樊旼旼，曲双石：人工智能引领金融产业升级
“人机大战”已在一片喧哗声中徐徐落幕，而世人对“人工智能＋”的关注正在冉冉升起。回顾历史，每一次的技术变革都会引发对新技术的质疑与批判，但即使众说纷纭，历史的车轮也不会停止它前进的步伐。在美国，敏锐的企业家们早已锁定了人工智能这块未被开采的金矿，Google、IBM、Apple等国际巨头公司已经将人工智能技术渗透在各种产品的方方面面，未来人们的生活将更加的智能和人性化，在这历史进程中，金融业，这与老百姓生活息息相关的产业早已步入了智能化产业升级的道路中。
人工智能技术在国外金融领域的应用
在此次的金融产业智能化升级的浪潮中，美国是发起者也是踏实的执行者。目前，人工智能技术已经在美国金融行业的各个领域里得到了广泛的应用。
数据挖掘与分析
国外金融机构在信息收集方面做得较好的人工智能公司是Alpha Sense。该公司的核心业务是为用户提供智能金融搜索的引擎服务。传统的搜索引擎只能通过关键字的搜索来找到相关文件，然后用户再通过阅读相关文件后，从中提炼和归纳出答案。而Alpha Sense能通过自然语言处理技术（NLP），比如：近义词搜索、公司追踪搜索等，Alpha Sense可以全网抓取数据，建立与搜索信息最完备的数据库，帮助金融从业人员高效率地找到自己想要的信息，甚至直接呈现出问题的答案。目前Alpha sense在全球范围内拥有450企业用户，其中包括了JP Morgan、Credit Suisse、Pfizer等知名公司。在分析客户的需求方面，花旗集团也开始运用人工智能技术来预测经济走势等等服务。这套系统的核心“大脑”被称为Watson，它来自于IBM。它被业界指称具有多项出众的技能，比如具有限定范畴内的自然语言理解能力，处理海量非结构化数据，推断和演绎问题的答案，并以可视化的形式实时呈现给用户。设想一个数据分析部门日常的工作，比如数据准备、预测分析以及可视化图表的制作都能经Watson Analytics之手完整的展现出来，工作效率能得到很大的提升。
市场行情的分析和预测
人工智能对金融行业的智能化改造，尤其是在外汇、股票、对冲基金等对于预测依赖性较重的行业中。其中，“智能理财”就是一种具体应用。“智能理财”是基于数据的客观表现和算法计算，让投资智能化、自动化决策成为了可能。“智能投顾”的优势还包括了降低了传统投资分析师偏见或情绪因素，并且能够在短时间内完成交易。
以Wealthfront为例，该平台是基于高盛开源模型构建的自动化应用。产品结合了团队自行研发的大数据引擎技术、自然语言处理技术，以及人工智能和算法模型，能准确预测包括美国股市、外汇市场、贵金属市场以及期货等市场的行情走向，意在帮助金融投资者能够快速地做出交易决策，Wealthfront是优质低价的投资管理咨询服务迅速占领了市场。
另外，在对冲基金方面，根据Eurekahedge的数据显示，利用人工智能技术辅助决策的对冲基金，在过去的7年里（除去2012年），基金的投资回报率是一直保持高于平均行业标准水平的位置。这些结果不禁让人感到惊叹！
信用风险管控在消费金融领域，人工智能的应用领域主要有以下几种：1）小额信贷2）辅助投资经理分析和决策的工具3）个人征信评级4）信用卡管理。
Lending Club是人工智能技术应用于消费金融的代表，它是全球最大的p2p平台。公司通过人工智能、大数据做为风险控制的底层技术，客观反映用户的风险特征及信用水平，以最高的效率撮合借贷人和投资人之间的交易。通过 Lending Club 平台，借款人和小微企业获得更低利率，投资人可获得较好收益。 Lending Club成立于2000年，最初2年只放1千万贷款，用了5年半做到10亿美元贷款规模，而现在3个月里就放款10亿美元，整体交易金额在不断提升中。该公司已经在2014年在美国上市。
智能客服、智能机器人
Fingenius成立于2014年，是英国的一家智能客服供应商，专门为欧洲的金融企业提供智能虚拟客服的行业解决方案。公司目前的核心产品是通过虚拟的坐席机器人为客户提供在线语音客服交互服务，实现低成本、高服务质量的标准客服服务，如标准化业务办理、业务查询、回访、购买意向调查、信息告知等。在日本，智能机器人已经成为银行大堂的员工之一。据英国《每日电讯报》称，日本三菱公司旗下公司设计的nao机器人，已经在三菱集团的几家分支银行开始了接待顾客的工作。在技能的展示中，nao机器人能够运用19种语言为顾客提供外币兑换、自动取款、银行开户等基础服务。 总体来说，当今“互联网＋”对金融的改造已经渐入高潮，而“人工智能＋”正风起云涌。“互联网＋金融”并不是发展的最终目标，而是实现“人工智能＋金融”的必经之路。我相信“人工智能＋”能够加快和深化金融改革的发展路程。
人工智能对国内金融系统的影响
人工智能技术的特点
总体来说，国内也已经达到了人工智能技术广泛应用的临界点，背后的原因是随着国内双创政策的推动和对相关产业的投资拉动，大数据、云计算和芯片技术的都得到了快速发展，使得人工智能技术在采集数据的广度、挖掘数据的深度方面都体现出更强的性能和更优的性价比。
人工智能处理数据的特点主要体现在：
1）能够把非结构化数据（比如：视频、音频、图片等）有效地转化为结构性数据，并且转化流失率较低，在数据采集的广度上（社交行为数据、地理位置、时间、点击率等等）以及数据清理上具有绝对的优势。
2）具有处理自然语言的能力（NLP），能够在语义层面来分析语言，而不是停留在符号处理上。在数据的深度挖掘与分析方面，人工智能技术的优势无可比拟。
以百度为例，当搜索“北京空气很好 杭州空气很差”和“北京空气很差 杭州空气很好”这两句语义完全相反的句子时，前5条搜索结果是完全一样的，仅前两条结果的位置交换了。关键词技术很难解决句式、表达方式等句子级的语义理解，更不要提段落级和篇章级的理解。更何况，在自然语言处理中，要大量面对先验知识、语用环境带来的复杂性。
3）语言识别及合成能力，能够使人与机器进行自然的语音交互。随着人类对智能设备的依赖以及人机交互越来越频繁，原有的触屏交互已经不能够满足用户需求，而语音交互以语音为主流的交互手段，可以做到各种设备统一指令，大大的提高了人机交互的效率。
人工智能对金融系统的具体影响
人工智能对国内金融系统的影响主要体现为数据处理、分析的效率和质量方面上的提升，突破了数据管理广度及数据分析深度方面的瓶颈，从而进一步夯实了金融行业数据化运营的基础。在此基础上，会对国内的金融系统产生有以下几个具体方面的影响：
1）促进个人征信商业化、市场化加速发展
近年来，随着国内经济社会的高速发展以及经济结构向消费转型，个人信用交易的应用场景以及频率都有所提升，原有的仅由央行征信主体主导的信用市场已经不能满足社会经济的需求。
目前，中国金融征信数据源的覆盖率和可获取性都存在着明显的不足，强劲的市场需求引导了新晋参与者（比如：腾讯征信、芝麻征信等）加入了征信行业，并开始对非传统信贷数据进行了收集和应用。比如：腾讯征信推出的反欺诈核查产品就利用了图像识别技术（属于人工智能技术），通过对个人用户的身份证、视频照和公民身份证查询中心的数据做交叉验证，经过算法进行匹配以防止假冒身份情况的出现。该产品已经成功推出，得到了银行、小贷和保险等机构的欢迎。
可见，人工智能技术将互联网化的生活数据进行处理能力，无疑对中国征信行业商业化、市场化的迅速成长做出了有力地推动。更重要的是，只有成熟稳健的个人征信行业才能够促进信贷市场的健康发展，提高社会融资的效率，而这是一个国家金融体系的核心要素。
2）传统银行会加快专业技术第三方化的速度
阿里巴巴、腾讯以及百度本着业务生态布局的优势，在技术、数据方面上的积累，比起传统银行机构是具有优势的。所以，传统银行应该加大技术第三方化的步伐，同时也要加强与第三方合作所带来的风险控制相关的管理工作，大胆链接外部资源实施源创新，不仅能够降低研发费用还能够保证技术实用性，自己的竞争实力。
就目前情况而言，阿里巴巴的电商＋金融的布局，将金融使用场景渗透到到用户生活的方方面面。阿里巴巴平台上目前所积累的数据，不单单是用户在电商平台上购买商品的数据，还有打车、就餐、火车票等等的交易明细，换句话说，经过阿里对数据的挖掘与分析，不仅仅能够准确地刻画出用户的社交画像，还能对个人用户生活的全方面刻画做出精确地判断。有数据显示，2015年，阿里巴巴旗下的蚂蚁金服的单日成交量已经超越了Mastercard,成为了世界第二大的交易平台，可见阿里数据资源方面的优势。
“联系外部资源＋发展核心实力”是百年企业宝洁集团保持企业活力的战略思想，而这种思想是值得传统银行研究与借鉴的。在此方面，国内的浦发银行先走一步，已经与蚂蚁金服深度合作，蚂蚁金服为其提高信用卡审核的服务，据相关数据显示，蚂蚁金服可以提高不良用户的识别率至先前数据的4倍或以上。笔者相信，与第三方技术合作，浦发银行不会是唯一的一家，这是趋势，并且这种趋势的发展速度将加快。
3）金融服务个性化与智能化
从金融服务业务层面上来说，人工智能技术的具体应用，比如对交易数据的实时监测及预测能力能够使银行的业务安全（比如账户安全、交易安全、反洗钱等）大大的提高，金融服务（银行、保险、理财、借贷、投资等方面）更加地个性与智能化。
贷款是金融企业的核心业务，人工智能技术能够准确的且快速的判断贷款的合理性，大大降低了服务成本。现在，人工智能技术可以通过整合多来源及不同性质的数据，做到在几分钟内运算出结果，并且贷款系统可以自动判断贷款要求是否合理。在贷后监控方面，通过数据筛选、建模和预测打分，并将不同的资产分类和做分别处理。比如：坏资产可直接标签为“司法诉讼”，并提醒相关人员进行诉讼流程。
互联网保险动态定价案例是最容易解释人工智能技术优势。比如：车险，数据公司可以通过对车的定位信息、跟踪驾驶速度，结合其它的非保险领域的数据，通过模型算法自动化地分析其风险因子分数（车祸发生的机率等），可以使保险定价个性化和动态化。
金融行业的智能化变革必然会带来挑战，但是，历史经验告诉我们挑战是变革的背景也是变革的动力。新技术的采用并不会改变金融的本质或商业的本质，所以，即使传统金融企业在采用人工智能技术上不占有优势，但是，这些完全可以依靠市场化的技术或服务外包得以弥补。相信，在不久的将来，人工智能技术的应用将进一步地渗透到金融领域的方方面面。
从金融从业者的角度来看，也许，金融产业智能化变革会使得一些职位从此消失，但是，消失只是工种，由于新技术的利用，将会有更多的新的工种会产生。与其我们忧心忡忡对新技术产生些遐想性的威胁，不如拥抱变革，一起促进金融产业的升级和智能化改造。
【原文链接】