数字化升级之上,智能金融走向完全自动化

智能金融是金融科技发展的高级形态,是在数字化基础上的升级与转型,是未来发展趋势,也将成为金融业的核心竞争力所在。

投稿来源:陈根

随着科技创新力量的不断迸发,以科技推动产业发展、加快经济社会数字化转型升级成为全球共识。

其中,金融科技化成为社会的新近关切。金融与科技相互融合,创造出新的业务模式、应用、流程和产品,催生出新的客户关系,对金融机构、金融市场、金融服务产生了深刻影响。金融科技更因为互联网巨头的入局与布局,在过去的2020年被持续热议。

金融科技的发展离不开底层技术的发展,而人工智能则作为新一轮科技革命和产业变革的重要驱动力量,在金融科技化的过程中发挥着无可替代的作用。可以说,人工智能技术与金融业深度融合是金融科技大方向所指,用机器替代和超越人类部分经营管理经验与能力也将引领未来的金融模式变革。

智能金融是金融科技发展的高级形态,是在数字化基础上的升级与转型,是未来发展趋势,也将成为金融业的核心竞争力所在。但在智能金融引领金融生产根本颠覆的同时,也不断挑战着社会既有的法律、伦理和秩序,且亟待回应。

智能金融引领金融生产根本颠覆

当下,人工智能已经嵌入社会生活的各个方面,更是与金融具有天然的耦合性。智能金融的发展将有利于国家抢抓人工智能发展机遇,占领技术制高点,尤其是金融业的特殊性,势必对人工智能技术提出新的要求和挑战,以此来推动我国人工智能技术的突破与升级,提高技术转化效率。人工智能融合金融意义不言而喻。

与此同时,人工智能技术综合运用金融科技的大数据、云计算、区块链等技术,为未来金融业发展提供无限可能,是对现有金融科技应用的进化与升级,对金融业发展将会产生颠覆性变革。

智能金融的发展将有利于加强金融行业的适应性、竞争力和普惠性,极大地提高金融机构识别和防控风险的能力和效率,推动我国金融供给侧结构性改革,增强金融服务实体经济和人民生活的能力。

此外,相比互联网金融、金融科技,智能金融更具革命性的优势还在于对金融生产效率的根本颠覆。人工智能固然要高度依赖大数据与云计算,但是与数据深度挖掘运用不同,人工智能技术系统是用传感器来模仿人类感官获取信息与记忆,用深度学习和算法来模仿人类逻辑和推理能力,用机器代替人脑对海量数据快速处理,从而超越人脑的工作。这也将更精准高效地满足各类金融需求,推动金融行业变革与跨越式发展。

从现阶段智能金融的发展来看,在前台应用场景里,人工智能已然朝着改变金融服务企业获取和维系客户的方式前进。尽管金融服务企业已经在数据的使用上进行了有效的尝试,但人工智能依然为市场的重大创新提供了机会,包括智能营销、智能客服,智能投顾等。

比如,智能投顾就是运用人工智能算法,根据投资者风险偏好、财务状况和收益目标,结合现代投资组合理论等金融模型,为用户自动生成个性化的资产配置建议,并对组合实现持续跟踪和动态再平衡调整。目前,全国范围内,智能投顾已有试点,全面推广则有待继续探索。

相较于传统的人工投资顾问服务,智能投顾具有不可比拟的优势:一是能够提供高效便捷的广泛投资咨询服务;二是具有低投资门槛、低费率和高透明度;三是可克服投资主观情绪化,实现高度的投资客观化和分散化;四是提供个性化财富管理服务和丰富的定制化场景。

人工智能不仅仅适用于前台工作,它还为中台和后台提供了令人兴奋的变化。其中,智能投资初具盈利能力,发展潜力巨大。一些公司运用人工智能技术不断优化算法、增强算力、实现更加精准的投资预测,提高收益、降低尾部风险。通过组合优化,在实盘中取得了显著的超额收益,未来智能投资的发展潜力巨大。

智能信用评估则具有线上实时运行、系统自动判断、审核周期短的优势,为小微信贷提供了更高效的服务模式,也已在一些互联网银行中应用广泛。智能风控则落地于银行企业信贷,互联网金融助贷,消费金融场景的信用评审,风险定价和催收环节,为金融行业提供了一种基于线上业务的新型风控模式。

尽管人工智能融合金融目前整体仍处于“浅应用”的初级发展阶段,以对流程性、重复性的任务实施智能化改造为主,但人工智能技术应用在金融业务外围向核心渗透的阶段,其发展潜力已经彰显,而工智能技术的进步必然在未来带来客户金融生活的完全自动化。

风险与挑战,回应和倡议

人工智能融合金融让原有的金融服务体系进入从“人”服务到“机器”服务的时代,但智能金融在给行业带来无尽惊喜与期望的同时,也不断挑战着既有的法律、伦理和秩序。

比如,由于数据质量或算法的瑕疵引起投资者亏损的可能。其中,智能金融依赖于算法,而算法出现的过度拟合等程序性错误则可能引发蝴蝶式效应,造成系统性风险。

与此同时,智能金融的“尾部效应”和“网络效应”,使得金融机构增强获客能力、提高风控水平、降低成本,但两个效应叠加增加了金融体系的复杂性,将有可能放大风险的传染性和影响面,诱发更大的“羊群效应”,并且放大金融的顺周期性。

此外,金融决策依托于对大数据的智能处理,个人投资信息或敏感的公司数据的泄漏风险,却令个人隐私保护和数据安全问题凸出。算法的不透明性则带来歧视性的可能,当数据不完整、不具代表性、出现偏差时,则会影响决策结果。因此,金融机构有义务了解人工智能系统以及可能对客户产生的潜在负面影响,并要为算法造成的歧视承担责任。

面对智能金融应用带来的问题,需要政府、市场及社会形成多元、多层次的治理合力,降低智能金融的风险,最大程度促进人工智能技术带来的生产力解放,享受科学与理性决策的成果。

一方面,智能金融需遵守人工智能治理的一般原则,同时要考虑金融领域应用的特殊性,坚持创新应用与风险防范并重。一是要鼓励支持人工智能技术与金融产业模式的创新,二是要采取有效的监管措施。

从2019年至今,中国人民银行和中国银保监会发布的涉及人工智能在金融领域应用的相关政策和指导意见中,政策方向主要集中于监管收紧、技术促进和中小微企业贷款服务三方面。事实上,近年来,金融业务触网程度不断加深,业务场景日趋复杂,边界逐渐淡化,在繁荣发展的同时也为金融监管带来了挑战。P2P行业暴雷后,监管部门更加坚定了监管愈严的大方向。

同时,本着“堵不如疏”的原则,在监管力度加大的同时,监管创新也在跟进。2020年1月,人民银行发布了《金融科技创新监管试点应用公示(2020年第一批)》,以“监管沙盒”的形式通过沙盒工具,在模拟场景中对人工智能、区块链等技术以及银行API接口开放等模式,在金融业务中的应用进行弹性监管实验,降低了运营风险和技术不确定性带来的隐患,以试错的方式探寻金融科技下的监管更优解。

从趋势上看,监管仍将坚持收紧和创新两手抓的方针,对金融科技公司的业务范畴、数据规范等保持严格的监督,对新技术、新模式持有审慎的态度。科技公司将脱离金融服务业务,更加聚焦于技术输出,而市场与监管脱节的洪荒时代也一去不复返。

另一方面,目前全球许多机构都已经开始研究相应的对策以应对智能金融的伦理问题。美国银行成立委员会研究如何保证用户隐私。谷歌建议采用以人为中心的设计方法,使用多种指标来评估和监控,并广泛检查数据情况,以发现可能的偏差来源。加拿大财政部发布指导文件概述了使用人工智能的质量、透明度和公共问责制。

智能金融的发展需要明确的指导方针和保障措施,以确保该技术的合理开发和使用,包括算法公平性和可解释性,稳健性等。

智能金融应用机构必须确保负责处理数据或开发、验证和监督人工智能模型的员工拥有有效的资格和经验,了解数据中可能存在的社会和历史偏差以及如何充分纠正这些偏差。金融机构还需构建内部政策和管理机制,以确保算法监控和风险缓解程序足够和透明,定期审查和更新。

金融服务的未来在于其充分应用并受益于新技术的能力。人工智能是一项新技术,它将使金融服务企业的前台和后台都产生颠覆性的变化,在金融市场的结构和监管方面产生重大转变,并在社会伦理道德方面提出急需解决的重大挑战。

理解和接受人工智能必然要经历一个长期的螺旋上升的过程,这是一段受经济、社会以及政治变革影响的过程,也是一段没有任何一家企业可以独自完成的过程。因此,唯有协作努力才能战胜这些挑战,才能解锁人工智能可以为企业和社会所带来的最大利益。

 

声明:本文内容仅代表该投稿文章作者观点,不代表蓝鲸号立场。 未经授权不得随意转载,蓝鲸号保留追究相应责任的权利
相关阅读
金融科技的新使命
星云数字获得国家高新技术企业认定
翼支付抓住金融数字化建设新机遇,科技服务赋能金融生态发展
重庆银行:“五线创新”推进数字化转型,奏响金融变革的“五线谱”