关于人工智能在金融领域的应用发展及监管

描述

  上世纪 90 年代以来,机器学习尤其是深度学习的大规模应用,推动了人工智能的快速发展。目前中国的人工智能研究及应用正处于爆发期,并迎来国家层面的统筹规划和全面引导,未来发展空间巨大。从金融领域来看,国际银行业对人工智能的主要应用集中在资本运营、市场分析、客户营销、风险监管等方面。中国银行业紧随国际银行业步伐,开始了应用人工智能技术的探索,其中互联网金融公司在人工智能研究和运用方面抢占了领先优势。但是,人工智能的应用也对金融监管带来挑战:一是监管对象趋于复杂化;二是违法违规行为难以认定;三是智能代理行为增加了监管难度;四是责任主体难以界定。监管机构要正视这种趋势,针对人工智能特点,需要研究完善金融市场交易规则;加强人工智能在金融监管方面的应用;重视对用户隐私的保护。商业银行则一方面要积极加强技术创新,另一方面要注意风险控制。近年来发展迅速的中国人工智能产业正在迎来国家层面的统筹规划和全面引导。2017 年 7 月,国务院印发《新一代人工智能发展规划》(以下简称《规划》)。《规划》一经发布,即在世界范围内引起关注。那么,人工智能在中国的发展前景如何?其在金融领域如何应用?将给监管体制带来什么样的挑战?本文拟对这些问题进行探析。

  人工智能的概念及发展现状

  1.人工智能概念

  对于人工智能(Artificial Intelligence,简称 AI),国际上没有一个公认的定义。最早提出这一概念的约翰·麦卡锡认为,“人工智能就是要让机器的行为看来像人所表现出的智能行为一样。”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,还有其他诸多关于人工智能的定义。综合来看,这些概念可以分为两类观点:一类观点是弱人工智能概念,认为不可能制造出能真正推理和解决问题的智能机器,这些所谓的智能机器只是看起来智能,但不会真正拥有智能,也不会具有自主意识。另一类观点是强人工智能概念,认为有可能制造出真正能推理和解决问题的智能机器,并且能够具有知觉和自我意识。强人工智能又可以分为两类:一是类人的人工智能,即机器的思考和推理与人的思维一样;二是非类人的人工智能,即机器拥有和人完全不一样的知觉和意识,使用和人完全不一样的推理方式。总体来讲,无论是那种人工智能概念,都体现出这三点优势:一是工作稳定性高。人工智能可不知疲倦地进行工作,在分析问题时几乎不受环境影响。二是降低操作风险和道德风险。利用人工智能取代传统人工对金融交易。服务信息审查监管,控制交易活动中潜在的非法行为,可更好地避免操作风险和道德风险。三是有效提高决策效率。人工智能可以快速地对大数据进行筛选和分析,帮助人们更高效率地决策。因此,本文所讨论的人工智能范畴,是包括强人工智能和弱人工智能的广义人工智能概念。

  2.人工智能的理论基础

  人工智能是计算机学科的一个分支,20 世纪 70 年代以来被称为世界三大尖端技术之一(空间技术、能源技术、人工智能),也被认为是 21 世纪三大尖端技术(基因工程、纳米科学、人工智能)之一。这是因为近 30 年来它获得了迅速的发展,并已发展成为一门独立的系统学科。那么,机器“智能”从何而来呢?这主要归功于一种实现人工智能的方法——机器学习。机器学习最基本的做法,是使用算法来解析数据、从中学习,然后对真实世界中的事件作出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同,机器学习是用大量的数据来“训练”,通过各种算法从数据中学习如何完成任务。机器学习直接来源于早期的人工智能领域,传统的算法包括决策树、聚类、贝叶斯分类、支持向量机、EM、Adaboost 等。从学习方法上来分,机器学习算法可以分为监督学习(如分类问题)、无监督学习(如聚类问题)、半监督学习、集成学习、深度学习和强化学习。总的来看,当前人工智能的研究可归纳为六个方面:一是计算机视觉(暂且把模式识别、图像处理等问题归入其中);二是自然语言理解与交流(暂且把语音识别、合成归入其中,包括对话);三是认知与推(包含各种物理和社会常识);四是机器人学(机械、控制、设计、运动规划、任务规划等);五是博弈与伦理(多代理人的交互、对抗与合作,机器人与社会融合等议题);六是机器学习(各种统计的建模、分析工具和计算方法)。

  3.人工智能发展现状

  2012 年以后,得益于数据量的上涨、运算力的提升和机器学习新算法的出现,人工智能在产业应用上得到快速发展。从全球范围来看,人工智能产业领先的国家主要有美国、中国等。截止到 2017 年 6 月,全球人工智能企业总数达到 2542 家,其中美国有 1078 家,占 42%;中国有 592家,占 23%。美国的人工智能呈现出全产业布局的特征,包括基础层、技术层、应用层均有布局,而中国的人工智能主要集中在应用侧,只在技术层局部有所突破。目前,中国的人工智能研究及应用正处于爆发期。中国政府高度重视人工智能发展,在 2017年 7 月印发的《新一代人工智能发展规划》中描绘了未来十几年中国人工智能发展的宏伟蓝图:到 2020 年人工智能总体技术和应用与世界先进水平同步;到 2025 年人工智能基础理论实现重大突破,部分技术与应用达到世界领先水平;到 2030 年人工智能理论、技术与应用总体达到世界领先水平,成为世界主要人工智能创新中心。近日,科技部确定了首批国家新一代人工智能开放创新平台,分别依托百度、阿里云、腾讯、科大讯飞公司,建设自动驾驶、城市大脑、医疗影像、智能语音等 4 个国家新一代人工智能开放创新平台。与互联网技术发展相似,加速积累的技术能力和海量的数据资源,巨大的应用需求和开放的市场环境有机结合,形成了中国人工智能产业发展的独特优势。展望未来,据英国政府《2017 年英国人工智能产业发展报告》估计,预计到 2024年,全球人工智能解决方案的市场价值将超过 300 亿英镑,部分行业在人工智能的帮助下,生产率将提高30%,节约成本近 25%。而据领英公司《全球 AI 领域人才报告》显示,截至 2017 年一季度,全球 AI(人工智能)领域技术人才数量已超过 190 万。

  人工智能在金融领域的主要应用

  1.在国际金融业的应用

  近年来,全球金融业正在人工智能的催化下悄然改变。据金融稳定委员会(FSB)报告,国际银行业对人工智能的应用主要集中在以下几个方面。(1)面向资本运营,集中在资产配置、投研顾问、量化交易等。人工智能在金融投资顾问方面的运用,通常被称为智能投顾,主要是指为客户提供基于算法的在线投资顾问和资产管理服务。具体又可分为三类:一是应用于销售前端的大类资产配置型智能投顾,主要是通过用户分析为客户解决大类资产配置问题,如 Wealthfront;二是应用于投资分析阶段的投研型智能投顾,主要通过海量数据挖掘和逻辑链条解决投资研究的问题,如 Kensho;三是应用于策略、交易和分析的智能量化交易系统,主要通过人工智能手段取代交易员,应用于投资交易,如 Water Bridge 的全天候人工智能交易。根据统计公司 Statista 的预测,2017 年美国智能投顾管理资产规模将达到2248.02 亿美元,到 2021 年将达 5095.55 亿美元,年复合增长率 29.3%。(2)面向市场分析,集中于趋势预测、风险监控、压力测试。人工智能技术能够从零散的历史数据中获得更多信息,帮助识别非线性关系,给出市场预测(价格波动)及其时效性,从而带来直接或间接的更高回报。此外,人工智能技术还能对大型、半结构化和非结构化的数据集进行分析,考虑到市场行为、监管规则和其他趋势的变化,进行反向测试、模型验证和压力测试,避免低估风险,提高透明度。例如,全球第一个以纯人工智能驱动的基金 Rebellion 曾预测了 2008年的股市崩盘,并在 2009 年 9 月给希腊债券 F 评级,比惠誉公司提前了 1 个月。日本三菱公司发明的机Senoguchi,每月 10 日预测日本股市在 30 天后将上涨还是下跌。经过 4 年左右的测试,该模型的正确率高达 68%。(3)面向客户营销,集中于身份识别、信用评估和虚拟助手。人工智能技术已经被广泛应用于金融的前台,大型的客户数据被导入聊天程序,使其能够为客户“面对面”的用自然语言交流,提高“获客”能力。2017 年 4 月,富国银行开始试点一款基于 Facebook Messenger 平台的聊天机器人项目,虚拟助手通过与用户交流,为客户提供账户信息,帮助客户重置密码。而美国银行的智能虚拟助手 Erica 也正式亮相。用户可使用语音和文字与 Erica 互动,Erica 可以帮助用户查询信用评分、查看消费习惯,随着银行流水收支的变化为 4500 多万客户提供还款建议、理财指导等。此外,汇丰银行已经使用基于人脸和语音的生物识别技术来验证消费者身份;苏格兰皇家银行使用“LUVO”虚拟对话机器人为客户获取最适合的房屋贷款等等,旨在成为用户“可信任的金融咨询师”。(4)面向金融监管,集中于识别异常交易和风险主体。人工智能技术能够用于识别异常交易和风险主体,检测和预测市场波动、流动性风险、金融压力、房价、工业生产、GDP 以及失业率,抓住可能对金融稳定造成的威胁。当前,一些国际监管机构,例如澳大利亚证券及投资委员会(ASIC

  )、新加坡货币当局(MAS)及美国证券交易委员会(SEC),都在使用人工智能进行可疑交易识别。具体做法包括从证据文件中识别和提取利益主体,分析用户的交易轨迹、行为特征和关联信息,更快更准确地打击地下洗钱等犯罪活动。

  2.在中国金融业的应用

  在中国,银行业也紧随国际银行业步伐,开始了应用人工智能技术的探索,其中互联网金融公司在人工智能研究和运用方面抢占了领先优势。例如,阿里旗下的蚂蚁金服已将人工智能运用于互联网小贷、保险、征信、资产配置及客户服务等领域并取得了良好效果。腾讯优图是腾讯旗下人脸检测应用,也与腾讯征信、微众银行、财付通开展合作,实现了对用户的信用评估。(1)智能客服。交通银行在 2015 年底推出国内首个智慧型人工智能服务机器人“娇娇”,目前已在上海、江苏、广东、重庆等省份的营业网点上岗。该款机器人采用了全球领先的智能交互技术,交互准确率达 95%以上,是国内第一款真正“能听会说、能思考会判断”的智慧型服务机器人。工商银行在“企业通”平台基础上,利用数据对接和智能设备,优化业务流程,创新推出了对公客户的自助开户服务,客户仅需到网点一次,就可以完成账户开立、结算产品领取、资料打印、预留印鉴等业务处理。(2)智能投顾。目前我国提供此服务的公司很多,其中银行系(如广发智投、招行摩羯智投、工行“AI”投等)、基金系(如南方基金超级智投宝、广发基金基智理财等)、大型互联网公司系(如百度金融、京东智投、同花顺)和第三方创业公司(如弥财、蓝海财富、拿铁财经等)都在智能投顾上有所应用(3)智能量化交易。在中国现行的金融监管体制下,目前银行在这方面的应用相对较少,但京东金融、蚂蚁金服、科大讯飞、因果树等进行了积极的探索。例如,因果树每周都通过机器来自动甄选优质项目并推出超新星企业,帮助企业在未来 6 个月内顺利拿到下一轮融资的概率提高到了 30%左右。而嘉实基金则研发了一套从市场预测、资产配置到产品选择的完善的投资决策系统“嘉实 FAS 系统”,并实现了超过大盘收益率的投资回报水平。(4)风险控制和管理。这主要包括以下三个方面:一是数据搜集和处理;二是风险控制和预测模型;三是信用评级和风险定价。例如,一个传统的贷款业务可能需要 2 至 3 天来审批,而一个基于人工智能模型的自动审批方案可能只需要几秒钟就可以完成,同时有些传统风控模型的迭代周期可能要数个月甚至数年,但是人工智能的模型迭代可以非常便捷和自动。中国银行推出贸易融资业务反洗钱核查项目,综合运用文本分析、图像识别、机器学习等人工智能技术,将原本每单审核时间从手工 2 小时下降到 2 分钟,效率与质量得到极大提升,银行人工成本大幅降低。

  3.人工智能在金融领域的发展空间

  (1)增强金融机构黏客能力,获取市场竞争主动权。 人工智能的飞速发展,使得机器能够在很大程度上模拟人的功能,实现批量人性化和个性化地服务客户,这对于身处服务价值链高端的金融业将带来深刻影响,人工智能将成为银行沟通客户、发现客户金融需求的重要手段,进而增强银行对客户的黏性。它将对金融产品、服务渠道、服务方式、风险管理、授信融资、投资决策等带来新一轮的变革。人工智能技术在前端可以用于服务客户,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,它将大幅改变金融现有格局,金融服务更加个性化与智能化。(2)降低金融机构运营成本,提高工作效率。金融机构能够利用人工智能和机器学习发展新的业务需求,降低成本和管理收益风险,提高运作效率,优化客户流程。据中国银行业协会发布的《2016 年度中国银行业服务改进情况报告》显示,2016 年银行业金融机构离柜交易达 1777.14 亿笔,同比增长 63.68%;银行业离柜业务率为84.31%,同比提高 6.55 个百分点;离柜交易金额达 1522.54 万亿元。其中,有 15 家银行的离柜业务率已经超过了 90%。未来,越来越多的金融机构将加入到运用人工智能来增强自身竞争力的进程中。权威机构和专家普遍对人工智能在金融领域应用前景持乐观态度。人工智能学会主席Ben Goertzel 认为,10 年以后人工智能可能会介入世界上大部分的金融交易。海外咨询机构科尔(A.T.Kearney)预计,机器人投资顾问未来 3 到 5 年将成为主流,年复合增长率将达 68%。到2020 年,机器人投资顾问管理的资产规模有望达到 2.2 万亿美元。花旗银行研究预测,未来 10年人工智能投资顾问管理的资产将实现指数级增长,总额将达到 5 万亿美元。德勤在《银行业展望:银行业重塑》报告中指出,机器智能决策的应用将会加速发展。智能算法在预测市场和人类行为的过程中会越来越强,人工智能将会影响行业竞争,市场将变得更有效率。

  人工智能对金融监管带来挑战

  1.监管对象趋于复杂化

  在当前的监管法规体系中,被监管对象往往是法人和自然人。由于人工智能技术的发展,投资账户的所有者和经营者可能发生变化。对于所有权为集合主体的账户,采用穿透原则将难以追溯至行为主体,这是因为实际的控制人并不是某个主体,而是智能代理。因而,监管面临的挑战是复杂的,投资人认为账户不是他们中的任何一人操作的,实际控制人不是他们。智能代理服务商只提供了智能代理“产品”,并没有实际控制账户。这时,监管部门就不得不面对如何监管既不是自然人也不是法人的“智能代理”的问题。

  2.违法违规行为难以认定

  例如,大量投资人雇佣同一款表现优异的智能代理,管理其自身账户的投资。由于同一款智能代理的操作逻辑相似,那么这些账户虽然法律上是各自独立,并不关联,但其实际操作可能表现为“一致行动人”的现象。因此,即使监管机构的大数据分析系统能够很灵敏地“捕捉”到这个现象,但是如何认定这种“英雄所见略同”式的行为,将是一个监管难题。

  3.智能代理行为增加了监管难度

  虽然从技术层面上讲,智能代理行为可以从内控程序上加以控制,但对于其具体代理行为的监管边界以及责任主体,目前的监管法规均未涉及。

  4.责任主体难以界定

  如果个别研发人员设计出一个恶意的智能代理,并被一些集合性质的基金所使用,就可能引发个别股票价格的异动。对于这样的违规行为,现有监管法规将难以界定责任主体。

  促进人工智能金融领域应用政策建议

  人工智能在金融领域加快应用是未来的发展方向,监管机构既要正视这种趋势,积极抢占人工智能发展高地,又必须重视人工智能应用给金融领域造成的冲击,未雨绸缪地开展前瞻性研究和战略性部署。

  1.针对人工智能特点,研究完善金融市场交易规则

  我国有关人工智能金融领域应用的市场交易规则几乎空白,应针对其潜在影响,积极研究相关金融市场的交易规则,为人工智能发展创造良好的市场环境。

  2.加快人工智能在金融监管方面的应用

  人工智能在金融领域的应用,对金融监管模式和手段提出了新的要求。面对人工智能的快速发展,我国金融监管部门应积极引入人工智能,进一步提高监管效率。

  3.重视对用户隐私的保护

  当前,我国有关隐私保护的法律制度还不健全,金融消费者的隐私保护意识较为薄弱,个人信息泄露的现象时有发生,无论从保护公民基本权利,还是从发展人工智能的需要考虑,都亟须完善我国金融隐私权保护制度,加强相关行政监管,明确金融机构相关告知义务、信息安全保障义务,以及出现问题后的赔偿责任,有效保证人工智能在金融领域应用中的信息安全。对于商业银行而言,一是大型金融集团要做好前期资金技术的投放,提前介入,加强技术创新;要加快业务创新,在行业转型上保持领先地位,要增强技术及维护人员储备,尤其是智能型、复合型人才的引进及培养,提高核心竞争力,适应发展要求。二是加强风险控制。在数据处理方面,人工智能技术极大地扩展了数据来源,因而更多的数据被纳入分析体系。同时,金融工具能自动进化交易策略,甚至模拟专家进行决策,这会隐含许多新的风险。必须对前期数据来源、智能化程序设计等环节进行严格审查,加强风险控制。尤其在恐怖袭击、监管变革和实施卖空禁令等个别极端情况下,还需要专家进行必要的风险检测及应对。

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分