浅谈人工智能在金融风险控制中的创新应用.docx

1、浅谈人工智能在金融风险控制中的创新应用摘 要：人工智能技术的高速发展正在深刻影响各个传统行业，金融行业也迎来了变革时代。基于大数据为基础的分析和决策机制，正在形成新的金融服务模式。“互联网+大数据+人工智能+金融风控”是未来金融风控的主要形式。本文简要梳理了人工智能在金融领域中的应用现状，并分析了其优势与问题。 下载 关键词：人工智能；金融风险；大数据；风险控制 一、人工智能与金融结合发展历程 1946 年，冯?诺依曼制造了第一台电子计算机之后，人们就开始考虑机器是否有朝一日能获得智能。阿兰?图灵博士在 1950 年对这种智能进行了定义-“裁判无法判断自己的交流对象是人还是机器，就说明了机器有

2、了智能”。在 1956 年夏天的达特茅斯会议上几位科学家提出了“人工智能”的定义-一切可以让机器通过图灵测试的方法（泛指机器智能）。人工智能经历漫长的摸索，在存储技术、大数据、云计算等技术成熟后，数据驱动的人工智能终于在金融领域大显身手。 金融业是一个相对古老的行业，经历了三个阶段。早期金融以银行业为主，创办初期都是家族经营，经营网点有限。数百年间银行业发展非常缓慢。 但随着计算机发展和 ATM 机的使用，银行营业网点很快地部署到了全世界。到 20 世纪 70 年代，工业化国家陆续实现了不同地区之间的跨行存取，甚至跨国存取。金融业第二个时期是由新技术引发的发展时期。但是金融业在不断壮大的过程中

3、，也面临诸多挑战。仅在过去的几十年中，全球就发生了多次大规模的金融危机：1987 年美国的“黑色星期一”大股灾；1997 年亚洲金融风暴；2008 年国际金融危机等。 这些恶性事件给金融市场带来了巨大的破坏，人们开始研究其中的问题。专家们发现在金融运行时产生了大量的数据，但凭人力运算这些数据，虽然可以归纳出可能会发生金融危机的结论，但所需时间过长而且成本巨大。数据信息的一个重要特征是时效性，这些数据一旦过时，就没有价值了。人们为提高数据分析的能力和速度，同时降低成本，开始考虑将人工智能逐步应用于金融风险管控领域。金融服务始终伴随着金融风险，没有好的风险控制能力就无法实施好的金融服务；新的风险控

4、制方式，带来新的业务模式。由此，金融业务迎来了颠覆性的变革时代，进入了新的发展时期。二、人工智能在金融风控领域的应用状况分析 1.人工智能介入金融风控体系的必然趋势 金融业的发展代谢出无数的有用或无用的数据，包括金融交易、客户信息、市场分析等。而近些年储存技术、通信技术的蓬勃发展使得一些原本会被定期清除的数据有机会被储存下来。在这个时代，信息不对称带来的信息差是决定资金量的重要条件。如何从大数据中处理得到信息差为自身利用，成为了重要的研究方向。而通过人工智能的深度学习系统，让其在对大量数据的分析中，起到对金融活动复杂信息的整合，以便达到风险管控的作用。而人工智能的应用将大幅降低人力成本并提升金

5、融风控的业务处理能力。随着最高人民法院关于审理民间借贷案件适用法律若干问题的规定等政策性文件的出台，金融业内一些小微企业之间的不正当操作的取缔，行业在边界模糊情况下实现的快速发展模式走到了尽头。中国互联网金融发展报告（2016）在北京发布，该报告执行主编中科金财董事长朱烨东博士表示，未来国内金融行业发展将逐步走向正规，移动支付不可逆转，大数据、云计算在金融业的核心地位进一步加强，金融科技将成为金融业发展的主要趋势。 2.数据驱动将是人工智能介入金融风控的主要形式 虽然早期的科?W 家认为“机器像人一样思考才能获得智能”，但在数次仿生学实验失败后，人们意识到其实机器只要能解决人脑所能解决的问题就

6、是获得了智能。科学家找到了一条捷径：用数据驱动人工智能，像我们熟知的“深蓝”或“Alpha GO”，就是通过计算机对棋手多盘对局的分析，然后得出在任一位置落子获胜的概率。事实上，这“人工智能”并没有思考，而只是基本的概率分析；虽然同样的学习模式人也可以达到，但“深蓝”或“Alpha GO”在几分钟内记录下的对局早已超过棋手一辈子所能记忆的棋局了。而在李世石负于“Alpha GO”之后，人们更加意识到了数据驱动在人工智能领域不可代替的核心地位。 在传统金融业中，银行业的主要收入来源就是给企业、个人发放贷款以及客户的存款之间利息差，其面临的主要风险就是贷款者无法及时还钱导致资金链崩坏，进一步可能导

7、致银行倒闭。从古至今，银行一直以来主要采取的风控手段是风险回避-对小微企业、个人少放款甚至不发放。大型企业大部分情况并不需要通过借贷来获得项目的启动资金，而银行却愿意借钱给他们，因为它们有足够能力偿还贷款；反观小微企业，它们就常常难以筹集到足量资金，而银行又不发放贷款，这使得他们迫不得已去找一些“地下钱庄”来筹得资金，而利率又是常居高不下，这样的现象严重影响着商业发展，动摇社会基础。这种现象根源在于“信任”问题。 银行首先想出了办法：完善征信系统。以央行的征信系统为例，截至2015 年 4 月底，有 8.6 亿多自然人的信息存储在该系统中，同时还收录了2068 万户企业及其他组织。取得这样的成

8、绩，自然要归功于人工智能对用户数据分析。 然而银行真的能准确了解每个用户的实际经济情况吗？答案是否定的，银行收集到的数据量不够大、维度单一、数据积累效率低。 近年来，阿里巴巴推出的“芝麻信用”“蚂蚁小贷”十分火爆，给银行业乃至整个金融业的风控体系带来了全新的思路。阿里巴巴可以通过用户在“天猫”“淘宝”甚至“小蓝单车”等上的购买、使用情况清晰地分析出用户的收入状况、购买力、生活习惯等信息；类似地，也可以在阿里的金融交易中对企业征信分析，决定是否发放贷款及贷款额度的大小。阿里在“天猫”“淘宝”“支付宝”上获得的数据量不是一般银行可以相提并论的，而且这些数据维度极广。阿里的思路表明了未来金融风控的主

9、要形式：“互联网+大数据+人工智能+金融风控”。 3.人工智能成功应用于金融风控的案例 人工智能在金融风控体系的创新应用层出不穷。前文所提到的“芝麻信用”和“蚂蚁小贷”就分别是在个人和企业层面的成功案例。 “京东白条”又是一个成功的案例。“京东白条”以京东的电商业务提供的数据为核心，消费者在京东网上购物之后，根据平台上生成的可使用额度，利用“京东白条”进行支付，并在规定的时间内偿还。京东的“边借边消费”，以及“借款无需找银行”的理念使用户量急剧增加。随着“京东白条”模式的不断健全，其又推出了三十天延期付款的功能。而面对风险，京东的手段是利用“京东商城”提供的数据确定“京东白条”额度，而违约提醒

10、功能以及违约金则保证了京东不会因为违约而产生大量损失。 三、人工智能应用面临的问题 人工智能的优势，越来越多地应用于金融领域，可是问题也接踵而来。 首先，并非所有时候，数据的完备性都可以获得。例如，“深蓝”在与卡其帕罗夫的对局中，首盘时卡其帕罗夫使用了“王翼印度进攻开局”并在中盘主动变招，使得“深蓝”进入了一个自己先前没有统计到的境地，出现了“bug”，“深蓝”被迫在 45 步中盘认输。类似地，如果金融领域在使用人工智能时，因为不确定信息或不完备信息而产生 bug，对重大决策产生影响，那么后果不堪设想。 其次，除了人工智能本身存在诸多问题外，数据采集的隐私合法性问题更令人关注。2012 年纽约

11、时报报道过美国第二连锁百货店塔吉特发生了一件有趣的事情。塔吉特的市场部门发现如果一个家庭有了孩子那么他们极有可能会疯狂购物，为此，他们聘请大量大数据专家。经统计发现如果女性怀孕，那么她们极有可能购买大瓶润肤油、维生素和一些营养品。反过来，通过这些商品的购买数据，可以确定怀孕的概率达到 87%。一天，一位中年男子闯入了一家塔吉特商店，生气地说他才上高中的女儿收到了来自塔吉特的有关婴儿衣服、婴儿车的优惠券，这不是鼓励早孕吗？小店经理一再道歉。结果，几个星期后，该男子来到店中致歉，表示他的女儿的确怀孕，但塔吉特比他们任何一个人都先知道?个消息。相比于电商公司，塔吉特的 IT 技术并不强，但它在使用大

12、数据和人工智能后竟然比客户更了解自家情况！再者，现在智能手机又有定位功能，那么我们自己的一举一动将完全暴露在人工智能的分析面前，我们几乎没有隐私可言。因此，不少人开始反对人工智能和大数据应用，这给人工智能发展带来了巨大阻力。而这种人工智能使用方法的合法性也受到了不少质疑。 若想要将人工智能在金融风控领域更好地应用，那么，以上的问题是当下不得不克服的。 四、结论 金融业正逐步达成这样一个共识：人工智能和大数据是未来金融服务和风险管控的重要助力。“互联网+大数据+人工智能+金融风控”是未来金融风控的主要形式。本文认为，人工智能在金融风险控制体系中的创新应用会促成跨越式发展；但是人工智能存在对不确定性和未知性事件的信息缺漏，可能导致分析错误，对金融系统造成巨大影响。因此，监管者和投资者需正确看待，利用人工智能控制金融风险的时候，又要防范人工智能尚不完备而导致新的风险。 参考文献： 吴军.智能时代M.中信出版社，2016-8. 陆小梅.浅谈人工智能在互联网领域的应用J.经济师，2017（5）. 于孝建，彭永喻.人工智能在金融风险管理领域的应用及挑战J.南方金融，2017（08）.