一、客观的需求推动智能金融在中国市场快速发展

 

从不同时期的中国国家战略重点观察，2016年上半年之前，中国的国家人工智能战略主要集中在智能制造和机器人层面；到2016年下半年，中国开始重视人工智能的整体生态布局，为人工智能发展应用提供资金和创新政策鼓励与支持。在这个环境下，金融成为人工智能落地最快的行业之一，智能金融也被列入了国家规划之中。

 

智能金融是指人工智能技术与金融服务和产品的动态融合，通过利用人工智能技术，创新金融产品和服务模式、改善客户体验、提高服务效率等，而智能金融生态系统由提供人工智能技术服务的公司、传统金融机构、新兴金融业态以及相关监管机构共同组成。

 

基于普惠金融等需求，中国政府对金融提出了自动化和智能化的发展要求，银行业最早尝试利用人工智能打造智能化运维体系。《十三五国家科技创新规划》中也明确提出重点发展大数据驱动的类人智能技术方法，推动科技与金融融合。《新一代人工智能发展规划》更是对智能金融提出了明确的要求，如建立金融大数据系统，提升金融多媒体数据处理与理解能力；创新智能金融产品和服务，发展金融新业态；鼓励金融行业应用智能客服、智能监控等技术和设备；建立金融风险智能预警与防控系统等。

 

智能金融的发展前景也吸引了日趋活跃的资本流入，近年来人工智能和金融科技项目的投资热情高涨。2012—2016年，中国人工智能投资额和投资次数不断上升，特别是从2014年开始进入爆发式增长。2016年，中国人工智能投资金额166000万美元，投资次数达到285次（图1）。中国金融科技投资额于2012—2016年也呈现快速增长，复合增长率为119%。2016年中国金融科技投资额为460万美元，投资次数46次（图2）。

 

技术层面，深度学习使人工智能取得了新的突破。早期人工神经网络的研究由于技术研究难度及有限的训练数据和计算力在很长时间内处于发展瓶颈期；“深度学习”概念在2006年被首度提出，2012年其逐步实现了视觉识别和语音识别，引领人工智能技术走向商业化、产品化。

 

与此同时，居民可支配收入和可投资资产不断增加，对金融服务的需求提出了新的要求，促使金融机构要寻求新的技术手段，来满足这些新的需求。另外，经济体系中还有不少的金融需求，在传统的金融体系中因为高成本等原因，得不到有效的满足，出现了不少的金融服务空白地带，而如果可以有效引入智能金融，也有助于将金融服务引入到这些空白地带。如图3所示，2011—2016年，中国个人可支配收入一直保持7%以上的增长速度，2016年个人可支配收入已达33616元。个人可支配收入的提高使得金融行业资产管理规模不断增长。根据贝恩与招行联合发布的《中国个人财富报告》，自2011年以来中国个人可投资资产规模一直保持15%以上的增长速度，2011年至2016年复合增长率为17.72%。可投资资产规模增加、以及不同分层的客户的金融服务需求出现明显的分化，促使金融机构探索多样化的金融技术手段来提升原有的金融服务效率。

二、人工智能在金融领域的应用场景

 

人工智能作为计算机科学的一个分支，试图了解智能的实质，并生产出一种新的能与人类智能相似的方式做出反应的智能机器，主要应用场景包括信息收集与识别、信息综合分析与预测、控制与决策等方面。当前，按照金融机构前台、中台、后台三大主要模块分类，人工智能至少可运用到金融的七大领域，前台为智能支付、智能营销、智能交易，中台为智能风控、智能投顾和智能投研，后台为智能监管。相信未来随着人工智能的不断发展，可以应用到金融领域的场景会迅速拓展：

 

1.智能支付。金融用户需要验证身份的真实性，主要技术包括人脸识别、语音识别、指纹识别和虹膜识别等，这个场景努力的方向，就是要逐步使得金融产品能够“看懂文字”“听懂语言”，实现与用户的无缝连接与协作，为公众提供智能化金融消费体验。

 

2.智能营销。不同金融用户拥有不同的风险承担能力和意愿，对金融产品与服务的需求具有差异性，而人工智能可以通过大数据技术精准刻画用户画像，并基于此策划营销方案，进行精准营销和个性化推荐，同时实时监测，不断优化营销策略，建立用户数据库，帮助企业引流获客、留存促活。

 

3.智能交易。通过建立金融业务智能感知与处理系统，使得电脑代替人脑，模拟人脑的逻辑思维完成信息收集、数据建模、推理判断、结果预测等，将交易策略变成电脑程序，做出最优化的交易决策。即用“电脑判断+电脑操作”代替“主观判断+人工交易”。

 

4.智能风控。利用大数据人工智能技术，可以使用海量的多维度数据，塑造出高度精细化的风险控制模型，在感知金融环境的动态变化基础上，不断进行深度挖掘与智能学习，实现针对市场变化的适应性更新调整。

 

5.智能投顾。又称机器人理财、或者也有叫做数字财富管理等，即机器人根据个人投资者提供的风险承受水平、收益目标以及风格偏好等要求，运用一系列智能算法及投资组合优化等理论模型，为用户提供最终的投资参考，并依据市场动态对资产配置调整提供建议。

 

6.智能投研。投资研究工作涉及到大量的资料搜集、数据分析、报告撰写等内容，智能投研是基于知识图谱和机器学习等技术，搜集并整理信息，形成文档，供分析师、投资者等使用，辅助决策，甚至自动生成投研报告。但智能投研缺乏创新性，因此在技术提高效率的同时，人机协作可以大大提高投研质量。

 

7.智能监管。全球每年产生约3亿条法律法规数据，，人工储存难度较高。通过人工智能学习、积累金融法规，并结合金融机构的实际情况提供合规建议。机器可以从海量的交易数据中学习知识和规则，发现异常行为，对欺诈与洗钱行为进行警示。

 

三、智能金融：在挑战中走向新的发展阶段

 

1.智能金融面临潜在挑战

 

从技术层面看，目前智能金融发展进程中的潜在挑战主要有以下几个方面：第一是基础设施层面，具体包括通信、架构、系统、应用和数据安全等问题，随着人工智能等技术在金融中的应用，金融网络安全的重要性也相应提高。因为金融体系对智能科技越依赖，那么，这些技术层面如果出现故障可能产生的冲击也就更大。。第二是数据联通及有效应用的实现障碍，目前用户数据高度集中在少数几家企业中，容易形成数据寡头现象，带来一定程度的数据垄断，造成所谓的数据鸿沟问题，形成信息孤岛，不利于智能金融公司数据的联通。并且如果数据使用不当，精确的数据挖掘也可能会导致不合乎现实乃至荒谬的结果，如何深入理解数据与金融的逻辑，挖掘数据真正的价值成为了又一大挑战。第三是对智能金融认知偏差可能会导致一定的信任危机，从发展进程评估，目前人工智能还处于“弱人工智能”阶段，大部分智能金融还处于概念阶段，距离其真正落地还有很多问题待解决。如果在目前的发展水准上就一味对智能金融过于夸大事实，使得大众的期望值比较高，一旦出现一些故障，就容易造成信任危机。

 

2.智能金融未来走向

 

从目前的进展看，人工智能在金融领域的应用，开始优化金融现有流程，在前端应用于服务客户，在中台支持授信、各类金融交易和金融分析中的决策，在后台用于风险防控和监督，使金融服务更加个性化与智能化、金融风控能力更强。展望未来，智能金融呈现出以下几个方面的发展趋势：

 

 

（1）创新传统金融业态，促进智能技术与金融的融合，逐步实现智能化、场景化、个性化。智能化为基础，可分为三个层次：第一层次为Robot，即可以实现简单的数据收集整理工作（可以简单视为助理分析师）；第二层次为Smart，即可以实现数据的简单分析（初级分析师）；第三层次为Intelligent，即可以实现数据的决策支持和深度洞察（高级分析师）。场景化即使金融业态更贴近生活。同时通过智能金融驱动金融服务和产品的创新，提供多元化选择，实现相对个性化的金融服务。

 

（2）降低金融服务成本，使得金融业能够覆盖到传统的金融体系覆盖不到的客户与领域，推动金融普惠化。智能金融中的智能营销可以帮助金融机构精准定位客户，减少不必要的营销成本；智能风控在整个业务流程中可提高风险识别、预警、防范及风险定价能力，也可以降低风险甄别成本。而经营成本的降低是基于整个金融业务流程的智能化，实现从部分到整体的成本降低。智能金融总体成本的降低将扩大金融产品和服务的范围、拓展用户基础，推动金融的普惠化。

 

（3）技术企业和金融企业参与智能金融虽然是基于不同的起点、比较优势和路径，但是从趋势看呈现出相互影响、相互融合的态势。。金融机构与科技公司的合作方式主要包括购买、投资并购、建立加速器等，目前金融机构与科技企业之间的往来大部分停留在向科技公司购买技术服务，或与科技公司合作建立联合实验室。出于规避金融机构与科技企业合作存在的信息技术安全、监管不确定等问题或对长远发展的考虑，未来金融机构有望以更深入协作的方式成为技术的共同所有者。而技术企业表现出的活力，和对市场的敏感，也会深刻影响传统金融行业的金融服务方式。

 

参考文献：

[1]巴曙松,白海峰. 金融科技的发展历程与核心技术应用场景探索[J]. 清华金融评论,2016,(11):99-103. [2017-09-16]. DOI：10.19409/j.cnki.thf-review.2016.11.028

[2]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,(07):46-47+50. [2017-09-18].

[3]李伟. 金融科技发展与监管[J]. 中国金融,2017,(08):14-16. [2017-09-18].

 

文章载于今日头条（2017年9月19日）