[摘要] 人工智能在金融領(lǐng)域有著豐富的應(yīng)用，成為推動金融行業(yè)數(shù)字化變革的新引擎，無論是金融管理部門還是金融機構(gòu)，都在積極探索并實施這一尖端技術(shù)。本文從人工智能的技術(shù)基礎(chǔ)入題，從金融服務(wù)創(chuàng)新、風險管理、政策分析與制定、加速數(shù)字化轉(zhuǎn)型等四個方面分析了人工智能在國內(nèi)外金融領(lǐng)域的應(yīng)用實例，從技術(shù)、信息泄露、低透明度、風險傳導(dǎo)等四個角度分析了人工智能應(yīng)用于金融領(lǐng)域的潛在風險，并針對可能產(chǎn)生的風險提出相關(guān)建議。

[關(guān)鍵詞] 人工智能；金融服務(wù)；數(shù)字金融

[作者單位] 中國人民銀行海南省分行

近年來，人工智能技術(shù)突飛猛進，已逐步深入金融行業(yè)。在客戶服務(wù)、投資決策、風險管理等方面，人工智能展現(xiàn)出巨大潛力，其通過機器學習、光學字符識別、自然語言處理等技術(shù)，提升金融服務(wù)的效率和精準度，進一步推動金融服務(wù)模式創(chuàng)新，充分發(fā)揮金融服務(wù)實體經(jīng)濟作用。雖然人工智能技術(shù)在金融領(lǐng)域發(fā)揮著越來越重要的作用，但同時也帶來了技術(shù)、隱私、透明度等方面的風險，對此，需要實現(xiàn)核心技術(shù)自主可控，明晰數(shù)據(jù)和模型標準，引導(dǎo)金融機構(gòu)科學運用人工智能技術(shù)，服務(wù)金融高質(zhì)量發(fā)展。

人工智能在金融領(lǐng)域應(yīng)用的技術(shù)分析

機器學習。通過在系統(tǒng)輸入大量數(shù)據(jù)，系統(tǒng)可以利用神經(jīng)網(wǎng)絡(luò)與深度學習，借助金融數(shù)據(jù)來訓(xùn)練模型，采用算法解決實踐問題。機器學習可分為無監(jiān)督學習、有監(jiān)督學習和強化學習等。無監(jiān)督學習對無標注的歷史數(shù)據(jù)集分類分析，以尋找數(shù)據(jù)規(guī)律并進行預(yù)測。有監(jiān)督學習則適用于具有歷史輸入和標注輸出的情況，以此推斷出分類函數(shù)或回歸函數(shù)。分類函數(shù)對新觀測值所屬的離散類別進行標識，如判斷交易是否進行；回歸函數(shù)的作用是預(yù)測價格、薪資等。應(yīng)對數(shù)據(jù)缺少的情況，則通過強化學習進行生成，反復(fù)模擬（試錯）并對良好結(jié)果給予獎勵。強化學習是學習“行為”，而非擬合高預(yù)測準確度模型，其意義是訓(xùn)練模型采取措施，在實踐中，如通過訓(xùn)練來對沖歐式看漲期權(quán)合約節(jié)省交易成本。

光學字符識別（OCR）。OCR技術(shù)能夠?qū)D像中的信息高效轉(zhuǎn)換為可編輯的文本格式。主要應(yīng)用于金融機構(gòu)的數(shù)據(jù)采集，在客戶業(yè)務(wù)辦理過程中，需要通過大量拍照、掃描等動作進行信息采集，成本高且效率低，在完成審核程序后，已收集完成的信息利用率低。在大模型時代，數(shù)據(jù)具有核心價值，OCR技術(shù)通過對身份證件、銀行卡、各類票據(jù)等復(fù)雜文件進行識別和轉(zhuǎn)換，代替用戶輸入，提高數(shù)據(jù)采集效率，進行深度信息挖掘。通過對數(shù)據(jù)進行智能化轉(zhuǎn)換處理，生成特定數(shù)據(jù)標簽，多次利用，在新模型中迭代使用，以大模型為基礎(chǔ)，大小模型聯(lián)動，對大量數(shù)據(jù)自動、智能處理，釋放數(shù)據(jù)價值，為金融機構(gòu)服務(wù)和經(jīng)營提供有效數(shù)據(jù)支持。

自然語言處理（NLP）。通過算法從文本數(shù)據(jù)中提取關(guān)鍵信息，讓機器理解人類的文本或語言。NLP涵蓋了翻譯、語音識別、語義理解、智能問答等多個方面。由于金融領(lǐng)域的專業(yè)性較強，許多詞匯在金融語境下具有特定的含義，每個子問題都有獨特的理解方式，金融領(lǐng)域衡量處理結(jié)果的標準與其他領(lǐng)域不同。金融領(lǐng)域的NLP需要使用專門的訓(xùn)練數(shù)據(jù)集，對信息進行多維關(guān)系挖掘，評估企業(yè)之間的關(guān)聯(lián)，提前設(shè)立預(yù)警信號。當企業(yè)關(guān)系網(wǎng)中的相關(guān)對象發(fā)生變動時，可以根據(jù)關(guān)系權(quán)重迅速評估對整個關(guān)系網(wǎng)的影響。在實踐中，可以通過更全面的數(shù)據(jù)進行企業(yè)信貸風險管理，提前感知4gBjao5+lMYw8JlGfaXdGg==企業(yè)的潛在風險。

人工智能在國內(nèi)外金融領(lǐng)域的應(yīng)用實例

人工智能天然適配金融行業(yè)。數(shù)據(jù)是人工智能最為關(guān)鍵的要素，金融行業(yè)數(shù)字化程度高，在日常運營中積累了大量的用戶和交易數(shù)據(jù)，因此是人工智能理想的應(yīng)用領(lǐng)域。國際數(shù)據(jù)公司（IDC）的數(shù)據(jù)顯示，到2027年，金融業(yè)在AI系統(tǒng)的軟件、硬件和服務(wù)銷售額方面的支出將增加一倍以上，達到970億美元。

金融服務(wù)創(chuàng)新。借助人工智能技術(shù)，通過對市場數(shù)據(jù)的深度學習和分析，金融機構(gòu)能夠開發(fā)出更加智能化的產(chǎn)品和服務(wù)，以滿足不同客戶群體的需求。例如：美國摩根大通等金融機構(gòu)已推出智能投顧服務(wù)；騰訊云推出騰訊金融智能營銷平臺；馬來西亞聯(lián)昌國際銀行的Eva專門解決中小企業(yè)訴求，可24小時全天工作，在疫情期間為中小企業(yè)救助發(fā)揮了較大作用；富國銀行與谷歌公司合作，基于交易數(shù)據(jù)、社交數(shù)據(jù)等分析用戶特征，有針對性地推薦金融服務(wù)或投資產(chǎn)品。

風險控制與管理。人工智能能夠處理海量數(shù)據(jù)，快速識別風險點并及時發(fā)出預(yù)警，通過人工智能，金融機構(gòu)可以廣泛使用結(jié)構(gòu)化數(shù)據(jù)（如交易記錄）和非結(jié)構(gòu)化數(shù)據(jù)（如就業(yè)歷史、消費習慣）來進行信用評分，更科學地制定風險控制策略，降低金融風險，確保金融體系的穩(wěn)健性。例如：中信銀行運用智能風控強化反欺詐防線；菲律賓聯(lián)合銀行構(gòu)建了基于人工智能的信用評分模型，為無銀行賬戶人群提供信用評級，提升了貸款的可得性；新加坡星展銀行通過人工智能改進反洗錢和反恐怖融資的報警優(yōu)先級排序，大大降低了誤報率。

政策分析與制定。人工智能可幫助決策者更好地理解政策影響、預(yù)測政策效果，并優(yōu)化決策過程，提升政策分析的效率和準確性，為制定更為科學的政策提供有力支持。例如：美國摩根大通基于ChatGPT開發(fā)了一個預(yù)測美聯(lián)儲貨幣政策的模型，該模型使用了過去25年間美聯(lián)儲發(fā)布的聲明和官員講話作為訓(xùn)練數(shù)據(jù)，構(gòu)建了“鷹鴿分數(shù)”。歐洲央行開發(fā)了基于分析型人工智能的通脹預(yù)測模型，能更精確地捕捉部分因素對通脹的非線性影響。印度儲備銀行聘請了麥肯錫和埃森哲兩家咨詢公司，幫助其在監(jiān)管工作中引入人工智能進行相關(guān)分析。

加速數(shù)字化轉(zhuǎn)型。金融機構(gòu)數(shù)據(jù)資產(chǎn)龐大、數(shù)據(jù)質(zhì)量高，數(shù)據(jù)正成為金融機構(gòu)的核心競爭力，如果能夠充分挖掘和利用這些數(shù)據(jù)，其潛在價值將十分巨大。例如：彭博推出了BloombergGPT，這是一個為金融行業(yè)設(shè)計的500億參數(shù)大語言模型，通過快速分析金融數(shù)據(jù)，幫助進行風險評估等；螞蟻集團為金融產(chǎn)業(yè)深度定制了金融大模型，在萬億量級Token的通用語料基礎(chǔ)上，注入千億量級Token的金融知識，從300多個真實產(chǎn)業(yè)場景中提取了60多萬條高質(zhì)量指令，形成了具有金融專屬任務(wù)性能優(yōu)化的優(yōu)勢數(shù)據(jù)資產(chǎn)。

人工智能在金融領(lǐng)域應(yīng)用的潛在風險

金融監(jiān)管依賴于現(xiàn)有的金融結(jié)構(gòu)設(shè)計與監(jiān)管框架，這與人工智能驅(qū)動的金融發(fā)展之間存在著結(jié)構(gòu)性錯位。在金融領(lǐng)域增加AI應(yīng)用程序的使用，在技術(shù)、信息保護、透明度等方面會產(chǎn)生一定的風險，而且可能加劇風險傳導(dǎo)。

技術(shù)和操作風險。由于人工智能算法具有相似性，一旦技術(shù)被黑客攻擊、破解，相關(guān)的金融業(yè)務(wù)系統(tǒng)可能會癱瘓，引發(fā)操作風險和技術(shù)風險。在自動交易算法的交易模式中，當數(shù)據(jù)輸入確定時，交易結(jié)果也是確定的。交易員可通過破解自動算法，導(dǎo)致其執(zhí)行相反操作，從而引發(fā)市場操縱風險。黑客也可以通過操縱算法決策所依賴的數(shù)據(jù)，來控制算法交易者的決策，即使攻擊者不理解交易算法的內(nèi)部工作原理，也能通過實時操縱輸入數(shù)據(jù)流來控制算法交易機器人。

信息泄露。人工智能通過信息技術(shù)分析大量用戶數(shù)據(jù)以實現(xiàn)金融智能化應(yīng)用，但如果這些數(shù)據(jù)在使用過程中缺乏相應(yīng)的技術(shù)保護，可能導(dǎo)致數(shù)據(jù)泄露并危及用戶個人隱私安全。由于金融交易的特殊性，用戶在使用金融服務(wù)時需提供詳細的個人信息，金融服務(wù)商不僅掌握了用戶真實身份信息，還擁有交易記錄等大量敏感信息，這使得在人工智能應(yīng)用過程中，用戶信息泄露的風險增大。若被社交網(wǎng)絡(luò)泄露并用于非法目的，用戶將面臨欺詐風險，非法使用敏感數(shù)據(jù)可能導(dǎo)致價格等方面的歧視，損害用戶利益。

低透明度和責任邊界模糊。部分人工智能系統(tǒng)類似外部人員無法洞察的“黑箱運作”，如果金融機構(gòu)過于依賴人工智能模型，對其底層系統(tǒng)的監(jiān)管會面臨一定困難，AI系統(tǒng)也可能產(chǎn)生并掩蓋有偏見或不準確的結(jié)果，進而導(dǎo)致不確定性增加。金融服務(wù)和產(chǎn)品具有特殊性質(zhì)，金融活動需要有明確的責任承擔機制，在引入人工智能后，由于業(yè)務(wù)辦理的智能化和一體化，責任分擔機制呈現(xiàn)模糊化特征，不利于金融消費者保護和機構(gòu)風險控制，亟待從模型與人的關(guān)系、業(yè)務(wù)實踐等方面進行下一步的探索。

風險傳導(dǎo)。數(shù)據(jù)驅(qū)動的智能交易策略僅在宏觀經(jīng)濟環(huán)境穩(wěn)定時效果較好，而在經(jīng)濟動蕩的情況下可能導(dǎo)致錯誤決策，7MYAEXBmpqM+P0V5z7xM+A==自動化交易系統(tǒng)在經(jīng)濟波動期間傾向于減少交易，采取順周期決策，進一步加劇金融市場的風險。此外，人工智能的應(yīng)用強化了系統(tǒng)性風險在不同經(jīng)濟主體間的擴散，使得金融機構(gòu)與市場的關(guān)聯(lián)性更加緊密，單個金融機構(gòu)或市場的波動與沖擊，通過利益相關(guān)者形成了網(wǎng)絡(luò)化結(jié)構(gòu)，這種網(wǎng)絡(luò)連接了不同的市場、區(qū)域和業(yè)務(wù)，部門間形成緊密聯(lián)系，使風險傳播得更快，傳染效應(yīng)更為顯著。

人工智能在金融領(lǐng)域應(yīng)用的有關(guān)建議

針對在金融行業(yè)引入人工智能技術(shù)可能會產(chǎn)生的風險，可考慮通過采取提升透明度、加強數(shù)據(jù)治理、完善監(jiān)管框架等措施高效應(yīng)對，確保金融系統(tǒng)的穩(wěn)健性和安全性。

實現(xiàn)核心技術(shù)自主可控。在金融服務(wù)中引入技術(shù)創(chuàng)新會提升服務(wù)效率，保障金融信息安全是重要前提。極端情況下，在系統(tǒng)發(fā)生問題或遭受惡意程序攻擊時，金融系統(tǒng)會面臨癱瘓，損失成本嚴重。因此，需要加強金融基礎(chǔ)設(shè)施的投入和構(gòu)建，實現(xiàn)關(guān)鍵核心技術(shù)的自主可控，自主研發(fā)核心技術(shù)，構(gòu)建新一代自主可控的信息系統(tǒng)，進行壓力測試，檢測系統(tǒng)可靠性和安全性。對于必須依賴外部服務(wù)的應(yīng)用和系統(tǒng)，通過構(gòu)建網(wǎng)絡(luò)防火墻和物理隔離等手段，有效控制外部風險，確保金融信息安全。

規(guī)范數(shù)據(jù)和模型標準。規(guī)范數(shù)據(jù)利用，確保金融數(shù)據(jù)的準確、完整、及時。對數(shù)據(jù)定期研判，識別并糾正潛在數(shù)據(jù)質(zhì)量問題，剔除無效冗余數(shù)據(jù)。嚴格執(zhí)行脫敏技術(shù)、授權(quán)機制、數(shù)據(jù)加密等隱私政策，確保數(shù)據(jù)使用合法合規(guī)，保障用戶隱私安全。在金融服務(wù)中，告知用戶數(shù)據(jù)收集范圍和使用目的，并獲得用戶許可，嚴格落實數(shù)據(jù)隱私保護，數(shù)據(jù)使用遵循有限、最小原則。制定標準化模型，確保模型的高質(zhì)量性能和穩(wěn)定性，針對模型特定用途進行適當改造。

加強數(shù)字監(jiān)管，完善制度建設(shè)。建立以智能監(jiān)管為核心的方案，平衡行業(yè)發(fā)展、技術(shù)應(yīng)用和社會風險控制，構(gòu)建數(shù)字金融健康穩(wěn)定發(fā)展的制度基礎(chǔ)，制定法律法規(guī)進行規(guī)范化監(jiān)管。借鑒國際上監(jiān)管沙盒制度的經(jīng)驗，積極推動智能監(jiān)管的發(fā)展，采用監(jiān)管沙盒模式以鼓勵金融創(chuàng)新，加快推動智能監(jiān)管的實施，建立容錯機制。

加強政策引導(dǎo)。隨著人工智能技術(shù)的快速發(fā)展，金融行業(yè)在推動金融創(chuàng)新的同時，積極應(yīng)對人工智能技術(shù)帶來的沖擊。管理部門可鼓勵金融機構(gòu)通過設(shè)立新部門、尋求合作伙伴以及研發(fā)新技術(shù)等方式積極參與市場競爭，發(fā)掘長尾用戶的潛在需求。同時，金融機構(gòu)可結(jié)合業(yè)務(wù)實際設(shè)計個性化的金融服務(wù)產(chǎn)品和平臺，建立更加完善合理的責任分擔機制，完善企業(yè)內(nèi)控制度，明確責任邊界，適配金融服務(wù)的數(shù)字化、智能化。