大數據、人工智能在金融領域應用研究

葉津汶

隨著互聯網基礎設施的完善、數據信息的積累、理論算法的優化和計算能力的提升，人工智能也邁向深度應用、跨領域融合、迅速發展的新階段，推動了金融業在內的經濟社會各行各業快速實現智能化和數字化。人工智能與大數據在金融領域的融合發展、廣泛應用，不僅為建立現代化經濟體系打下了基礎，還加速了新時代金融業的升級和轉型。人工智能與大數據在賦能智慧金融時，會伴隨著一系列新的風險，所以必須不斷創新金融監管，以應對相關風險性問題。

大數據有助于金融市場合理定價

現階段，大數據、云計算、人工智能技術被廣泛運用于金融行業，金融大數據深度挖掘能力和信息實時處理能力得到躍升，實現了金融信息創造功能，確保了金融價格信息的豐富性、及時性和精準性，提升了金融風險管控能力和金融交易效率，優化了風險資產定價功能。資產價格、資金價格都屬于金融市場價格信息的覆蓋范疇。從資本市場發布的動態信息中所獲得的是資產價格，而資金價格是由貨幣市場和商業銀行提供，其可以用利率來表示，股票價格指數可表示資產價格。在金融業務及服務中融入人工智能、大數據和云計算等技術，可以提升資金流轉速度和使用率，加快清算支付效率，推動了金融行業內的良性競爭，借助資金價格可以引導資金有序流動，更加精準地反映貨幣市場資金供求關系。在實時報價系統、證券交易系統中合理引入人工智能、大數據及云計算等先進技術，是資產價格具備市場價值的充分體現。因此，必須發揮大數據技術的數據分析及處理功能，使金融市場價格發現能力和金融行業價格信息提供能力均得到優化和提高。

應利用大數據技術積極為金融機構、金融客戶、企業、投資者和居民建立金融開放式平臺，并制定金融產品最優競價交易制度。各類金融服務平臺在大數據技術的有力支持下，為金融機構等提供優質的金融服務價格和金融產品，這都是其共同參與競價所產生的結果。要想打破金融機構、金融客戶、企業、投資者和居民之間的信息壁壘，就必須充分發揮大數據金融便捷、快速進行數據分析和實時處理的能力，降低傳統金融市場信息收集、監督履約、談判及違約處理的成本，使金融交易成本市場區間范圍得到縮小，推動金融產品競爭價格的形成，優化金融大數據。

人工智能金融的內涵、外延及應用場景

應立足于客戶體驗感與實時需求，在金融領域靈活應用人工智能技術。金融領域要合理運用人工智能創新技術，依托完善的計算模型和龐大的數據信息，對金融服務整個流程實現全方位貫穿，制訂安全性強、效率高的金融解決方案，在打造的創新型產品中深度融合金融服務、人工智能等技術。自然語言處理、生物識別和機器學習等是人工智能應用于金融領域所涉及的主要內容。而在金融行業應用最廣泛的人工智能技術則非機器學習莫屬，通過深入研究龐大的金融大數據規律，學習相關方法，并將其靈活運用到金融業務的不同階段中，進一步簡化辦事程序、提高效率。金融行業應用較為廣泛的生物識別技術包括指靜脈識別、指紋識別、人臉識別等。自然語言處理技術可以從行業研究報告等文本中準確獲取重要信息和指標，推動金融業數據分析效率和信息收集能力的整體提升。

就金融業業務板塊而言，風險控制、投資和服務是人工智能技術應用于金融行業的三個主要方面。從金融業務執行的前中后端順序來看，前端智能身份識別和智能客服、中端智能風險控制和智能營銷、后端智能量化交易和智能投資顧問等是人工智能在金融領域的主要應用場景。具體而言，提高效率、降低費用是金融行業對人工智能的主要需求。第一，在金融風險控制、智能投資顧問等領域應用人工智能數字化技術，并按照算法策略要求予以嚴格執行，與傳統的人工操作相比更加便捷高效、客觀具體，通過人工智能推動了技術能力的整體躍升。第二，人工智能的應用使金融服務成本得到大幅降低。因此，在人工智能等前沿技術的大力支持下，風控、資產投資以及金融服務等重要領域將逐步實現智能化。

大數據、人工智能在金融領域應用中遇到的挑戰

一、挑戰傳統金融監管體系

由于大數據對金融行業的影響面甚廣，若金融監管體系不能覆蓋到位，對日常監管工作而言將面臨巨大的考驗，極易引發大數據金融危機。

人工智能深入發展帶來了技術變革紅利的同時，也導致監管環境更加復雜化，其中包括監管對象的多樣化、責任主體的復雜化和法律界限的模糊化。第一，算法是人工智能的核心。通常所說的“算法黑箱”就是指人工智能算法不具備透明性和公開性的問題，這也是人工智能所帶來的諸多新型重大問題中的一個。應該如何通過法律制度促進算法的規范化，是對“算法黑箱”的挑戰，已然成為當下迫切需要解決的難題。第二，嚴格落實反洗錢監管。隨著人工智能化時代的到來，很多金融業務都可以進行遠程操作，從真正意義上實現了無紙化辦公，但這也大大增加了有關部門追蹤資金來源及去向的難度。第三，潛在影響了市場監管。金融機構的風險管控如果采取自主學習和人工智能等方式，不僅會導致微觀金融風險的加劇，還會引發順周期行為，嚴重影響市場環境的穩定性。

二、尚未完善風險控制管理體系

金融行業的核心就是風險控制。必須緊緊圍繞風險這個話題，對整個大環境及個體進行數據分析。金融企業要想順利開展金融服務，并且在線上融資、信貸投資等方面最大限度地控制風險，就必須及時引進大數據技術。消費金融公司、小額貸款公司、銀行等金融機構只存在金融產品、客戶群體和風險偏好等方面的差異，它們的底層業務邏輯基本相似，并且普遍都有風險控制的需求。金融機構與金融大數據技術結合不緊密，且尚未完善風險管理體系，致使金融大數據應用于信貸業務進行風險控制的過程中，缺少相關風險預警機制、退出機制和激勵機制，不可避免地提高了風險發生的概率。

基于大數據的人工智能，在其業務開展時需要對海量個人信息進行收集、利用、分析和處理，其中不可避免地會涉及個人資料信息的保護、個人隱私權利的維護等方面，如何做好保護工作，是當前亟待解決的問題。雖然人工智能技術顯著降低了人力、物力消耗成本，為金融行業的發展帶來了極大的便利，其在信息處理方面的優勢也是有目共睹的，但在遭遇不法分子攻擊網絡時，也會面臨極其嚴重的不良影響。因此，必須確保數據的準確性、真實性和廣泛性，才能真正推動智能金融的發展。

三、專業人才隊伍仍有缺陷

現階段，我國大部分金融機構缺乏大數據金融領域的優秀人才，高精尖金融人才更是極度匱乏，已然成為首要招聘對象。當代傳統金融人才總體素質有待提高，知識結構比較單一，無法跟上大數據金融快速發展的步伐。互聯網高端人才的流失率過高，大數據金融技術型人才十分稀缺。此外，金融機構工作人員對待工作缺乏積極性和創造性，這也在一定程度上制約了大數據金融創新服務領域的發展。

人工智能在我國起步時間晚，研發能力薄弱，對關鍵性技術沒有展開深入研究，所以在金融業未能被廣泛應用。智能金融作為一個新興行業，在國內只有極少數高校設立了人工智能專業，既了解金融專業知識又掌握人工智能技術的復合型專業人才嚴重匱乏，對人工智能在金融領域的應用產生負面影響，制約了金融業的可持續發展。

大數據、人工智能在金融領域應用的改善路徑

一、推動監管體系創新

現階段，我國已經建立了與金融數據保護相關的法律體系，實現了多個領域的全面覆蓋，層次更加豐富。具體來講，就金融科技企業而言，應從網絡平臺個人信息使用的規范、流程及標準等方面入手加以明確，大力懲處、披露違規使用數據的行為，并且在監管范圍內納入企業經營所產生的商業數據與交易數據。在銀行數據開放共享領域制定指導性及可操作性都很強的數據公開標準，明確規定好質量標準、數據更新及公開的范圍，使數據開放程序更加具有規范性和標準性。

在金融監管過程中合理應用先進技術，并將人工智能和大數據應用于各項金融業務中，以便于追蹤隱藏于海量數據中的關鍵信息，通過智能化的機器深入挖掘各類問題、分析相關風險，實現智能金融的同步追蹤。

對各地金融機構經營管理數據進行收集是大數據非現場監管的核心技術方法。一是在大數據平臺的基礎上，建立監管數據集市，基于此全面分析各地金融機構合法合規情況、經營管理及風險管控情況，并綜合評價風險管理中存在的問題及穩健性。二是群體劃分高頻交易客戶，建立用戶畫像體系，充分發揮動態鏈接、客戶畫像及機器學習等技術的作用，實時監控一批交易異常的賬戶，以便于更加及時、準確地發現問題。三是在風險監測預警系統中，合理運用GBDT、XGBoost以及神經網絡等機器學習算法，借助模型準確評估數據集，使監管自動化程度得到顯著提升，從而有力甄別各類風險。

二、重視風控的基礎工作

金融大數據在應用于風險控制的過程中存在諸多障礙，影響其有效性的充分發揮，所以金融機構應立足于基礎數據，為客戶數據的連續性、真實性和有效性提供可靠的保證，以此確保運用于風險分析時的數據不僅有效而且真實。

要想切實增強跨市場、跨行業交叉性金融風險防范能力，就必須利用大數據、人工智能等技術。涉及跨市場、跨行業金融需要更加重視行業標準的規范化，落實標準化管理，加大信息安全保護力度。建立健全企業及個人征信體系，企業及個人信用的好壞對其未來發展具有直接影響，因此必須充分運用大數據實時分析、人工智能和交叉驗證等技術，以實現對退出程序、募投管理等內容的一體化風險預測及監管。政策理念的深化，一是金融機構要對國家重要政策進行深入研究，及時調整企業內部結構，以更好地配合國家各項決策，為金融智能化發展創造穩定的環境。二是在金融創新過程中，要先筑牢基礎，將各項基礎工作做到位，再攻克難題，按照循序漸進的原則進行政策引導，積極引進先進的科學技術，為金融行業注入新的生命力。

三、大力培養復合型人才

近幾年我國傳統金融業正向金融科技方向轉型升級，進一步優化了自身結構，通過對云計算、大數據和人工智能等先進科學技術的運用，使傳統運營方式得以改變，各金融機構在此過程中對復合型人才的需求量也在不斷擴大。

必須保證人才儲備的充足，才能確保大數據在金融企業的應用價值得到充分發揮。只有持續不斷地向金融行業輸入高質量的綜合型人才，才能為大數據金融的發展提供隨時可調用的、充足的后援支撐力量。現階段，政府、金融監管部門試著采用前沿技術處理、監督和管理金融數據，但科技水平仍有提升的空間。一是要促進技術監管水平的提高，二是要大力培養數據人才。

加大跨學科智能金融教育力度，使該領域的從業人員可以獲取到更多計算機、金融等方面的專業知識，高校在進行課程規劃時，應把金融知識貫穿于其他學科中，不斷推陳出新，以提高學生學習的積極性，探索人工智能、大數據分析等課程，增強課程的綜合性，全面提高學生的綜合技能。

金融、人工智能和大數據的融合應用，推動了金融行業邁入創新發展的新階段，進一步拓寬了金融服務范圍，使資金融通更具精準性、快速性及靈活性，重新塑造了金融生態與金融價值鏈，實現了金融產業的轉型升級，使應用場景更加廣闊、豐富。金融類企業、科技研發類企業在今后也將展開更加深入成熟的合作。此外，在融合金融、人工智能和大數據的過程中，必須高度重視相關問題，增強憂患意識，做好風險防范工作，確保數據的安全性，以實現共同發展。