AI+金融：并没有想象中那么美好

　　AI+金融：并没有想象中那么美好

　　文｜ 王倩 王润珠

　　李开复曾经表示，人工智能最好的应用领域之一是金融领域，因为金融领域是唯一的纯数字领域。按照李开复的说法，在金融界里，股票、保险、银行、账单等业务相对隔离，都需要通过计算完成，且相互之间没有摩擦，AI在金融领域的应用应该是最为广泛。

　　目前人工智能在金融领域已经应用在智能投资顾问、预测和反欺诈、征信与风控、安全监控预警、智能营销客服、投资决策、保险定价等方面，诸如像图像识别、自然语言处理、语音识别等也开始运用到各种金融场景。

　　用人工智能替代重复劳动

　　在美国金融行业，成千上万的交易员分析师被解雇，原因是人工智能在金融领域的广泛应用，基于计算机深度学习的人工智能技术的引进，用机器将替代人工做一些简单重复的人工劳动，因而一些低端分析师被代替成为必然。

　　AI时代，“机器人”成为各家金融机构“员工”的不二人选，研发空窗太久，都显得迫不及待。而券商行业在AI举动，包括广发证券的“贝塔牛”机器人投顾以及华泰去年收购的统包资产管理平台 AssetMark在金融圈被大家甚为熟知。

　　根据广发证券提供给《商学院》记者的数据统计， 2016年投资者自主炒股盈利比例只有25%，但机器人投顾的综合轮动策略盈利比高达69%。华泰证券董事长周易就曾提及到收购美国 AssetMark，国际化发展布局由此迈出关键一步，而业内多认为，华泰证券将会利用AssetMark打造中国居民海外资产配置的特色平台，特别是为中国高净值客户服务。

　　事实上，不仅仅是分析师，以客服为例的简单工作在金融领域也将逐渐被替代。

　　根据蚂蚁金服提供的数据显示，2016年双11，支付宝智能客服小蚂答的自助率达到97%，比上一年双11提高了三个百分点。现在每天可以处理200万~300万的用户咨询。2017年，小蚂答客户满意率比人工客服还高出了3个百分点。

　　据了解，蚂蚁金服的“小蚂”已经能够实现自我学习，并且针对口语化的内容，能够进行深度理解，比之前类似搜索引擎的客服更进一步。实现自我学习功能的背后，是把深度学习的排序DSSM模型与序列模型LSTM的结合，实现综合用户行为轨迹与用户输入来回答用户问题。“机器人要开始抢饭碗了”——这个结论时不时会在金融人士口里冒出。

　　但在微众银行基础科技产品部副总经理卢道和看来，这种担忧也是多余的，他认为金融行业依然还有很多客户都没有被服务到，技术会把原先的不可能变为可能，会创造更多的机会，“新的技术的应用，会带来更多的金融客户，更多的金融场景，更多的金融行业人士的需求。”

　　“要对此类新技术给以时间和机会” 同盾科技副总裁顾威认为，AI在发展过程中肯定会有一些波折，随着技术和算法越来越缜密，今后AI将是金融领域的一大亮点。

　　计算机算法的深度应用

　　人工智能之所以能够将人工从简单重复的劳动中解放出来，是基于计算算法的深度学习。事实上，不只是这种简单的重复劳动，从数据采集的自动化、到数据存储的集中化，从投资理财到风险控制，人工智能在金融领域的应用已经相当广泛。

　　平安银行相关负责人在接受《商学院》记者采访时表示，平安银行智能投顾运用大数据技术和人工智能算法，选取海外投行高盛等广泛运用的Black—Litterman模型（简称BL模型）和量化资产配置方法，为客户提供与其风险偏好高度匹配的大类资产配置建议和产品组合，帮助客户提高投资收益，并可提供产品组合一键下单，方便客户购买。

　　所谓智能顾投，在理财魔方合伙人周维看来，就是人工智能+投资顾问的结合体。通过计算机学习例如SVM、神经网络、甚至深度学习进行大数据分析，建立自己的风控模型，从而对客户做个性化的定制服务。

　　周维认为，具体在资产配置这块儿的应用，就是通过资产配置模型由计算机得出最优投资组合，通过多因子风控模型更好更准确地把握前瞻性风险，还可以通过信号监控、量化手段制定择时策略。

　　蚂蚁金服告诉《商学院》记者，智能理财顾问背后的技术能力是，AI算法模型会从用户的真实投资与决策行为出发，结合用户自身的真实意思表示，并通过丰富的产品特征与复杂的算法进行产品与用户之间的匹配，深度了解用户的风险承受能力与风险偏好态度，帮助机构为用户匹配真正适合自己的产品。

　　譬如针对一些收入不高，风险承受能力弱，但投资上却喜欢孤注一掷的用户，通过AI的帮助，可以帮助机构识别出并且避免给这类用户推荐风险太高的产品。

　　与传统的资产配置系统通用的马科维茨均值-方差组合模型不同的是，平安银行BL模型在大类资产历史表现的基础上引入主观判断，将马科维茨模型最优化的结果与主观预期的结果结合起来，形成更完整、更有效的资产配置体系。

　　人人贷联合创始人杨一夫告诉《商学院》记者，通过人工智能针对客户进行个性化理财服务，可以极大提高理财效率，节省人工时间。蚂蚁金服财富事业部总裁樊治铭则认为，“AI成为金融的新大陆，最大的变化在于借助AI技术，通过挖掘海量信息的规律，使金融及金融服务也将变得智能起来。”

　　人工智能的应用在提高风控

　　周维认为，智能顾投有四个标准，通过大数据获得用户个性化的风险偏好及其变化规律；根据用户个性化的风险偏好结合算法模型定制个性化的资产配置方案；利用互联网对用户个性化的资产配置方案进行升级跟踪调整；不追求不顾风险的高收益，在用户可以承受的风险范围内实现收益最大化。

　　在平安银行看来，通过大数据分析客户的投资风格和风险偏好，以实现多样化的客户行为画像和个性化的投顾组合。

　　事实上，从各方反馈的信息来看，智能顾投的核心在于针对客户进行个性化的投资，而这个核心在于风险控制。“人工智能和大数据，已经广泛应用在中国金融的各个领域了，无论是银行还是保险，还是证券，以及其他的金融机构，都在运用这些技术来提升自己的风控能力，降低成本，改善客户体验。”在提到当下金融领域的“AI”热时，微众银行基础科技产品部副总经理卢道和如是告诉《商学院》记者，他乐观地表示，伴随着人工智能技术不断提升，金融行业正在积极地迎接其带来的红利。

　　无论是传统银行的投资理财服务还是新兴的互联网金融平台，风险控制是共同的话题。

　　拍拍贷介绍，其运用计算机的深度学习能力和深度算法，建立了一套基于TITAN的图形数据库反欺诈系统，也就是他们的“墨镜”风控系统，利用上亿级数据进行关联分析，从而快速识别潜在风险。目前，拍拍贷APP端信审已达到L4级别，自动化审核比例在90%以上，而重复借款信审的自动化比例已达L5级别，实现了100%自动化审核。

　　“信贷申请反欺诈是根据用户的申请进件其本信息和行为特征变量，通过机器学习，生成智能申请反欺诈模型，平台应用模型只需拒绝少量的人，再结合关系网络的技术关联分析和技术，就能防范大部分的欺诈分子；而交易反欺诈也是通过搭建交易特征变量的智能交易风控模型有效地防止实时交易带来的风险损失。” 同盾科技副总裁顾威告诉《商学院》记者，人工智能技术目前在信贷申请反欺诈和交易反欺诈已经产生良好的作用。

　　业内人士分析，人工智能要在金融领域发挥作用，需要三大条件，一是海量数据，包括借款人社交、以往消费行为、职业、社会缴金记录、婚姻状况、年龄等，并且平台能够从中找出有价值的数据，作为评估借款人还款意愿与还款能力的重要依据；二是平台需要拥有一个合适的风控模型，与这些数据相匹配并通过大数据分析不断优化风控、获客、催收、客服效率；三是平台要有足够多的专业人才，对人工智能技术不断完善，确保整个业务赶得上市场变化。

　　理想与现实的差距

　　在业内人士看来，人工智能之所以在金融领域大热，一个重要原因是不少机构对人工智能机器的学习抱有相当高的期望值。

　　某消费金融机构首席技术官介绍，机器的深度学习有时也会起到双刃剑的作用，在智能风控领域，机器深度学习得出的风控结论往往是难以解释的。

　　“如果我们向用户提供的额度超出其偿还能力，资金就很可能收不回来，产品的接受度和风险彼此冲突。”秦苍科技联合创始人兼CTO 李炫熠告诉《商学院》记者，一般而言，产品额度越大、利率越低，用户接受的可能性就越大。但是随着用户接受度提高，风险也在增加。

　　在李炫熠看来，AI应用只有能够符合市场环境，提高效率，带来实际收益，才能算得上是好的技术。否则就只是纸上谈兵，吹捧概念而已。他认为AI在金融领域最理想的状态是，企业能够通过模型优化业务流程，同时获取更多业务数据，然后利用新的数据优化模型，形成良性循环。

　　尽管AI在金融领域的重要性已经开始确立，但其真正的竞技技术是否真的那么“神奇”，AI未来能否拿下金融改革“大力神杯”，这一切或许还言之过早。