论文部分内容阅读
摘要：近些年人工智能技术获得了快速的发展，并迅速应用于各个行业领域，其中金融行业也不例外。人工智能技术大大提高了金融行业的服务质量和服务效率，有效推动了金融行业的发展。
关键词：人工智能；金融行业；影响
当前人工智能领域的发展已经引起了世界各个国家的广泛关注。在该背景下，我国政府和资本市场对于人工智能的重视程度也逐渐提高。2017年我国首次将人工智能写入了《政府工作报告》。据相关数据统计显示：截至到2017年7月，全球总共有2542家人工智能企业，其中美国占有1078家，所占比例为42%，中国排名第二，人工智能企业为592家，所占比例为23%。虽然相比美国中国在人工智能发展领域还存在较大差距，但是该差距正在逐渐缩小，中国的人工智能水平已经处于世界先进水平。人工智能在包括金融行业在内的多个行业均具有普遍应用。20181月17日，跃然科技在上海发布了一款人工智能交易系统——“爱（AI）交易”系统，同时也宣布首款基于爱交易系统的私募基金产品——跃然人工智能交易基金的成立。因此在人工智能发展的大背景下，积极探索人工智能对于我国金融行业的应用和影响具有积极的现实意义。
1 人工智能应用于金融领域的驱动因素
1.1 供给因素分析
供给因素主要包括两部分，分别为公共因素和特有因素。其中公共因素主要包括：（1）计算机处理速度提高，相关软硬件成本降低，云计算以及大数据技术逐渐成熟，大大提高了计算机的处理能力。（2）数据存储分析成本明显降低。近些年数据库相关软件算法的不断研发大大降低了数据在存储、解析以及分析方面的成本。（3）数字化服务以及网络服务逐渐普及，在很大程度上促使用于学习预测的数据集呈几何式增长[1]。据相关数据统计显示，从2009年至2017年，全世界以数字形态存在的数据规模从最初的2泽字节发展为26泽字节。特有因素主要包括：（1）零售信贷评分系统以及电子交易平台等金融系统设施的发展完善，高质量结构化数据的不断增多，促使人工智能算法与金融市场之间相互融合。（2）社交媒体、收视率模式以及网络搜索趋势等数据集不断增长，叠加日益增长的金融数据，促使金融领域可供挖掘的数据资源日益丰富。
1.2 需求因素
对于金融机构来说，人工智能有助于降低金融机构运营成本，提高风险管理收益，增强盈利能力，促使金融机构主动将人工智能运用于其运营管理中。在合规性需求方面，近些年不断出台的各种法律框架、数据标准以及金融服务制度等，大大提高了金融机构对合规性的要求；同时对于金融监管机构来说，也需要采用更加强大的金融分析工具从而开展更加有效的监管。
2 人工智能在金融领域中的应用分析
2.1 人工智能面向客户的金融应用
第一，在信用评分方面。传统的信用评分模型主要是基于金融机构的交易数据以及支付数据等非结构化数据，采用决策树、统计分析以及回归分析等工具获得信用评分。随着人工智能技术的发展，各金融机构越来越多的使用社交媒体以及手机短信等新型非结构化数据和半结构化数据来挖掘借款人的信息，并基于人工智能算法对消费者的消费行为和支付意愿等因素进行评估分析，进而在对借款人的筛选过程中具有更低的成本和更高的效率。
第二，在保险行业方面。人工智能技术主要用于大数据分析，并将分析结果作为保险定价的基础。目前我国以及美国、英国、德国等国家在保险行业中应用人工智能较为深入和广泛。有些保险公司利用人工智能技术对保险公司所收集的大数据进行分类分析，进而帮助保险代理商找出风险较高的应用，进而有效降低未来的索赔额度。还有些保险公司应用人工智能技术来对实时以及高度细化的信息数据进行整合，进而为保险产品的定价以及保险产品的营销提供技术支持。
第三，在聊天機器人方面。聊天机器人主要是指帮助客户处理各种金融问题的虚拟助手。聊天机器人采用机器学习算法不断优化智能化系统，采用文本或者语音等自然语言与客户进行交流。基于聊天机器人的重要作用，很多金融机构在其社交媒体以及移动应用程度平台上均引入了聊天机器人，有效解放了人力。但是相对来说，目前的聊天机器人还处于较为初级的阶段，其功能比较简单，只能处理一些简单问题，比如向客户提供余额信息、进行警报以及回答一些相对简单的问题等[2]。但是随着人工智能技术的不断发展，聊天机器人的智能化水平越来越高，其正在积极向客户提供金融建议并引导客户采取金融行为方向发展。聊天机器人除了能够为客户提供帮助外，还能够有效收集客户的相关信息。
2.2 人工智能面向金融运营发展应用
第一，在资本优化方面。在金融机构管理运营中基于数学方法开展资本优化，实现稀缺资本的利润最大化是金融机构一直追求的目标。人工智能技术是在计算机、最优化数据以及大数据技术基础上发展起来的，能够大大提高资本优化的效率和准确性，因此近些年得到金融机构的广泛关注。目前基本上所有的银行均在开展风险加权资产优化计划，有效节省了5%-15%的风险加权资产。此外在衍生品保证金领域人工智能技术也得到了成功的应用，比如基于人工智能技术建立保证金调整评估机制。
第二，在模型风险管理和压力测试方面。模型风险管理对于金融机构的风险防控具有重要的意义。目前欧美等很多国家的金融监管机构通过银行所使用的回溯测试以及模型验证有效指导风险管理工作的开展，基于回溯测试金融机构可以对金融市场的行为与发展趋势进行观察，进而有效评估金融风险，降低金融风险的发生概率。基于人工智能技术，采用无监督学习算法开展模型验证，能够对模型是否在可接受的公差范围内进行有效判断。此外，压测实测在金融危机之后收到各金融机构的普遍重视，基于人工智能技术帮助金融机构实现对资本市场业务的建模，进而对场景分析中用于违约概率模型和损失违约率的变量数量进行限制，有效提高了模型的透明度。
第三，在市场影响分析方面。对金融交易的市场影响进行准确客观评估是金融机构选择交易时机降低交易成本的关键环节。但是由于历史数据较少，金融机构很难根据自身的交易数据对市场价格的影响开展建模分析，特别是对于那些具有较差流动性的债券。基于人工智能技术可以引导机器学习算法或者对原有模型进行有效扩展，进而在市场影响模型的建立过程中可以获得更多的信息，最大程度实现对市场价格以及市场流动性的影响分析。 2.3 人工智能在金融交易执行以及投资组合管理中的应用
第一，在金融交易执行方面。采用人工智能技术，交易公司可以有效提高其销售能力。比如基于人工智能技术，对客户的历史交易行为进行分析，有助于对客户的未来订单进行有效预测，同时随着语音服务和文本服务使用量的不断增长，交易公司会获得大量的电话交易信息，可以将其与电子平台的数据信息进行有效结合。此外，采用人工智能技术交易公司可以提供公司风险敞口管理的主动性，通过人工智能开展证券交易风险模型建立，从而有效确定对交易账户头寸风险的干预程度。
第二，在投资组合管理方面。采用人工智能技术有效识别市场上的价格变动，获得比现有模型更为有效的大量数据，参与市场发展预测研究，进而获得不同时期的市场价格水平和市场价格波动，获得更多“不相关”的回报。此外，投资管理公司还将人工智能技术普遍应用于量化基金领域，尤其是对冲基金方面。
2.4 人工智能在金融合规性和金融监管中的应用
第一，在金融合规性方面。首先，采用人工智能技术可以有效辅助对客户身份的识别。对于客户身份的识别和了解相对来说费时费力，成本代价较高，而基于人工智能技术则大大提高了客户身份识别的效率和准确性，降低了客户身份识别的成本。人工智能技术应用于客户身份识别主要包括两种方式，一是对文档中的图像进行评估，看其是否与已有信息匹配；二是计算风险评分。此外在常规的定性检查中，也使用基于机器学习的风险评分方式，并且通常采用社交媒体以及犯罪记录等公共来源数据。其次人工智能技术有助于新规的遵守，比如欧盟的资产管理公司必须遵守《可转让证券结合投资承诺》、《另类投资基金经理指令》以及《金融工具市场指令》，采用人工智能技术可以将这些法规编制为自动化规则，编入资产管理公司的风险与报告系统，有效降低企业转型新规以及投资经理解释新规的时间和成本。
第二，在监管报告和数据质量方面。随着金融监管机构不断提出新的报告要求，各金融机构需要不断地更新金融监管报告。在该过程中金融机构难以有效利用大量的报告数据，尤其是部分报告数据中存在一些重大差错以及空白字段等质量问题，难以有效保障金融监管报告质量。借助人工智能技术，通过自动学习可以有效提高数据质量，进而在提高报告质量的同时，大大提高了工作效率。
3 结束语
基于以上分析，可以看到随着人工智能技术发展程度越来越高，其在金融行业中的应用越来越普遍，这大大提高了金融机构的服务质量和服务效率，并对传统的金融服务方式的转变产生了积极的影響。但是也应该清晰的认识到，人工智能在金融行业中的应用还处于初始阶段，在具体的应用实践中还存在若干问题，因此一方面银行等金融机构应该加大对金融行业人工智能技术研发的投入，不断提高人工智能技术水平；另一方面金融机构在应用人工智能技术的过程中应该根据自身的实际情况进行针对性的调整，确保人工智能技术应用的有效性和可靠性，最大程度发挥人工智能技术在金融行业中的作用。
参考文献：
[1]中国人民银行武汉分行办公室课题组，韩飚，胡德.人工智能在金融领域的应用及应对[J].武汉金融，2016（7）：46-47.
[2]程东亮.人工智能在金融领域应用现状及安全风险探析[J].金融科技时代，2016（9）：47-49.
关键词：人工智能；金融行业；影响
当前人工智能领域的发展已经引起了世界各个国家的广泛关注。在该背景下，我国政府和资本市场对于人工智能的重视程度也逐渐提高。2017年我国首次将人工智能写入了《政府工作报告》。据相关数据统计显示：截至到2017年7月，全球总共有2542家人工智能企业，其中美国占有1078家，所占比例为42%，中国排名第二，人工智能企业为592家，所占比例为23%。虽然相比美国中国在人工智能发展领域还存在较大差距，但是该差距正在逐渐缩小，中国的人工智能水平已经处于世界先进水平。人工智能在包括金融行业在内的多个行业均具有普遍应用。20181月17日，跃然科技在上海发布了一款人工智能交易系统——“爱（AI）交易”系统，同时也宣布首款基于爱交易系统的私募基金产品——跃然人工智能交易基金的成立。因此在人工智能发展的大背景下，积极探索人工智能对于我国金融行业的应用和影响具有积极的现实意义。
1 人工智能应用于金融领域的驱动因素
1.1 供给因素分析
供给因素主要包括两部分，分别为公共因素和特有因素。其中公共因素主要包括：（1）计算机处理速度提高，相关软硬件成本降低，云计算以及大数据技术逐渐成熟，大大提高了计算机的处理能力。（2）数据存储分析成本明显降低。近些年数据库相关软件算法的不断研发大大降低了数据在存储、解析以及分析方面的成本。（3）数字化服务以及网络服务逐渐普及，在很大程度上促使用于学习预测的数据集呈几何式增长[1]。据相关数据统计显示，从2009年至2017年，全世界以数字形态存在的数据规模从最初的2泽字节发展为26泽字节。特有因素主要包括：（1）零售信贷评分系统以及电子交易平台等金融系统设施的发展完善，高质量结构化数据的不断增多，促使人工智能算法与金融市场之间相互融合。（2）社交媒体、收视率模式以及网络搜索趋势等数据集不断增长，叠加日益增长的金融数据，促使金融领域可供挖掘的数据资源日益丰富。
1.2 需求因素
对于金融机构来说，人工智能有助于降低金融机构运营成本，提高风险管理收益，增强盈利能力，促使金融机构主动将人工智能运用于其运营管理中。在合规性需求方面，近些年不断出台的各种法律框架、数据标准以及金融服务制度等，大大提高了金融机构对合规性的要求；同时对于金融监管机构来说，也需要采用更加强大的金融分析工具从而开展更加有效的监管。
2 人工智能在金融领域中的应用分析
2.1 人工智能面向客户的金融应用
第一，在信用评分方面。传统的信用评分模型主要是基于金融机构的交易数据以及支付数据等非结构化数据，采用决策树、统计分析以及回归分析等工具获得信用评分。随着人工智能技术的发展，各金融机构越来越多的使用社交媒体以及手机短信等新型非结构化数据和半结构化数据来挖掘借款人的信息，并基于人工智能算法对消费者的消费行为和支付意愿等因素进行评估分析，进而在对借款人的筛选过程中具有更低的成本和更高的效率。
第二，在保险行业方面。人工智能技术主要用于大数据分析，并将分析结果作为保险定价的基础。目前我国以及美国、英国、德国等国家在保险行业中应用人工智能较为深入和广泛。有些保险公司利用人工智能技术对保险公司所收集的大数据进行分类分析，进而帮助保险代理商找出风险较高的应用，进而有效降低未来的索赔额度。还有些保险公司应用人工智能技术来对实时以及高度细化的信息数据进行整合，进而为保险产品的定价以及保险产品的营销提供技术支持。
第三，在聊天機器人方面。聊天机器人主要是指帮助客户处理各种金融问题的虚拟助手。聊天机器人采用机器学习算法不断优化智能化系统，采用文本或者语音等自然语言与客户进行交流。基于聊天机器人的重要作用，很多金融机构在其社交媒体以及移动应用程度平台上均引入了聊天机器人，有效解放了人力。但是相对来说，目前的聊天机器人还处于较为初级的阶段，其功能比较简单，只能处理一些简单问题，比如向客户提供余额信息、进行警报以及回答一些相对简单的问题等[2]。但是随着人工智能技术的不断发展，聊天机器人的智能化水平越来越高，其正在积极向客户提供金融建议并引导客户采取金融行为方向发展。聊天机器人除了能够为客户提供帮助外，还能够有效收集客户的相关信息。
2.2 人工智能面向金融运营发展应用
第一，在资本优化方面。在金融机构管理运营中基于数学方法开展资本优化，实现稀缺资本的利润最大化是金融机构一直追求的目标。人工智能技术是在计算机、最优化数据以及大数据技术基础上发展起来的，能够大大提高资本优化的效率和准确性，因此近些年得到金融机构的广泛关注。目前基本上所有的银行均在开展风险加权资产优化计划，有效节省了5%-15%的风险加权资产。此外在衍生品保证金领域人工智能技术也得到了成功的应用，比如基于人工智能技术建立保证金调整评估机制。
第二，在模型风险管理和压力测试方面。模型风险管理对于金融机构的风险防控具有重要的意义。目前欧美等很多国家的金融监管机构通过银行所使用的回溯测试以及模型验证有效指导风险管理工作的开展，基于回溯测试金融机构可以对金融市场的行为与发展趋势进行观察，进而有效评估金融风险，降低金融风险的发生概率。基于人工智能技术，采用无监督学习算法开展模型验证，能够对模型是否在可接受的公差范围内进行有效判断。此外，压测实测在金融危机之后收到各金融机构的普遍重视，基于人工智能技术帮助金融机构实现对资本市场业务的建模，进而对场景分析中用于违约概率模型和损失违约率的变量数量进行限制，有效提高了模型的透明度。
第三，在市场影响分析方面。对金融交易的市场影响进行准确客观评估是金融机构选择交易时机降低交易成本的关键环节。但是由于历史数据较少，金融机构很难根据自身的交易数据对市场价格的影响开展建模分析，特别是对于那些具有较差流动性的债券。基于人工智能技术可以引导机器学习算法或者对原有模型进行有效扩展，进而在市场影响模型的建立过程中可以获得更多的信息，最大程度实现对市场价格以及市场流动性的影响分析。 2.3 人工智能在金融交易执行以及投资组合管理中的应用
第一，在金融交易执行方面。采用人工智能技术，交易公司可以有效提高其销售能力。比如基于人工智能技术，对客户的历史交易行为进行分析，有助于对客户的未来订单进行有效预测，同时随着语音服务和文本服务使用量的不断增长，交易公司会获得大量的电话交易信息，可以将其与电子平台的数据信息进行有效结合。此外，采用人工智能技术交易公司可以提供公司风险敞口管理的主动性，通过人工智能开展证券交易风险模型建立，从而有效确定对交易账户头寸风险的干预程度。
第二，在投资组合管理方面。采用人工智能技术有效识别市场上的价格变动，获得比现有模型更为有效的大量数据，参与市场发展预测研究，进而获得不同时期的市场价格水平和市场价格波动，获得更多“不相关”的回报。此外，投资管理公司还将人工智能技术普遍应用于量化基金领域，尤其是对冲基金方面。
2.4 人工智能在金融合规性和金融监管中的应用
第一，在金融合规性方面。首先，采用人工智能技术可以有效辅助对客户身份的识别。对于客户身份的识别和了解相对来说费时费力，成本代价较高，而基于人工智能技术则大大提高了客户身份识别的效率和准确性，降低了客户身份识别的成本。人工智能技术应用于客户身份识别主要包括两种方式，一是对文档中的图像进行评估，看其是否与已有信息匹配；二是计算风险评分。此外在常规的定性检查中，也使用基于机器学习的风险评分方式，并且通常采用社交媒体以及犯罪记录等公共来源数据。其次人工智能技术有助于新规的遵守，比如欧盟的资产管理公司必须遵守《可转让证券结合投资承诺》、《另类投资基金经理指令》以及《金融工具市场指令》，采用人工智能技术可以将这些法规编制为自动化规则，编入资产管理公司的风险与报告系统，有效降低企业转型新规以及投资经理解释新规的时间和成本。
第二，在监管报告和数据质量方面。随着金融监管机构不断提出新的报告要求，各金融机构需要不断地更新金融监管报告。在该过程中金融机构难以有效利用大量的报告数据，尤其是部分报告数据中存在一些重大差错以及空白字段等质量问题，难以有效保障金融监管报告质量。借助人工智能技术，通过自动学习可以有效提高数据质量，进而在提高报告质量的同时，大大提高了工作效率。
3 结束语
基于以上分析，可以看到随着人工智能技术发展程度越来越高，其在金融行业中的应用越来越普遍，这大大提高了金融机构的服务质量和服务效率，并对传统的金融服务方式的转变产生了积极的影響。但是也应该清晰的认识到，人工智能在金融行业中的应用还处于初始阶段，在具体的应用实践中还存在若干问题，因此一方面银行等金融机构应该加大对金融行业人工智能技术研发的投入，不断提高人工智能技术水平；另一方面金融机构在应用人工智能技术的过程中应该根据自身的实际情况进行针对性的调整，确保人工智能技术应用的有效性和可靠性，最大程度发挥人工智能技术在金融行业中的作用。
参考文献：
[1]中国人民银行武汉分行办公室课题组，韩飚，胡德.人工智能在金融领域的应用及应对[J].武汉金融，2016（7）：46-47.
[2]程东亮.人工智能在金融领域应用现状及安全风险探析[J].金融科技时代，2016（9）：47-49.