895
機器人
巴曙鬆：“人工智能 金融”促進中國智能金融的新突破
導語
基礎層的雲計算、大數據等技術的逐步成熟，直接催化了人工智能的進步；深度學習推動算法上的突破，則帶來了人工智能浪潮，使得複雜任務分類準確率大幅提升，從而推動了計算機視覺、機器學習、自然語言處理、機器人技術、語音識別技術的快速發展。人工智能未來將會給各個產業帶來巨大變革，並產生更多的價值。基於目前人工智能在金融領域的應用場景，未來的發展趨勢又是怎樣的呢？
一、客觀的需求推動智能金融在中國市場快速發展
從不同時期的中國國家戰略重點觀察，2016年上半年之前，中國的國家人工智能戰略主要集中在智能製造和機器人層麵；到2016年下半年，中國開始重視人工智能的整體生態布局，為人工智能發展應用提供資金和創新政策鼓勵與支持。在這個環境下，金融成為人工智能落地最快的行業之一，智能金融也被列入了國家規劃之中。
智能金融是指人工智能技術與金融服務和產品的動態融合，通過利用人工智能技術，創新金融產品和服務模式、改善客戶體驗、提高服務效率等，而智能金融生態係統由提供人工智能技術服務的公司、傳統金融機構、新興金融業態以及相關監管機構共同組成。
基於普惠金融等需求，中國政府對金融提出了自動化和智能化的發展要求，銀行業最早嚐試利用人工智能打造智能化運維體係。《十三五國家科技創新規劃》中也明確提出重點發展大數據驅動的類人智能技術方法，推動科技與金融融合。《新一代人工智能發展規劃》更是對智能金融提出了明確的要求，如建立金融大數據係統，提升金融多媒體數據處理與理解能力；創新智能金融產品和服務，發展金融新業態；鼓勵金融行業應用智能客服、智能監控等技術和設備；建立金融風險智能預警與防控係統等。
智能金融的發展前景也吸引了日趨活躍的資本流入，近年來人工智能和金融科技項目的投資熱情高漲。2012—2016年，中國人工智能投資額和投資次數不斷上升，特別是從2014年開始進入爆發式增長。2016年，中國人工智能投資金額166000萬美元，投資次數達到285次（圖1）。中國金融科技投資額於2012—2016年也呈現快速增長，複合增長率為119%。2016年中國金融科技投資額為460萬美元，投資次數46次（圖2）。
圖1 2012-2016年中國人工智能投資額和次數
數據來源：CBinsights
圖2 2012-2016年中國金融科技投資額和次數
數據來源：CBinsights
技術層麵，深度學習使人工智能取得了新的突破。早期人工神經網絡的研究由於技術研究難度及有限的訓練數據和計算力在很長時間內處於發展瓶頸期；“深度學習”概念在2006年被首度提出，2012年其逐步實現了視覺識別和語音識別，引領人工智能技術走向商業化、產品化。
與此同時，居民可支配收入和可投資資產不斷增加，對金融服務的需求提出了新的要求，促使金融機構要尋求新的技術手段，來滿足這些新的需求。另外，經濟體係中還有不少的金融需求，在傳統的金融體係中因為高成本等原因，得不到有效的滿足，出現了不少的金融服務空白地帶，而如果可以有效引入智能金融，也有助於將金融服務引入到這些空白地帶。如圖3所示，2011—2016年，中國個人可支配收入一直保持7%以上的增長速度，2016年個人可支配收入已達33616元。個人可支配收入的提高使得金融行業資產管理規模不斷增長。根據貝恩與招行聯合發布的《中國個人財富報告》，自2011年以來中國個人可投資資產規模一直保持15%以上的增長速度，2011年至2016年複合增長率為17.72%。可投資資產規模增加、以及不同分層的客戶的金融服務需求出現明顯的分化，促使金融機構探索多樣化的金融技術手段來提升原有的金融服務效率。
圖3 2011—2016年中國個人可支配收入
數據來源：中國政府統計局
圖4 2012—2016年中國個人可支配收入與金融行業資產管理規模
數據來源：中國產業信息網
圖5 2011-2016年中國個人可投資資產規模
數據來源：貝恩中國財富報告
二、人人工智能在金融領域的應用場景
人工智能作為計算機科學的一個分支，試圖了解智能的實質，並生產出一種新的能與人類智能相似的方式做出反應的智能機器，主要應用場景包括信息收集與識別、信息綜合分析與預測、控製與決策等方麵。當前，按照金融機構前台、中台、後台三大主要模塊分類，人工智能至少可運用到金融的七大領域，前台為智能支付、智能營銷、智能交易，中台為智能風控、智能投顧和智能投研，後台為智能監管。相信未來隨著人工智能的不斷發展，可以應用到金融領域的場景會迅速拓展：
1.智能支付。金融用戶需要驗證身份的真實性，主要技術包括人臉識別、語音識別、指紋識別和虹膜識別等，這個場景努力的方向，就是要逐步使得金融產品能夠“看懂文字”“聽懂語言”，實現與用戶的無縫連接與協作，為公眾提供智能化金融消費體驗。
2.智能營銷。不同金融用戶擁有不同的風險承擔能力和意願，對金融產品與服務的需求具有差異性，而人工智能可以通過大數據技術精準刻畫用戶畫像，並基於此策劃營銷方案，進行精準營銷和個性化推薦，同時實時監測，不斷優化營銷策略，建立用戶數據庫，幫助企業引流獲客、留存促活。
3.智能交易。通過建立金融業務智能感知與處理係統，使得電腦代替人腦，模擬人腦的邏輯思維完成信息收集、數據建模、推理判斷、結果預測等，將交易策略變成電腦程序，做出最優化的交易決策。即用“電腦判斷+電腦操作”代替“主觀判斷+人工交易”。
4.智能風控。利用大數據人工智能技術，可以使用海量的多維度數據，塑造出高度精細化的風險控製模型，在感知金融環境的動態變化基礎上，不斷進行深度挖掘與智能學習，實現針對市場變化的適應性更新調整。
5.智能投顧。又稱機器人理財、或者也有叫做數字財富管理等，即機器人根據個人投資者提供的風險承受水平、收益目標以及風格偏好等要求，運用一係列智能算法及投資組合優化等理論模型，為用戶提供最終的投資參考，並依據市場動態對資產配置調整提供建議。
6.智能投研。投資研究工作涉及到大量的資料搜集、數據分析、報告撰寫等內容，智能投研是基於知識圖譜和機器學習等技術，搜集並整理信息，形成文檔，供分析師、投資者等使用，輔助決策，甚至自動生成投研報告。但智能投研缺乏創新性，因此在技術提高效率的同時，人機協作可以大大提高投研質量。
7.智能監管。全球每年產生約3億條法律法規數據，，人工儲存難度較高。通過人工智能學習、積累金融法規，並結合金融機構的實際情況提供合規建議。機器可以從海量的交易數據中學習知識和規則，發現異常行為，對欺詐與洗錢行為進行警示。
三、智能金融：在挑戰中走向新的發展階段
1.智能金融麵臨潛在挑戰
從技術層麵看，目前智能金融發展進程中的潛在挑戰主要有以下幾個方麵：第一是基礎設施層麵，具體包括通信、架構、係統、應用和數據安全等問題，隨著人工智能等技術在金融中的應用，金融網絡安全的重要性也相應提高。因為金融體係對智能科技越依賴，那麼，這些技術層麵如果出現故障可能產生的衝擊也就更大。。第二是數據聯通及有效應用的實現障礙，目前用戶數據高度集中在少數幾家企業中，容易形成數據寡頭現象，帶來一定程度的數據壟斷，造成所謂的數據鴻溝問題，形成信息孤島，不利於智能金融公司數據的聯通。並且如果數據使用不當，精確的數據挖掘也可能會導致不合乎現實乃至荒謬的結果，如何深入理解數據與金融的邏輯，挖掘數據真正的價值成為了又一大挑戰。第三是對智能金融認知偏差可能會導致一定的信任危機，從發展進程評估，目前人工智能還處於“弱人工智能”階段，大部分智能金融還處於概念階段，距離其真正落地還有很多問題待解決。如果在目前的發展水準上就一味對智能金融過於誇大事實，使得大眾的期望值比較高，一旦出現一些故障，就容易造成信任危機。
2.智能金融未來走向
從目前的進展看，人工智能在金融領域的應用，開始優化金融現有流程，在前端應用於服務客戶，在中台支持授信、各類金融交易和金融分析中的決策，在後台用於風險防控和監督，使金融服務更加個性化與智能化、金融風控能力更強。展望未來，智能金融呈現出以下幾個方麵的發展趨勢：
（1）創新傳統金融業態，促進智能技術與金融的融合，逐步實現智能化、場景化、個性化。智能化為基礎，可分為三個層次：第一層次為Robot，即可以實現簡單的數據收集整理工作（可以簡單視為助理分析師）；第二層次為Smart，即可以實現數據的簡單分析（初級分析師）；第三層次為Intelligent，即可以實現數據的決策支持和深度洞察（高級分析師）。場景化即使金融業態更貼近生活。同時通過智能金融驅動金融服務和產品的創新，提供多元化選擇，實現相對個性化的金融服務。
（2）降低金融服務成本，使得金融業能夠覆蓋到傳統的金融體係覆蓋不到的客戶與領域，推動金融普惠化。智能金融中的智能營銷可以幫助金融機構精準定位客戶，減少不必要的營銷成本；智能風控在整個業務流程中可提高風險識別、預警、防範及風險定價能力，也可以降低風險甄別成本。而經營成本的降低是基於整個金融業務流程的智能化，實現從部分到整體的成本降低。智能金融總體成本的降低將擴大金融產品和服務的範圍、拓展用戶基礎，推動金融的普惠化。
（3）技術企業和金融企業參與智能金融雖然是基於不同的起點、比較優勢和路徑，但是從趨勢看呈現出相互影響、相互融合的態勢。。金融機構與科技公司的合作方式主要包括購買、投資並購、建立加速器等，目前金融機構與科技企業之間的往來大部分停留在向科技公司購買技術服務，或與科技公司合作建立聯合實驗室。出於規避金融機構與科技企業合作存在的信息技術安全、監管不確定等問題或對長遠發展的考慮，未來金融機構有望以更深入協作的方式成為技術的共同所有者。而技術企業表現出的活力，和對市場的敏感，也會深刻影響傳統金融行業的金融服務方式。
來源：金融讀書會
最後更新：2017-10-08 06:57:35