「人工智慧+金融」4大場景：智能投顧、風險管理、搜索引擎、智能客服

【編者按】：本文作者馮賀霞、楊望，分別為瀚德金融科技研究院的金融高級研究員和研究總監。本文刊登於《當代金融家》雜誌2017年7月刊，原題為《人工智慧在金融創新中的應用邏輯》；現由億歐編輯，供行業人士參考。

2017年5月，AlphaGo再次戰勝世界頂尖級的圍棋高手，這場人機大戰使長期禁錮在實驗室的人工智慧活躍在大眾視野，人工智慧應用場景的話題更是受到多方關注。

事實上，早在人機大戰之前，人工智慧已在家居、醫療、安防、金融等行業的多領域、多維度應用落地，且效果凸顯。目前，全球共有近千家人工智慧公司遍布全球62個國家的十多個產業，國內涉及人工智慧領域的公司也已破百。

尤其是在金融領域的應用最為深刻、廣泛，國內外的一些知名金融機構爭相在「人工智慧+金融」領域布局，試圖在這片「人工智慧+金融」的海量市場中分得一杯羹。

那麼，人工智慧究竟可以應用到哪些金融業務場景？其主要應用優勢和瓶頸是什麼？人工智慧對金融行業的未來發展又將會產生怎樣的影響？本文將對上述問題做深入地分析，旨在探討人工智慧在金融領域的應用場景及其背後的創新邏輯，促進金融產業升級。

應用場景逐步升級

在整個金融流程中，從前台的客戶服務，到中台的金融交易，再到後台的風險防控，人工智慧均參與其中。人工智慧對整個金融行業的影響將遠遠超過互聯網。隨著大數據、人工智慧技術的快速發展，金融智能化必將是大勢所趨。

預計，金融將會是人工智慧在爆發的第一個且最大的領域。目前，人工智慧在金融領域的應用場景主要包括智能投顧、徵信、風控、金融搜素引擎、智能客服等，採用的方法主要是機器學習、自然語言處理、人臉識別、知識圖譜。

智能投顧

智能投顧是人工智慧在金融領域應用落地的第一站，也是在金融行業應用最為深入的領域。智能投顧應用場景主要是在大數據基礎上，結合人工智慧的演算法技術、機器學習技術，根據歷史經驗和新的市場信息來預測金融資產的價格波動趨勢，並以此構建符合客戶風險收益的投資組合。在智能投顧應用領域，量化投資代替人工投資顧問將會是未來的主要發展趨勢。

作為一種新興投資模式，美國是智能投顧市場的發起者，也是落地行動最為迅速的踐行者。全球知名的智能投顧平台Wealthfront、Betterment、Personal Capital等均誕生於美國。

其中，Wealthfront是美國早期機器人投顧平台之一，其平台是在高盛的人工財富管理模型基礎上構建電子化和自動化應用，利用大數據引擎技術、自然語言處理技術以及人工智慧和演算法模型，預測包括美國股市、外匯市場、貴金屬市場以及期貨等市場的行情走向，為客戶提供包括股票配置、股票期權操作、債權配置等資產投資組合建議。Wealthfront憑藉其優質低價的投資管理諮詢服務迅速佔領了市場。

Betterment是美國比較火爆的另一智能投顧平台，該平台將最為基礎的Markowitz資產組合理論及其衍生理論模型應用到產品和服務中，通過大數據和智能演算法，快速批量地完成各種數據運算，再根據用戶傾向定製差異化的資產配置方案。也即，用戶進入Betterment網站平台，填寫投資目的、金額、風險偏好等基本信息，網站就會根據用戶個人狀況推薦資產配置方案。Betterment以客戶為導向，致力於開發更多個性化和更有針對性的理財產品。如Betterment 針對美國的退休儲蓄計劃401 (k)發布了平台產品 Betterment for Business，幫助客戶制訂差異化的退休儲蓄和投資方案。

隨著金融科技的深入發展，國內的一些金融機構開始布局智能投顧。然而，不管平台搭建者是巨頭還是創業者，智能投顧在仍然處在非常早期的階段，國內成型的智能投顧公司並不多。其中，彌財將經典的投資理論與最前沿的互聯網技術相結合，為普通大眾提供智能的、高端的定製投資服務。

國內的BAT等互聯網巨頭也在著手智能投顧平台的搭建和運營。如招商銀行的摩羯智投、阿里的螞蟻聚寶、騰訊的微眾銀行、百度股市通等在一些功能設置上，都有智能投顧的雛形。

風險管理

人工智慧的風險管理優勢更多地體現在消費金融領域。人工智慧和大數據是消費金融風控的左膀右臂，缺一不可。很多消費公司通過知識圖譜、自然語言處理、機器學習等人工智慧技術，提供借款人、企業、行業等不同主體間的有效信息維度關聯，並深度挖掘企業字母公司、上下游合作商、競爭對手、高管信息等關鍵信息。在整個消費金融領域，大數據和人工智慧緊密聯繫在一起，成為消費金融競爭的核心技術。

信而富是將人工智慧和大數據的風險管理優勢應用到消費信貸服務的典型。2016年，信而富正式對外發布基於大數據、人工智慧演算法的消費信貸市場戰略，主要為沒有信貸數據和徵信紀錄的「愛碼族」提供消費信貸服務。信而富的預測篩選技術(PST)主要是基於人工智慧技術，通過建立模型，對海量數據進行篩查，來確定對方是否為真實的借款人。在用戶申請借款時，信而富通過機器與申請人進行互動。根據申請人初步提交的資料，機器人自動匹配相應的問題進行審核，並在5分鐘內完成授信。截至2016年底，信而富已累計為超過140萬借款人提供消費信貸服務，成功撮合借款交易超過1000萬筆。

金融搜索引擎

人工智慧在金融搜索引擎中的應用，有助於解決信息不對稱問題、提供精準的客戶需求、提升交易效率。高質量的知識圖譜提供了信息間的有效關聯關係，有利於減少信息不對稱問題；深度學習的方法方便引擎迭代，記錄用戶的歷史信息及風險偏好，有利於根據客戶需求為其提供最合適的金融產品；建立在深度神經網路、機器學習技術上的網路知識庫系統與智能化推薦演算法，有利於預測產品風險和收益。

金融搜索引擎的典型代表融360今年推出了國內首個AI產品——人工智慧牛。人工智慧牛有效地整合了自身獨有的金融數據報告資源、大數據、人工智慧技術，開創了智能金融搜索先河。人工智慧牛具備「牛眼金睛」功能。首先，人工智慧牛通過人臉識別技術，能高效完成身份識別、審批放款等煩瑣流程。其次，各類詐騙信息通過人工智慧牛掃描即可識破，提前預警。另外，人工智慧牛與用戶直接交流股票、債券、房子等投資問題，並可根據聲控交互推薦投資產品組合，預測投資風險及收益。

智能客服

隨著人工智慧技術的迅速發展，智能客服、機器人客服成為金融領域的一大熱點。金融機構採用自然語言處理技術，提取客戶意圖，並通過知識圖譜構建客服機器人的理解和答覆體系，進而提高金融企業的服務效率、節省人力客服成本。

韓國《金融時報》2016年推出了「人工智慧記者」的程序，基於證交所的各項交易數據，此程序僅需0.3秒即可寫出一篇關於當日股市行情的新聞報道，且半數以上的記者閱讀後分不清是程序完成的還是人工編寫的。

國內交通銀行2015年推出了智能客服實體機器人「嬌嬌」。嬌嬌由南京大學旗下的江蘇南大電子信息技術股份有限公司牽頭，科沃斯、捷通華聲等多家機器人產業鏈企業合作研發而成，基於智能語音、智能圖像、智能語義、生物特徵識別等全方位人工智慧技術進行人機交流，分擔部分大堂經理工作，如引導客戶、介紹各種銀行業務等。目前，「嬌嬌」已成功在上海、江蘇、廣東、重慶等近30個省市的營業網點正式「上崗」，使銀行客服變得更簡單、高效和友好。

金融領域應用優勢日漸顯現

人工智慧在金融領域的應用優勢主要體現在差異化服務、大數據風控模型的優化、金融服務效率的提升三個方面。

首先，通過智能技術的引入，智能投顧平台為大眾群體提供差異化的投顧服務。傳統的投顧模式受限於服務成本，僅覆蓋了比較小眾的高凈值群體，且多以一對一的模式為主，這就使得傳統投顧存在業務受眾面窄、投資門檻高、知識結構單一等問題。

而智能投顧具備投資門檻低、管理費用低、方便快捷、客觀公正等優勢，能夠為普通大眾投資者提供差異化的投顧服務。畢馬威認為，2020年，財富管理機器人諮詢服務的產值將是現在的4倍，達到2.2萬億美元。保守估計，高凈值客戶大概有300萬，而非高凈值客戶約有2億。服務對象的改變將為智能投顧帶來海量級的市場規模。

其次，人工智慧助力大數據風控模型的優化。金融引進技術的核心不僅是獲得利益，更重要的是風險控制，將可控風險降到最低。控制風險的關鍵路徑有兩點，一是對投資者心理底線的了解。二是確保能在這個底線之上運行的風險管理能力，或者叫風險定製能力。

在對投資者分析方面，智能機器人通過搜索技術為用戶畫像，了解賬戶的實際控制人和交易的實際收益人及其關聯性等，並對客戶的身份、常住地址或企業所從事的業務進行充分的了解，用以識別反欺詐行為。

在風險管理方面，大數據風控技術、機器學習、獨有的風控模型等技能，能深入地對基金產品、固收產品、保險產品、另類投資等資產進行風險再平衡分析。大數據與人工智慧技術的結合將更好地幫助金融機構實現對風險的量化，從而更好地實現風險可控操作。

最後，「人工智慧+大數據」有助於整個金融行業效率的提升。隨著互聯網和大數據的發展，人工智慧可用更少的時間分析更為全面的市場信息，提供更專業、更準確的金融服務。並且，人工智慧可以取代人力，使金融服務的業務流程變得更加標準化、模型化、系統化，有助於減少煩瑣的審批流程，提升金融服務效率。

應用「瓶頸」尚待解決

人工智慧在金融領域的應用比較迅速且效果凸顯。但就整個發展過程來看，人工智慧的發展應用並非一蹴而就，還面臨諸多應用「瓶頸」，主要如下：

第一，信息安全問題。智能化的金融服務平台是建立在互聯網基礎之上，但影響互聯網不確定性因素太多，這樣無疑增加了系統性風險。如網站一旦遭到黑客擊破，客戶信息隨時面臨被泄露的風險以及經濟財產遭受損失的風險。再如，網路應用程序一旦發生故障，用戶將會面臨信息導入錯誤程序的風險，進而引發經濟損失風險。

第二，依附於大數據問題。海量的數據是人工智慧技術優勢發揮的燃料，離開大數據，人工智慧就猶如無米之炊的「巧婦」。隨著互聯網技術的發展和普及，金融領域的數據流比較充足，但離全量數據相差甚遠。以國內徵信為例，在目前收錄的8億人中，有完整徵信記錄的僅3億，另外5億隻是錄入了基本信息。這樣，人工智慧在徵信領域的應用就會大打折扣。

第三，監管缺失問題。人工智慧所有的操作技能建立在大量的程序基礎之上，發生故障的可能性較大。人工智慧自身的學習、決策機制的產生等行為無法追溯，這些加大了開發人員人為造成惡意行為的可能性。但在現有的法律和監管體系下，很難界定人工智慧由於故障或行為引發的社會責任問題。

發展前景日益明朗

在互聯網、大數據、雲計算的聯合推動下，人工智慧在金融領域的應用有了突破性的進展。人工智慧技術的引進，提供了更加個性化、差異化的金融服務、提升了整個金融行業的效率、提高了量化風險模型分析的精準性。

然而，由於信息安全、大數據及監管缺失等「瓶頸」問題，短期內，人工智慧在大多金融應用領域尚不能取代人力，但可以輔助人力，提高服務效率。長期而言，從「互聯網+」，到「大數據+」，到「人工智慧+」，這些將會成為金融智能化、數字化轉型的重要方向，大數據、人工智慧技術的應用將會進一步深入滲透到金融的各個領域。