当前位置:综合财经 > 正文
人工智能对金融创新的影响与挑战

  一、人工智能适用于我国金融创新的基础条件

  (一)契合发展的内在需求

  传统金融行业依靠大量的人力,金融科技是解决服务低效痛点的重要途径,从计算机时代的业务电子化到互联网时代的金融网络化,金融领域实现跨越式发展。在人工智能时代,科技将引领金融再创新高。此外,金融行业多年来积累的海量数据以及全球超过ZB数量级的数据资源是人工智能应用的主要驱动因素。

  得益于CPU、GPU、TPU等硬件储备的优势,云计算对运算能力的提升和大数据对知识资源的广泛运用,金融数据的价值越来越凸显出来。传统金融机构与互联网巨头都陆续推出了各自的智能应用,使得金融服务更加简单、高效和友好。邮储银行的智慧网点不仅提供自助业务办理服务,还由机器人承担客户引导等工作。支付宝人工智能客服“小蚂答”在2016年双十一期间自助率达97%,2017年新增“未问先达”功能。

  (二)深受技术成熟的驱动

  人工智能近年来的快速成长与算法的进步密不可分。机器学习通过对样本内数据的训练和特征提取,实现对样本外数据的分类和预测。人工神经网络模拟人类大脑,通过神经元之间的互联来分析规律。生物特征识别技术通过采集指纹、人脸、虹膜等生理特征信息和声音、字迹等行为特征信息来判断个人身份。

  自然语言理解技术攻克的难点在于结合上下文语境对语义的约束和影响,分析有歧义语句和缩略语,进而能与人产生合理的对答。在力学定律和控制理论的框架下设计出的机器人能够根据指令完成相应动作,从而代替人类完成重复性的工作。2017年,美国、中国和日本的人工智能专利数量占全球总量的74%;其中中国人工智能专利数量平均每年增速43%,仅2016年就达到2.9万项申请[8]。开源平台如谷歌的TensorFlow也降低了人工智能技术的应用门槛。在语音识别领域,百度自主研发的深度语音识别技术Deep Speech 2在识别英语时的速度已达到了人类的3倍。

  (三)获得市场环境的促进

  随着我国信息化和工业化的不断融合,制造业向中高端不断迈进,人工智能产业有着巨大的市场成长空间。2016年,全球人工智能领域融资事件数超过6百宗,总融资额超过5亿美元;其中,美国、中国和英国的人工智能企业数量占到全球总数的66%。中国人工智能产业规模已于2016年突破百亿元,预计2018年全球规模约为2700亿元,2019年中国规模约为344亿元。科技巨头和新兴创业公司的腾飞促使人工智能应用落地。

  在国家发改委公布的《2017年“互联网+”重大工程拟支持项目名单》22个项目中,有百度、科大讯飞、腾讯和云丛科技4个人工智能公司。在2017年《麻省理工科技评论》评选出的全球最智能的50家公司中,蚂蚁金服等9家中国公司榜上有名。我国把机器人产业列为 “中国制造2025”行动纲领的重点之一,设定了到2020年每年生产自主品牌工业机器人10万台和每万名工人拥有机器人150台的目标。在服务机器人领域,我国大疆科技生产的无人机占世界80%-90%的市场份额。市场的繁荣为金融领域开展人工智能创新的产业合作奠定了坚实的基础。

  (四)响应国家发展的战略

  人工智能强国博弈的局面正在形成,中国奠定全球领先地位至关重要。美国政府连续发布《为未来人工智能做好准备》、《国家人工智能研究与发展战略》和《人工智能、自动化和经济》等一系列重要文件;日本发布的《复兴战略2016》将人工智能列为重中之重;英国的《人工智能对未来决策的机会和影响》和法国的《人工智能战略》都将人工智能推向国际综合实力的角逐舞台。2017年3月人工智能被写入全国政府工作报告,7月国务院印发了《新一代人工智能发展规划》,12月工信部发布《促进新一代人工智能产业发展三年行动计划》。我国陆续出台的相关政策为人工智能在金融领域的创新提供了有力的保障。

  二、人工智能对金融创新的影响

  人工智能技术与金融的深度融合是这两个领域深化发展、探索创新的必然结果。人工智能在前端可以使金融服务更加个性化,营销更加精准化,改善客户体验;在中端可以学习和分析历史数据,支持各类交易的决策,使金融服务更加智能化;在后端可以用于风险识别和防控,使管理流程更加自动化。人工智能既能在客户端优化资产配置,又能在商户端提高工作效率,打造全流程的智慧金融。

  (一)改善客户体验

  面对客户群体的扩张和客户需求的变化,金融服务急需改善客户体验。截至2017年6月,我国网民规模达7.51亿,手机网民规模达7.24亿。借助微信平台的私人化特征和安全认证体系,金融机构着力搭建线上智能客服问答系统。

  建设银行的“小微”累计服务用户数突破10亿人次,远超4百人热线座席的服务总量两倍。工商银行的“工小智”,单日最高服务量突破百万。邮储银行挖掘微信客户重合度,发展贷款业务。人工智能首先通过对来自电子渠道的文字和语音进行意图识别,再根据识别结果对接提前建立好的知识库进行查询,或进入企业系统优化业务流程,最后将结果以适当的方式反馈至渠道终端,完成交流。同时,智能客服通过对日志信息进行有效的识别、分析和挖掘,为客户服务与客户营销等提供数据与决策支持。积累的历史数据还有助于智能客服系统进行知识学习和更新,为改善问答提供参考与依据。

  (二)拓宽服务范围

  人工智能通过降低人工成本,拓宽了金融服务的覆盖范围。在客户端,智能投顾用机器代替传统投资顾问,以产品代销与研发相结合,培养了客户的理财习惯,拓宽了财富管理的经营范围。智能投顾还能提升了解投资者风格偏好的渠道维度,除了通过传统调查问卷的方式统计其年龄、资产和投资期限,还能利用非结构化数据更客观地衡量投资者的风险承受水平。智能投顾根据投资者的收益目标匹配算法,提出个性化的投资建议,再依据市场动态对资产配置进行调整和优化。美国智能投顾市场的资产规模以年均68%的速率增长。

  另外,伴随人工智能技术的突破,由金融分析师编写函数、设计指标和分析数据而进行的量化投资不断扩张市场规模。全球最大的对冲基金Bridgewater Asspcoates自2013年起运用人工智能技术跟随市场变化和预测行情走势,投资市场逾120种,持仓组合逾百种。日本Alpaca公司的交易平台Capitalico利用图像识别帮助客户分析交易图表,并基于交易员的经验深度学习非结构化的信息。国内的量化交易还处于初级发展阶段,京东量化平台和MindGo分别借助京东集团和同花顺的资源优势,进行智能化策略的开发与研究,为客户提供投资方案。

  (三)增强风控能力

  金融风控业务流程复杂,涉及用户资料收集、反欺诈、合规、逻辑校验等较多环节,完全依靠人工费时费力且容易滋生群体欺诈。人工智能对解决传统风控业务痛点发挥着重要的作用,有效提升事前预警、事中处理和事后监督的综合能力。通过把客户行为分析和资产负债状况相结合,利用移动终端设备和IP地址等多层次信息构建的客户关系图,人工智能突破了识别联系人中借贷人个数等简单风控因素的传统手段的局限,深度延展了金融风控的覆盖范围,广泛管控网络全局风险。

  尤其是全国约有5亿人口不存在持牌金融机构的强征信记录,需要依靠人工智能挖据客户多维数据的金融价值,通过对网页浏览、通话记录、电商消费、出行线路以及社交网络的统计分析,勾勒出精细的客户信用特征。京东金融和微众银行已经尝试通过社交数据、信用积累、商户管理和欺诈侦测等模型,对客户进行分类并评估还款的意愿和能力。人工智能促进征信审批自动化,还降低了小微企业融资的难度,助力普惠金融的发展。

  此外,生物特征识别技术可用于识别客户的身份与行为,相较于传统鉴定方式更加便捷,有助于金融机构的安全监控。其中,人脸识别已被应用于银行开卡、账户登录、支付和取款等金融范畴。红外双目摄像头活体检测技术可抵御照片、面具、视频等身份伪造。英国Atom Bank是一家摆脱网点限制、完全通过手机平台进行金融服务的数字银行,实现人脸识别和声音识别的双管齐下。中国农业银行于2017年在全国37个支行实现了人脸识别取款系统,并结合动作和唇语等活体检验,提高准确率。支付宝于2017年9月在杭州推出的人脸识别支付服务实现了全球首次成功商用。

  (四)提升研究水平

  智能投研为包括研究人员和基金经理的个人客户和包括金融机构和商业媒体的公司客户,提供从数据到结论的一站式解决方案。智能投研既能从宏观经济周期角度分析,涵盖行业轮动规律和上下游产业链趋势,又能从微观层面发掘热点事件对公司价值产生的影响。智能金融搜索引擎能自动而快速地完成大量相关信息的动态检索和报告的撰写。美国Kensho公司的产品Warren利用知识图谱构建起事件数据库,从中不断强化学习。

  AlphaSense公司则充分利用研究文献、公司证明、实时新闻等碎片信息,挖掘数据价值,为投资决策所用。目前国内的智能投研还未形成规模,金融数据不丰富甚至残缺的致命缺陷使得数据标准、关联架构尤为重要。萝卜投研和文因互联等公司通过智能搜索提高客户信息挖掘和处理的效率,辅助投资报告的自动生成。天弘基金和嘉实基金均搭建智能投研平台,为投资决策提供系统性支持。数据服务商如wind、东方财富、同花顺和恒生聚源等公司的壮大也成为智能投研发展的核心推手。

  三、人工智能在金融创新中面临的挑战

  人工智能技术发展得日新月异,应用也渗透到生活的方方面面,但对金融创新而言要谨慎面对一系列挑战。

  (一)对数据提出高要求

  数据是人工智能时代重要的生产资料,数据的数量和质量都要符合更高的要求。

  一是面对大体量和多种类的数据,治理方式要与时俱进。传统金融机构的数据架构模式是按照产品和业务种类区别存储和使用的,成本控制和标准的不统一限制了数据整合和调用的能力,导致历史数据存在质量参差不齐、单位不尽统一、部分数据缺失有误等问题。然而,未来基于客户视角的数据分析需要提高数据处理效率。

  二是数据的采集和使用的过程中要避免泄露个人隐私。随着数据规模的扩大,金融机构不仅使用内部数据,也将引入外部数据,甚至将逐步输出数据。如何采集和保护客户个人信息的私密性应引起高度重视。生物信息一旦遭受黑客攻击,或被不法分子掌握,对于身份鉴定系统将产生致命的打击,进而威胁整个社会信用体系的安定。

  (二)自主研发能力不足

  金融具有关乎国家命脉的特殊地位,自主研发能力是其拓展人工智能创新应用的基石。虽然我国在人工智能领域与其他发达国家差距不大,产业规模也逐年增长,但是也应该清醒认识到我国在人工智能基础研究、产业布局、品牌经营和认证体系等方面的短板。根据国务院《新一代人工智能发展规划》的要求,我国人工智能技术和应用将于2020年达到世界先进水平,于2030年达到世界领先水平。只有我国人工智能产业不断掌握核心算法和高端部件的制造实力,金融创新才能有底气在国际市场中积累竞争优势,实现弯道超车。

  (三)大量基础设施投入

  人工智能本身需要大量的运算。仅为围棋应用而定制的AlphaGo Distributed 就拥有1920个CPU核心和280个GPU。而金融应用实时性、可靠性和安全性的特质也决定其对传感器和芯片等硬件设备和网络的抗压能力等要求更高。随着创新的深入和规模的扩张,金融机构需要不断增加存储和通讯等基础支撑的投入成本。如果短期内没有显著收益,占用的资源对金融运营势必造成负担。另外,金融机构还应注意在设备更新换代过程中以国产代替思科路由器、甲骨文数据库和IBM存储器等进口设备,逐步摆脱对欧美发达国家产品的依赖程度,以避免金融系统安全受制于人的潜在风险。

  (四)保守态度阻碍发展

  传统金融机构中存在着因循守旧的思想,会阻碍创新决策的速度和推进的力度。有人认为传统经营足够成熟,畏惧人工智能产生的不可预知的风险,不愿意承担创新责任。也有一部分基层工作者担忧人工智能对人力的替代作用会影响个人的发展前途。此外,监管环境日趋严格,对智能投顾等新兴业务的执业许可牌照的规定尚在讨论之中,也成为保守的金融机构对人工智能业务创新持观望态度的理由之一。

  (五)生态系统尚未建立

  人工智能的金融创新目前处于探索阶段,各机构独立开展研发、生产和测试,没有建立统一的技术标准、行业规范和协同机制。由于人工智能的复杂性,涉及到的操作系统和通信协议的些许变动都会影响创新应用的布局和扩展。个体单打独斗能力有限,尤其技术力量薄弱、投入成本较小的金融机构不具备先发优势,难以在大浪淘沙的市场竞争中生存。各自为营的局面使金融体系整体战略目标不一致,系统间不完全兼容,难以形成坚固的生态圈,无法保证创新的可持续成功和稳定的发展。

  四、对我国金融行业开展人工智能创新的建议

  我国金融行业的科技建设投入逐年递增,2017年已超过千亿元,为人工智能创新应用的落地起到了推波助澜的作用。基于前文中人工智能对金融创新的影响和挑战的分析,针对我国金融行业的现状,笔者提出如下建议。

  (一)战略规划

  我国金融行业应首先制定有认知前瞻和指导意义的人工智能战略发展规划。国家战略层面正在加快人工智能的布局,制定了我国人工智能核心产业规模的三步走计划:2020年超过1500亿元,2025年超过4千亿元,2030年超过1万亿元。建议金融行业相应国家号召,对人工智能创新进行顶层设计,可包括整体目标制定、组织架构调整、业务流程优化、IT实施方案和监管机制措施等方面的部署。各金融机构在思想和标准高度统一的前提下,配合完成对现有资源配置的调整和升级,逐步形成鼓励创新、严肃活泼的氛围,建立起坚不可摧的金融生态系统。

  (二)以客为本

  金融行业在人工智能时代仍要牢牢把握以客户为本的服务宗旨。伴随着最后一批“90后”客户步入成年,庞大的年轻客户群体将成长为金融服务的主体。金融机构应以科技为手段,从多种维度的数据中深层挖掘信息价值,洞悉老、中、轻客户多种层次的业务需求,释放长尾市场的活力。

  客户基本信息等结构化数据和社交网络信息等非结构化数据都可以被金融行业充分利用,从而构建更立体的客户画像,精准分析出客户的喜好。以智能投顾为例,现阶段国内应用主要服务于广大短线投资者,未来将逐步发展出ETF、股票、期权、债权、房地产、养老金等多元化资产组合模式,通过不断完善核心模型和算法,服务更多类型的客户。建议金融行业利用人工智能技术打造不同的应用场景,为客户提供个性化的服务方案,维护客户关系的核心竞争力,使金融发展更加智慧化和人性化。

  (三)警惕风险

  金融市场复杂多变的特殊性要求从业机构清醒认识人工智能的生命周期和局限性,警惕技术风险和安全隐患。人工替代和产业升级是推动人工智能快速发展的重要因素,但是也决不能盲目替代现有基础设施和人员配备,不能急于求成。智能客服对于机器无法单独解决的复杂问题可以转接人工服务,实现人机结合的补充途径。

  为了确保客户账户的安全,生物特征识别技术在金融领域的创新应用可与传统手机密码验证等措施相配合,并允许用户随时终止使用该功能,以及配套为账户冒用损失担负保险赔偿等举措。人工智能与金融领域的结合要循序渐进、按部就班。建议各金融机构结合自身的现实条件,寻找适合的发展路径,集中优势资源从易于突破的业务着手,先启动投入少、回报高、见效快的试点项目,再根据不同的发展阶段逐渐实施推广。

  (四)投资建设

  金融行业应发挥自身的资金和人才优势,积极投资和推动人工智能的基础研究和设施建设,支持自主研发。

  一是持续完善金融数据的治理和整合、硬件升级、软件升级、技术研发,以及系统维护。

  二是注重培养金融行业在人工智能领域的领军人才、专业人才和后备人才,为既懂业务又懂技术的优秀人员搭建良好的成长空间。

  三是一边大力发展金融创新实验室,积累经验;一边与外部机构开展创新合作,跟踪前沿。此外,金融行业还应认识到人工智能对新一轮经济增长起到的催化作用,通过投资带动传统产业转型升级,激发新兴行业的热情,以身作则,提高社会资源利用率。

(文章略有删减)

相关链接:

作者:蔡然 来源:邮银研究 发布时间:2018-06-08 08:08:31
 
 
  我要发表留言  查看所有评论
 

*
 限制字数显示剩余字数,最大长度: 500 还剩: 500
用户名:
       尊重网上道德,承担一切因您的行为而直接或间接导致的民事或刑事法律责任