陳 強(qiáng)

（興業(yè)銀行信息科技部，上海 201201）

一、引言

人工智能在新一輪全球產(chǎn)業(yè)革命及其帶來的變革中發(fā)揮著越來越重要作用，人工智能相關(guān)產(chǎn)業(yè)的發(fā)展也必將進(jìn)一步釋放歷次科技革命和產(chǎn)業(yè)變革積蓄的巨大能量，黨中央十分重視人工智能的技術(shù)進(jìn)步與產(chǎn)業(yè)發(fā)展，人工智能已成為我國的國家戰(zhàn)略?！秶鴦?wù)院關(guān)于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知》明確指出，“當(dāng)前，新一代人工智能相關(guān)學(xué)科發(fā)展、理論建模、技術(shù)創(chuàng)新、軟硬件升級等整體推進(jìn)，正在引發(fā)鏈?zhǔn)酵黄疲苿?dòng)經(jīng)濟(jì)社會各領(lǐng)域從數(shù)字化、網(wǎng)絡(luò)化向智能化加速躍升”[1]，也必將對金融業(yè)務(wù)的創(chuàng)新，金融服務(wù)智能化水平的提升產(chǎn)生積極的推動(dòng)作用，進(jìn)而推動(dòng)金融業(yè)向更高質(zhì)量、更高水平和更高層次發(fā)展[2]。中國人民銀行發(fā)布的《金融科技（FinTech）發(fā)展規(guī)劃（2019—2021 年）》也明確表示，金融機(jī)構(gòu)要積極主動(dòng)地推動(dòng)人工智能在業(yè)務(wù)領(lǐng)域的應(yīng)用，推動(dòng)金融服務(wù)渠道、服務(wù)模式向主動(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)，嘗試人工智能在不同金融業(yè)務(wù)場景中的具體應(yīng)用路徑與實(shí)踐方法，推動(dòng)智能化金融產(chǎn)品和服務(wù)的創(chuàng)新[3]。

隨著智能化技術(shù)的發(fā)展，金融需求與供給也面臨著重大變革與挑戰(zhàn)，金融需求的多層次、多樣化與金融供給的不平衡、不充分之間仍存在著較突出的矛盾，以大數(shù)據(jù)、人工智能等新興技術(shù)為基礎(chǔ)的數(shù)字經(jīng)濟(jì)能夠更好地匹配供需，通過新的投入要素、新的資源配置效率、新的全要素生產(chǎn)率促進(jìn)高質(zhì)量發(fā)展[4]。故金融業(yè)需要加快數(shù)字化轉(zhuǎn)型，而智能化無疑是推動(dòng)金融數(shù)字化轉(zhuǎn)型和高質(zhì)量發(fā)展的利器。

從經(jīng)濟(jì)社會對智能金融的需求來看，在智能化時(shí)代的經(jīng)濟(jì)社會生活當(dāng)中，各類經(jīng)營實(shí)體和社會大眾對金融服務(wù)的需求會越來越呈現(xiàn)出多層次、差異化、低成本的特點(diǎn)，而智能化金融產(chǎn)品和服務(wù)顯然是解決不同層次客戶差異化需求的重要手段。金融服務(wù)通過感知智能技術(shù)迅速捕獲客戶需求，并為客戶適時(shí)地、精準(zhǔn)地適配到所需金融服務(wù)，使其享受到“所需即所得、所想即所得”的智能金融服務(wù)。

從金融產(chǎn)品與服務(wù)的供給來看，智能金融的發(fā)展是從根本上解決金融產(chǎn)品與服務(wù)在供給方面不平衡、不充分的重要路徑。通過金融業(yè)務(wù)場景中智能化方法、工具和技術(shù)的深入應(yīng)用，促使諸多線上化、數(shù)字化金融產(chǎn)品與服務(wù)在質(zhì)上得以升級，為客戶提供了更貼近自身實(shí)際狀況的金融資產(chǎn)配置、更低的獲取成本和服務(wù)成本，最終觸達(dá)客戶的智能化金融產(chǎn)品與服務(wù)往往更貼近市場客戶對金融服務(wù)的深層次需求。因此，從總體上來看，智能金融有助于推進(jìn)金融產(chǎn)品創(chuàng)新，也有助于增強(qiáng)金融業(yè)服務(wù)實(shí)體經(jīng)濟(jì)的能力，切實(shí)提升供給側(cè)結(jié)構(gòu)性改革的金融服務(wù)效能。

作為金融業(yè)的核心主體之一，商業(yè)銀行較早開始了智能化建設(shè)的布局與探索，以發(fā)掘新經(jīng)營模式與新增長引擎。本文以商業(yè)銀行業(yè)務(wù)領(lǐng)域的智能化應(yīng)用為視角，基于財(cái)富管理、投資研究、風(fēng)險(xiǎn)內(nèi)控、運(yùn)營管理等典型業(yè)務(wù)場景的研發(fā)實(shí)踐，就智能金融建設(shè)的主要框架，包括主要內(nèi)容、實(shí)現(xiàn)機(jī)理、應(yīng)用架構(gòu)和實(shí)際業(yè)務(wù)效果等進(jìn)行研究分析，并就全面推進(jìn)金融機(jī)構(gòu)智能化建設(shè)的路徑機(jī)制進(jìn)行了系統(tǒng)性思考，以期為金融業(yè)數(shù)字化轉(zhuǎn)型和高質(zhì)量發(fā)展提供經(jīng)驗(yàn)分享與有益建議。

二、智能金融應(yīng)用實(shí)踐的主體框架與機(jī)理

人工智能與金融的結(jié)合主要在業(yè)務(wù)應(yīng)用層[5]，故智能金融建設(shè)的內(nèi)容與方向主要在于探索大數(shù)據(jù)、人工智能等技術(shù)在具體業(yè)務(wù)領(lǐng)域中的高效應(yīng)用，構(gòu)建適配業(yè)務(wù)場景需求的應(yīng)用框架及其解決方案[6]。為此，需要將數(shù)據(jù)、技術(shù)與應(yīng)用結(jié)合起來考慮。數(shù)據(jù)是生產(chǎn)要素，是智能化建設(shè)的基礎(chǔ)；技術(shù)是生產(chǎn)力，決定著新的研發(fā)方式；應(yīng)用則是生產(chǎn)目標(biāo)，是數(shù)據(jù)和技術(shù)的最終落腳點(diǎn)。大數(shù)據(jù)、人工智能等新一代技術(shù)與原有產(chǎn)品研發(fā)流程的深度融合，推動(dòng)著這類數(shù)據(jù)驅(qū)動(dòng)產(chǎn)品的研發(fā)應(yīng)用[7]。在具體智能化應(yīng)用研發(fā)中，建立科技研發(fā)部門與業(yè)務(wù)應(yīng)用部門深度合作與交流的機(jī)制，科技研發(fā)人員需要在深入理解業(yè)務(wù)場景需求及傳統(tǒng)產(chǎn)品研發(fā)模式差異的基礎(chǔ)上，探索研發(fā)與業(yè)務(wù)運(yùn)行相適應(yīng)的，以數(shù)據(jù)資產(chǎn)體系、算法模型技術(shù)體系為核心的智能化應(yīng)用研發(fā)體系，最終形成涵蓋數(shù)據(jù)、技術(shù)、應(yīng)用的智能金融研發(fā)體系及框架（如圖1）。

圖1 智能金融應(yīng)用研發(fā)體系及框架

在實(shí)際智能金融應(yīng)用研發(fā)過程中，影響金融業(yè)務(wù)智能化效能的主要因素有兩個(gè)：一是基于業(yè)務(wù)場景多模態(tài)數(shù)據(jù)所進(jìn)行的數(shù)據(jù)資產(chǎn)開發(fā)，二是基于數(shù)據(jù)資產(chǎn)與業(yè)務(wù)目標(biāo)所構(gòu)建研發(fā)的應(yīng)用型算法或模型。其中，數(shù)字資產(chǎn)與應(yīng)用型算法模型之間的影響機(jī)制有著鮮明的特點(diǎn)：首先，數(shù)據(jù)資產(chǎn)是算法模型參加場景運(yùn)算的重要輸入元素，因此數(shù)據(jù)資產(chǎn)本身的質(zhì)量如何必然會對在此基礎(chǔ)上構(gòu)建的人工智能算法及其應(yīng)用模型的效果產(chǎn)生直接影響；其次，應(yīng)用型算法模型構(gòu)建、運(yùn)算的過程同樣會生成基于場景的、寶貴的金融數(shù)據(jù)資產(chǎn)，這也就使得應(yīng)用型算法模型所采用的技術(shù)架構(gòu)必然也會在一定程度上對場景化金融數(shù)據(jù)資產(chǎn)生產(chǎn)過程和質(zhì)量產(chǎn)生重要的影響。

（一）基于金融業(yè)務(wù)場景的數(shù)據(jù)資產(chǎn)體系

金融數(shù)據(jù)資產(chǎn)開發(fā)是指對金融業(yè)務(wù)及相關(guān)市場的原始數(shù)據(jù)進(jìn)行結(jié)構(gòu)轉(zhuǎn)換、提煉降維、數(shù)值計(jì)算和轉(zhuǎn)化映射等工程化處理，使數(shù)據(jù)成為更具有業(yè)務(wù)應(yīng)用價(jià)值的資產(chǎn)。金融行業(yè)業(yè)務(wù)場景眾多，這其中業(yè)務(wù)數(shù)據(jù)所呈現(xiàn)的形態(tài)往往也是多樣的，有些信息中甚至充斥著超出業(yè)務(wù)場景本身的噪聲，而含有噪聲信息的數(shù)據(jù)資產(chǎn)對業(yè)務(wù)場景關(guān)鍵信息的承載量、展現(xiàn)力通常也會打折扣[8]。這類業(yè)務(wù)數(shù)據(jù)不一定可以直接拿來進(jìn)行業(yè)務(wù)場景分析或探索，而是需要運(yùn)用深度學(xué)習(xí)模型來提取含噪業(yè)務(wù)數(shù)據(jù)的抽象表征，從而轉(zhuǎn)化為可供應(yīng)用研發(fā)的數(shù)據(jù)資產(chǎn)[9]。在具體業(yè)務(wù)實(shí)踐中，基于相關(guān)業(yè)務(wù)領(lǐng)域的原始數(shù)據(jù)類型及特點(diǎn)，金融機(jī)構(gòu)通常會依托企業(yè)級大數(shù)據(jù)平臺的數(shù)據(jù)采集整合、加工計(jì)算能力以及相關(guān)智能化方法技術(shù)推進(jìn)金融場景數(shù)據(jù)資產(chǎn)的開發(fā)。本研究主要從金融業(yè)務(wù)場景的具體數(shù)字智能實(shí)踐出發(fā)，展示如何形成金融業(yè)務(wù)領(lǐng)域豐富且具有高可用性的場景化數(shù)據(jù)資產(chǎn)體系[10]。

1.業(yè)務(wù)應(yīng)用型的指標(biāo)表征庫

業(yè)務(wù)應(yīng)用型指標(biāo)表征庫是從原生的金融場景出發(fā)，基于業(yè)務(wù)流程及規(guī)則，從數(shù)據(jù)關(guān)聯(lián)、業(yè)務(wù)工程化的角度構(gòu)建出能有效應(yīng)用于業(yè)務(wù)分析及建模預(yù)測的特征指標(biāo)，從而為價(jià)格研判、風(fēng)險(xiǎn)識別、偏好識別等算法模型提供穩(wěn)定、高質(zhì)量的數(shù)據(jù)支持，提升預(yù)測的精確性及智能化金融服務(wù)的效果。

業(yè)務(wù)應(yīng)用型指標(biāo)表征庫構(gòu)建過程中，需要應(yīng)對兩個(gè)挑戰(zhàn)。一是數(shù)據(jù)更新架構(gòu)的設(shè)計(jì)。以金融資產(chǎn)特征指標(biāo)庫為例，由于金融市場資產(chǎn)相關(guān)的數(shù)據(jù)量十分龐大，每日全量更新可行性較低，需要采用多層次、模塊化的架構(gòu)，通過全量與增量一體化的批量更新機(jī)制（見圖2），才能有效解決動(dòng)態(tài)指標(biāo)庫這類數(shù)據(jù)資產(chǎn)在更新機(jī)制設(shè)計(jì)上的難題，而在具體讀取數(shù)據(jù)時(shí)還需要編寫高度定制化的表結(jié)構(gòu)轉(zhuǎn)換函數(shù)。

圖2 金融數(shù)據(jù)資產(chǎn)動(dòng)態(tài)特征指標(biāo)庫實(shí)踐框架與機(jī)理

二是數(shù)據(jù)表邏輯問題的處理。金融市場數(shù)據(jù)資產(chǎn)中動(dòng)態(tài)特征指標(biāo)庫的建設(shè)數(shù)據(jù)往往來自不同的業(yè)務(wù)系統(tǒng)或外部數(shù)據(jù)庫，各種數(shù)據(jù)表存在較多的邏輯不一致的現(xiàn)象，如不同表數(shù)據(jù)項(xiàng)含義有差異、數(shù)據(jù)表全量與增量更新結(jié)果不同、表格式批量轉(zhuǎn)化信息丟失等問題，這些都會嚴(yán)重影響數(shù)據(jù)的加工與應(yīng)用，需要逐項(xiàng)排查、理順邏輯后制定具體的解決方案。通過反復(fù)試錯(cuò)，依托金融企業(yè)大數(shù)據(jù)平臺最終建成集成不同維度的應(yīng)用型特征指標(biāo)庫（如表1 所示），包括基于市場行情、技術(shù)指標(biāo)等金融市場資產(chǎn)的動(dòng)態(tài)特征指標(biāo)庫以及基于客戶基礎(chǔ)信息、交易行為信息的客戶動(dòng)態(tài)特征庫等。

表1 應(yīng)用型動(dòng)態(tài)特征指標(biāo)庫元數(shù)據(jù)解析示例

2.金融業(yè)務(wù)應(yīng)用型知識圖譜

知識圖譜是指將事物之間的關(guān)系通過圖的結(jié)構(gòu)進(jìn)行連接而形成的關(guān)聯(lián)網(wǎng)絡(luò)，它以實(shí)體、關(guān)系、屬性三元組的形式存儲信息[11]，其中實(shí)體和屬性存儲在圖的節(jié)點(diǎn)中，關(guān)系則由圖的邊來表示。知識圖譜應(yīng)用的顯著優(yōu)勢在于，一是能夠?qū)⒉煌I(lǐng)域、不同模態(tài)結(jié)構(gòu)的數(shù)據(jù)連接起來，為業(yè)務(wù)分析提供更豐富、更全面的信息支持；二是將不同事物之間的聯(lián)系以直觀的圖連接表示出來，具有更加明晰的表達(dá)能力，提升數(shù)據(jù)分析結(jié)果的可解釋性；三是將分割的信息進(jìn)行關(guān)聯(lián)，集成起來形成基于業(yè)務(wù)邏輯的、圖譜化的業(yè)務(wù)知識應(yīng)用體系，通過進(jìn)一步的圖計(jì)算、圖分析與推理，可以探查出圖譜背后蘊(yùn)藏的信息。

金融業(yè)務(wù)應(yīng)用型知識圖譜的構(gòu)建主要分為兩大部分。一是語義框架的設(shè)計(jì)，是指確定相關(guān)金融業(yè)務(wù)領(lǐng)域中實(shí)體，以及實(shí)體之間關(guān)系的完整架構(gòu)，這是進(jìn)行后續(xù)開發(fā)的基礎(chǔ)。以金融投研領(lǐng)域企業(yè)債券語義關(guān)系挖掘、探察為例，從債券評級的業(yè)務(wù)邏輯及關(guān)注點(diǎn)出發(fā)，重點(diǎn)搭建起涵蓋空間、時(shí)間、物理、概念、上下位等維度的語義關(guān)系架構(gòu)（見圖3）。二是知識內(nèi)容的構(gòu)建，是指基于語義框架中定義好的實(shí)體及關(guān)系類型，將各類相關(guān)數(shù)據(jù)進(jìn)行連接，開發(fā)出成型的金融知識圖譜。在具體實(shí)踐開發(fā)中，除了結(jié)構(gòu)化的關(guān)系型數(shù)據(jù)，還涵蓋大量的非結(jié)構(gòu)化文本數(shù)據(jù)，這就需要從這些非結(jié)構(gòu)化金融文本當(dāng)中自動(dòng)化地提取出實(shí)體、關(guān)系、屬性值等信息[12]，這也是整個(gè)開發(fā)過程中最關(guān)鍵和最有難度的環(huán)節(jié)，離不開自然語言處理、深度學(xué)習(xí)等人工智能技術(shù)的融合應(yīng)用。

圖3 企業(yè)債券知識圖譜語義關(guān)系設(shè)計(jì)的實(shí)踐框架（部分示例）

經(jīng)過以上環(huán)節(jié)的持續(xù)開發(fā)與驗(yàn)證，構(gòu)建出金融投研領(lǐng)域的企業(yè)債券知識圖譜（見圖4），該金融知識圖譜可以清晰展現(xiàn)城投債券在政府背景、地區(qū)經(jīng)濟(jì)、資產(chǎn)負(fù)債、公司治理等多方面、各層次的關(guān)聯(lián)關(guān)系，極大地提升了債券研究的效率，輔助債券投資工作的分析判斷[13]。同時(shí)，構(gòu)建了資金交易賬戶關(guān)聯(lián)圖譜（見圖5），該關(guān)聯(lián)圖譜從人工智能技術(shù)角度來看為有向循環(huán)圖（貝葉斯網(wǎng)絡(luò)），主要表現(xiàn)出不同賬戶之間資金的流向與交易情況，同時(shí)也將資金賬戶類型、所有者信息等整個(gè)交易鏈條中涉及的其他各類信息進(jìn)行連接，為深入識別賬戶之間的關(guān)聯(lián)路徑強(qiáng)弱、挖掘異常交易提供了更有效、更為可靠的分析和判別基礎(chǔ)。

圖4 城投債券知識圖譜應(yīng)用

圖5 資金交易賬戶關(guān)聯(lián)圖譜應(yīng)用

（二）基于智能化算法的應(yīng)用模型體系

智能金融建設(shè)常常需要運(yùn)用基礎(chǔ)型算法、模型來對業(yè)務(wù)場景進(jìn)行數(shù)理抽象與刻畫，這就需要在智能金融建設(shè)過程中特別要注意將基礎(chǔ)算法進(jìn)行定制化的設(shè)計(jì)與二次開發(fā)，形成符合金融業(yè)務(wù)實(shí)際的場景應(yīng)用型智能化算法模型，以更好地激活金融數(shù)據(jù)資產(chǎn)的價(jià)值[14]。本文在場景化數(shù)據(jù)資產(chǎn)基礎(chǔ)上，通過分析AI 算法如何對業(yè)務(wù)信息進(jìn)行深度挖掘和提取，揭示了金融業(yè)務(wù)領(lǐng)域的應(yīng)用型算法模型在實(shí)現(xiàn)更精準(zhǔn)的業(yè)務(wù)分析預(yù)測方面的實(shí)現(xiàn)機(jī)理。在具體的研發(fā)實(shí)踐中，應(yīng)用型算法模型主要面向金融機(jī)構(gòu)的財(cái)富管理、投資研究、風(fēng)險(xiǎn)內(nèi)控、運(yùn)營管理等業(yè)務(wù)領(lǐng)域進(jìn)行開發(fā)應(yīng)用，基于相關(guān)場景的數(shù)據(jù)資產(chǎn)，依托AI 基礎(chǔ)平臺豐富的基礎(chǔ)算法庫及全流程建模能力，對具有較強(qiáng)特征識別及預(yù)測能力的深度神經(jīng)網(wǎng)絡(luò)進(jìn)行靈活重構(gòu)，設(shè)計(jì)出了新型網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。

1.金融文本信息提取模型

該類模型主要基于金融數(shù)據(jù)資產(chǎn)，特別是個(gè)人客戶相關(guān)的動(dòng)態(tài)特征因子庫，把市場上可供選擇的基礎(chǔ)金融資產(chǎn)的主要特征，包括預(yù)期收益、波動(dòng)率等與待服務(wù)客戶的基礎(chǔ)信息、行為特征等相互結(jié)合起來，搭建起資產(chǎn)端與客戶端的橋梁，將差異化的金融資產(chǎn)及組合動(dòng)態(tài)推介給與其更為適配的客戶。

這里以在金融文本信息提取場景中廣泛使用的條件隨機(jī)場雙循環(huán)神經(jīng)網(wǎng)絡(luò)模型為例來說明其構(gòu)建應(yīng)用過程。在單向LSTM 模型的基礎(chǔ)上再增加一層反向循環(huán)層構(gòu)建雙向LSTM 即Bi-LSTM 模型，通過將正反兩層網(wǎng)絡(luò)的處理值拼接起來可以更全面地考慮上下文的語義特征；條件隨機(jī)場（CRF）將當(dāng)前時(shí)刻的輸出序列與前、后時(shí)刻的輸出序列相關(guān)聯(lián)，進(jìn)而達(dá)到更有效地解決序列標(biāo)注和預(yù)測問題的目的，兩者結(jié)合起來可以更精準(zhǔn)地對金融文本（例如：“安慶政府為安慶城投提供財(cái)政支持”）進(jìn)行字詞劃分，并自動(dòng)識別詞語“安慶城投”是分析的目標(biāo)主體，在此基礎(chǔ)上根據(jù)目標(biāo)詞的位置，對左側(cè)文本“安慶政府為”，右側(cè)文本“提供財(cái)政支持”進(jìn)行特征賦權(quán)，最終將三部分處理值組合起來，便能全面地提煉出整條文本的語義特征[15]。該模型的實(shí)踐框架及業(yè)務(wù)應(yīng)用機(jī)理如圖6所示。

圖6 Bi-LSTM+CRF模型實(shí)踐框架與業(yè)務(wù)應(yīng)用機(jī)理

在相關(guān)金融業(yè)務(wù)研發(fā)實(shí)踐中，該模型一方面應(yīng)用于金融知識圖譜數(shù)據(jù)資產(chǎn)的開發(fā)，從大量非結(jié)構(gòu)化數(shù)據(jù)信息中提取實(shí)體與屬性，構(gòu)建知識圖譜的頂點(diǎn)；另一方面應(yīng)用于RPA 流程機(jī)器人，從金融業(yè)務(wù)公告文本中識別關(guān)鍵信息，實(shí)現(xiàn)關(guān)鍵信息的自動(dòng)化提煉與整理。

2.關(guān)聯(lián)風(fēng)險(xiǎn)識別模型

關(guān)聯(lián)風(fēng)險(xiǎn)識別模型主要是通過圖神經(jīng)網(wǎng)絡(luò)這類基礎(chǔ)算法來設(shè)計(jì)、研發(fā)的，其應(yīng)用則是以上文描述的業(yè)務(wù)應(yīng)用型知識圖譜這類數(shù)據(jù)資產(chǎn)為基礎(chǔ)展開構(gòu)建。這類應(yīng)用型關(guān)聯(lián)風(fēng)險(xiǎn)識別模型已廣泛應(yīng)用于金融行業(yè)的投資研究領(lǐng)域，特別是分析研判市場上哪些企業(yè)在經(jīng)營過程中可能會出現(xiàn)風(fēng)險(xiǎn)事件等。

該類模型所采用的圖網(wǎng)絡(luò)是指基于特定場景中各主體之間的語義關(guān)系形成的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，完整的圖網(wǎng)絡(luò)能夠?qū)⒉煌I(lǐng)域、不同類型的數(shù)據(jù)結(jié)合起來，蘊(yùn)含著豐富的深層業(yè)務(wù)信息；而循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）能夠記憶目標(biāo)主體在網(wǎng)絡(luò)上一時(shí)刻運(yùn)行時(shí)的狀態(tài)值，并將其嵌入當(dāng)前時(shí)刻的數(shù)據(jù)計(jì)算中來，適用于時(shí)序數(shù)據(jù)的業(yè)務(wù)分析。循環(huán)神經(jīng)網(wǎng)絡(luò)模型則是將這兩者結(jié)合形成GRN 模型，該模型能夠根據(jù)業(yè)務(wù)演變動(dòng)態(tài)地提取圖網(wǎng)絡(luò)中的關(guān)聯(lián)關(guān)系特征[16]，挖掘出隱含的業(yè)務(wù)邏輯，對金融風(fēng)險(xiǎn)事件發(fā)生的可能性進(jìn)行更為前瞻的預(yù)測，如圖7所示。

圖7 GRN模型實(shí)踐框架與業(yè)務(wù)應(yīng)用機(jī)理（以金融欺詐預(yù)測為例）

在相關(guān)金融業(yè)務(wù)研發(fā)實(shí)踐中，該模型以前述企業(yè)債券、資金賬戶等關(guān)聯(lián)圖譜數(shù)據(jù)資產(chǎn)為基礎(chǔ)，探索城投債券或資金轉(zhuǎn)移領(lǐng)域的深度關(guān)聯(lián)特征，廣泛應(yīng)用于投資研究中的金融事件預(yù)測中，通過分析企業(yè)與企業(yè)、企業(yè)與行業(yè)、企業(yè)與市場等關(guān)聯(lián)關(guān)系及其動(dòng)態(tài)變化，研判企業(yè)可能面臨的金融風(fēng)險(xiǎn)；該模型也可以應(yīng)用于識別金融欺詐交易；還可以用來探查資金往來賬戶交易形成的網(wǎng)絡(luò)中所蘊(yùn)含的信息，并能對金融機(jī)構(gòu)內(nèi)控管理中的違規(guī)操作及異常行為進(jìn)行提示與預(yù)警[17]。

3.個(gè)性化推薦客戶的行為序列模型

客戶對金融產(chǎn)品的點(diǎn)擊、瀏覽等動(dòng)態(tài)行為能在相當(dāng)程度上反映出其對產(chǎn)品偏好的變化[18]，金融產(chǎn)品風(fēng)險(xiǎn)、收益的動(dòng)態(tài)表現(xiàn)對客戶的購買行為也會產(chǎn)生較大的影響?？蛻粜袨樾蛄校–BS）模型把這兩者結(jié)合起來，將資產(chǎn)風(fēng)險(xiǎn)、收益的時(shí)序變化作為金融資產(chǎn)的重要特征來構(gòu)建客戶行為序列，進(jìn)而更深入地平衡客戶對金融產(chǎn)品的需求隨其興趣偏好以及產(chǎn)品風(fēng)險(xiǎn)收益變化而動(dòng)態(tài)調(diào)整所帶來的影響，更精準(zhǔn)地預(yù)測出與不同客戶相匹配的金融產(chǎn)品，如圖8所示。

圖8 BSM模型的實(shí)踐框架與業(yè)務(wù)應(yīng)用機(jī)理

在相關(guān)金融業(yè)務(wù)領(lǐng)域研發(fā)實(shí)踐中，該模型以金融業(yè)務(wù)場景的應(yīng)用型數(shù)據(jù)資產(chǎn)，尤其是客戶、資產(chǎn)相關(guān)的特征指標(biāo)為基礎(chǔ)進(jìn)行研發(fā)訓(xùn)練，主要用于基金、理財(cái)?shù)蓉?cái)富管理產(chǎn)品的智能化篩選與配置，在不同時(shí)點(diǎn)發(fā)掘出與客戶更適配的金融產(chǎn)品及資產(chǎn)組合，為客戶提供動(dòng)態(tài)化、個(gè)性化財(cái)富產(chǎn)品推薦。

三、智能金融的具體業(yè)務(wù)應(yīng)用與效能

近年來，以商業(yè)銀行為主要代表的金融機(jī)構(gòu)立足于財(cái)富管理、投資研究、風(fēng)險(xiǎn)內(nèi)控、運(yùn)營管理等業(yè)務(wù)場景，搭建起了基于相應(yīng)業(yè)務(wù)的場景化數(shù)據(jù)資產(chǎn)體系以及應(yīng)用型金融算法模型體系，并以此為支撐研發(fā)了智能投研、智能投顧、智能案防、RPA 流程機(jī)器人等多種智能化金融產(chǎn)品和服務(wù)，形成了金融業(yè)務(wù)領(lǐng)域的智能化應(yīng)用體系，在多個(gè)維度進(jìn)一步增強(qiáng)了金融機(jī)構(gòu)的業(yè)務(wù)經(jīng)營質(zhì)量和效益，切實(shí)提升了金融業(yè)服務(wù)實(shí)體經(jīng)濟(jì)的水平和能力。為此，本文將從具體金融業(yè)務(wù)應(yīng)用場景出發(fā)，就智能金融的業(yè)務(wù)應(yīng)用實(shí)踐及效果進(jìn)行分類解構(gòu)和闡釋。

（一）智能投顧——財(cái)富產(chǎn)品個(gè)性化推薦與配置

智能投顧主要應(yīng)用于財(cái)富管理領(lǐng)域，旨在為客戶推薦符合其特點(diǎn)的個(gè)性化財(cái)富管理產(chǎn)品以及相匹配的資產(chǎn)配置組合，具體來說主要包括兩個(gè)方面。一是根據(jù)客戶的歷史購買、點(diǎn)擊等行為信息，結(jié)合資產(chǎn)特征的變化，生成不同時(shí)點(diǎn)針對不同客戶的個(gè)性化財(cái)富產(chǎn)品推薦；二是構(gòu)建全方位的客戶畫像，以及當(dāng)前市場的有效資產(chǎn)組合，通過客戶端特征與資產(chǎn)端組合的映射匹配，形成與客戶類型、特征最適配的財(cái)富產(chǎn)品組合。

通過進(jìn)一步解構(gòu)智能投顧產(chǎn)品的落地與應(yīng)用架構(gòu)（如圖9 所示），可以發(fā)現(xiàn)，該智能應(yīng)用首先是對股票、基金等金融資產(chǎn)及客戶相關(guān)數(shù)據(jù)進(jìn)行工程化處理，形成財(cái)富管理領(lǐng)域的標(biāo)簽畫像、特征指標(biāo)、知識圖譜、規(guī)則引擎等數(shù)據(jù)資產(chǎn)；再基于標(biāo)準(zhǔn)化數(shù)據(jù)資產(chǎn)以及主流的AI算法，構(gòu)建起資產(chǎn)配置與營銷推薦相關(guān)的多種應(yīng)用模型，形成單一資產(chǎn)推薦、資產(chǎn)組合匹配、智能篩選等財(cái)富管理場景下不同的業(yè)務(wù)功能。

圖9 智能投顧產(chǎn)品的業(yè)務(wù)應(yīng)用架構(gòu)

智能投顧產(chǎn)品及服務(wù)在財(cái)富管理業(yè)務(wù)領(lǐng)域應(yīng)用后主要業(yè)務(wù)效能表現(xiàn)在：一是能提高對客戶與財(cái)富管理產(chǎn)品的識別與匹配程度，將合適的資產(chǎn)推薦給合適的客戶；二是能更精準(zhǔn)地判斷金融資產(chǎn)的風(fēng)險(xiǎn)與收益趨勢，在控制風(fēng)險(xiǎn)的同時(shí)為客戶爭取更大的理財(cái)收益。從總體效果來看，該項(xiàng)智能化服務(wù)一方面為金融機(jī)構(gòu)直銷銀行業(yè)務(wù)的發(fā)展提供了新的動(dòng)能，促進(jìn)了財(cái)富管理業(yè)務(wù)市場規(guī)模的穩(wěn)健增長；另一方面，社會大眾也可借此渠道，以穩(wěn)健的方式獲得與自身偏好更為適配的、更為個(gè)性化的智能財(cái)富產(chǎn)品及配置服務(wù)（如表2所示）。

表2 智能投顧個(gè)性化資產(chǎn)配置效果

（二）智能投研——金融文本結(jié)構(gòu)化及知識網(wǎng)絡(luò)構(gòu)建

智能投研平臺主要應(yīng)用于金融投資研究領(lǐng)域，核心建設(shè)目標(biāo)有兩個(gè)：一是實(shí)現(xiàn)金融文本的工程化、結(jié)構(gòu)化、標(biāo)準(zhǔn)化處理，提升對繁雜金融信息梳理、整合的效率；二是基于結(jié)構(gòu)化的金融信息實(shí)體，構(gòu)建金融信息關(guān)聯(lián)網(wǎng)絡(luò)，形成對金融知識的積累與沉淀，從而輔助投研人員更精準(zhǔn)地研判金融市場走勢。

通過進(jìn)一步解構(gòu)智能投研產(chǎn)品的落地與應(yīng)用框架（如圖10 所示）可以發(fā)現(xiàn)，以城投債行業(yè)的評級報(bào)告、行業(yè)公告、新聞報(bào)道等非結(jié)構(gòu)化金融文本作為數(shù)據(jù)基礎(chǔ)，依托前述的Bi-LSTM-CRF 模型提取實(shí)體信息，采用PCNN 網(wǎng)絡(luò)提取關(guān)聯(lián)關(guān)系[19]，然后基于提煉出的實(shí)體和關(guān)系構(gòu)建城投債領(lǐng)域的知識圖譜，形成債券行業(yè)知識的沉淀，最終實(shí)現(xiàn)兩個(gè)功能：一是助力投研工作中關(guān)鍵信息的智能化檢索、查詢；二是與圖神經(jīng)網(wǎng)絡(luò)（GRN）模型相結(jié)合，基于金融知識網(wǎng)絡(luò)進(jìn)行信息挖掘分析，提升金融事件預(yù)測的精準(zhǔn)性。

圖10 智能投研平臺的業(yè)務(wù)應(yīng)用架構(gòu)

智能化投研產(chǎn)品應(yīng)用后，能實(shí)現(xiàn)非結(jié)構(gòu)化數(shù)據(jù)的抽取、存儲、關(guān)聯(lián)以及知識檢索的全流程、自動(dòng)化運(yùn)行，極大地方便了投研機(jī)構(gòu)研究人員撰寫報(bào)告的效率，整體上助推了投研機(jī)構(gòu)工作效能的提升。這里以投研機(jī)構(gòu)城投債評級報(bào)告的編寫為例，具體展示智能投研平臺的處理效能（如表3 所示）。如果投研人員人工進(jìn)行文本數(shù)據(jù)的查詢、梳理與提煉，其花費(fèi)的時(shí)間大概在2 個(gè)小時(shí)左右，且難以對非結(jié)構(gòu)化歷史信息進(jìn)行關(guān)聯(lián)與體系化沉淀；而智能化投研產(chǎn)品可以在1 分30 秒內(nèi)完成金融文本的結(jié)構(gòu)化解析，并進(jìn)一步形成債券知識網(wǎng)絡(luò)圖譜，實(shí)現(xiàn)更快速、精準(zhǔn)的檢索、分析與預(yù)測。

表3 智能投研平臺的文本解析應(yīng)用效能

（三）智能機(jī)器人——金融信息自動(dòng)抽取與錄入

智能RPA（Robotic Process Automation）機(jī)器人是一款機(jī)器人流程自動(dòng)化軟件，能模擬一系列人工操作，實(shí)現(xiàn)與現(xiàn)有系統(tǒng)的高效互動(dòng)，從而提升工作效率。這款機(jī)器人（RPA）已在各主要金融機(jī)構(gòu)的風(fēng)險(xiǎn)管理領(lǐng)域、運(yùn)營管理領(lǐng)域有了廣泛而深入的應(yīng)用。

在智能RPA 的具體應(yīng)用實(shí)踐中，重點(diǎn)在于將RPA 技術(shù)與AI、大數(shù)據(jù)結(jié)合起來（如圖11 所示），打造智慧化的IPA（Intelligent Process Automation）產(chǎn)品及服務(wù)。例如采用Bi-LSTM+CRF 模型，從企業(yè)理財(cái)公告中識別和抽取關(guān)鍵的理財(cái)信息，并以結(jié)構(gòu)化格式存儲展示，可以實(shí)現(xiàn)對理財(cái)重要信息的快速、自動(dòng)化整理與閱讀；還可以通過將CNN與RNN結(jié)合完成目標(biāo)圖片中的特征提取及語義識別，自動(dòng)將圖片等格式財(cái)務(wù)報(bào)表轉(zhuǎn)換成excel格式并錄入系統(tǒng)。

圖11 各類RPA產(chǎn)品的業(yè)務(wù)應(yīng)用架構(gòu)

目前以商業(yè)銀行為代表的金融機(jī)構(gòu)已在企業(yè)金融、風(fēng)險(xiǎn)管理、運(yùn)營管理、交易系統(tǒng)管理中心等業(yè)務(wù)管理部門上線了多款RPA 產(chǎn)品，涵蓋財(cái)務(wù)報(bào)表機(jī)器人、監(jiān)管報(bào)表機(jī)器人、對賬機(jī)器人、訂單管理機(jī)器人、對公開戶機(jī)器人、理財(cái)信息機(jī)器人等，極大地促進(jìn)了相關(guān)金融業(yè)務(wù)處理效率的有效提升。如表4 所示，財(cái)務(wù)報(bào)表機(jī)器人使原本的手工錄入流程從每套4 小時(shí)降低到每套7 分鐘左右；理財(cái)信息機(jī)器人使原本需要50 分鐘摘取1 份信息的工作降低到10 分鐘完成。

表4 主要RPA機(jī)器人的業(yè)務(wù)應(yīng)用效能

（四）智能案防——業(yè)務(wù)規(guī)則指標(biāo)化與圖關(guān)聯(lián)分析

智能案防主要應(yīng)用于金融機(jī)構(gòu)的風(fēng)險(xiǎn)內(nèi)控領(lǐng)域，針對商業(yè)銀行內(nèi)部資金違規(guī)轉(zhuǎn)移、賬戶異常交易等會計(jì)風(fēng)險(xiǎn)事件，采用智能化風(fēng)險(xiǎn)識別技術(shù)與方法，對風(fēng)險(xiǎn)案件進(jìn)行更及時(shí)、精準(zhǔn)的篩查與防范，減少各類會計(jì)案件導(dǎo)致的聲譽(yù)風(fēng)險(xiǎn)與資金損失。

在智能案防產(chǎn)品的業(yè)務(wù)落地與應(yīng)用過程中，基于客戶、賬戶、交易、機(jī)構(gòu)等多維度數(shù)據(jù)，一方面對會計(jì)案防領(lǐng)域的風(fēng)險(xiǎn)識別邏輯進(jìn)行指標(biāo)化拆解，形成可靈活組合配置的業(yè)務(wù)指標(biāo)，實(shí)現(xiàn)行業(yè)知識的結(jié)構(gòu)化沉淀；另一方面構(gòu)建賬戶資金交易知識圖譜，采用圖計(jì)算、知識推理等技術(shù)挖掘深度的關(guān)聯(lián)風(fēng)險(xiǎn)特征，并結(jié)合圖網(wǎng)絡(luò)模型對可疑賬戶進(jìn)行智能預(yù)測（如圖12所示）。

圖12 智能案防的業(yè)務(wù)應(yīng)用架構(gòu)

智能案防產(chǎn)品上線后，實(shí)現(xiàn)了從規(guī)則指標(biāo)拆解、關(guān)聯(lián)特征提取、組合規(guī)則配置到風(fēng)險(xiǎn)賬戶預(yù)警等會計(jì)案防業(yè)務(wù)各環(huán)節(jié)的自動(dòng)化運(yùn)行。如表5 所示，在近一年內(nèi)，對商業(yè)銀行近3000 萬個(gè)個(gè)人活躍賬戶進(jìn)行風(fēng)險(xiǎn)排查，篩選出的90%可疑賬戶被確認(rèn)為高風(fēng)險(xiǎn)賬戶，極大地提高了會計(jì)風(fēng)險(xiǎn)案件核查的及時(shí)性與精準(zhǔn)性，提升了金融機(jī)構(gòu)風(fēng)險(xiǎn)管理的智能化水平。

表5 智能案防的風(fēng)險(xiǎn)排查效能

四、金融智能發(fā)展的實(shí)踐路徑與建設(shè)機(jī)制

（一）智能金融建設(shè)的路徑啟示

從金融機(jī)構(gòu)在財(cái)富管理、投資研究、風(fēng)險(xiǎn)內(nèi)控、運(yùn)營管理等不同業(yè)務(wù)領(lǐng)域智能化應(yīng)用的實(shí)踐框架、應(yīng)用架構(gòu)及業(yè)務(wù)效果可以總結(jié)出：推進(jìn)智能金融發(fā)展的關(guān)鍵在于統(tǒng)籌推進(jìn)數(shù)據(jù)體系、技術(shù)體系、應(yīng)用體系，實(shí)現(xiàn)智能化在具體金融業(yè)務(wù)場景中的研發(fā)落地和推廣應(yīng)用。具體來說，在數(shù)據(jù)體系層面，基于金融大數(shù)據(jù)平臺對相關(guān)業(yè)務(wù)領(lǐng)域的各模態(tài)數(shù)據(jù)進(jìn)行工程化、自動(dòng)化的加工、處理和集成，搭建起相關(guān)領(lǐng)域的業(yè)務(wù)特征庫、指標(biāo)庫和基于知識圖譜的圖示化數(shù)據(jù)資產(chǎn)。在技術(shù)體系層面，主要依托企業(yè)級的人工智能基礎(chǔ)平臺以及通用算法庫，從初始化基礎(chǔ)數(shù)據(jù)資產(chǎn)出發(fā)，面向金融業(yè)務(wù)場景研發(fā)各類業(yè)務(wù)應(yīng)用型的智能化模型。在應(yīng)用體系層面，以AI算法模型為基礎(chǔ)支撐，隨著業(yè)務(wù)場景的演進(jìn)不斷迭代優(yōu)化，并能持續(xù)運(yùn)營以支持客戶端各類智能化產(chǎn)品及金融服務(wù)穩(wěn)健運(yùn)行，提升用戶的智能化體驗(yàn)及業(yè)務(wù)經(jīng)營的效益。金融業(yè)務(wù)領(lǐng)域的智能化實(shí)踐在不同程度上有力推動(dòng)了金融業(yè)的數(shù)字化轉(zhuǎn)型和高質(zhì)量發(fā)展，為金融行業(yè)轉(zhuǎn)型發(fā)展提供了數(shù)據(jù)支撐和技術(shù)保障。

（二）智能金融的建設(shè)機(jī)制思考

智能金融建設(shè)是一個(gè)系統(tǒng)性工程，需要統(tǒng)籌宏觀導(dǎo)向設(shè)計(jì)、中觀技術(shù)架構(gòu)、微觀平臺建設(shè)等各個(gè)層面建設(shè)機(jī)制，協(xié)同推進(jìn)智能金融的建設(shè)和應(yīng)用。

1.在宏觀層面，需要形成跨學(xué)科的復(fù)合型技術(shù)體系

智能金融促進(jìn)數(shù)字化轉(zhuǎn)型離不開數(shù)字基礎(chǔ)設(shè)施的發(fā)展創(chuàng)新，而這一創(chuàng)新過程本質(zhì)是一個(gè)社會技術(shù)系統(tǒng)的數(shù)字化轉(zhuǎn)型[20]。故智能金融建設(shè)需要充分結(jié)合經(jīng)濟(jì)金融的運(yùn)行特點(diǎn)與前沿科學(xué)技術(shù)的發(fā)展趨勢，持續(xù)引進(jìn)新的思維、方法、技術(shù)。

一是要將系統(tǒng)科學(xué)的思維融入智能化建設(shè)。隨著我國金融業(yè)開放程度不斷擴(kuò)大，金融業(yè)在國際市場展現(xiàn)出某些比較優(yōu)勢的同時(shí)，市場運(yùn)行中的不穩(wěn)定性、模糊性、復(fù)雜性和不確定性也日漸凸顯，這對金融智能化建設(shè)也產(chǎn)生了深遠(yuǎn)的影響，要求金融機(jī)構(gòu)的經(jīng)營管理者更深刻理解和把握金融行業(yè)的場景豐富、數(shù)據(jù)密集、模態(tài)多樣、維度跨越等特點(diǎn)，在智能金融建設(shè)過程中，將數(shù)據(jù)科學(xué)、統(tǒng)計(jì)物理、非歐幾何等相關(guān)學(xué)科的機(jī)制在金融業(yè)務(wù)中進(jìn)行協(xié)同融合及具體應(yīng)用，提升對金融市場不確定性的預(yù)測與把控，不斷通過數(shù)字智能手段優(yōu)化信用中介、投資定價(jià)等金融核心職能，從而更好地適應(yīng)時(shí)代變化帶來的機(jī)遇與挑戰(zhàn)。

二是要充分借力第四次工業(yè)革命中迅猛發(fā)展的新型科技成果，特別是新一代信息技術(shù)演化催生的數(shù)字基礎(chǔ)設(shè)施進(jìn)一步支撐了5G網(wǎng)絡(luò)、物聯(lián)網(wǎng)與人工智能、區(qū)塊鏈等數(shù)字技術(shù)的系統(tǒng)化、泛在化應(yīng)用[21]，給新時(shí)代的經(jīng)濟(jì)金融活動(dòng)和社會生活帶來了更多智能化元素，加速了以智能化為主要?jiǎng)?chuàng)新標(biāo)志的數(shù)字經(jīng)濟(jì)時(shí)代的到來。因此，要充分利用人機(jī)共存、物理與虛擬交互并行的時(shí)代，不同業(yè)務(wù)場景的數(shù)據(jù)在時(shí)間、空間、結(jié)構(gòu)和規(guī)模等特點(diǎn)上存在的差異，更合理地對數(shù)據(jù)的智能計(jì)算交互架構(gòu)進(jìn)行優(yōu)化與重構(gòu)。

2.在中觀層面，需要構(gòu)建垂直交互的建設(shè)架構(gòu)

在智能金融建設(shè)過程中，數(shù)據(jù)、技術(shù)及應(yīng)用是環(huán)環(huán)相扣，又相互影響的，故有必要構(gòu)建三者之間順暢的垂直交互架構(gòu)，如圖13所示。

圖13 垂直交互式建設(shè)架構(gòu)

一是基于金融生態(tài)搭建小場景演進(jìn)式垂直研發(fā)架構(gòu)。金融業(yè)務(wù)應(yīng)用研發(fā)應(yīng)優(yōu)先從生態(tài)流程、垂直場景切入，依托小場景運(yùn)營所必須依賴的數(shù)據(jù)特征，結(jié)合場景化智能型算法模型，不僅可以推出適合具體生態(tài)場景的智能化產(chǎn)品及服務(wù)，還可以更好地串聯(lián)起生態(tài)場景，使得業(yè)務(wù)流程的運(yùn)營更順暢、更高效。同時(shí)，在這類垂直型研發(fā)生態(tài)場景中已應(yīng)用過的深度神經(jīng)網(wǎng)絡(luò)算法模型的結(jié)構(gòu)，也可以推廣到其他的業(yè)務(wù)場景中，節(jié)省智能模型結(jié)構(gòu)探索的時(shí)間成本。

二是注意圍繞金融場景生態(tài)建立起業(yè)務(wù)數(shù)據(jù)與智能技術(shù)以及場景應(yīng)用之間的閉環(huán)機(jī)制。金融業(yè)務(wù)中的眾多生態(tài)場景從構(gòu)建研發(fā)、測試上線到運(yùn)營維護(hù)都需要業(yè)務(wù)分析、數(shù)據(jù)流轉(zhuǎn)、智能化技術(shù)應(yīng)用相互協(xié)同，動(dòng)態(tài)交互支撐整個(gè)體系的運(yùn)轉(zhuǎn)：業(yè)務(wù)需求梳理成精細(xì)化業(yè)務(wù)模型架構(gòu)，業(yè)務(wù)模型轉(zhuǎn)換成精準(zhǔn)的數(shù)據(jù)資產(chǎn)開發(fā)需求，智能化算法的應(yīng)用研發(fā)過程與基礎(chǔ)數(shù)據(jù)資產(chǎn)的融合等這些環(huán)節(jié)的相互銜接與協(xié)同無一不是場景生態(tài)閉環(huán)研發(fā)機(jī)制必要性的印證。

3.在微觀層面，要深化相關(guān)平臺的融合建設(shè)

以人工智能技術(shù)引領(lǐng)的新一代科技革命正在引發(fā)技術(shù)—經(jīng)濟(jì)范式的重大變革，造就了生產(chǎn)要素、生產(chǎn)方式等各方面的重大革命[22]。相應(yīng)的，在疏通數(shù)據(jù)、技術(shù)、應(yīng)用之間交互架構(gòu)的同時(shí)，也需要進(jìn)一步深化各相關(guān)技術(shù)平臺的研發(fā)建設(shè)，充分發(fā)揮新生產(chǎn)模式下智能技術(shù)對金融業(yè)轉(zhuǎn)型發(fā)展的促進(jìn)作用。

一是要推進(jìn)數(shù)據(jù)資產(chǎn)的高質(zhì)量開發(fā)。數(shù)據(jù)已成為市場經(jīng)濟(jì)的生產(chǎn)要素之一，未來金融業(yè)務(wù)大都會通過大數(shù)據(jù)產(chǎn)品或服務(wù)來支撐業(yè)務(wù)應(yīng)用，而金融場景生態(tài)中的初始數(shù)據(jù)往往包含著與業(yè)務(wù)本身關(guān)聯(lián)程度并不高的噪聲數(shù)據(jù)而且結(jié)構(gòu)各異，這就需要在數(shù)據(jù)資產(chǎn)建設(shè)過程中特別要注重不同業(yè)務(wù)場景、異構(gòu)化數(shù)據(jù)之間的協(xié)同加工與高效處理，為智能金融建設(shè)更廣泛、更深入的應(yīng)用提供堅(jiān)實(shí)的數(shù)據(jù)支撐。

二是要注重人工智能基礎(chǔ)技術(shù)平臺研發(fā)。作為推動(dòng)數(shù)字經(jīng)濟(jì)時(shí)代生產(chǎn)力變革的主要?jiǎng)恿χ?，以深度神?jīng)網(wǎng)絡(luò)為代表的人工智能算法在構(gòu)建金融生態(tài)數(shù)據(jù)資產(chǎn)、助力金融業(yè)務(wù)決策智能化方面發(fā)揮著越來越重要的作用。例如，基于AI技術(shù)的精準(zhǔn)化推薦及個(gè)性化服務(wù)是企業(yè)創(chuàng)新并創(chuàng)造價(jià)值的重要模式[23]，而金融業(yè)務(wù)的復(fù)雜性和數(shù)據(jù)的模糊性使得單線條化數(shù)據(jù)分析方式越來越難以達(dá)到預(yù)期的業(yè)務(wù)效果，即使在特定場景的某一類智能應(yīng)用也越來越需要融合視覺、語音、文本、圖網(wǎng)絡(luò)等多模態(tài)的數(shù)據(jù)計(jì)算、推理引擎，因此搭建涵蓋完整算法體系的，具備全流程、多引擎、自動(dòng)化建模能力的AI 基礎(chǔ)平臺就顯得至關(guān)重要。

三是要注重應(yīng)用服務(wù)的產(chǎn)品化實(shí)現(xiàn)。金融機(jī)構(gòu)之間的競爭越來越聚焦到如何構(gòu)建金融生態(tài)的能力以及支撐該生態(tài)體系化運(yùn)作的關(guān)鍵科技能力上來，與此同時(shí)，金融機(jī)構(gòu)的業(yè)務(wù)、產(chǎn)品之間也越來越需要有更多的集成與融合，這就必然需要通過服務(wù)模式智能組合輸出更優(yōu)質(zhì)的業(yè)務(wù)效能。

五、結(jié)束語

智能金融是推進(jìn)金融業(yè)轉(zhuǎn)型發(fā)展的重要實(shí)踐路徑，也是金融機(jī)構(gòu)構(gòu)建數(shù)字化金融生態(tài)、高質(zhì)量滿足金融服務(wù)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。本文以商業(yè)銀行相關(guān)業(yè)務(wù)領(lǐng)域智能化建設(shè)實(shí)踐為主線，從業(yè)務(wù)應(yīng)用的視角，對智能金融的業(yè)務(wù)應(yīng)用、開發(fā)實(shí)踐進(jìn)行了解析與總結(jié)，并就金融業(yè)如何在轉(zhuǎn)型發(fā)展中，更好地將新技術(shù)與金融業(yè)務(wù)場景有效融合、高效落地、廣泛應(yīng)用，切實(shí)拓展金融機(jī)構(gòu)服務(wù)實(shí)體經(jīng)濟(jì)和社會大眾的廣度和深度等問題進(jìn)行了探索分析。在此基礎(chǔ)上，本文也為金融機(jī)構(gòu)如何將業(yè)務(wù)應(yīng)用與科技研發(fā)更高效地融合起來推進(jìn)行業(yè)整體數(shù)字化轉(zhuǎn)型進(jìn)行了研究和思考，給出了具體實(shí)操性方案和建議。金融行業(yè)智能化實(shí)踐需要將形成復(fù)合型技術(shù)體系、打造垂直交互的架構(gòu)設(shè)計(jì)、注重融合應(yīng)用型平臺建設(shè)三個(gè)層面統(tǒng)籌起來協(xié)同推進(jìn)，為更高效地開展智能金融體系建設(shè)和應(yīng)用提供有力支撐。