智能科技助力防控市場風險研究

[摘 要]隨著人工智能的不斷發展，不斷促使世界經濟的發展，人工智能廣泛用于不同領域當中，改變了市場模式的發展和結構，使得用戶體驗、金融機構效能等方面發揮了重要作用。當今社會中，人工智能滲透在各個行業當中，有助于各個行業提升效率、增強體驗、擴大規模和降低成本。但隨著人們生活水平的提升，潛在市場風險存留于市場的各個角落。構建智能科技的基礎設施體系，完善市場風險監控內容，有利于防范市場風險的發生。

[關鍵詞]風險監控;人工智能;市場風險

[DOI]10.13939/j.cnki.zgsc.2021.17.188

1 選題背景

2020年4月16日，IBM政府業務中心發布報告《人工智能時代的風險管理》。多年以來，AI的功能不斷地增多，應用在每一個領域當中，計算能力和數字化時代的巨大進步，開創了人工智能的全新時代。人工智能的自主學習也在推動著AI革命中繼續扮演著不可或缺的角色，人工智能的自我學習能力技術的成功使它得以迅速傳播到所有行業當中，包括政府以及政府機構的工作當中。當AI時代面臨的挑戰不僅是如何以有效的方式去實現目標，更加面臨著透明化以及市場潛在風險管控等其他方面。這些因素必須納入與采用智能科技來改善防控市場風險策略當中。

關于市場風險監控歷程：

在20世紀80年代，人工智能解決了特定領域的問題，運用大量專業知識解決在市場風險和醫療領域等地方取得了卓有成效，在龐大的數據庫中，移動互聯、物聯網、云計算的不斷發展，從而產生了海量的數據，為人工智能技術的發展提供了有效的訓練，使得人工智能計算用于各類產業成為可能。

人工智能概念在20世紀90年代中，隨著人工智能發展的擴大，覆蓋及應用領域和規模不斷地擴大，都基于各領域專家設定的特定應用系統，應用的領域較為片面，普遍常識性知識不足、演算推倒判斷方法單一等問題都開始出現，市場風險隨著物資供應的不充足、市場價格的波動和各國稅收政策所帶來的風險變化。市場風險的潛在不確定因素導致人工智能存在大量嚴重失誤判斷，人們在人工智能的判斷重新有所擔憂。在進入21世紀后，隨著互聯網和大數據時代的不斷擴大，云計算和互聯網技術不斷地成熟和完善，基于互聯網技術的成熟和大數據時代網狀結構式分布主體下得以解決，從而使得人工智能技術得到提升。

2016年3月5日，一個A1phaGo 的人工智能程序打敗了人工智能程序在圍棋中擊敗了人類世界的冠軍。圍棋游戲存在的走法的可能性數量是無法能夠想象的。A1phaGo最終是以4-1的成績取得了絕對的勝利，在此之外在不確定的外界環境當中、全新的學習環境和上千萬種的策略方式來應對不一樣的格局方式，A1phaGo能展現出一些顯著的進步。但在今后的兩周中，一款名為Tay的聊天機器人作能夠利用相互交流從而在人類身上學習到有用的東西，使得人工智能在今后市場風險監控判斷和機器自我學習能力等領域能得到進一步的提高。

2 智能科技當前的風險性及未來發展

2.1 人工智能科技當前的風險性

在21世紀，人工智能的發展在大部分領域中已經獲得了重大的突破和成就，在市場金融中，市場風險問題也同樣很明顯。

絕大多數人覺得人工智能終將取代人類，讓人工智能統領人類世界的數據領域。人工智能的便利能夠改善金融機構潛在風險和市場風險的工具。當今銀行和金融行業的體系不斷完善。在市場風險中，重新定價的不對稱性能使得收益率曲線的斜率、形態發生變化，收益率曲線并非正常移動，對銀行的收益率和市場內在經濟產生不利影響，使得市場風險提高。人工智能在數據領域當中能夠做到“專家”程度，能夠在進一步加深對內在風險評估和分析對更透徹、更清楚的信用風險評估，能夠最大化地解決在市場風險中的問題。但是人工智能的風險還存在著局限性，它不能夠精確地去判斷市場風險的潛在風險，會使其導致不可預估的損失，就像如今的智能航空一樣，也許它所計算的航班軌跡和準確性的降落時間，但是在突發事件，也稱為不確定性風險，也終將是由人類去手動操縱。在市場風險當中，它存在大量的不確定性因素，它包括在市場交易，金融市場中的投資組合管理和對人們的信用風險評估等許多領域當中，人工智能領域尚處于在一個實驗階段，與能舉一反三、進行自我修正分析，可與人類進行互相學習思考，能夠更具外界的不確定性和更完善的規劃設計人腦的思維判斷和推理決策能力等方面，在人工智能科技“強人工智能”能力還很單一，不能推理完善決策分析過程，依然存在較為明顯的風險性。

2.2 人工智能項目處于實驗階段的主要原因

人工智能科技項目未能達到更完善的市場風險管控存在著多方面的原因。

2.2.1 機器學習問題

機器學習是人工智能的重要過程，人工智能的學習大多依靠人類的數據分析以及對程序設計的預判，不能夠有效判斷及解決具有潛在危害的市場風險為目的的判斷抉擇。

2.2.2 法律完善問題

人工智能行業的興起，嚴重威脅到了不同行業的失業問題。為了解決人工智能進入人類學習中引發的問題，需要起草和實施進一步的規定。人工智能機器大部分需要依靠著金融衍生工具和大數據演算作為輔助進行推演，數據和技術特定部門以及市場分析人員及部門最為渴望出臺和實施新的政策。

2.2.3 數據動態問題

人工智能的應用所面臨的重要問題是過于依賴歷史人類受儲備的大數據庫中，人工智能局限于人類編寫判定的程序結構當中，而不能根據市場動態以及各國政策等信息不對稱性問題來進行自我學習訓練，這種數據動態失衡將會影響人工智能建模分析的時效性。

2.2.4 數據準確性問題

人工智能是通過大數據挖掘，對市場風險的分析做出判斷，從而進一步預測市場風險的變化以及對基準利率變化和外匯交易等變化過程，有效監控市場風險中部分違法行為。但是市場數據質量參差不齊，市場公司業績的不完善性都會導致人工智能的演算結果存在著嚴重錯誤，影響人工智能建模的準確性。

2.2.5 市場監管問題

人工智能尚處于“弱人工智能”方向，暫處于單一處理多種數據分析能力。隨著人工智能的不斷完善，人工智能模型將能在市場中收集更多的數據進行演算，可以分析更大工程復雜的大數據。數據和隱私風險也隨之增長，會導致市場監管風險難度增大，數據泄露和人工智能發生故障及人為編程錯誤的可能發生概率加大，也隨著安全、隱私和公司數據泄露等風險，導致了市場監管的缺失。

3 人工智能在未來的發展過程

人工智能技術衍生出來新一代的產業變革，在世界各國都定制了各領域的人工智能發展規劃和布局，是新產業和新領域開發的起點。在金融機構、技術和金融科技公司對人工智能投資增長重燃了興趣;谷歌確立了從“人工計算”轉向“智能計算”的重要戰略;在人工智能交通領域中，百度有著重要的突破，成為中國人工智能的扛旗者。在人煙稀少的新疆，與微軟一同合作布局人工智能，成為無人機行業在農業以及生態監控領域有著重要的突破。BlackRock、Two-Sigma、Renaissance Technologies等基金管理公司利用人工智能，在對風險管理的規避及市場風險的防控有著重要的戰略部署。螞蟻金服也利用人工智能技術，在金融市場風險中提升風控能力，提高效率，改善用戶體驗和減少大量的信息不對稱性。人工智能廣泛分布在各個領域當中，在市場風險監控有著重要的突破。人工智能日益成為我國新經濟發展的新領航。

人工智能從“淺層思維”轉換為“多維思維”，在某些領域從“單一化判斷”走向了“多元化判斷”。隨著數據、算法、程序源方面的技術有著重大的提升，人工智能在未來市場風險控制將更好的呈現。

3.1 從“快速思維”到“智能思維”

市場風險領域中，人工智能有著專業化的推理突破，在多個領域中能夠有效判斷市場風險潛在危害。多個國家將人工智能管控風險作為今后發展戰略之一;在Aidiya、Sentient Technologies公司通過實現“數據濃縮”，使用機器學習和進化算法的結合來有效進行“智能思維”判斷進行有效分析識別潛在市場分析;螞蟻金服有著決策算法策略（Algorithmicdecision），通過程序框圖同時進行大量數據的判斷，能夠有效地提升服務效率，有效降低市場風險的潛在危害;人為手動布局算法流程復雜，大量的數據分析和條例大大地降低效率。人工智能能夠改善服務成本大的問題，從而真正地實現智能高效市場的風險規避。

3.2 人工智能提高市場風險判斷的準確性

人工智能需要利用大量的數據進行對市場風險的判斷，通過對舊數據的匯總分析，進一步預測市場風險中現金流和收益利差的嚴重變化，有效規避收益率曲線風險，有效進行對重新定價的不對稱性有著重新分析。隨著人工智能和機器學習的結合，可以給市場風險中的匯率風險、基準風險和股票風險有著重要風險防范。通過人工智能的分析有效防止在部分國家政策法規的變更，金融交易活動存在著過度的投機現象的存在，能夠促進市場風險的穩定發展，能夠更快、更有效的幫助各個行業解決存在大量數據的分析和信息不對稱等潛在風險問題，能夠通過非結構化的數據結構化，通過各地區行業的關聯形成企業知識網，從而降低企業面臨著重要市場風險和公司存在的潛在債務危機。人工智能技術能夠對客戶的金融要求和對市場風險的管控進行精確分析，潛在市場風險管控會成為未來在各行業的常態，傳統風險分析模式將逐漸推出各行業的管控模式。

參考文獻：

[1]谷政，石巋然.金融科技助力防控金融風險研究[J].審計與經濟研究，2020，35（1）：11，16-17.

[2]任立位.人工智能發展及在金融支付上的應用[J].金融科技時代，2020，28（3）：22-27.

[3] 譚鐵牛.人工智能的歷史、現狀和未來[J].求是，2019（4）：39-46.

[4] MARIA KOROLOV.人工智能項目失敗的6個原因[EB/OL].（2019-08-14）.http：//www.robot-china.com/news/201908/14/58348.html.

[5]易憲容，鄭麗雅，何人可.金融科技合約關系的實質、運行機理及風險防范[J].社會科學， 2019（5）：40-49.

[6]吳田，胡海青，張丹，等.基于復雜網絡的交叉性金融業務風險傳染仿真[J].系統工程， 2018（1）：26-34.

[7]周小川.守住不發生系統性金融風險的底線[N].人民日報， 2017-11-22.

[8]邱兆祥，劉永元.金融科技發展對金融穩定的影響及對策研究[J].教學與研究， 2019（2）：28-34.

[9]楊成長.多管齊下防控系統性金融風險[N].中國證券報， 2018-03-24.

[10]Euromoney Institutional Investor Thought Leadership.機器中的幽靈：金融市場中的人工智能、風險及監管[R].2016.

[11]漆遠.云棲大會 金融智能專場——金融智能的發展實踐與思考[EB/OL].（2019-09-20）.https：//kuaibao.qq.com/s/20190929A0LKA400？refer=spider.

[作者簡介]陳瀚彬，男，漢族，廣東東莞人，就讀于廣東理工學院，研究方向：金融。