能嵌入金融信用服務的邏輯，在信用欺詐等特定領域構建了風險識別體系。

4.2 構建領域內人工智能應用需要開展的工作

結合人工智能技術，構建互聯網金融信用體系及風險控制應用需開展以下幾項工作：一是建立信用體系基礎信息架構。目前中國人民銀行、國家公共安全系統、各金融機構、各互聯網金融機構均已建立了不同深度的信用體系和信用監測系統。二是建立全方位的基礎數據庫。在基礎數據庫中需收集行為類信息、社會類信息以及公共安全特征數據等。三是建立人工智能的系統體系。通過已有數據對風險行為特征的嵌入和訓練，進而對風險進行分類識別。

5 存在的問題、對策及展望

5.1 當前存在的問題及對策

當前存在的問題包括以下幾點：一是當前的應用仍遵循常規程序。現階段的人工智能應用還是按照既定流程和標準程序來完成工作。二是存在數據泄露和非法使用數據的風險。三是人工智能平臺存在系統性風險。這類風險體現在硬件體系和運維體系中。四是法律制度建設尚未明確。在現有法律和監管體系下，互聯網金融領域內的很多行為、事件責任認定困難，監管困難。

對于存在的這些問題，需要逐步完善人工智能的數據模型，通過技術體系、服務體系、硬件體系、人才體系和管理體系的系統化方案，完善人工智能在金融信用體系和風險領域的應用。

5.2 對于未來發展的展望

立足當下，展望未來，隨著國內互聯網金融的快速發展，人工智能必然是互聯網金融的創新發展方向，互聯網金融服務為越來越多的人、越來越多的場景帶來的便利。但是，現有信用體系的短板問題漸漸暴露，這將為行業未來的發展帶來了負面影響，需要盡早研究、應對與解決。希望互聯網金融未來在人工智能信用體系、信用風險管理及信用區塊鏈等創新模式應用支撐下，為經濟轉型和發展提供更加強大的驅動力。

參考文獻

[1] 楊濤.對人工智能在金融領域應用的思考[J].國際金融，2016（12）：24-27.

[2] 吳俊，陳亮，高勇.國外人工智能在金融投資顧問領域的應用及對我國啟示[J].金融縱橫，2016（6）：88-92.

[3] 程東亮.人工智能在金融領域應用現狀及安全風險探析[J].金融科技時代，2016（9）：47-49.

[4] 喬海曙，王鵬，謝姍珊.金融智能化發展： 動因、挑戰與對策[J].南方金融，2017（6）：3-9.

[5] 戴星.人工智能在金融風控中的應用探索[J].中國商論，2017（2）：19-22.

[6] 常振芳.互聯網金融信用體系建設和風險管理研究[D].南京大學，2018.

[7] 劉濤.人工智能與金融風險防范——基于防范銀行卡犯罪研究[J].青海金融，2018（10）：41-45.

[8] 韓平，魯銀輝.智能時代下金融業的發展研究[J].齊齊哈爾大學學報：哲學社會科學版，2018（10）：30-33.

[9] 蔣韜.大數據和人工智能視角下的銀行業風險防控[J].現代商業銀行，2018（2）：50-53.