人工智能──金融创新的新起点

　　一、引言

　　2016年3月，在全世界超过一亿观众的关注下，Alpha Go战胜围棋世界冠军李世石，这场赛事是人工智能领域一个重要的里程碑，同时也让人工智能广受社会关注。金融业作为数据高度集中的行业，在人工智能快速发展的时代，也在经历着深刻的变革。

　　二、人工智能相关概念及发展现状

　　人工智能（Artificial Intelligence）简称AI。有着人工智能之父之称的约翰?麦卡锡最早提出过关于人工智能的概念，他将其描述为“结合科学技术和机械手段制造出智能机器的过程。”这个概念被沿用至今。我国《人工智能辞典》将人工智能定义为“使计算机系统模拟人类的智能活动，完成人用智能才能完成的任务。”此外，人工智能是计算机学科的一个分支，它是人们运用计算机编程技术实现机器自主学习的过程，从而模仿人类做出决策的一种技术。

　　从1956年约翰?麦卡锡首次提出人工智能的概念以来，人工智能已经取得了很多的发展成就，除了前文提到的进行棋类对弈，还有自动驾驶汽车，大数据挖掘，生物识别技术以及对金融业影响深刻的各种基于人工智能算法的交易系统。

　　三、人工智能在金融业的应用现状

　　（一）金融服务的变革

　　人工智能的出现虽说没有颠覆传统的金融业的服务，但对于诸如银行业前端业务、证券投资顾问业务、企业和个人的信贷业务都产生了深刻的影响。2015年交通银行推出的智能网点机器人，是国内采用人工智能技术进行金融服务的先导之一，其利用人脸识别、声音识别技术，针对用户需求进行业务引导，甚至可以判断客户的情绪进行工作；国内外很多证券公司都推出了自己的智能投顾，基于对数据的统计分析由计算机系统进行投资组合的管理；很多金融机构的信贷业务办理也可以由客户与智能客服的交互去完成。

　　（二）风险控制的应用

　　风险控制作为金融业一个至关重要的环节，也随着人工智能的发展出现了很多新的变化。蚂蚁金服通过分析用户的网购记录数据，针对用户进行信用评级对客户进行授信管理，不论从覆盖范围还是处理效率都远高于人工。京东白条基于高纬的数据模型为依据，应用超过500个消费金融系统中的风控模型，用到超过4万个风控目标，从而判断风险进行授信。这些海量数据靠人工显然是不现实的，但是人工智能的应用很好的解决了这些问题。

　　针对海量的金融?稻荩?具有深度学习能力的人工智能程序从金融历史数据中自行发现潜在的风险点，如分析信用交易数据，识别欺诈交易，并总结相关经验预测交易变化的趋势，提前进行风险防控。大数据的挖掘还可以应用在与金融业相关的上下游产业分析中，多维度针对具体行业、项目进行风险控制。

　　（三）资产管理另辟蹊径

　　人工智能在资产管理中的作用也愈发受到行业重视，深度的机器学习可以分析海量的金融交易数据，并24小时不间断的进行工作，完成高频的投资操作。花旗银行近期就发布研究报告，从2012年至2015年底，人工智能管理的资产规模从0升至290亿美元，未来管理资产的规模更是有望呈几何级增长，预计会达到5万亿美元。欧美等发达经济体已经有在市场中成熟运行的人工智能资金服务管理机构，Wealthfront和Betterment两家公司就是通过人工智能对资产进行管理，截至2016年2月Wealthfront已经管理了近30亿美元的资产。量化对冲基金的出现也为投资者提供更加多元化的选择，虽然其实际盈利能力还未经过很长时间的考验，但未来量化基金发展、增加已经成为行业趋势。

　　（四）金融业生物识别技术的应用

　　从最早的指纹识别开始，人们就在不断探索便捷的身份认证方式。人工智能学科的发展，为生物识别技术带来了前所未有的革新。金融作为私人信息、财富信息密集的行业，更是对客户、机构的身份认证有迫切的需求。面部识别、声音识别、虹膜识别等都是基于复杂的算法对目标进行身份识别管理，通过这些技术的应用大大提高了金融机构管理的安全性，同时也为客户办理业务节省了时间成本。互联网科技的普及为人工智能大展手脚已经奠定了一定的基础，人们可以通过面部识别体统进行取款，登录金融机构的交易软件，完成交易操作，这些应用对于防范金融犯罪有很好的作用。现在各类金融机构都在推出自己的人工智能产品，很多银行已经开始部署智能银行网点，客户进入网点后，通过人机交互即可完成各类业务的办理。对于金融机构来说，可以节省成本并且提供全天候的服务。对于客户来说，可以安全高效的办理业务。

　　四、存在的风险及展望

　　人工智能作为一个新生事物，对于金融有着很多积极的影响，但其和任何事物一样都存在着两面性，所以对于人工智能潜在的风险我们也要给予高度的重视。

　　（一）系统性风险

　　如果较多市场主体采用了相同或者类似的算法，其“协同”效应将被放大，在交易进行中基于同样的因素采取了相同大量的交易操作，这就有可能导致市场偏离正轨。除此之外，所使用的程序也容易成为被攻击的对象，程序、设备的故障也会增加整个系统的风险。

　　（二）信息安全风险

　　人工智能需要对大量的数据进行分析、学习，而这些信息的获取本身就可能成为一种风险。对交易数据、用户信息的深度挖掘，若不是建立在用户授权的情况下，信息来源主体的利益就会受到潜在的威胁。这其中往往包含了很多个人的隐私信息，所以对于信息源头的甄别、管理是人工智能技术能否真的造福客户的一个关键因素。

　　（三）监管难度的增加

　　人工智能是计算机通过分析自主决策，所以对于权责主体的界定不是非常清晰，监管所面临的复杂性也随之提高。这就要求监管层面也要根据技术的发展提出应对措施，比如对于交易规则的建立，开发人员的责任划分，操作过程的监控，都是值得思考的。

　　（四）后续展望

　　我国作为互联网技术高度发达的国家之一，数据密集的金融行业引入人工智能是必要的，也是积极可行的。金融科技的不断深化，对于传统金融业提高效能，深度挖掘数据价值，提供定制化服务，加深风险认知控制都有着深刻的现实意义。金融的本质是优化资源的配置，未来如何更好的利用人工智能造福于社会，值得我们探索与期待。

本文链接：http://www.qk112.com/lwfw/jingjilunwen/zqtzlw/131582.html