金融科技之人工智能在金融領域的應用探究

李 根

(對外經濟貿易大學金融學院 北京 100026)

引言

2019年9月6日，中國人民銀行正式印發《金融科技(FinTech)發展規劃(2019-2021)》規劃提出穩步應用人工智能，深入把握新一代人工智能發展的特點，統籌優化數據資源、算法模型、算力支持等人工智能核心資產，穩妥推動人工智能技術與金融業務深度融合。作為重要落地場景的金融行業，與金融科技具有天然的融合性，金融科技應用空間廣闊。作為金融科技中重要的人工智能技術也必將對金融市場的發展產生深遠影響，因此我們是有必要做前瞻性的戰略知識儲備和應用研究。

一、人工智能的背景及意義

(一)人工智能簡史

隨著通用電子計算機的誕生，人工智能技術嶄露頭角。以艾倫圖靈提出圖靈測試為標志，智能游戲、符號推理與邏輯理論家、自然語言等里程碑式的技術，掀起了人工智能的第一次熱潮。其中最著名的要屬1956年的達特茅斯會議，‘人工智能’便由此起源，從此人工智能相關研究進入了一段黃金時代。但是十多年之后人們發現人工智能曾經的那些美好承諾都沒能兌現，以1973年萊特希爾報告為誘因，人們開始認為人工智能技術只是科學家和科幻小說家們描繪的海市蜃樓，讓人工智能行業陷入第一個寒冬。

在20世紀80年代初期，一種叫做“專家系統”的人工智能程序享譽世界，知識也因此變成了人工智能研究的焦點。但是由于專家系統無法自我學習并更新知識庫，維護和使用成本越來越高，以至于很多企業最終放棄了專家系統并升級到其它系統。因此在80年代末期人工智能進入了第二個寒冬。進入90年代初期，概率統計方法見見得到認可，因而出現了Siri最早的原型產品Casper。1997年IBM的計算機深藍Deep blue戰勝了人類世界象棋冠軍卡斯帕羅夫,成為了當年最具轟動的人工智能事件。同年長期短期記憶(LSTM)被提出，至今應用于遞歸神經網絡之中。進入21世紀，神經網絡的全新架構被提出，奠定了深度學習的核心技術。

2011年后，隨著移動互聯、大數據、云計算以及計算機算力由CPU過渡到GPU帶來算力的海量提升，人工智能技術邁入了新時代。從AlphaGo戰勝李世石與柯潔，到人臉識別在二維圖像識別中的大規模應用，再到特斯拉自動駕駛等三維圖像領域的應用以及行人車駛軌跡的預判，人工智能科學家在半個多世紀前描繪的美好藍圖正在逐一實現。

(二)人工智能對金融領域的意義

隨著互聯網的發展和海量數據的形成，傳統的金融分析通過已有數據總結歷史規律并建模預測的方法在效率上已出現瓶頸。金融分析是指基于常見的數量分析方法如概率與貨幣時間價值等，結合經濟學基礎知識，并利用已有的金融數據，例如財務報表，宏觀經濟數據，結合特定的金融產品，通過適當的方法和技術來分析預測經濟金融的發展和變化。金融分析師傳統金融行業必用的一套方法體系，因此如何利用人工智能技術來解決大量基礎數據高速并精確處理的問題，便成為了下一個研究重點，因此人工智能技術對金融有著深遠的意義。

二、金融科技之人工智能技術在金融領域的應用

(一)金融科技在金融產業體系發展的特點

根據我國金融科技產業主體發展的特點，金融科技企業主要有兩大類型：科技金融類和金融科技類。

其中科技金融類是依托互聯網的技術優勢，結合金融行業發展所產生的新興技術需求，提供創新型金融服務。而金融科技企業則主要依托在金融領域的經驗，同時應用人工智能、云計算等新興技術，為傳統金融業務賦能和支持。

1.科技金融類企業布局

由于人工智能這項技術在產業化的過程中有較高的壁壘，因此在行業初期便能夠快速成長和發展的公司必須具有相關的數據和技術的雙重優勢。目前國內在此領域的4大巨頭分別為騰訊、阿里、百度、京東。這些互聯網巨頭也結合起在云計算、大數據、區塊鏈等新興技術的經驗，在與金融機構合作(參股)中積累的寶貴的經驗，成為了科技金融的龍頭企業。

表1 科技金融類企業行業布局

2.金融科技企業布局

傳統金融企業依靠自己在金融業務層面的積淀，也在設法成立科技子公司，憑借著自己在垂直領域的深耕，以及對行業的深入理解，并擁有新興科技應用的相關實踐經驗，更加受到傳統金融機構的青睞。目前的發展趨勢看，部分傳統銀行機構已經在積極籌備獨立運營的科技子公司，大型傳統金融機構也在聯合成立獨立運營的科技子公司，以金融業務為出發點，金融科技企業賦能傳統金融企業。

表2 傳統金融機構所成立的科技子公司

(二)人工智能技術在金融領域的應用場景

人工智能技術目前所在金融領域大致可以分為以下5種應用場景，分別為智能助手、智能投顧、智能風控、智能投研、智能營銷。

1.智能助手

智能助手主要依靠于語音技術、自然語言理解等技術，通過人機交互與已有知識庫進行匹配分類以得出結果，從而幫助客戶解決一些簡單問題，常見的基于文字的聊天機器人和基于語音的語音機器人便是基于此技術。實時盯盤方面，一個智能交易程序可以同時關注幾十幾百只證券，還能根據市場的實時情況按照預定策略精準執行。結合預測算法，可以實現高頻量化交易，在金融以及衍生品市場有著廣泛的應用。

2.智能投顧

智能投顧主要是根據已有的用戶數據，包括風險偏好，個人的財務收支狀況，結合用戶的風險承受能力和收益目標，運用智能算法進行建模和預測，并提供相關的投資組合作為參考，并提供理財顧問服務。同時智能投顧還具有人類不具備的能力優勢，比如快速的交易執行力，以及不被情緒左右的特點。舉例來說，如美國肯碩(Kensho)公司的新一代數據分析工具沃倫(Warren)，基于結構化數據，利用人工智能技術作為中間層，從而實現前端的‘顧問’角色進行人機交互。

3.智能風控

利用人工智能中的知識圖譜技術，可以應用于企業征信和反欺詐領域，將關注點上下游的結構化和非結構化數據，通過數據可視化的形式，以一種直觀的方式展示出來。典型的應用案例就是企業的上下游穿透分析，股東關聯關系分析，引申進來還可以做資金流向分析等。利用這種智能分析技術可以檢測上下游的風險和欺詐點。可以廣泛應用于信用評級領域，建立評估模型。例如如螞蟻金服、陸金所、宜信等機構，在發展智能信貸服務，有利于減少壞賬損失。

4.智能投研

傳統投研需要手機大量的數據，從金融新聞、報告、投資意向書、財務報表等處獲取信息，之后經過分析師的處理，產生投資研報。以往都是靠分析師手工或者半自動化工具進行數據處理，由于海量數據的存在，使得分析師很難在段時間之內處理完全部數據。人工智能恰巧就解決了這部分耗費大量人力成本的任務。在免費工具方面，同花順公司所提供的愛問財同樣使用了相似的技術。使得以往半自動的篩選搜索功能可以在幾秒之內完成。

5.智能營銷

人工智能可以利用現有海量數據，實現精準營銷。使用采集來的海量數據，通過聚類分析，把人群分為特定的種類，根據不同的種類提供相應的產品推薦，做到精確匹配特定目標客戶，實施精準推薦，實時分析消費者喜好，并不斷自我優化模型，具有時效性強，準確度高的特點。現實中我們在店上平臺購物所經歷的便是精準營銷，平臺會根據你的瀏覽和購買記錄，推薦相應的產品。擴展到金融產品也是同樣的道理。

三、人工智能技術在金融科技和金融服務領域的發展

任何一門技術與業務以及產業鏈融合時通常分為三個階段，人工智能也不例外。第一階段是技術先于應用，該階段主要研究如何將一種新興技術應用到現實場景中。在這個階段中，技術無疑是重要的決定因素。這也是為什么互聯網公司能夠憑借技術優勢從而進入金融行業。第二階段業務主導技術應用落地，該階段強調技術賦能行業，因為在這個階段無論是科技公司還是傳統金融公司，技術的門檻在逐漸降低，同時技術的成熟度在不斷的提高，如果使得這種新技術，如人工智能，落地才是這一階段的重點。在這一個階段各種應用得以百家爭鳴，最終能夠高效解決實際問題的技術和應用經過大浪淘沙會被沉淀下來。第三階段是技術產業化階段，技術和應用都不再是問題，技術已經深入業務的方方面面，如何選擇一款合適的應用并切實的應用到金融行業，不僅自己的公司會用，同行業公司也要用，興城一定的產業化規模，才能帶來規模效應。目前對于金融行業來說人工智能技術處于第二階段與第三階段的過渡期，如何結合企業自身的業務，把重技術合理有效的應用到日常工作中，是本階段應該考慮的重點工作。不僅要關注于業務和技術本身，更要密切監督日常的運營效果，及時調整技術和應用方向。

四、人工智能等金融科技對金融行業所產生的影響

從金融行業看，金融科技以及人工智能技術可以有效減少信息不對稱，使得市場更加公開公正透明，以便提高市場的穩定性，降低整體交易成本，利用大數據技術讀取、分析和處理海量數據信息，提高效率。對金融機構來說，自身發展過程中最大的困難還是來自于金融風險。傳統解決金融風險的方法通常是聘請金融評估師，利用個人經驗低于風險。隨著人工智能等金融科技的發展，金融機構可以通過建模，大數據分析和實時監控，提前檢測欺詐、可疑交易、違約和網絡攻擊等風險，能夠有效提升風險管理水平。同時金融行業也屬于服務行業，人工智能使得金融機構使用人工智能技術實現日常業務流程自動化，提高溝通效率，降低服務成本；還能分析客戶需求并挖掘客戶潛在的需求，提供其定制產品，使得金融服務更加主動，更加智慧，也便于提供更多定制化與個性化金融服務。

五、結語

人工智能乃至金融科技作為時下最為熱點的技術，無疑對產業發展產生了深遠的影響。上到國家層面，下到普通民眾，從市面琳瑯滿目的產品來看，大家對這項技術的應用熱情無比高漲。相信在不久的將來，人工智能技術一定會在中國的金融領域發展出有中國特色的應用實踐來。讓金融從業人員從繁雜的體力勞動中解脫出來，從信息的搬運工蛻變為真正的分析師，提升工作效率，促進企業的穩定和長久發展，金融從業人員應適當儲備相關知識。

同時我們也要警惕新技術的風險和安全隱患，在促進產業鏈快速發展的同時，時刻警惕金融風險的的發生，要堅持把好的工具用到正確的地方。當遇到系統性金融風險的時候，確保人工智能服務不會加劇負面影響；同時金融從業人員不能完全依賴人工智能技術開展業務；加強消費者隱私保護和數據安全防護，對人工智能程序做合理的監督和管理，確保數據與服務的準確性。