陳 強(qiáng)，代仕婭

（1.興業(yè)銀行 信息科技部，上海 201201；2.興業(yè)數(shù)字金融服務(wù)股份有限公司，上海 201210）

0 引言

金融科技蓬勃發(fā)展，以人工智能、大數(shù)據(jù)等為代表的核心技術(shù)驅(qū)動(dòng)金融業(yè)務(wù)創(chuàng)新，持續(xù)提升金融服務(wù)的智能化水平，推動(dòng)金融向高質(zhì)量發(fā)展［1］。央行《金融科技發(fā)展規(guī)劃（2019-2021）》明確表示，要探索人工智能在金融領(lǐng)域的應(yīng)用，推動(dòng)金融服務(wù)向主動(dòng)化、個(gè)性化、智慧化發(fā)展，并指出要統(tǒng)籌優(yōu)化數(shù)據(jù)資源、算法模型、算力支持等人工智能核心資產(chǎn)，探索人工智能在不同業(yè)務(wù)場(chǎng)景的應(yīng)用路徑與方法，創(chuàng)新智能金融產(chǎn)品與服務(wù)［2］。智慧金融已成為新形勢(shì)下金融業(yè)務(wù)轉(zhuǎn)型升級(jí)、高質(zhì)量發(fā)展的必然方向。

從需求端來(lái)看，智慧金融是滿足客戶金融需要的必要手段。金融服務(wù)需求呈現(xiàn)精細(xì)化、生態(tài)化態(tài)勢(shì)，單一的金融產(chǎn)品及服務(wù)已越來(lái)越難以滿足客戶的實(shí)際金融需要。為此，金融業(yè)務(wù)正走向大融合、大協(xié)同，其發(fā)展模式也迫切需要從線上化、移動(dòng)化進(jìn)一步向個(gè)性化、智慧化轉(zhuǎn)變，通過(guò)智能化技術(shù)迅速感知客戶需求，并讓適配的金融服務(wù)主動(dòng)、快速、精準(zhǔn)地觸達(dá)客戶，使其享受到“所需即所得、所想即所得”的智慧化服務(wù)體驗(yàn)。

從供給端來(lái)看，智慧金融是促進(jìn)金融供給側(cè)改革的關(guān)鍵路徑。依托智能化技術(shù)，對(duì)金融業(yè)務(wù)由描述性、統(tǒng)計(jì)性分析深入到診斷性、預(yù)測(cè)性、決策性分析，能夠挖掘出更深層次的金融業(yè)務(wù)價(jià)值；智能化產(chǎn)品能實(shí)現(xiàn)對(duì)現(xiàn)有線上化、數(shù)字化產(chǎn)品的升級(jí)與改進(jìn)，有助于創(chuàng)新和完善金融產(chǎn)品供給，提升金融的供給側(cè)改革質(zhì)效，也有助于優(yōu)化金融資產(chǎn)的合理配置，降低金融業(yè)務(wù)成本，增強(qiáng)金融服務(wù)實(shí)體經(jīng)濟(jì)與普惠大眾的能力。

大數(shù)據(jù)、人工智能等技術(shù)已廣泛應(yīng)用于金融的風(fēng)險(xiǎn)信貸、投資研究等諸多領(lǐng)域智能化建設(shè)中。隨著金融業(yè)務(wù)的復(fù)雜程度日益加劇，智慧金融建設(shè)對(duì)大數(shù)據(jù)、人工智能等技術(shù)的應(yīng)用與創(chuàng)新也提出更高要求，需要搭建統(tǒng)籌集成數(shù)據(jù)資源、計(jì)算資源、算法資源的平臺(tái)化基礎(chǔ)服務(wù)設(shè)施［3］，為智慧金融建設(shè)在數(shù)據(jù)處理、算法建模、挖掘預(yù)測(cè)等方面提供更強(qiáng)有力的支撐，以充分釋放數(shù)據(jù)的業(yè)務(wù)價(jià)值，提升智慧化服務(wù)的敏捷性、精準(zhǔn)性水平。

本文基于投資研究、風(fēng)險(xiǎn)內(nèi)控、財(cái)富管理等幾類典型金融業(yè)務(wù)場(chǎng)景的智慧金融研發(fā)實(shí)踐，重點(diǎn)闡述金融業(yè)的大數(shù)據(jù)平臺(tái)、AI 平臺(tái)的架構(gòu)搭建、實(shí)施方法，以及在平臺(tái)支撐下相關(guān)領(lǐng)域數(shù)據(jù)資產(chǎn)開(kāi)發(fā)、算法模型構(gòu)建的成果，并展示基于該研發(fā)范式推出的智能化應(yīng)用效果，最后對(duì)智慧金融高效落地的路徑進(jìn)行了深入研究，為金融業(yè)智慧化轉(zhuǎn)型、高質(zhì)量發(fā)展提供啟發(fā)與建議。

1 相關(guān)研究工作

在行業(yè)智慧化解決方案中，大數(shù)據(jù)平臺(tái)、人工智能平臺(tái)作為重要的基礎(chǔ)設(shè)施，為智慧化建設(shè)提供基礎(chǔ)性數(shù)據(jù)、算力、算法等方面的核心能力支持。康波等［4］提出面向行業(yè)應(yīng)用場(chǎng)景的云計(jì)算、大數(shù)據(jù)、人工智能等基礎(chǔ)平臺(tái)的融合建設(shè)方案，實(shí)現(xiàn)不同平臺(tái)數(shù)據(jù)的整合共享、高性能計(jì)算和統(tǒng)一數(shù)據(jù)建模，并基于平臺(tái)推出了面向智能診療、智能輔助駕駛等多領(lǐng)域應(yīng)用；王彥棡等［5］重點(diǎn)討論了高性能計(jì)算與人工智能應(yīng)用的結(jié)合，通過(guò)整合數(shù)據(jù)、計(jì)算、應(yīng)用資源，支持全流程模型設(shè)計(jì)、訓(xùn)練和部署，實(shí)現(xiàn)智能化應(yīng)用的快速研發(fā)，促進(jìn)諸多應(yīng)用領(lǐng)域發(fā)展；曹峰等［6］指出金融等傳統(tǒng)行業(yè)對(duì)人工智能應(yīng)用的需求不斷提升，相關(guān)計(jì)算平臺(tái)和應(yīng)用服務(wù)平臺(tái)的統(tǒng)籌建設(shè)是垂直行業(yè)智能化產(chǎn)品落地的重要基礎(chǔ)，能有效推動(dòng)社會(huì)經(jīng)濟(jì)智能化水平提升。

在金融行業(yè)，大型商業(yè)銀行較早開(kāi)展相關(guān)布局。工商銀行推出全行統(tǒng)一的大數(shù)據(jù)分析與應(yīng)用平臺(tái)，支撐金融場(chǎng)景中海量、實(shí)時(shí)、復(fù)雜數(shù)據(jù)的存儲(chǔ)與處理，并完成企業(yè)級(jí)人工智能平臺(tái)建設(shè)，形成全流程、獨(dú)立自主的建模能力，驅(qū)動(dòng)風(fēng)控、營(yíng)銷、客服等諸多金融領(lǐng)域的業(yè)務(wù)發(fā)展；中國(guó)銀行將云平臺(tái)、大數(shù)據(jù)平臺(tái)、人工智能3 大平臺(tái)作為數(shù)字化轉(zhuǎn)型的技術(shù)支撐，已完成企業(yè)級(jí)人工智能生態(tài)打造，形成數(shù)據(jù)高效連接、AI 模型自學(xué)習(xí)、數(shù)據(jù)分析閉環(huán)的智能化研發(fā)模式，相關(guān)智能化產(chǎn)品使中國(guó)銀行在營(yíng)銷成功率、高風(fēng)險(xiǎn)交易攔截、工單處理效率等方面有顯著提升，增強(qiáng)了金融服務(wù)競(jìng)爭(zhēng)力。

搭建整合數(shù)據(jù)資源、計(jì)算資源、算法資源的大數(shù)據(jù)平臺(tái)與人工智能平臺(tái)，并在此基礎(chǔ)上進(jìn)行數(shù)據(jù)資產(chǎn)的開(kāi)發(fā)、算法模型的構(gòu)建，已成為智慧金融建設(shè)的必要路徑，但目前相關(guān)建設(shè)仍處于初期應(yīng)用階段。由于不同金融領(lǐng)域面向的客戶群體、數(shù)據(jù)特點(diǎn)、業(yè)務(wù)目標(biāo)都存在較大差異，決定了大數(shù)據(jù)平臺(tái)、AI 平臺(tái)的功能架構(gòu)需要與具體場(chǎng)景的智能化應(yīng)用緊密結(jié)合，也需要持續(xù)與業(yè)務(wù)演變相匹配，實(shí)現(xiàn)以智能應(yīng)用為驅(qū)動(dòng)的平臺(tái)搭建與產(chǎn)品研發(fā)。

本文基于財(cái)務(wù)管理、投資研究、風(fēng)險(xiǎn)內(nèi)控等具體金融場(chǎng)景，重點(diǎn)闡述在相關(guān)領(lǐng)域的智慧金融產(chǎn)品研發(fā)中，為滿足數(shù)據(jù)、計(jì)算、算法等方面的資源及性能，大數(shù)據(jù)平臺(tái)與AI平臺(tái)所需的技術(shù)構(gòu)架體系及主要功能組件。在大數(shù)據(jù)平臺(tái)、AI 平臺(tái)的支撐下，進(jìn)行數(shù)據(jù)資產(chǎn)開(kāi)發(fā)，在此基礎(chǔ)上進(jìn)行算法模型構(gòu)建，能顯著提升算法模型分析預(yù)測(cè)服務(wù)的精準(zhǔn)性。

2 平臺(tái)化智慧金融產(chǎn)品研發(fā)體系

智慧金融的核心在于依托智能化技術(shù)手段，形成面向業(yè)務(wù)場(chǎng)景需求的智能化應(yīng)用解決方案［7］，促進(jìn)金融服務(wù)的優(yōu)化升級(jí)，涵蓋數(shù)據(jù)、技術(shù)、業(yè)務(wù)等全方位內(nèi)容，是一個(gè)系統(tǒng)性工程。如何使大數(shù)據(jù)平臺(tái)符合不同場(chǎng)景對(duì)數(shù)據(jù)收集、存儲(chǔ)、加工、計(jì)算等性能要求，如何使AI 平臺(tái)滿足各類預(yù)測(cè)分析在模型構(gòu)建、信息挖掘等方面需求，如何在平臺(tái)支撐下研發(fā)出切實(shí)解決業(yè)務(wù)痛點(diǎn)、提升經(jīng)營(yíng)效益的智能化應(yīng)用產(chǎn)品，是智慧金融建設(shè)過(guò)程中研究與關(guān)注的重點(diǎn)。智慧金融建設(shè)整體框架如圖1 所示。

Fig.1 Intelligent financial construction architecture圖1 智慧金融建設(shè)整體框架

核心技術(shù)層為大數(shù)據(jù)平臺(tái)與AI 平臺(tái)，其中大數(shù)據(jù)平臺(tái)為AI 平臺(tái)提供算法建模所需數(shù)據(jù)和計(jì)算資源支持，AI 平臺(tái)可以向大數(shù)據(jù)平臺(tái)反饋復(fù)雜數(shù)據(jù)的處理結(jié)果，豐富大數(shù)據(jù)平臺(tái)提供的數(shù)據(jù)服務(wù)類型，兩者協(xié)調(diào)運(yùn)作，賦能金融業(yè)務(wù)場(chǎng)景建設(shè)，快速滿足并響應(yīng)不同業(yè)務(wù)領(lǐng)域的智能化應(yīng)用需求。

2.1 大數(shù)據(jù)基礎(chǔ)服務(wù)平臺(tái)

大數(shù)據(jù)平臺(tái)主要功能在于整合大數(shù)據(jù)采集存儲(chǔ)、集成批量計(jì)算、流計(jì)算、邊緣計(jì)算等方面的能力，構(gòu)建起面向全集團(tuán)統(tǒng)一的、企業(yè)級(jí)的大數(shù)據(jù)基礎(chǔ)服務(wù)，為不同場(chǎng)景的智能應(yīng)用建設(shè)提供便捷的數(shù)據(jù)訪問(wèn)與分析能力。同時(shí)在大數(shù)據(jù)領(lǐng)域落實(shí)數(shù)據(jù)統(tǒng)一、技術(shù)統(tǒng)一，避免各應(yīng)用分別構(gòu)建大數(shù)據(jù)集群、形成功能重復(fù)建設(shè)。大數(shù)據(jù)基礎(chǔ)服務(wù)平臺(tái)功能架構(gòu)如圖2 所示。

Fig.2 Big data platform architecture圖2 大數(shù)據(jù)基礎(chǔ)服務(wù)平臺(tái)功能架構(gòu)

平臺(tái)基于Hadoop 生態(tài)系統(tǒng)，利用集群進(jìn)行高效的數(shù)據(jù)存儲(chǔ)與運(yùn)算［8］，平臺(tái)重點(diǎn)實(shí)現(xiàn)以下幾方面功能：

（1）數(shù)據(jù)采集與存儲(chǔ)。金融業(yè)務(wù)場(chǎng)景的交叉程度與復(fù)雜程度日益提升，每項(xiàng)智能化應(yīng)用所涵蓋的數(shù)據(jù)范圍往往會(huì)跨領(lǐng)域、跨系統(tǒng)，且涉及大量流式數(shù)據(jù)，如客戶實(shí)時(shí)行為數(shù)據(jù)等，大數(shù)據(jù)平臺(tái)需要對(duì)不同來(lái)源、不同類型的數(shù)據(jù)集中整合與存儲(chǔ)，以便后續(xù)進(jìn)行統(tǒng)一、高效的處理與分析。在構(gòu)建過(guò)程中，大數(shù)據(jù)平臺(tái)需要對(duì)接銀行企業(yè)金融、零售金融、金融市場(chǎng)等相關(guān)領(lǐng)域的各類客戶、業(yè)務(wù)、管理系統(tǒng)，以及對(duì)外部的第三方信息進(jìn)行日志等實(shí)時(shí)數(shù)據(jù)采集；讀取HDS、EDW 及各類數(shù)據(jù)集市中積累的數(shù)據(jù)，實(shí)現(xiàn)批量數(shù)據(jù)整合。平臺(tái)可通過(guò)Sqoop/Canal 等對(duì)關(guān)系型數(shù)據(jù)庫(kù)中全量數(shù)據(jù)及增量數(shù)據(jù)進(jìn)行導(dǎo)入，采用Flume 進(jìn)行圖片、視頻等非關(guān)系型數(shù)據(jù)，以及用戶行為日志等流式數(shù)據(jù)進(jìn)行收集，最終以不同方式將采集的數(shù)據(jù)加載、整合到HDFS、Hbase 等分布式存儲(chǔ)系統(tǒng)中，供后續(xù)分析處理［9］。

（2）數(shù)據(jù)處理與計(jì)算。在傳統(tǒng)數(shù)據(jù)之外，非結(jié)構(gòu)化數(shù)據(jù)、實(shí)時(shí)流式數(shù)據(jù)等在金融業(yè)務(wù)的分析決策中逐漸發(fā)揮越來(lái)越重要的作用，帶來(lái)數(shù)據(jù)處理方式的改進(jìn)。在數(shù)據(jù)處理類型上，除了結(jié)構(gòu)化數(shù)據(jù)，大數(shù)據(jù)平臺(tái)還支持非結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)等貼源數(shù)據(jù)處理，提升數(shù)據(jù)質(zhì)量以更方便于查詢、使用。在數(shù)據(jù)處理時(shí)效上，在采用MapReduce/Spark 等分布式計(jì)算引擎進(jìn)行大規(guī)模批量數(shù)據(jù)挖掘分析的同時(shí)，引入Flink/Storm/Spark Streaming 等大數(shù)據(jù)流式計(jì)算技術(shù)實(shí)現(xiàn)對(duì)實(shí)時(shí)數(shù)據(jù)的計(jì)算處理，生成實(shí)時(shí)分析決策［10］，滿足金融市場(chǎng)行情分析、理財(cái)產(chǎn)品精準(zhǔn)推薦等高時(shí)效場(chǎng)景數(shù)據(jù)處理需求。同時(shí)平臺(tái)構(gòu)建大數(shù)據(jù)沙箱，在保障數(shù)據(jù)安全的同時(shí)，為數(shù)據(jù)探索分析、AI 模型訓(xùn)練提供更貼近真實(shí)業(yè)務(wù)場(chǎng)景的開(kāi)發(fā)環(huán)境。最終平臺(tái)對(duì)各類數(shù)據(jù)加工處理后的結(jié)果以元數(shù)據(jù)的形式進(jìn)行存儲(chǔ)，以供進(jìn)一步數(shù)據(jù)挖掘及業(yè)務(wù)應(yīng)用。

（3）數(shù)據(jù)中臺(tái)服務(wù)。大數(shù)據(jù)平臺(tái)對(duì)原始數(shù)據(jù)進(jìn)行加工處理后，生成的數(shù)據(jù)分析與探索結(jié)果，一方面以數(shù)據(jù)服務(wù)的形式直接輸出給金融業(yè)務(wù)應(yīng)用，另一方面為AI 平臺(tái)提供算法建模所需的數(shù)據(jù)輸入。基于業(yè)務(wù)邏輯將原始數(shù)據(jù)計(jì)算成可應(yīng)用的指標(biāo)，形成標(biāo)準(zhǔn)化的數(shù)據(jù)資產(chǎn)，能降低原始數(shù)據(jù)的噪聲，增強(qiáng)數(shù)據(jù)的業(yè)務(wù)應(yīng)用能力，提升數(shù)據(jù)的服務(wù)價(jià)值。根據(jù)數(shù)據(jù)工程化程度以及應(yīng)用方式的不同，數(shù)據(jù)資產(chǎn)種類多樣，涵蓋了特征庫(kù)、標(biāo)簽、知識(shí)圖譜、規(guī)則引擎等，以共享、可復(fù)用的形式供不同領(lǐng)域智能化建設(shè)靈活調(diào)用。數(shù)據(jù)服務(wù)直接輸出時(shí)，可以文件方式批量輸出數(shù)據(jù)結(jié)果，也可以API 服務(wù)方式開(kāi)放實(shí)時(shí)接口給應(yīng)用系統(tǒng)，供其進(jìn)行數(shù)據(jù)查詢；數(shù)據(jù)資產(chǎn)作為AI 平臺(tái)的數(shù)據(jù)輸入時(shí)，可通過(guò)AI平臺(tái)的沙箱功能從大數(shù)據(jù)平臺(tái)提取部分?jǐn)?shù)據(jù)，也可直接調(diào)用大數(shù)據(jù)平臺(tái)的接口，使用大數(shù)據(jù)平臺(tái)的數(shù)據(jù)和計(jì)算資源。

（4）數(shù)據(jù)管理與平臺(tái)管理。數(shù)據(jù)管理主要實(shí)現(xiàn)對(duì)元數(shù)據(jù)、數(shù)據(jù)資產(chǎn)的查詢、維護(hù)、更新，對(duì)數(shù)據(jù)質(zhì)量檢查、修正、調(diào)整，以及對(duì)數(shù)據(jù)關(guān)系的追蹤與影響進(jìn)行分析等。當(dāng)數(shù)據(jù)服務(wù)出現(xiàn)明顯異常時(shí)，能迅速定位并追溯到問(wèn)題節(jié)點(diǎn)。平臺(tái)管理主要體現(xiàn)在統(tǒng)一調(diào)度、統(tǒng)一監(jiān)控、統(tǒng)一用戶認(rèn)證、統(tǒng)一安全體系等方面。

2.2 人工智能基礎(chǔ)服務(wù)平臺(tái)

AI 平臺(tái)在人工智能計(jì)算資源支持下，集成多種機(jī)器學(xué)習(xí)框架及基礎(chǔ)算法模型，形成全流程、一體化的模型開(kāi)發(fā)能力，并提供涵蓋計(jì)算機(jī)視覺(jué)、智能語(yǔ)音、自然語(yǔ)言處理等領(lǐng)域的AI 服務(wù)，為相關(guān)業(yè)務(wù)場(chǎng)景智能化產(chǎn)品研發(fā)提供核心建模支撐。AI 平臺(tái)整體架構(gòu)如圖3 所示。

Fig.3 AI platform architecture圖3 AI 平臺(tái)功能架構(gòu)

AI 平臺(tái)具備以下功能：

（1）算法資源集成。不同金融業(yè)務(wù)對(duì)算法模型性能有不同的側(cè)重，如信貸審批注重模型的業(yè)務(wù)可解釋性，而個(gè)性化推薦更側(cè)重模型的實(shí)時(shí)精準(zhǔn)性。面對(duì)多樣的業(yè)務(wù)場(chǎng)景，平臺(tái)匯集了行業(yè)領(lǐng)先的機(jī)器學(xué)習(xí)算法庫(kù)及深度學(xué)習(xí)算法 框 架，如Scikit-learn、MLlib、TensorFlow、Torch、Caffe、CNTK 等，供模型開(kāi)發(fā)時(shí)靈活調(diào)用；在此基礎(chǔ)上，涵蓋主流的各類人工智能基礎(chǔ)算法模型，如傳統(tǒng)機(jī)器學(xué)習(xí)算法中的邏輯回歸（LR）、支持向量機(jī)（SVM）、樸素貝葉斯（Naive Bayes）等；深度學(xué)習(xí)算法中的卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）及相應(yīng)網(wǎng)絡(luò)衍生出的經(jīng)典結(jié)構(gòu)等；圖模型算法中的社區(qū)發(fā)現(xiàn)算法、鏈路預(yù)測(cè)算法以及GNN 類圖神經(jīng)網(wǎng)絡(luò)算法等。依托全面的開(kāi)發(fā)框架以及基礎(chǔ)算法，能夠基于特定業(yè)務(wù)目標(biāo)進(jìn)行靈活的算法設(shè)計(jì)與重構(gòu)，充分滿足風(fēng)險(xiǎn)識(shí)別、財(cái)富管理、投資研究等領(lǐng)域?qū)夹g(shù)模型的差異化、定制化需求。

（2）全流程模型開(kāi)發(fā)。AI 平臺(tái)提供多種人工智能開(kāi)發(fā)工具，支持從數(shù)據(jù)標(biāo)注、數(shù)據(jù)預(yù)處理、特征工程、模型構(gòu)建、參數(shù)尋優(yōu)、模型評(píng)估、模型部署等全流程、一站式算法模型研發(fā)流程，極大提升各場(chǎng)景算法建模效率。在人工智能開(kāi)發(fā)工具支持下，可通過(guò)對(duì)開(kāi)發(fā)功能組件進(jìn)行拖拉拽方式形成特定的工作流，基于對(duì)基礎(chǔ)組件的調(diào)用減少代碼的重復(fù)編寫(xiě)，以更便捷地完成數(shù)據(jù)分析、模型搭建等操作。如在數(shù)據(jù)標(biāo)注環(huán)節(jié)采用自動(dòng)標(biāo)注工具，能迅速生成大規(guī)模數(shù)據(jù)的目標(biāo)定義，以更便捷地構(gòu)建訓(xùn)練樣本；在特征工程環(huán)節(jié)，可點(diǎn)擊“特征提取”組件自動(dòng)實(shí)現(xiàn)對(duì)數(shù)據(jù)的離散化、歸一化、關(guān)聯(lián)計(jì)算等加工處理；對(duì)于加工好的指標(biāo)變量，可點(diǎn)擊“特征選擇”組件選擇卡方檢驗(yàn)、決策樹(shù)、信息熵等多種方法，挑選出有效的特征集合進(jìn)入模型；還可點(diǎn)擊“特征組合”組件對(duì)選定的特征變量進(jìn)行自動(dòng)組合，以生成更體現(xiàn)業(yè)務(wù)含義的新特征。

（3）AI 領(lǐng)域服務(wù)。計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、語(yǔ)音識(shí)別是人工智能尤其是深度學(xué)習(xí)應(yīng)用最為廣泛的3 大領(lǐng)域，由于具有較大規(guī)模、公開(kāi)的訓(xùn)練樣本，這些領(lǐng)域已形成較多針對(duì)特定任務(wù)、成型的通用智能服務(wù)，如計(jì)算機(jī)視覺(jué)領(lǐng)域的人臉識(shí)別、目標(biāo)檢測(cè)、圖像分類等，自然語(yǔ)言處理領(lǐng)域的分詞、命名實(shí)體識(shí)別、文本分類等，這些通用服務(wù)已越來(lái)越深入地應(yīng)用到風(fēng)控、投資等金融核心領(lǐng)域的智能化建設(shè)過(guò)程中。AI 平臺(tái)通過(guò)提供相關(guān)通用服務(wù)的功能組件，將各領(lǐng)域智能化產(chǎn)品在研發(fā)過(guò)程中進(jìn)行共享與調(diào)用，提升整體智能化研發(fā)效率。同時(shí)，對(duì)于信用評(píng)分、營(yíng)銷白名單等銀行場(chǎng)景中常用的智能化服務(wù)，AI 平臺(tái)也提供相應(yīng)的功能組件，滿足各類業(yè)務(wù)對(duì)通用機(jī)器學(xué)習(xí)服務(wù)的需求。

（4）資源調(diào)度管理。算法模型訓(xùn)練尤其是深度神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練需要以強(qiáng)大的計(jì)算資源為基礎(chǔ)，故AI 平臺(tái)需實(shí)現(xiàn)對(duì)異構(gòu)計(jì)算資源的調(diào)度，為上層建模提供高可用、彈性可拓展的異構(gòu)計(jì)算能力。平臺(tái)采用容器管理技術(shù)進(jìn)行CPU、GPU 等計(jì)算資源調(diào)度，且支持多租戶計(jì)算資源的調(diào)度、隔離與管理，可實(shí)現(xiàn)不同業(yè)務(wù)場(chǎng)景多用戶、多模型的并行訓(xùn)練、測(cè)試、部署及對(duì)外服務(wù)。

2.3 場(chǎng)景化數(shù)據(jù)資產(chǎn)及應(yīng)用型算法模型開(kāi)發(fā)

在大數(shù)據(jù)平臺(tái)、AI 平臺(tái)的資源與環(huán)境支持下進(jìn)行數(shù)據(jù)資產(chǎn)開(kāi)發(fā)與算法模型構(gòu)建，才能研發(fā)出賦能業(yè)務(wù)場(chǎng)景的智能化應(yīng)用。這兩者相互作用、相互影響，但相互影響、相互作用的過(guò)程有所不同。一方面數(shù)據(jù)資產(chǎn)作為算法模型的輸入，其質(zhì)量會(huì)直接影響模型的分析預(yù)測(cè)效果，如在金融市場(chǎng)投資等不完全信息博弈領(lǐng)域，金融資產(chǎn)動(dòng)態(tài)因子庫(kù)這一數(shù)據(jù)資產(chǎn)對(duì)預(yù)測(cè)金融資產(chǎn)的價(jià)格至關(guān)重要；另一方面，算法模型作為某些數(shù)據(jù)資產(chǎn)的開(kāi)發(fā)手段，模型的技術(shù)架構(gòu)也將直接決定數(shù)據(jù)資產(chǎn)的質(zhì)量，如對(duì)于知識(shí)圖譜這類數(shù)據(jù)資產(chǎn)，依托算法模型從大量非結(jié)構(gòu)化數(shù)據(jù)中提取出實(shí)體、關(guān)系等信息［11］，是構(gòu)建高質(zhì)量知識(shí)圖譜最為重要的步驟。

2.3.1 場(chǎng)景化數(shù)據(jù)資產(chǎn)開(kāi)發(fā)

業(yè)務(wù)場(chǎng)景中原始數(shù)據(jù)通常形態(tài)多樣、紛繁雜亂，充斥著無(wú)關(guān)的噪聲信息，對(duì)業(yè)務(wù)的表達(dá)能力有限［12］，不能直接用來(lái)進(jìn)行業(yè)務(wù)分析或建模預(yù)測(cè)，而需要工程化處理后轉(zhuǎn)化為應(yīng)用價(jià)值更高的數(shù)據(jù)資產(chǎn)［13］。對(duì)應(yīng)不同的應(yīng)用目標(biāo)，數(shù)據(jù)資產(chǎn)也具有豐富的類型，本文基于財(cái)富管理、投資研究、風(fēng)險(xiǎn)內(nèi)控等金融場(chǎng)景，主要構(gòu)建了特征因子庫(kù)與知識(shí)圖譜這兩大類數(shù)據(jù)資產(chǎn)。

（1）動(dòng)態(tài)特征因子庫(kù)。動(dòng)態(tài)特征因子庫(kù)是在原始數(shù)據(jù)基礎(chǔ)上結(jié)合金融領(lǐng)域業(yè)務(wù)邏輯思維，構(gòu)建出能有效應(yīng)用于業(yè)務(wù)分析及建模預(yù)測(cè)的特征指標(biāo)，并隨著數(shù)據(jù)的演變持續(xù)更新?；诮鹑谫Y產(chǎn)的特征因子庫(kù)（見(jiàn)表1）和基于客戶的特征因子庫(kù)（見(jiàn)表2）為財(cái)富管理相關(guān)算法模型構(gòu)建奠定持續(xù)穩(wěn)定、高可用度的數(shù)據(jù)基礎(chǔ)。

Table 1 Example of financial assets’dynamic feature corpus（part）表1 金融資產(chǎn)動(dòng)態(tài)特征因子庫(kù)字典截圖示例（部分）

Table 2 Example of customer’s dynamic feature corpus（part）表2 客戶動(dòng)態(tài)特征庫(kù)數(shù)據(jù)字典截圖示例（部分）

（2）金融知識(shí)圖譜。金融知識(shí)圖譜主要是通過(guò)大規(guī)模語(yǔ)義網(wǎng)絡(luò)，將金融領(lǐng)域中結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化等不同類型的數(shù)據(jù)進(jìn)行整合，并以圖連接的形式加以展現(xiàn)［14］，沉淀成結(jié)構(gòu)化的知識(shí)體系，并通過(guò)進(jìn)一步分析挖掘得出更深層的隱藏信息，使信息的檢索查詢都更加智能化［15］。本文構(gòu)建了投研領(lǐng)域的企業(yè)債券知識(shí)圖譜（見(jiàn)圖4），以及風(fēng)險(xiǎn)內(nèi)控領(lǐng)域的資金賬戶關(guān)聯(lián)圖譜（見(jiàn)圖5），更清晰地展現(xiàn)不同主體之間的關(guān)聯(lián)關(guān)系，研判可能的風(fēng)險(xiǎn)事件。

Fig.4 Enterprise bonds knowledge graph圖4 企業(yè)債券知識(shí)圖譜

Fig.5 Capital accounts knowledge graph圖5 資金賬戶關(guān)聯(lián)圖譜

2.3.2 應(yīng)用型算法模型構(gòu)建

數(shù)據(jù)價(jià)值的釋放需要設(shè)計(jì)和開(kāi)發(fā)符合業(yè)務(wù)需求的數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)算法模型［16］。依托AI 平臺(tái)豐富的算法框架，在數(shù)據(jù)資產(chǎn)基礎(chǔ)上根據(jù)業(yè)務(wù)目標(biāo)構(gòu)建相應(yīng)的金融模型，能有效提升分析預(yù)測(cè)服務(wù)的精準(zhǔn)性。本文列出兩類在智慧金融建設(shè)中具有較強(qiáng)金融屬性與業(yè)務(wù)代表性的模型并研發(fā)形成相應(yīng)的技術(shù)架構(gòu)。

（1）行為序列注意力機(jī)制（BSA：Behavior Sequence At?tention）模型。該模型在前述金融資產(chǎn)、個(gè)人客戶等動(dòng)態(tài)特征因子庫(kù)數(shù)據(jù)資產(chǎn)基礎(chǔ)上構(gòu)建，將金融資產(chǎn)的風(fēng)險(xiǎn)、收益等特征與客戶的靜態(tài)基本信息、動(dòng)態(tài)行為特點(diǎn)等結(jié)合進(jìn)行預(yù)測(cè)分析［17］，發(fā)掘出與客戶更適配的金融產(chǎn)品及資產(chǎn)組合（見(jiàn)圖6）。

（2）圖卷積神經(jīng)網(wǎng)絡(luò)（GCN：Graph Convolutional Neural Network）。該模型基于金融知識(shí)圖譜這類數(shù)據(jù)資產(chǎn)進(jìn)行構(gòu)建，應(yīng)用于投資研究中的金融風(fēng)險(xiǎn)預(yù)測(cè)，研判企業(yè)可能出現(xiàn)的風(fēng)險(xiǎn)事件［18］；也被應(yīng)用于風(fēng)險(xiǎn)內(nèi)控中欺詐交易的識(shí)別，挖掘資金賬戶交易網(wǎng)絡(luò)的深層信息，預(yù)警異常交易行為［19］（見(jiàn)圖7）。

Fig.6 BSA model’s technology architecture圖6 BSM 模型技術(shù)架構(gòu)

Fig.7 GCN model’s technology architecture（taking fraud as an example）圖7 GCN 模型技術(shù)架構(gòu)（以欺詐預(yù)測(cè)為例）

3 智慧金融產(chǎn)品業(yè)務(wù)實(shí)踐效果

在大數(shù)據(jù)平臺(tái)和AI 平臺(tái)支撐下進(jìn)行數(shù)據(jù)資產(chǎn)的開(kāi)發(fā)及算法模型構(gòu)建，最終實(shí)現(xiàn)投資研究、風(fēng)險(xiǎn)內(nèi)控、財(cái)富管理等場(chǎng)景智能化產(chǎn)品的研發(fā)、落地與應(yīng)用。業(yè)務(wù)實(shí)踐結(jié)果表明，這些智能化產(chǎn)品顯著提升了金融服務(wù)的智慧化水平，提高了業(yè)務(wù)的經(jīng)營(yíng)效益，有助于推動(dòng)銀行智慧化轉(zhuǎn)型、高質(zhì)量發(fā)展進(jìn)程。

3.1 投資研究領(lǐng)域——智能投研

智能投研主要功能是幫助投研人員進(jìn)行行業(yè)知識(shí)的提煉、總結(jié)、關(guān)聯(lián)，構(gòu)建出行業(yè)、企業(yè)等主體相關(guān)更加清晰、完整的關(guān)聯(lián)關(guān)系及事件關(guān)系全景拓?fù)渚W(wǎng)絡(luò)視圖，并在此基礎(chǔ)上進(jìn)行風(fēng)險(xiǎn)及事件預(yù)測(cè)，輔助研判行業(yè)趨勢(shì)。

在智能化應(yīng)用過(guò)程中（見(jiàn)圖8），將大量文本形式的行業(yè)研究報(bào)告、債券評(píng)級(jí)報(bào)告等作為分析挖掘的基礎(chǔ)數(shù)據(jù)，基于場(chǎng)景化的Bi-LSTM+CRF 模型［20］、PCNN 網(wǎng)絡(luò)［21］等，從報(bào)告中提取出關(guān)鍵信息，自動(dòng)構(gòu)建關(guān)聯(lián)知識(shí)圖譜，一方面幫助投研人員對(duì)報(bào)告核心內(nèi)容進(jìn)行迅速、便捷、全面的檢索，另一方面基于GCN 模型前瞻性地預(yù)判企業(yè)可能面臨的金融風(fēng)險(xiǎn)，更深入地輔助投研人員進(jìn)行投資決策。

該智能化產(chǎn)品應(yīng)用后極大提高了投研人員的分析效率，以一份城投債評(píng)級(jí)報(bào)告為例，如表3 所示。通常情況下人工進(jìn)行深入分析、梳理大概要花費(fèi)2 小時(shí)左右的時(shí)間，而智能投研產(chǎn)品能夠在1 分30 秒內(nèi)迅速完成對(duì)報(bào)告內(nèi)容的解析、提煉，以關(guān)聯(lián)圖譜的形式進(jìn)行展示，并可應(yīng)用于檢索查詢及深入的挖掘預(yù)測(cè)。

Fig.8 Business application framework of intelligent investment research圖8 智能投研業(yè)務(wù)應(yīng)用解決框架

Table 3 Intelligent Investment Research Analysis Results表3 智能投研報(bào)告解析效果

3.2 財(cái)富管理領(lǐng)域——智能投顧

智能投顧旨在為客戶推薦符合其特點(diǎn)的個(gè)性化資產(chǎn)配置組合。一方面在客戶端評(píng)估刻畫(huà)投資者的風(fēng)險(xiǎn)屬性、行為偏好等特征，形成客戶的全面畫(huà)像；另一方面在資產(chǎn)端分析并篩選當(dāng)前金融市場(chǎng)走勢(shì)下的有效資產(chǎn)組合，最終通過(guò)客戶特征與有效資產(chǎn)的結(jié)合映射，形成個(gè)性化的資產(chǎn)組合推薦。

在具體的智能化應(yīng)用過(guò)程中（見(jiàn)圖9），首先對(duì)場(chǎng)景相關(guān)數(shù)據(jù)進(jìn)行匯集及工程化處理，形成股票、基金等金融產(chǎn)品，及客戶相關(guān)的特征因子庫(kù)數(shù)據(jù)資產(chǎn)；然后在數(shù)據(jù)資產(chǎn)基礎(chǔ)上構(gòu)建資產(chǎn)配置與推薦相關(guān)的業(yè)務(wù)模型。除了經(jīng)典的均值—方差模型外，還重點(diǎn)采用前述的BSM 模型，將資產(chǎn)風(fēng)險(xiǎn)收益與客戶行為特征同時(shí)納入模型進(jìn)行分析，為客戶提供個(gè)性化的金融資產(chǎn)配置及推薦。

Fig.9 Robo-advisor’s business application framework圖9 智能投顧業(yè)務(wù)應(yīng)用解決框架

該智能化產(chǎn)品應(yīng)用后，能及時(shí)、充分識(shí)別資產(chǎn)的風(fēng)險(xiǎn)收益特點(diǎn)，有效控制資產(chǎn)組合的整體風(fēng)險(xiǎn)，并基于客戶的偏好特點(diǎn)進(jìn)行配置與推薦，提高了相關(guān)資產(chǎn)的點(diǎn)擊率及購(gòu)買(mǎi)率。截至2019 年末，該智能化服務(wù)為直銷銀行上的基金和理財(cái)客戶提供了分層化、差異化、個(gè)性化及更適配的資產(chǎn)推薦服務(wù)（見(jiàn)表4），推動(dòng)直銷銀行零售財(cái)富管理規(guī)模實(shí)現(xiàn)15%以上的增長(zhǎng)。

Table 4 Robo-advisor’s asset allocation results表4 智能投顧差異化配置效果

3.3 風(fēng)險(xiǎn)內(nèi)控領(lǐng)域——智能案防

智能案防主要應(yīng)用于商業(yè)銀行內(nèi)部違規(guī)操作、可疑交易等風(fēng)險(xiǎn)事件的識(shí)別、預(yù)警與排查，以降低違規(guī)交易事件帶來(lái)的資金損失。

在具體的智能化應(yīng)用實(shí)踐中（見(jiàn)圖10），首先對(duì)歷史風(fēng)險(xiǎn)事件案例信息進(jìn)行結(jié)構(gòu)化處理，提取其中風(fēng)險(xiǎn)特征，形成違規(guī)操作風(fēng)險(xiǎn)指標(biāo)庫(kù)；然后結(jié)合交易賬戶相關(guān)主體的資金、信貸、往來(lái)等多維數(shù)據(jù)，構(gòu)建資金賬戶關(guān)聯(lián)圖譜這一數(shù)據(jù)資產(chǎn)；再在關(guān)聯(lián)圖譜基礎(chǔ)上采用此前構(gòu)建的GCN 模型進(jìn)行關(guān)聯(lián)風(fēng)險(xiǎn)提取，并結(jié)合風(fēng)險(xiǎn)指標(biāo)庫(kù)深度挖掘可能的違規(guī)交易事件。

該智能化產(chǎn)品應(yīng)用后取得了顯著的業(yè)務(wù)效果，會(huì)計(jì)風(fēng)險(xiǎn)案件核查準(zhǔn)確率高達(dá)90%以上，如表5 所示。在運(yùn)行一年多的時(shí)間里對(duì)全行近3 000 萬(wàn)個(gè)賬戶進(jìn)行排查，發(fā)現(xiàn)問(wèn)題交易流水上萬(wàn)筆，挽回?fù)p失金額達(dá)上百億元，為內(nèi)控合規(guī)建立了一道有效的智能化風(fēng)險(xiǎn)防線。

Fig.10 Business application framework of intelligent accounting risk management圖10 智能案防業(yè)務(wù)應(yīng)用解決框架

Table 5 Intelligent risk accounting verification results表5 智能案防風(fēng)險(xiǎn)排查效果

4 智慧金融落地路徑思考與啟示

智慧金融建設(shè)中數(shù)據(jù)、技術(shù)及應(yīng)用環(huán)環(huán)相扣又相互影響，構(gòu)建大數(shù)據(jù)平臺(tái)、AI 平臺(tái)、應(yīng)用平臺(tái)三者之間順暢的垂直交互架構(gòu)，形成靈活的橫向延伸模式，使智能化產(chǎn)品既能快速在當(dāng)前金融領(lǐng)域落地，又能進(jìn)一步敏捷推演至其他金融場(chǎng)景，對(duì)智慧金融的高效、全面建設(shè)起到?jīng)Q定性作用。智慧金融應(yīng)用發(fā)展路徑要從以下幾方面著手：

（1）形成垂直切片、小場(chǎng)景演進(jìn)的研發(fā)架構(gòu)，如圖11 所示（彩圖掃OSID 碼可見(jiàn)，下同）。從特定場(chǎng)景的某項(xiàng)具體智能化應(yīng)用入手構(gòu)建該場(chǎng)景的大數(shù)據(jù)平臺(tái)、AI 技術(shù)平臺(tái)、應(yīng)用平臺(tái)之間垂直切片架構(gòu)，一方面通過(guò)聚合垂直領(lǐng)域各層面的相關(guān)功能，使智能化應(yīng)用可以基于業(yè)務(wù)目標(biāo)自行選擇更有效的數(shù)據(jù)、設(shè)計(jì)更合適的算法、創(chuàng)造更精準(zhǔn)的服務(wù)，并根據(jù)業(yè)務(wù)場(chǎng)景及服務(wù)目標(biāo)的變化進(jìn)行快速迭代；另一方面經(jīng)過(guò)在垂直切片領(lǐng)域的探索試錯(cuò)，將成功、有效的方法、技術(shù)迅速拓展到更廣泛的金融業(yè)務(wù)中，使智能化服務(wù)由小場(chǎng)景逐漸演進(jìn)至全領(lǐng)域，為全面智慧金融建設(shè)提供更穩(wěn)健、可靠的路徑保障。

Fig.11 Vertical slice technology architecture圖11 垂直切片的研發(fā)技術(shù)架構(gòu)

（2）打通數(shù)據(jù)、技術(shù)、應(yīng)用的循環(huán)交互鏈條，如圖12 所示。在垂直業(yè)務(wù)領(lǐng)域的切片架構(gòu)下，數(shù)據(jù)、技術(shù)與應(yīng)用之間存在閉環(huán)傳導(dǎo)機(jī)制，數(shù)據(jù)為技術(shù)模型提供分析基礎(chǔ)，技術(shù)模型為業(yè)務(wù)應(yīng)用輸出決策能力，業(yè)務(wù)變化又產(chǎn)生新的數(shù)據(jù)及分析需求，只有疏通三者間的傳導(dǎo)渠道才能使數(shù)據(jù)的信息價(jià)值、技術(shù)的預(yù)測(cè)能力成功轉(zhuǎn)化成智能化服務(wù)。一方面在正向傳導(dǎo)過(guò)程中要保障數(shù)據(jù)向技術(shù)模型順暢傳輸，使技術(shù)模型因數(shù)據(jù)特點(diǎn)靈活設(shè)計(jì)，業(yè)務(wù)場(chǎng)景由技術(shù)模型驅(qū)動(dòng)運(yùn)營(yíng)，最終使智能化產(chǎn)品觸達(dá)到市場(chǎng)與客戶；另一方面在反向傳導(dǎo)過(guò)程中，要形成對(duì)業(yè)務(wù)經(jīng)營(yíng)中產(chǎn)生與變化的數(shù)據(jù)進(jìn)行實(shí)時(shí)加工整合的能力，使數(shù)據(jù)隨場(chǎng)景演變及時(shí)更新匯集，再通過(guò)技術(shù)模型得到新的分析結(jié)果，從而能迅速捕獲到金融業(yè)務(wù)中稍縱即逝的新機(jī)會(huì)。

Fig.12 Interaction architecture of data，technology and business圖12 數(shù)據(jù)、技術(shù)、業(yè)務(wù)的交互架構(gòu)

5 結(jié)語(yǔ)

智慧金融是金融供給側(cè)改革的重要路徑，也是商業(yè)銀行滿足客戶需求的重要手段，已成為金融業(yè)轉(zhuǎn)型發(fā)展的必然選擇。本文對(duì)商業(yè)銀行相關(guān)業(yè)務(wù)領(lǐng)域智能產(chǎn)品的研發(fā)與實(shí)踐進(jìn)行了總結(jié)，并基于此對(duì)商業(yè)銀行智能化建設(shè)的路徑，尤其是大數(shù)據(jù)、人工智能相關(guān)核心技術(shù)在金融場(chǎng)景的落地應(yīng)用、效能提升等相關(guān)問(wèn)題進(jìn)行了研究和思考，為商業(yè)銀行全面高效推進(jìn)數(shù)字化轉(zhuǎn)型和高質(zhì)量發(fā)展提出了一些更具前瞻性的建議。在業(yè)務(wù)領(lǐng)域智能化實(shí)踐中，商業(yè)銀行需將數(shù)據(jù)體系、技術(shù)體系、應(yīng)用體系三個(gè)層面有機(jī)結(jié)合統(tǒng)籌推進(jìn)，構(gòu)建大數(shù)據(jù)平臺(tái)、AI 平臺(tái)、應(yīng)用平臺(tái)三者之間順暢的垂直交互架構(gòu)，以實(shí)現(xiàn)智能化產(chǎn)品在業(yè)務(wù)場(chǎng)景中敏捷化落地應(yīng)用。