智能金融发展报告

  01

  引言

  当前,新一轮科技革命和产业变革席卷全球。人工智能(AI)近期在机器学习、计算机视觉、自然语言处理、语音识别各方向都快速发展,尤其是以深度学习为代表,把AI发展推上了一个高峰。新技术的迅猛发展,深刻改变了人类的生产和生活方式,也成为金融产业升级的新动能。

  以国内为例,2017年3月,在十二届全国人大五次会议的政府工作报告中,“人工智能”首次被写入政府工作报告,同年7月,国务院制定发布了《新一代人工智能发展规划》[1],提出我国人工智能发展的三步走战略和具体的六大任务,其中第一次正式提出“智能金融”概念。2018年1月18日,2018人工智能标准化论坛发布了《人工智能标准化白皮书(2018版)》[2],国家标准化委员会成立人工智能标准化总体组全面推进人工智能标准化工作。2020年5月,《2020年国务院政府工作报告》提出,重点支持包括新型基础设施建设在内的“两新一重”建设。

  金融是现代经济的核心,金融服务行业也一直是技术创新的积极实践者和受益者。大数据、AI等技术正在大踏步地走进金融行业,金融业在大数据、AI等技术的催化下快速而深刻改变。

  02

  智能金融概述

  2.1什么是智能金融?

  智能金融指的是以人工智能为代表的新技术与金融服务、产品的深度融合。智能金融基于全方位大规模的金融数据,通过人工智能的自学习和数据挖掘能力,建立自我完善增强的算法模型,更好分析并满足客户的金融需求,重塑以客户为中心的金融价值链和生态。智能金融拓展了金融服务的广度和深度,推动了普惠金融的实现。智能金融以更加灵活、快速、精准的方式,服务于社会经济各行业,推动实体经济的高质量发展。

  

  

  图1 智能金融概念

  2.2智能金融中的新技术

  智能金融应用的新技术可概括为“ABCD”:人工智能(Artificial Intelligence)、区块链 (Block Chain)、云计算 (Cloud Computing)、大数据 (Big Data)。在这四种技术中,人工智能是模拟人类智能的学科,包括机器学习、数据挖掘、自然语言处理、语音识别、计算机视觉等各个子领域。人工智能是智能金融的发动机和核心要素,决定了金融服务的智能化方向。区块链是一种去中心化的分布式共享记账技术,具有不可篡改、公开性、去中心化、可匿名和自治性的特征,使其成为金融数据和信息记录的最佳载体,解决金融交易最重要的信任问题,从而推动新的商业模式产生。云计算使得计算资源以共享弹性灵活的方式得到充分利用,为人工智能落地金融场景解决计算资源问题。区块链解决安全问题,云计算解决了计算资源的共享利用,这两者为智能金融提供基础设施。大数据特征可以概括为:Volume大容量、Variety多样性、Velocity快速化、Value价值化,金融大数据提供了智能金融应用的数据来源,是智能金融引擎的燃料供应。大数据技术提供了加工和处理方法。后三种技术都支撑了人工智能技术在金融领域的有效应用。

  2.3智能金融生态圈

  在智能金融浪潮的推动下,以用户为服务的目标和中心,智能金融生态圈将会出现四类参与者,包括:

  金融服务供给者:指各传统金融机构(银行、证券、基金、保险公司等)。这类企业具备专业金融能力,积累多年的金融业务经验,正在通过向科技企业学习,积极寻求转型以提高自身的科技实力和创新能力。例如招商银行的摩羯智投就是基于多年的业务经验同时融合人工智能技术所推出的一款新产品。

  智能金融技术提供者:指从事智能金融技术研发的各类金融科技公司。这些企业通过挖掘细分金融领域需求,模型算法等技术能力和平台,推出从智能投顾、智能营销、智能客服、智能风控等的智能金融产品、基础设施服务。如腾讯金融云和阿里金融云通过为金融行业量身定制金融云服务,帮助金融企业实现从传统IT向云计算的转型。

  监管机构与政府:如央行、银保监会、证监会等。在智能金融的新业态中,监管当局也在维持其核心目标即“维护金融系统稳定、保障消费者权益、维持金融市场秩序”的基础上,借助金融科技促进监管效率提升,共同推动新创领域的立法立规,支持金融科技行业的健康发展。

  金融服务需求者:指投资者与客户,包括单位或个人的客户。随着新金融模式如互联网金融的发展,用户对金融产品和服务的诉求逐渐发生变化,对便捷、快速、安全、低成本的金融服务的需求显著提升。

  

  图2 智能金融生态圈

  03

  智能金融的发展历程

  3.1智能金融演进阶段

  金融科技的发展分为三个阶段。第一个阶段是“信息化金融”,是计算机及网络技术被引入金融领域的早期阶段,表现在金融业务的信息化和金融数据的电子化。这一阶段主要依托信息系统和数据库技术。典型例子如会计账户电子化、银行数据库IOE系统等。

  第二个阶段是“互联网金融”。在金融基础设施全面信息化、电子化的基础上,互联网与金融业务的融合的产生了互联网金融。互联网金融又可分为互联网支付、网络借贷、股权众筹融资、互联网基金销售、互联网保险、互联网信托、互联网消费金融等细分业态。这一阶段依托的主要技术是软件工程、互联网、物联网以及云计算技术。

  第三个阶段即“智能金融”,这是金融科技发展更加深入的阶段。金融数据的规模和多样性不断增长,大数据和人工智能等技术的日益成熟。智能金融的典型应用场景如智能投资、智能投研、智能支付、智能投保和理赔、智能监管等。这一阶段依托的主要技术是人工智能、大数据、云计算、区块链技术。

  

  

  图3 智能金融演进阶段

  下面将按照这三个阶段的划分简略回顾国外和国内智能金融的发展历程。

  3.2 国外智能金融发展历程

  国外金融科技的发展可以追溯到 20 世纪中叶,信息和网络技术应用到银行业务中。1950年,大来俱乐部(Diners Club)在纽约创立,并发行了世界上第一张塑料信用卡——大来卡,金融机构进入信用卡发卡领域。1955 - 1958 年,旧金山的美洲银行(Bank of America)首次安装了 IBM702 型电子计算机,用于记账和编制报表。1967 年,世界第一台电脑自动柜员机在英国伦敦巴克莱银行安装。1973 年,环球银行金融电信协会(SWIFT)成立,负责运营全球金融电文网络。1977 年,在美国银行卡联盟基础上,信用卡跨行网络 Visa 成立。

  在金融互联网化的早期阶段,世界上第一家网络银行——安全第一网络银行(SFNB)1995 年在美国成立,标志着新兴银行模式的诞生。随着互联网的普及,用户对高效、便捷金融服务的需求提升,非银行支付机构快速崛起。美国最早的第三方支付机构 PayPal 于 1998 年 12 月初见雏形。随着电子商务的兴起,互联网支付方式得以快速渗透。2005 年,全球第一家 P2P 网贷平台 Zopa 在伦敦上线运营。

  随着人工智能技术发展成熟,相关技术开始应用于金融领域。美国基金公司 Rebellion Research 于 2007 年推出全球首个人工智能投资基金。2008 年金融危机后,成立了一批提供智能投顾工具的科技金融公司,如美国的WealthFront和 Betterment是全球较早、规模较大的智能投顾平台。在用户征信评分方面,美国Fair Issac公司把预测性分析、深度学习、指导学习技术应用在FICO用户评分,预测用户违约的可能性。美国肯硕公司(Kensho)结合自然语言搜索、图形化用户界面和云计算,为投资者了一套全新的分析工具沃伦(Warren ) ,回答复杂的金融市场问题。

  国外人工智能在银行的应用也有不少案例。摩根大通把深度学习技术应用于多个方面,如预测性推荐系统对各公司财务状况及市场行情进行自动分析,辨别新股客户。美国银行推出手机端智能虚拟助手 erica,提供理财和交易指导。

  3.3 国内智能金融发展历程

  我国金融业务信息化步伐始于改革开放以后,起步相对较晚,但是发展迅速。改革开放初期开始,我国启动了电子化支付清算进程。1985年,中国银行发行第一张银行卡“珠江卡”。1989 年,电子联行系统正式开始建设,于 1991 年投入运行,开启异地跨行支付清算业务处理电子化的序幕。1995 年,人民银行实施电子联行“天地对接”工程,实现了支付系统无须人工干预地进行对接,联行清算系统步入现代化。21 世纪以来,现代化支付系统建设速度加快,中国银联跨行支付系统和商业银行行业支付系统相继建成运行。

  金融信息化为日后蓬勃兴起的互联网金融的业务模式,提供了关键的底层技术保障。1996 年,中国银行成为第一家使用互联网发布信息的国内银行。1999 年,第三方支付机构首信易支付成立。2003年支付宝诞生。2007 年,线上 P2P 平台拍拍贷成立。2010 年,人民银行出台《非金融机构支付服务管理办法》[3]。2011年,腾讯财付通等第三方支付机构获得第一批支付业务许可证。

  步入二十一世纪以来,人工智能技术在中国金融行业快速应用。2013年招行推出“微客服”平台。2013年,中国建设银行智能交互机器人“小微”的服务渠道由微信扩展到网银、手机银行等,服务领域覆盖个人金融、对公业务、电子银行、信用卡等。2015年,交通银行的智能客服实体机器人“娇娇”,分担引导客户、介绍各种银行业务等大堂经理工作。2017年9月1日,支付宝与肯德基联合宣布共同落地“刷脸支付”。智能投顾公司开展面向B端的智能投顾服务,如:招商银行的摩羯智投、阿里的蚂蚁聚宝、腾讯的微众银行、百度股市通等。

  04

  智能金融发展的机遇与挑战

  4.1智能金融发展的政策环境

  美国、英国等国家具备金融科技发展良好的政策环境。2014年8月,英国财政部提出金融科技振兴策略;2017年,英国财政部提出“监管创新计划”,重点探讨对变革性业务模式及新技术的激励策略。2016年,美国货币监理署(OCC)发布了白皮书《支持联邦银行系统中负责任的创新:货币监理署的观点》[4]。2017年3月,OCC对外发布了向金融科技发放许可牌照的草案。

  国内政策也为智能金融发展提供了良好的发展机遇。2017年5月15日,中国人民银行成立金融科技委员会,旨在加强金融科技的研究规划和统筹协调工作。同年6月27日,中国人民银行印发的《中国金融业信息技术“十三五”发展规划》[5],把推动新技术应用、促进金融创新发展作为未来的一项重点任务。2017年12月14日工业和信息化部发布《促进新一代人工智能产业发展三年行动计划(2018-2020)》[6],要求力争到2020年,一系列人工智能标志性产品取得重要突破,在若干重点领域形成国际竞争优势。2019年9月6日,央行官方正式发布了《 金融科技(FinTech)发展规划(2019—2021年)》[7],提出到2021年 ,建立健全我国金融科技发展的“四梁八柱 ”, 进一步增强金融业科技应用能力,实现金融与科技深度融合、协调发展。

  4.2智能金融带来的优势

  智能金融相对于传统金融服务带来的优势可归纳为四个方面:

  成本优势:AI产品开发完成后,运行成本低廉,节省的人力成本。AI使人从大量重复性脑力劳动中解放出来,而聚焦于人所擅长的决策分析工作。

  效率优势:算法和数据带来的突破提高了复杂任务处理的效率和准确性。机器代替人工处理具有实时应变、及时高效的特点。

  用户体验优势:通过大数据分析,理解用户需求,全面改善用户交互水平,使得交互界面更加人性化,从同质化服务的千人一面拓展为个性化差异化、千人千面的服务。

  风险控制优势:从大数据中自动学习风险模型,基于数字化基础,风险评估更加科学。根据知识图谱表达的深层关系,能发掘深层次风险,全面排除隐患。

  4.3面临的监管挑战

  人工智能金融应用要得到推广,就要满足传统金融监管的诸多要求,包括业务操作流程必须满足反洗钱审查、业务操作流程合规、客户风险承受力评估、投资者适当性等操作要求,这给不少人工智能金融应用造成相当高的监管压力。比如不少智能理财机构都是通过机器人模型设定调整投资组合与投资模型,需要不断调整数据参数,让投资模型的内在逻辑变得更有说服力,以此满足金融监管规定。

  AI的应用需要有新的法律法规。相关部门已将人工智能金融应用纳入政策扶持范畴,相关金融监管也列入了规划之中。比较明显的特征是监管正从机构监管转向功能监管,并由原先立足于静态的区域和城市进行监管转为跨区域、跨境的监管。

  智能金融需要有新的监管技术,这方面的技术还不成熟。为此不少国家金融监管部门采取相对灵活的监管措施,比如新加坡、英国等金融监管部门采取沙盒监管(regulatory sandbox)方式,简化市场准入标准与门槛,允许机构将人工智能金融应用迅速落地运营,随后金融监管部门根据这些业务的运营发展状况,决定是否予以推广。

  05

  智能金融主要服务场景

  根据金融服务环节划分,智能金融包括以下服务场景:在前台,通过智能营销和智能客服,提升金融服务的客户体验,使服务更加人性化,多样化;在中台,通过智能投顾,智能投资,智能投保理赔等服务,支持各类金融服务的分析和决策,使分析决策更加高效化,智能化;在后台,利用智能运营,可以用于风险识别和防控,使管理更加精细化。不同行业,每个阶段都有多个具体服务场景。

  

  

  图4 智能金融应用场景

  5.1智能客服

  智能客服是指通过大规模知识处理、语音识别、自然语言理解等技术来构建金融领域专用的自动问答机器人来实现远程客户服务、业务咨询和业务办理等服务。智能客服能够在保证服务质量、服务效率的同时,帮助企业掌握和了解客户需求,挖掘分析其内在价值。

  5.2智能营销

  智能营销指是指在可量化的客户和产品数据基础上分析客户的消费特点和金融服务需求,通过用户画像,划分客户群体,精准匹配地客户和产品,并通过差异化的产品和准确的渠道进行精准、智能、个性化的营销。与传统营销相比,智能营销人工智能技术,具有时效性强、精准性高、关联性强、性价比高、个性化强等特点。

  5.3智能支付

  智能支付指利用包含人工智能,物联网等技术为载体或支撑,驱动支付过程,实现资金的转移。人工智能技术的发展,推动了智能语音支付,图像识别支付,生物识别支付的支付方式的出现,极大的提升用户体验和支付效率,推动了消费场景的扩展和升级。

  5.4智能风控

  智能风控根据用户行为大数据进行用户画像,从中分析客户的个性特征、风险偏好,构建信用信息,通过机器学习技术建立风控模型,对交易行为进行风险评估和预警。由人工智能、大数据、云计算等技术所驱动的智能风控正在成为新趋势。

  5.5智能投顾

  智能投顾,指的是利用大数据、人工智能等技术,以现代资产组合理论为基础,结合投资者风险偏好、财务状况等信息,为投资者提供资产配置组合以及智能跟踪、再平衡等服务。能够根据用户需求匹配风险与收益,分散化投资不同的产品,严格执行事先设定好的策略,避免投资人受市场变化而产生不理性的情绪化影响。智能投顾可以为用户订制资产配置组合,做到“千人千面”。

  5.6智能投资

  智能投资是人工智能技术在资产管理行业的应用,利用人工智能技术辅助金融交易和投资决策。其主要的面向客户群体为:研究员、基金经理、上市公司等一系列机构投资者。智能投资能够综合宏观经济、微观经济、经济周期、行业规律、公司基本面等多方面因素,还可以获取社交平台、新闻报道、金融数据等金融舆情信息以理解市场变化,通过对海量金融数据的自动学习,从数据中发现模式,自动构建、完善分析模型,预测事件变化趋势和规律,提前做出相应的决策。

  5.7智能保险

  智能保险是指综合利用自然语言处理和知识图谱、图谱识别和数据挖掘技术,对包括产品设计定价、投保、理赔、售后等环节进行优化和改造。包括利用智能投保和理赔优化保险公司定损流程,提升用户从投保到理赔的效率,提供更便捷、高效、创新的保险服务,降低理赔流程成本。智能投保和理赔对传统保险业务进行了流程升级和再造。

  5.8智能监管

  智能监管通过监管与科技的深度融合,运用大数据和人工智能技术,服务金融监管与合规业务,提升监管机构的内部创新能力和技术水平,从而更科学、严谨、快速地制定金融技术创新和模式创新的监管标准、规则和框架。例如利用大数据、机器学习等技术手段监控、审查金融风险,监控异常交易行为,提高反洗钱、反欺诈的效率和效益,降低合规成本,保障金融环境的稳健发展。

  06

  智能金融的发展趋势和前景

  国务院发布的《新一代人工智能发展规划》,明确提出要建立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。同时也强调了深化金融体制改革,健全金融监管体系。

  6.1数据——发展新动力

  智能金融发展的基础是多源异构的超大规模数据,数据已经成为一种独特的战略资源和生产要素。数据处理和应用能力将成为金融机构构建竞争壁垒的核心能力,重要性愈发凸显,成为智能金融发展的新动力。2017年8月央行宣布成立网联,包括央行清算总中心、财付通、支付宝、银联商务等在内的45家机构签署了《网联清算有限公司设立协议书》,拟共同发起设立网联。国家与企业的联合共建数据基础设施,规范数据交换标准,共享数据将给智能金融的实现产生极大的推动作用。

  6.2技术——多元融合

  当前,我国的金融科技产业在市场规模、用户数量、技术能力等方面,一直处于高速增长。人工智能、大数据、云计算、物联网、区块链等新兴技术,不断发展日益成熟,将深入金融业务逻辑,深度嵌入金融服务的各个流程和环节,从前端产品营销、用户服务,到后台风险控制、合规管理,体现出各类新兴技术的综合性、一体化应用趋势。我国金融机构、互联网公司、技术初创企业等市场主体,已经在智能金融细分领域积极布局,进一步解决金融服务体系中现存的痛点,推动金融服务产业效率提升,促进金融服务实体经济、社会民生,进而发挥技术创新的最大边际效益和核心价值。

  6.3价值——以用户为中心

  金融服务模式变化背后的推动因素中,用户对服务、产品的需求、用户行为习惯的变化,成为重塑金融服务产业格局的重要驱动力。随着金融服务向远程化、数字化、虚拟化方向发展,用户对便捷、快速、安全、低成本的金融服务的需求显著提升。此外互联网时代,网民偏好线上沟通方式和个性化服务、产品,将带来更多差异化的金融需求和模式。智能金融技术的发展,使得满足用户需求成为可能。智能金融基于全方位大规模的金融数据,通过人工智能的自学习和数据挖掘能力,建立可自我完善增强的算法模型,以更好分析并满足客户的各类金融需求,重塑以用户为中心的金融价值链和金融生态,为不同客户提供不同类别的金融解决方案,实现金融服务的“千人千面”。

  6.4生态——协同合作

  人工智能技术的进步将进一步变革业务模式和服务模式,从简单场景扩展到跨行业、跨领域的复杂场景,使得未来企业不再是固化于某种产品或服务,跨行业、多样性的“新”企业将不断诞生。在智能金融生态圈的各个参与角色中,传统金融机构行与科技公司协同合作、优势互补是大势所趋。以银行为代表的金融机构具备成熟的金融业务体系和充足的金融数据积累,同时有向智能化作战略转型的而迫切需求。而金融科技公司在人工智能、大数据等方面具备专业的技术能力、强劲的产品创新和灵活的团队运作方式,但却高度依赖于金融基础数据和运营经验。在智能金融阶段,金融服务将更透彻地感知客户需求和识别客户行为模式,实现客户服务的个性化。将更及时地预测金融市场价格变化,洞察金融市场的风险,优化资金的分配和流通,减少企业运营风险。新的智能金融业务模式将有效伸延与普惠金融服务人群,从而推动金融的普惠化。提供更加便捷的支付结算、更加综合的金融服务和更加安全的财富管理,提高金融服务效率。

  2020“新基建”已经成为时下热词,3月4日,中共中央政治局常务委员会会议强调,加快5G网络、数据中心等新型基础设施建设进度。人工智能、区块链、云计算、大数据等新技术的发展将推动金融服务模式的创新与变革。通过智能化技术的综合应用,未来的金融服务将以“智能化”方式生产和提供,为金融行业降低成本,提升效率,改善客户体验,推动普惠金融发展。金融机构、金融科技企业、监管方等各方将形成新的金融生态圈,协同合作,完善自身技术能力,变革金融服务模式,使智能金融成为金融产业转型升级的内驱力。我们相信,智能金融必将为中国金融行业的发展,发挥积极而持久的作用!

  07

  写在最后

  司南数据,为金融行业提供先进的智能化解决方案,致力于将大数据BD、人工智能AI、机器人流程自动化RPA等技术应用于金融业务中的数据处理、业务流程自动化、智能化等应用场景。公司的司南智投(智能投研、智能研报等)产品受到上市公司IR部门、证券公司、基金公司、私募机构、银行业等头部客户的广泛认可。

  公司自主研发力量雄厚,拥有一支专业的人才团队,骨干成员均来自哈佛、清华、上交大、复旦、浙大等名校,博士及博士后占10%,硕士占10%,本科占80%、核心团队具有平均十年以上的知名大型企业工作经验,系统性从事大数据、人工智能领域研发及工程实施,在数据行业内有着深厚的沉淀和积累。公司产品已获5项人工智能技术发明专利,16项人工智能软件著作权,填补行业空白,并不断创新相继开发出新的产品面市。 

  作者简介:

  李伟:数据挖掘及机器智能博士,具有二十年人工智能、大数据科研及产业界经验,包括:哈佛访问学者、助理研究员;香港城市大学研究员;华为消费者BG;恒生电子;央行科技委智能金融课题组成员;证监会课题(智能投顾);浙江省重大课题(智能金融方向)。

  参考文献:

  [1]《新一代人工智能发展规划》,国务院,2017-7-8

  [2]《人工智能标准化白皮书(2018版)》

  [3]“非金融机构支付服务管理办法”,中国人民银行,2010-6-14

  [4]“Supporting Responsible Innovation in the Federal Banking System: An OCC Perspective”,Office of the Comptroller of the Currency, U.S,March 2016

  [5]“中国金融业信息技术“十三五”发展规划”,中国人民银行,2017-6-27

  [6]“促进新一代人工智能产业发展三年行动计划(2018-2020)”,工业和信息化部,2017-12-14

  [7]《 金融科技(FinTech)发展规划(2019—2021年)》

特色专栏

热门推荐