探索人工智能在货币市场的应用

　　作者|陈芃‘中国工商银行金融市场部’

　　文章|《中国金融》2023年第16期

　　近年来，人工智能新技术的加速发展推动金融领域数字化转型进程加快，本币货币市场以交易对手广泛、交易笔数多、交易时段集中、交易量大等特点成为人工智能技术落地的重要业务场景。

　　人工智能在本币货币市场领域的应用背景

　　近五年来，银行间本币货币市场领域（本文指质押式回购、买断式回购、同业拆借业务）发展迅速。一是交易规模大幅增加，交易量从862万亿元增长至1527万亿元，年复合增长率约为12%；二是交易品种以质押式回购为主，质押式回购业务占比由82%增长至90%，成为本币货币市场具有绝对优势的交易品种；三是交易期限以隔夜为主，质押式回购业务加权平均期限由2.8天降至2.1天，隔夜品种占比由81%增长至86%；四是市场参与成员不断增加，交易成员由2.5万家增长至5.3万家，年复合增长率约为16%，交易活跃度提升。

　　近年来，人工智能技术高速发展推动了金融领域的数字化转型。人工智能技术始于20世纪50年代，随着计算机科学、大数据分析等领域的发展，至今已步入第三次浪潮。自然语言处理（NLP）方面，生成式人工智能、大规模预训练模型等新技术逐渐成熟，以ChatGPT为代表的大语言模型标志着相关算法取得重大突破。ChatGPT对话机器人具有“搜索引擎+社交软件”的属性，能够与使用者实时互动，对于使用者提出的问题可以给出相对合理的答案，具备理解上下文、连贯性等诸多先进特征。商业银行是人工智能领域的先行者，银行业作为技术和知识密集型行业，具有采用信息提升业务效率的内生需求和天然优势，在智能客服、智能投研、智能运营、智能营销、智能投顾等领域应用广泛，ChatGPT的出现提升了商业银行数据运用能力，提高了服务实体经济的效率和质量。

　　本币货币市场业务与人工智能技术的结合具有可行性。一是外部政策环境为助力业务数字化转型建设提供了支持。“十四五”规划及《“十四五”数字经济发展规划》提到，“以数字化转型整体驱动生产方式、生活方式和治理方式变革”“不断做强做优做大我国数字经济，为构建数字中国提供强有力支撑”“加快金融机构数字化转型”。2022年，中国银保监会办公厅印发了《关于银行业保险业数字化转型的指导意见》，并指出，“提升金融市场交易业务数字化水平”“有效提升投资交易效率和风险管理水平”“到2025年，银行业保险业数字化转型取得明显成效”。二是相关制度要求为人工智能合理应用提供依据。银行间市场交易商协会、中国外汇交易中心（以下简称外汇交易中心）相关文件均指出“市场参与者应加强对从业人员使用交易即时通讯工具开展债券及相关衍生品等交易”“市场成员应通过iDeal规范开展银行间市场各交易品种线下询价业务”。这些制度要求使得运用规范询价工具iDeal批量进行文本学习、语义训练、交互接口开发具备可行性。三是业务自身发展助推人工智能技术的应用落地。交易规模的增长对业务的高效达成和精细化管理提出了更高要求。在本币货币市场中，头部机构具有较强的流动性传导能力，是资金的主要融出方，但人工存在无法全天对交易意向即时应答、短时间内覆盖客户有限、需结合客户画像等信息作出应答判断等问题。因此，运用人工智能技术将交易中相对标准化的步骤抽象出来具有必要性。

　　人工智能在本币货币市场领域的探索实践

• 人工智能在交易询价方面的应用

　　本币货币市场交易机器人是将人工智能技术应用于债券回购业务的典型场景。自2019年以来，已有十余家机构推出了资金交易机器人。机构双方依托外汇交易中心提供的即时通讯平台iDeal进行交易询价，机器人通过语义识别和参数判断，在短时间内可实现多笔交易意向应答，大幅提升了交易询价效率。总的来看，当前市场推出的资金交易机器人可分为三类：一是外汇交易中心提供的智能交易机器人服务，由机构将自身的风控参数部署在指定的交易系统ComStar上，实现通用模式的智能询价流程；二是机构利用外汇交易中心提供的iDeal文本接口，与内部数据平台和交易管理系统实现交互，自主构建询价应答流程和语义识别模型；三是机器人不仅应用于询价环节，还具备头寸管理、交易达成、交易清算等全流程自动化功能，该模式因对风控要求较高，较少被采用。

　　工商银行自主研发货币市场交易机器人上线4个月来，达成质押式回购交易意向超过700笔、1万亿元。交易对手广泛覆盖银行、证券、财务、基金、理财等各类银行间市场参与机构，并与市场同业机构达成一笔机器人间的交易意向，实现对人工及机器人询价的灵活对接。该资金交易机器人支持主动询价、早盘意向留存、日间询价要素校验、机器人与人工灵活切换等多种场景，通过联动内部系统，兼具风险控制、数据分析等多种功能。相较于传统人工询价，资金交易机器人的使用显著提升了询价效率、有效扩大了交易规模和交易半径、增强了客户黏性，对保证业务高效连续运行、助力传导货币政策、发挥商业银行作为货币市场核心交易商的影响力起到了重要作用。

• 人工智能在交易决策方面的应用

　　交易过程中，交易员需从多个内外部系统中查询对手方机构、历史交易、风险指标等信息综合作出决策。通过在内部或外部系统中构建交易决策引擎，运用人工智能算法实现根据决策偏好进行信息优先级展示、对新闻事件“打标签”监控风险舆情、分析交易特征等功能，可有效提升交易效率、防范交易风险。以工商银行“智能交易助手”数据产品为例。工商银行联合外汇交易中心合作打造iDeal可视化插件体系，依托iDeal私有插件接口和开放式开发框架，与工商银行内部交易管理系统对接，聚焦交易对手画像，精准推送高价值、低延时信息，交易员通过询价对话窗口右侧栏展示的客户准入、合作情况、存续交易结构等文字、图表信息作出决策，交易流程顺畅、高效。

• 人工智能在交易流程自动化方面的应用

　　询价、决策、执行构成了交易的完整闭环。交易机器人和智能交易助手主要在交易询价决策环节对交易员进行辅助，交易执行环节是对已经达成意向的交易进行最终成交，可运用人工智能结合RPA（机器人流程自动化）技术抽取必要的业务过程，实现部分业务流程的自动化处理，达到提升内部管理效能、有效控制交易风险的目的。例如，工商银行开展的交易事前风控体系建设，运用RPA技术优化审批、成交、簿记环节流程，交易员在本币前台点击成交时，通过X-Bridge事前风控接口将成交要素与事前审批要素进行校验，成功后即可同步达成交易。同时，通过“大数据—机器学习模型”的应用，依托流程组装式定义与执行支撑，打造金融市场执行的“高速公路”，对交易员在交易执行中遇到的问题进行智能应答，实现“效率提升、体验提升、价值经营”。 

　　人工智能在货币市场领域的应用前景

• 当前已有成果及所需思考的问题

　　除了货币市场领域，人工智能技术已应用于金融市场领域智能交易、投资研究、监测分析、风险控制等各类场景。包括银行、基金、理财在内的多家金融机构已上线了货币、债券交易机器人，实现交易询价流程自动化。此外，部分机构将交易机器人与做市报价、风险管理、交易对手画像、数据分析等功能相结合，为银行间市场成员提供高效的报价服务。在资管领域，部分机构已经实现了AI客服产品推荐、研究报告自动撰写等功能。总的来看，人工智能、大数据、RPA等技术的综合运用，能够为对客营销、投研分析、风险管控提供多样化的解决方案，但人工智能技术在金融市场交易领域的运用仍处于初级阶段，未来还需不断优化创新，探索更多的应用落地场景。 

　　当前，人工智能技术在交易过程中更多的起到了辅助交易员决策、提升工作效率的作用。后续应从“能不能做”“能不能用机器做”两个维度出发重新审视业务流程。以智能交易机器人为例，询价应答功能有赖于前置参数和规则设置，当市场波动较大时，仍需人工介入判断和操作。随着“智能交易员”参与交易部分环节，如何对其权限、风险进行管控，建立制度、授权、职责相匹配的关联关系需进一步探讨；此外，在撰写报告过程中，对人工智能技术的替代率尚缺乏定性、定量的评价和反馈机制。

• 人工智能在货币市场的应用前景

　　经过二十余年的发展，银行间市场交易机制不断演进、产品序列不断完善、服务质量不断提升、对外开放程度不断提高，极大地满足了市场多元化的交易需求，促进了市场价格发现功能的持续提升。随着人工智能发展引领行业新趋势，在金融市场领域重新定义“人”与“机器”的分工、重塑新业态得到了广泛关注。未来，人工智能技术在智能交易、交易辅助、投研分析等多场景具有实践可能。

　　一是在智能交易方面。持续提升智能交易机器人语义识别能力，覆盖更多业务场景和模式，提高业务效率和流程规范；搭建电子化交易平台及量化交易系统，提升业务的自动化水平，根据内部策略开展智能做市及报价服务，扩大交易报价覆盖的广度和深度，有效提升做市商做市动力及市场活跃度、影响力。

　　二是在交易辅助方面。打造面向内外部的AI员工，支持在线问答、信息检索等功能，解答制度、规程等方面的问题，基于大模型等技术与客户进行简易的互动交流；打造前、中、后台协同的数字化交易引擎，实现交易决策智能化、交易流程敏捷化、业务管控精细化、监测分析灵活化，有效辅助交易决策、提升风险监测能力、提高交易效率。

　　三是在投研分析方面。解决数据收集、信息分析、整合利用等难点，打造一体化的投资研究平台，推动经验决策向数据决策转型；基于AIGC（人工智能内容生成）、RPA、OCR（光学字符识别）等技术，提升投资决策、运营分析方面的数字化、智能化水平，强化系统对业务决策和风险控制的支持能力。

　　未来，人工智能的广泛应用将助推金融市场领域的数字化转型，引领银行间市场向智能、高效、规范的方向发展，赋能交易业务降本增效，这一趋势对市场、参与机构均具有重要意义。

　　(本文作者介绍：权威、专业、理性、前沿，宣传金融政策、分析金融运行、报道金融实践)