鄭興揚(yáng)張 彤劉昊偉

1.中國(guó)石油國(guó)際事業(yè)公司；2.中國(guó)石油勘探開(kāi)發(fā)研究院

1 “互聯(lián)網(wǎng)+”推進(jìn)傳統(tǒng)油氣行業(yè)融合 創(chuàng)新

2016年年初，隨著谷歌公司旗下的人工智能程序“阿爾法狗”橫空出世，在不到1年的時(shí)間內(nèi)所向披靡橫掃世界圍棋界，人工智能、深度學(xué)習(xí)、大數(shù)據(jù)、云計(jì)算等迅速成為大眾耳熟能詳?shù)臒衢T詞匯[1]。隨著我國(guó)經(jīng)濟(jì)發(fā)展進(jìn)入新常態(tài)，經(jīng)濟(jì)增長(zhǎng)的驅(qū)動(dòng)力正在發(fā)生深刻變革，互聯(lián)網(wǎng)日益成為創(chuàng)新驅(qū)動(dòng)發(fā)展的先導(dǎo)力量，人工智能、大數(shù)據(jù)、云計(jì)算的熱潮已經(jīng)或正在改變眾多行業(yè)的游戲規(guī)則、企業(yè)的經(jīng)營(yíng)生態(tài)，以及大眾生活的方方面面。

近年來(lái)石油石化行業(yè)經(jīng)歷了國(guó)際油價(jià)低位震蕩、傳統(tǒng)業(yè)務(wù)增長(zhǎng)模式飽和、環(huán)保壓力加大及新能源替代等多重挑戰(zhàn)[2]，利用互聯(lián)網(wǎng)技術(shù)和互聯(lián)網(wǎng)思維培育新的競(jìng)爭(zhēng)優(yōu)勢(shì)和發(fā)展動(dòng)能，應(yīng)成為該行業(yè)轉(zhuǎn)型升級(jí)的重要途徑[3]。未來(lái)，大數(shù)據(jù)將和地下資源一樣，成為石油石化企業(yè)“掘金”的富礦。誰(shuí)有能力挖掘和分析大數(shù)據(jù)中蘊(yùn)含的業(yè)務(wù)機(jī)會(huì)，洞察客戶需求變化，建立起基于大數(shù)據(jù)分析的市場(chǎng)交易和避險(xiǎn)能力，誰(shuí)就將會(huì)搶占產(chǎn)業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)地位的先機(jī)。這里筆者將對(duì)大數(shù)據(jù)及人工智能技術(shù)在國(guó)際石油貿(mào)易領(lǐng)域的應(yīng)用現(xiàn)狀及發(fā)展趨勢(shì)進(jìn)行一些介紹。

2 國(guó)際石油貿(mào)易領(lǐng)域信息化應(yīng)用現(xiàn)狀及 技術(shù)發(fā)展趨勢(shì)

2.1 國(guó)際石油貿(mào)易領(lǐng)域信息技術(shù)應(yīng)用的3個(gè)階段

由于國(guó)際石油貿(mào)易具有經(jīng)營(yíng)風(fēng)險(xiǎn)大、資金密集度高、經(jīng)營(yíng)環(huán)節(jié)復(fù)雜、期貨和實(shí)貨兩個(gè)市場(chǎng)協(xié)同運(yùn)作、對(duì)市場(chǎng)和經(jīng)營(yíng)數(shù)據(jù)的時(shí)效性和準(zhǔn)確度要求極高等特點(diǎn)，超出了其他傳統(tǒng)行業(yè)對(duì)信息處理的要求，使得高效集成的信息化平臺(tái)成為業(yè)內(nèi)企業(yè)關(guān)乎生死存亡的“剛需”，加之企業(yè)普遍資金實(shí)力較為雄厚，促使企業(yè)一直以來(lái)都是信息技術(shù)企業(yè)級(jí)應(yīng)用的先驅(qū)，也是最積極的開(kāi)發(fā)者和使用者。歷史上，國(guó)際石油貿(mào)易領(lǐng)域?qū)π畔⒓夹g(shù)的應(yīng)用大致可分為如下3個(gè)階段。

2.1.1 第一階段：桌面客戶端程序+中央數(shù)據(jù)庫(kù)的傳 統(tǒng)數(shù)據(jù)庫(kù)時(shí)代

國(guó)際石油貿(mào)易行業(yè)的ERP系統(tǒng)被稱為ETRM系統(tǒng)[4]（Energy Trading and Risk Management）。早在 20 世紀(jì)90年代初，當(dāng)ERP系統(tǒng)對(duì)于大多數(shù)中國(guó)企業(yè)還僅僅是個(gè)模糊的概念時(shí)，國(guó)際石油貿(mào)易領(lǐng)域的先驅(qū)企業(yè)便已為業(yè)務(wù)發(fā)展需要，踏上了企業(yè)級(jí)應(yīng)用的研發(fā)之路。1992年，花旗銀行使用 Visual Basi+SQL Server架構(gòu)開(kāi)發(fā)了業(yè)內(nèi)首個(gè)ETRM系統(tǒng)，隨后近30年，業(yè)內(nèi)企業(yè)普遍采用類似的桌面客戶端程序+中央數(shù)據(jù)庫(kù)架構(gòu)，或外購(gòu)或自主研發(fā)步入了信息化時(shí)代。

2.1.2 第二階段：網(wǎng)頁(yè)版客戶端+分布式數(shù)據(jù)庫(kù)時(shí)代

2008年金融危機(jī)使得國(guó)際油價(jià)從黃金10年的牛市高峰迅速跌落，企業(yè)的盈利能力和傳統(tǒng)經(jīng)營(yíng)方式遭受挑戰(zhàn)，國(guó)際石油貿(mào)易領(lǐng)域的盈利模式和交易方式日趨復(fù)雜，企業(yè)內(nèi)部也有了進(jìn)一步挖潛增效的要求。傳統(tǒng)的ETRM由于效率低下已無(wú)法滿足企業(yè)需求，恰逢信息技術(shù)獲得長(zhǎng)足發(fā)展，網(wǎng)頁(yè)版客戶端+分布式數(shù)據(jù)庫(kù)成為企業(yè)更為青睞的架構(gòu)。

2.1.3 第三階段：人工智能+大數(shù)據(jù)+物聯(lián)網(wǎng)的“互 聯(lián)網(wǎng)+”時(shí)代

2014—2016年期間，國(guó)際油價(jià)再次從100美元/bbl以上跌落低谷，與此同時(shí)“阿爾法狗”開(kāi)創(chuàng)的人工智能時(shí)代震撼世人，互聯(lián)網(wǎng)企業(yè)呈幾何級(jí)數(shù)增長(zhǎng)，促使業(yè)內(nèi)意識(shí)到面對(duì)風(fēng)云變幻的市場(chǎng)，亟須通過(guò)更高的技術(shù)手段來(lái)提高風(fēng)險(xiǎn)控制和預(yù)警體系能力，提前掌握風(fēng)險(xiǎn)動(dòng)態(tài)，應(yīng)用大數(shù)據(jù)和人工智能技術(shù)實(shí)現(xiàn)風(fēng)險(xiǎn)資產(chǎn)的實(shí)時(shí)全量監(jiān)控，提高交易能力，提升交易信息的搜集、清洗和分析能力，以捕捉潛在的套利機(jī)會(huì)和新的業(yè)務(wù)增長(zhǎng)點(diǎn)。

2.2 國(guó)際石油貿(mào)易領(lǐng)域信息化應(yīng)用現(xiàn)狀

國(guó)際石油貿(mào)易領(lǐng)域的信息化應(yīng)用一直以來(lái)存在兩條主線：一條是ETRM主線，以收集整合管理內(nèi)部數(shù)據(jù)為主，旨在提升企業(yè)內(nèi)部執(zhí)行效率、提升風(fēng)控預(yù)警能力。這條路線國(guó)際石油貿(mào)易領(lǐng)域的企業(yè)介入較早，已形成諸多成功案例。比較成功的有維多公司（Vitol，全球四大大宗商品貿(mào)易公司之一）自主開(kāi)發(fā)的Vista ETRM系統(tǒng)，維多公司憑借該系統(tǒng)提供的強(qiáng)大信息共享和整合能力，在石油國(guó)際貿(mào)易市場(chǎng)叱咤風(fēng)云數(shù)十載，幾乎從無(wú)敗績(jī)[5]。另一方面投資銀行在油價(jià)黃金十年期間深度介入石油的期貨、期權(quán)、場(chǎng)外掉期等衍生品交易，也擁有市面上最好的ETRM系統(tǒng)，其中的佼佼者當(dāng)屬JPMORGAN(摩根大通銀行)自主開(kāi)發(fā)的Athena（雅典娜）系統(tǒng)，JPMORGAN憑借Athena系統(tǒng)強(qiáng)大的風(fēng)控能力，成功躲過(guò)2008年金融海嘯的侵襲，成為當(dāng)時(shí)為數(shù)不多逆勢(shì)盈利的大型投資銀行之一。

另一條主線是近年來(lái)興起的人工智能交易主線。自動(dòng)交易已經(jīng)在全球金融市場(chǎng)上廣泛應(yīng)用，最近5年里，逐漸有些公司將人工智能技術(shù)應(yīng)用到模型運(yùn)算中，通過(guò)模型的自主學(xué)習(xí)，開(kāi)始進(jìn)行帶有人工智能算法的自動(dòng)交易[6]。自動(dòng)交易最主要應(yīng)用在股票市場(chǎng)和外匯市場(chǎng)，大部分公司能有較為不錯(cuò)的市場(chǎng)回報(bào)。最近幾年一些基金公司和投行將自動(dòng)交易引用到證券和信用領(lǐng)域，但是到目前為止沒(méi)有能夠得到穩(wěn)定的收益。能源市場(chǎng)應(yīng)用自動(dòng)交易的基金并不是很多，主要是由于能源市場(chǎng)產(chǎn)品是有時(shí)間結(jié)構(gòu)的，基本面的變化會(huì)對(duì)價(jià)格結(jié)構(gòu)產(chǎn)生影響，模型的套利應(yīng)用實(shí)踐效果不佳，僅有個(gè)別銀行依然利用自動(dòng)交易在流動(dòng)性好的能源市場(chǎng)進(jìn)行交易，能源公司由于監(jiān)管和模型盈利不穩(wěn)定等因素，基本不參與自動(dòng)交易領(lǐng)域[7]。

通過(guò)調(diào)研，我們發(fā)現(xiàn)市場(chǎng)上人工智能應(yīng)用還處于比較低級(jí)的階段，大部分公司依然采用量化交易作為基礎(chǔ)進(jìn)行交易，盡管其廣告或者網(wǎng)站中描述了很多高大上的技術(shù)，但一般只是噱頭，吸引投資者，實(shí)際交易模型比較簡(jiǎn)單，以量化模型為主。部分公司在模型上采用了一些人工智能技術(shù)，也主要是簡(jiǎn)單的統(tǒng)計(jì)套利和數(shù)學(xué)模型挖掘，更為深層的深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)人工智能技術(shù)各個(gè)公司依然處在研發(fā)階段[8]。據(jù)了解，很多銀行在神經(jīng)網(wǎng)絡(luò)人工智能研發(fā)過(guò)程中遇到的最大問(wèn)題是模型解釋。與簡(jiǎn)單模型比較，通過(guò)復(fù)雜神經(jīng)網(wǎng)絡(luò)人工智能進(jìn)行交易后，無(wú)法解釋為什么盈利和虧損，很難得到公司和監(jiān)管機(jī)構(gòu)的認(rèn)可。

2.3 國(guó)際石油貿(mào)易領(lǐng)域信息化應(yīng)用的發(fā)展趨勢(shì)

如前文所述，國(guó)際石油貿(mào)易領(lǐng)域一直以來(lái)都是信息技術(shù)企業(yè)級(jí)應(yīng)用的先驅(qū)，業(yè)內(nèi)企業(yè)基本均已建立起較為成熟的ETRM系統(tǒng)，形成并積累了大量質(zhì)量較好的基礎(chǔ)數(shù)據(jù)，在數(shù)據(jù)收集的時(shí)效性和準(zhǔn)確性方面打下了良好基礎(chǔ)。根據(jù)IBM數(shù)據(jù)治理成熟度評(píng)估模型的評(píng)估標(biāo)準(zhǔn)，業(yè)內(nèi)普遍已跨越了初始階段和基本階段，處于主動(dòng)管理階段或量化管理階段初期[9]。

基于既往的基礎(chǔ)，加之人工智能和大數(shù)據(jù)技術(shù)的突破性發(fā)展，國(guó)際石油貿(mào)易領(lǐng)域的企業(yè)開(kāi)始嘗試進(jìn)入“人工智能+大數(shù)據(jù)+物聯(lián)網(wǎng)的互聯(lián)網(wǎng)+”的第三階段。與前兩個(gè)階段相比，該階段有3個(gè)新訴求：第一個(gè)訴求是不滿足于對(duì)現(xiàn)有內(nèi)部已有經(jīng)營(yíng)管理數(shù)據(jù)的簡(jiǎn)單處理和共享，希望通過(guò)更深入的數(shù)據(jù)挖掘及整合，繼續(xù)提高內(nèi)部的執(zhí)行效率和風(fēng)控預(yù)警能力；第二個(gè)訴求是希望改變以往對(duì)外部數(shù)據(jù)的碎片化獲取和共享方式，尤其是對(duì)不可量化的外部信息（突發(fā)事件、新聞報(bào)道、大眾輿情等）深度挖掘和整合，應(yīng)用人工智能算法幫助企業(yè)進(jìn)行經(jīng)營(yíng)決策的優(yōu)化；第三個(gè)訴求是希望通過(guò)挖掘和整合內(nèi)外部信息，通過(guò)人工智能算法為一線交易員提供交易輔助決策，甚至更進(jìn)一步，開(kāi)發(fā)人工智能交易模型，在市場(chǎng)上斬獲更多利潤(rùn)。

3 石油貿(mào)易領(lǐng)域人工智能平臺(tái)建設(shè)與典 型應(yīng)用場(chǎng)景

3.1 大數(shù)據(jù)分析技術(shù)的應(yīng)用背景

國(guó)內(nèi)石油貿(mào)易企業(yè)通過(guò)持續(xù)不斷的引進(jìn)與開(kāi)發(fā)業(yè)務(wù)和財(cái)務(wù)信息系統(tǒng)，形成了大量系統(tǒng)管理的內(nèi)部數(shù)據(jù)，數(shù)據(jù)質(zhì)量較高，為進(jìn)一步經(jīng)營(yíng)管理分析打下了良好的數(shù)據(jù)基礎(chǔ)，目前外部數(shù)據(jù)尚未通過(guò)平臺(tái)進(jìn)行統(tǒng)一管理，較為分散。

內(nèi)部數(shù)據(jù)方面，已普遍通過(guò)信息系統(tǒng)實(shí)現(xiàn)業(yè)務(wù)執(zhí)行層面的數(shù)據(jù)管理，但在數(shù)據(jù)分析層面仍然存在一些問(wèn)題：（1）手工數(shù)據(jù)收集整理、報(bào)表編制工作量較大，占用了分析人員大量的工作時(shí)間；（2）數(shù)據(jù)顆粒度較粗，即風(fēng)控部門、財(cái)務(wù)部門獲得的數(shù)據(jù)經(jīng)過(guò)匯總合并后，匯總合并前的基礎(chǔ)明細(xì)數(shù)據(jù)無(wú)法獲得；（3）不同部門對(duì)同一名稱的指標(biāo)在理解上和統(tǒng)計(jì)口徑上存在歧義，指標(biāo)統(tǒng)計(jì)口徑不一致。

外部數(shù)據(jù)則面臨著如下問(wèn)題：（1）數(shù)據(jù)來(lái)源眾多，缺乏權(quán)威數(shù)據(jù)源的清晰定義；（2）數(shù)據(jù)管理分散，基本面數(shù)據(jù)多分散存儲(chǔ)，技術(shù)面數(shù)據(jù)多通過(guò)第三方行情軟件實(shí)時(shí)查看，缺乏統(tǒng)一的數(shù)據(jù)管理平臺(tái)；（3）數(shù)據(jù)積累少，基本面與技術(shù)面數(shù)據(jù)均未形成長(zhǎng)期有效積累機(jī)制，數(shù)據(jù)完整性及精準(zhǔn)度難于控制；（4）數(shù)據(jù)獲取難，商情數(shù)據(jù)多通過(guò)信息提供商終端、Excel插件及郵件傳輸?shù)膱?bào)告進(jìn)行獲取，數(shù)據(jù)獲取的時(shí)效性和自動(dòng)性難以保障。

因此，匯聚所有數(shù)據(jù)來(lái)源，通過(guò)大數(shù)據(jù)分析技術(shù)建立機(jī)器學(xué)習(xí)、人工智能模型，深入挖掘數(shù)據(jù)價(jià)值成為業(yè)內(nèi)企業(yè)迫在眉睫的需求。

3.2 石油貿(mào)易人工智能平臺(tái)的典型應(yīng)用場(chǎng)景

經(jīng)過(guò)深入調(diào)研，針對(duì)業(yè)務(wù)運(yùn)作中的痛點(diǎn)及難點(diǎn)問(wèn)題，國(guó)內(nèi)石油貿(mào)易智能化建設(shè)方案中調(diào)整并確立了大數(shù)據(jù)分析技術(shù)的4個(gè)典型應(yīng)用場(chǎng)景，即：基于人工智能平臺(tái)的輔助交易決策平臺(tái)、大數(shù)據(jù)信用風(fēng)險(xiǎn)評(píng)估及預(yù)警平臺(tái)、標(biāo)準(zhǔn)化報(bào)告智能分析、合同解析。

3.2.1 基于人工智能平臺(tái)的輔助交易決策平臺(tái)

此應(yīng)用場(chǎng)景平臺(tái)由數(shù)據(jù)處理模塊、交易策略模塊、風(fēng)險(xiǎn)管理及績(jī)效考核模塊3個(gè)子模塊構(gòu)成（圖1）。

圖1 基于人工智能的輔助交易決策平臺(tái)示意圖

（1）數(shù)據(jù)處理模塊。采用Hadoop/Spark的大數(shù)據(jù)分析技術(shù)實(shí)現(xiàn)外部數(shù)據(jù)的收集、處理、深度挖掘分析，并和結(jié)構(gòu)化數(shù)據(jù)統(tǒng)一整合、集中展示[10]。自動(dòng)收集并整理的數(shù)據(jù)包括：大宗商品及外匯供需關(guān)系的數(shù)據(jù)，金融市場(chǎng)實(shí)時(shí)數(shù)據(jù)，公司收到的研究報(bào)告，宏觀經(jīng)濟(jì)數(shù)據(jù)及其他對(duì)市場(chǎng)有影響的政策，影響區(qū)域性市場(chǎng)的政治事件、重大新聞、天氣，網(wǎng)上輿情數(shù)據(jù)等。模塊中的技術(shù)難點(diǎn)是對(duì)非結(jié)構(gòu)化數(shù)據(jù)的處理及分析，例如分析重大突發(fā)事件對(duì)油價(jià)的影響。為此基于大數(shù)據(jù)，通過(guò)建立人工智能模型，對(duì)歷史類似突發(fā)事件進(jìn)行全面擬合，最終對(duì)市場(chǎng)未來(lái)走勢(shì)計(jì)算出概率，進(jìn)而輔助交易決策。

（2）交易策略模塊。通過(guò)設(shè)計(jì)開(kāi)發(fā)向?qū)降牟呗陨善?，便于交易員迅速開(kāi)發(fā)并回測(cè)交易策略。基于數(shù)據(jù)處理模塊中的大數(shù)據(jù)平臺(tái)及人工智能模型，為交易策略提供由非結(jié)構(gòu)化的內(nèi)外部數(shù)據(jù)（政治事件、重大新聞、天氣等）所生成的影響因子（人工智能模型計(jì)算出的概率）指標(biāo)。

（3）風(fēng)險(xiǎn)管理及績(jī)效考核模塊。風(fēng)險(xiǎn)管理方面設(shè)計(jì)了包括風(fēng)控報(bào)告（實(shí)現(xiàn)每日風(fēng)險(xiǎn)報(bào)告及各維度管理信息報(bào)告）和量化風(fēng)險(xiǎn)管理（VaR值計(jì)算和壓力測(cè)試計(jì)算）的綜合性統(tǒng)計(jì)分析報(bào)表，并開(kāi)發(fā)了可按照公司管理架構(gòu)，計(jì)算業(yè)務(wù)盤位及盈虧（逐級(jí)穿透至交易層面），支持實(shí)時(shí)盤位顯示和遠(yuǎn)期計(jì)價(jià)分析?？?jī)效考核方面，除了傳統(tǒng)的收益波動(dòng)分析和凈值回撤管理外，還包括了風(fēng)險(xiǎn)分解、交易風(fēng)格分析、業(yè)績(jī)?cè)u(píng)價(jià)及歸因分析等內(nèi)容[11]（圖2）。

3.2.2 大數(shù)據(jù)信用風(fēng)險(xiǎn)評(píng)估及預(yù)警平臺(tái)

國(guó)際石油貿(mào)易領(lǐng)域的大型公司通常擁有數(shù)以千計(jì)的客戶群體，動(dòng)態(tài)客戶跟蹤和預(yù)警工作量巨大。目前業(yè)內(nèi)通行的信用管理模式是總部和地區(qū)公司兩級(jí)客戶信用人員的不定期走訪客戶，一年進(jìn)行一次梳理和重審，客戶信用管理人員平時(shí)通過(guò)訂閱的客戶信息報(bào)告及搜索客戶相關(guān)新聞等方式，了解客戶資信變化情況，這顯然是相當(dāng)被動(dòng)和低效的管理模式。

應(yīng)基于大數(shù)據(jù)分析和預(yù)警，對(duì)行業(yè)趨勢(shì)進(jìn)行分析和判斷，再結(jié)合公司與客戶間的交易數(shù)據(jù)、客戶財(cái)務(wù)數(shù)據(jù)，以及客戶經(jīng)理反饋的信息，對(duì)客戶進(jìn)行全面跟蹤，動(dòng)態(tài)分析客戶資質(zhì)變化情況，才能提前預(yù)警問(wèn)題發(fā)生，降低重大事件的反應(yīng)時(shí)間。

大數(shù)據(jù)信用風(fēng)險(xiǎn)評(píng)估及預(yù)警平臺(tái)的設(shè)計(jì)架構(gòu)包括數(shù)據(jù)獲取及預(yù)處理、客戶全息視圖、風(fēng)險(xiǎn)監(jiān)測(cè)及評(píng)估、風(fēng)險(xiǎn)預(yù)警及管理、模型及指標(biāo)管理。與以往的信用風(fēng)險(xiǎn)評(píng)估體系相比，該平臺(tái)在技術(shù)實(shí)現(xiàn)方案上有3點(diǎn)創(chuàng)新：

（1）對(duì)于外部非結(jié)構(gòu)化數(shù)據(jù)（互聯(lián)網(wǎng)輿情）的數(shù)據(jù)分析。首先采用爬蟲工具和API接口全面收集網(wǎng)絡(luò)輿情、機(jī)構(gòu)數(shù)據(jù)和各類專業(yè)評(píng)級(jí)報(bào)告，使用NLP語(yǔ)義識(shí)別技術(shù)將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)[12]，再將生成的結(jié)構(gòu)化數(shù)據(jù)進(jìn)行字典訓(xùn)練，形成預(yù)警數(shù)據(jù)倉(cāng)庫(kù)。

（2）信用風(fēng)險(xiǎn)模型建模[13]。充分開(kāi)展大數(shù)據(jù)梳理和挖掘，在風(fēng)險(xiǎn)評(píng)估及預(yù)警模型中引入多元化風(fēng)險(xiǎn)因素，豐富風(fēng)險(xiǎn)識(shí)別點(diǎn)，提升模型表現(xiàn)。將風(fēng)險(xiǎn)指標(biāo)分為系統(tǒng)性指標(biāo)和非系統(tǒng)指標(biāo)兩類，系統(tǒng)性指標(biāo)包括宏觀信息和中觀信息，非系統(tǒng)指標(biāo)包括財(cái)務(wù)異常、經(jīng)營(yíng)異常、征信異常、行為異常、司法異常等。

（3）增加企業(yè)關(guān)聯(lián)關(guān)系圖譜[14]，提升模型敏感度。國(guó)際石油貿(mào)易領(lǐng)域企業(yè)交叉持股、合資公司、子母公司、總分公司的情況非常多，核心企業(yè)的財(cái)務(wù)數(shù)據(jù)和定性信息是信用風(fēng)險(xiǎn)的主要關(guān)注范疇，關(guān)聯(lián)企業(yè)或個(gè)人的信用狀況會(huì)在很大程度上影響該主體的信用風(fēng)險(xiǎn)，因此創(chuàng)建企業(yè)關(guān)聯(lián)圖譜，在評(píng)級(jí)體系中納入所識(shí)別的關(guān)聯(lián)關(guān)系將有效提升評(píng)級(jí)模型的敏感度。

圖2 風(fēng)險(xiǎn)管理及績(jī)效考核模塊示意圖

3.2.3 標(biāo)準(zhǔn)化報(bào)告智能分析

針對(duì)中短期的交易類型，交易員多通過(guò)報(bào)告信息從宏觀整體的層面了解當(dāng)前市場(chǎng)消息及觀點(diǎn)，借助于大數(shù)據(jù)技術(shù)手段自動(dòng)收集、統(tǒng)一管理及展示報(bào)告內(nèi)容，并通過(guò)人工智能技術(shù)對(duì)報(bào)告信息進(jìn)行解讀，對(duì)市場(chǎng)熱點(diǎn)、趨勢(shì)、風(fēng)險(xiǎn)進(jìn)行快速評(píng)估分析及預(yù)警，對(duì)業(yè)務(wù)經(jīng)營(yíng)具有重大意義。

標(biāo)準(zhǔn)化報(bào)告智能分析的設(shè)計(jì)架構(gòu)見(jiàn)圖3。模塊功能實(shí)現(xiàn)思路為：（1）收集報(bào)告非結(jié)構(gòu)化數(shù)據(jù)以及和報(bào)告數(shù)據(jù)關(guān)聯(lián)度較高的結(jié)構(gòu)化數(shù)據(jù)，部分非結(jié)構(gòu)化的文本數(shù)據(jù)被加載到專門的人工注釋中，用于模型注釋器的培訓(xùn)；（2）模型注釋器先由領(lǐng)域?qū)＜沂止?biāo)注少部分語(yǔ)料，生成模型，再由模型進(jìn)行新文本的自動(dòng)標(biāo)注，再由人工評(píng)估并修正模型標(biāo)注結(jié)果，進(jìn)一步訓(xùn)練改進(jìn)模型，提高性能；（3）訓(xùn)練有素的模型注釋器被部署到數(shù)據(jù)處理平臺(tái)用于文本信息提取，從非結(jié)構(gòu)化數(shù)據(jù)中提取信息，并構(gòu)建到知識(shí)圖譜中[15]；（4）在知識(shí)圖譜中完成知識(shí)推理，輸出的結(jié)構(gòu)化數(shù)據(jù)形成培訓(xùn)數(shù)據(jù)，并在模型實(shí)驗(yàn)室中加載，用于機(jī)器學(xué)習(xí)模型訓(xùn)練。

3.2.4 合同解析

國(guó)際大型石油貿(mào)易公司每年簽署的實(shí)貨貿(mào)易合同均數(shù)以萬(wàn)計(jì)。國(guó)內(nèi)各公司當(dāng)前合同審核的標(biāo)準(zhǔn)模式為業(yè)務(wù)部錄入合同后，進(jìn)行合同會(huì)簽審核，在審核過(guò)程中法務(wù)部負(fù)責(zé)合同進(jìn)行整體審核，各部門審核與其相關(guān)的部分。該操作中面臨一些難點(diǎn)，如審核檢查需要手工比對(duì)，占用大量時(shí)間；且因?qū)徍巳藛T業(yè)務(wù)能力不同，質(zhì)量難于把控；合同審核風(fēng)險(xiǎn)難于追蹤記錄及統(tǒng)計(jì)分析等。

因此，為了加快合同審核速度，統(tǒng)一提高全系統(tǒng)合同審核水平，提升對(duì)合同的整體風(fēng)險(xiǎn)分析及把控能力，合同解析模塊功能通過(guò)如下路徑實(shí)現(xiàn)：（1）選取不同合同類型的樣本合同，將其非結(jié)構(gòu)化數(shù)據(jù)部分通過(guò)文字識(shí)別和自然語(yǔ)言分析技術(shù)進(jìn)行預(yù)處理，再以此數(shù)據(jù)為基礎(chǔ)建立合同標(biāo)準(zhǔn)庫(kù)模型，通過(guò)模型自學(xué)習(xí)對(duì)模型進(jìn)行訓(xùn)練；（2）當(dāng)有新的合同審核需求時(shí)，標(biāo)準(zhǔn)庫(kù)模型將從文檔級(jí)別、子句級(jí)別進(jìn)行語(yǔ)義比較[17]，對(duì)于重點(diǎn)條款進(jìn)行詳細(xì)比較和差異檢測(cè)；（3）自動(dòng)初檢后的合同交人工復(fù)檢，同時(shí)由人工提供反饋，以對(duì)模型進(jìn)行持續(xù)不斷的深度訓(xùn)練。

圖3 標(biāo)準(zhǔn)化報(bào)告智能分析系統(tǒng)架構(gòu)設(shè)計(jì)

4 結(jié)束語(yǔ)

石油石化產(chǎn)業(yè)與互聯(lián)網(wǎng)的“聯(lián)姻”將從產(chǎn)業(yè)鏈的各個(gè)環(huán)節(jié)，挖掘出互聯(lián)網(wǎng)技術(shù)“1+1﹥2”的乘數(shù)效應(yīng)。從企業(yè)外部來(lái)看，兩者的結(jié)合將極大地促進(jìn)能源供應(yīng)和消費(fèi)的互動(dòng)，更精準(zhǔn)地對(duì)接市場(chǎng)需求，從而提高供給質(zhì)量和效率。業(yè)內(nèi)企業(yè)如能利用大數(shù)據(jù)技術(shù)完成海量消費(fèi)數(shù)據(jù)的采集、篩選、分析和挖掘，最終實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的精準(zhǔn)能源供給，將能更好地滿足用戶個(gè)性化的用能需求，增強(qiáng)客戶信任度和忠誠(chéng)度。從企業(yè)內(nèi)部看，大數(shù)據(jù)分析技術(shù)的應(yīng)用將有助于企業(yè)提高工作效率，節(jié)約運(yùn)營(yíng)成本，更充分地整合和利用資源。有理由相信，傳統(tǒng)能源行業(yè)在“互聯(lián)網(wǎng)+”的助力下，將會(huì)促進(jìn)行業(yè)轉(zhuǎn)型，實(shí)現(xiàn)改革、開(kāi)拓、創(chuàng)新的發(fā)展新局面。