科技猎“人工智能+金融”4大场景：智能投顾、风险管理、搜索引擎、智能客服
【编者按】：本文作者冯贺霞、 杨望，分别为 瀚德 金融科技 研究院的金融高级研究员和研究总监。本文刊登于《当代金融家》杂志2017年7月刊，原题为《 人工智能 在金融创新中的应用逻辑》；现由亿欧编辑，供行业人士参考。
2017年5月， AlphaGo 再次战胜世界顶尖级的围棋高手，这场人机大战使长期禁锢在实验室的人工智能活跃在大众视野，人工智能应用场景的话题更是受到多方关注。
事实上，早在人机大战之前，人工智能已在家居、医疗、安防、金融等行业的多领域、多维度应用落地，且效果凸显。目前，全球共有近千家人工智能公司遍布全球62个国家的十多个产业，国内涉及人工智能领域的公司也已破百。
尤其是在金融领域的应用最为深刻、广泛，国内外的一些知名金融机构争相在“ 人工智能+金融 ”领域布局，试图在这片“人工智能+金融”的海量市场中分得一杯羹。
那么，人工智能究竟可以应用到哪些金融业务场景？其主要应用优势和瓶颈是什么？人工智能对金融行业的未来发展又将会产生怎样的影响？本文将对上述问题做深入地分析，旨在探讨人工智能在金融领域的应用场景及其背后的创新逻辑，促进金融
产业升级
。
应用场景逐步升级
在整个金融流程中，从前台的客户服务，到中台的金融交易，再到后台的风险防控，人工智能均参与其中。人工智能对整个金融行业的影响将远远超过互联网。随着 大数据 、人工智能技术的快速发展，金融智能化必将是大势所趋。
预计， 金融将会是人工智能在中国爆发的第一个且最大的领域 。目前，人工智能在金融领域的应用场景主要包括 智能投顾、征信、风控、金融搜素引擎、智能客服 等，采用的方法主要是 机器学习 、自然语言处理、人脸识别、知识图谱。
智能投顾
智能投顾是人工智能在金融领域应用落地的第一站，也是在金融行业应用最为深入的领域。智能投顾应用场景主要是在大数据基础上，结合人工智能的 算法技术、机器学习技术，根据历史经验和新的市场信息来预测金融资产的价格波动趋势 ，并以此构建符合客户风险收益的投资组合。在智能投顾应用领域， 量化投资代替人工投资顾问将会是未来的主要发展趋势 。
作为一种新兴投资模式，美国是智能投顾市场的发起者，也是落地行动最为迅速的践行者。全球知名的智能投顾平台 Wealthfront、Betterment、Personal Capital 等均诞生于美国。
其中， Wealthfront 是美国早期 机器人 投顾平台之一，其平台是在高盛的人工财富管理模型基础上构建电子化和自动化应用，利用大数据引擎技术、自然语言处理技术以及人工智能和算法模型，预测包括美国股市、外汇市场、贵金属市场以及期货等市场的行情走向，为客户提供包括股票配置、股票期权操作、债权配置等资产投资组合建议。Wealthfront凭借其优质低价的投资管理咨询服务迅速占领了市场。
Betterment 是美国比较火爆的另一智能投顾平台，该平台将最为基础的Markowitz资产组合理论及其衍生理论模型应用到产品和服务中，通过大数据和智能算法，快速批量地完成各种数据运算，再根据用户倾向定制差异化的资产配置方案。也即，用户进入Betterment网站平台，填写投资目的、金额、风险偏好等基本信息，网站就会根据用户个人状况推荐资产配置方案。B etterment以客户为导向，致力于开发更多个性化和更有针对性的理财产品 。如Betterment 针对美国的退休储蓄计划401 (k)发布了平台产品 Betterment for Business，帮助客户制订差异化的退休储蓄和投资方案。
随着中国金融科技的深入发展，国内的一些金融机构开始布局智能投顾。然而，不管平台搭建者是巨头还是创业者，智能投顾在中国仍然处在非常早期的阶段，国内成型的智能投顾公司并不多。其中，弥财将经典的投资理论与最前沿的互联网技术相结合，为普通大众提供智能的、高端的定制投资服务。
国内的BAT等互联网巨头也在着手智能投顾平台的搭建和运营。如 招商银行的摩羯智投、阿里的蚂蚁聚宝、腾讯的微众银行、百度股市通 等在一些功能设置上，都有智能投顾的雏形。
风险管理
人工智能的风险管理优势更多地体现在 消费金融 领域。人工智能和大数据是消费金融风控的左膀右臂，缺一不可。很多消费公司通过知识图谱、自然语言处理、机器学习等人工智能技术，提供借款人、企业、行业等不同主体间的有效信息维度关联，并深度挖掘企业字母公司、上下游合作商、竞争对手、高管信息等关键信息。在整个消费金融领域，大数据和人工智能紧密联系在一起，成为消费金融竞争的核心技术。
信而富 是将人工智能和大数据的风险管理优势应用到消费信贷服务的典型。2016年，信而富正式对外发布基于大数据、人工智能算法的消费信贷市场战略，主要为没有信贷数据和征信纪录的“爱码族”提供消费信贷服务。 信而富的预测筛选技术(PST)主要是基于人工智能技术，通过建立模型，对海量数据进行筛查，来确定对方是否为真实的借款人 。在用户申请借款时，信而富通过机器与申请人进行互动。根据申请人初步提交的资料，机器人自动匹配相应的问题进行审核，并在5分钟内完成授信。截至2016年底，信而富已累计为超过140万借款人提供消费信贷服务，成功撮合借款交易超过1000万笔。
金融搜索引擎
人工智能在金融搜索引擎中的应用，有助于解决信息不对称问题、提供精准的客户需求、提升交易效率。高质量的知识图谱提供了信息间的有效关联关系，有利于减少信息不对称问题；深度学习的方法方便引擎迭代，记录用户的历史信息及风险偏好，有利于根据客户需求为其提供最合适的金融产品；建立在深度神经网络、机器学习技术上的网络知识库系统与智能化推荐算法，有利于预测产品风险和收益。
金融搜索引擎的典型代表 融360 今年推出了国内首个AI产品——人工智能牛。人工智能牛有效地整合了自身独有的金融数据报告资源、大数据、人工智能技术，开创了智能金融搜索先河。人工智能牛具备“牛眼金睛”功能。首先，人工智能牛通过人脸识别技术，能高效完成身份识别、审批放款等烦琐流程。其次，各类诈骗信息通过人工智能牛扫描即可识破，提前预警。另外，人工智能牛与用户直接交流股票、债券、房子等投资问题，并可根据声控交互推荐投资产品组合，预测投资风险及收益。
智能客服
随着人工智能技术的迅速发展，智能客服、机器人客服成为金融领域的一大热点。金融机构采用自然语言处理技术，提取客户意图，并通过知识图谱构建客服机器人的理解和答复体系，进而提高金融企业的服务效率、节省人力客服成本。
韩国《金融时报》2016年推出了“人工智能记者”的程序，基于证交所的各项交易数据，此程序仅需0.3秒即可写出一篇关于当日股市行情的新闻报道，且半数以上的记者阅读后分不清是程序完成的还是人工编写的。
国内 交通银行 2015年推出了智能客服实体机器人“娇娇”。娇娇由南京大学旗下的江苏南大电子信息技术股份有限公司牵头，科沃斯、捷通华声等多家机器人产业链企业合作研发而成，基于智能语音、智能图像、智能语义、生物特征识别等全方位人工智能技术进行人机交流，分担部分大堂经理工作，如引导客户、介绍各种银行业务等。目前，“娇娇”已成功在上海、江苏、广东、重庆等近30个省市的营业网点正式“上岗”，使银行客服变得更简单、高效和友好。
金融领域应用优势日渐显现
人工智能在金融领域的应用优势主要体现在差异化服务、大数据风控模型的优化、金融服务效率的提升三个方面 。
首先，通过智能技术的引入，智能投顾平台为大众群体提供差异化的投顾服务 。传统的投顾模式受限于服务成本，仅覆盖了比较小众的高净值群体，且多以一对一的模式为主，这就使得传统投顾存在业务受众面窄、投资门槛高、知识结构单一等问题。
而智能投顾具备投资门槛低、管理费用低、方便快捷、客观公正等优势，能够为普通大众投资者提供差异化的投顾服务。毕马威认为，2020年，财富管理机器人咨询服务的产值将是现在的4倍，达到2.2万亿美元。保守估计，高净值客户大概有300万，而非高净值客户约有2亿。服务对象的改变将为智能投顾带来海量级的市场规模。
其次，人工智能助力大数据风控模型的优化。 金融引进技术的核心不仅是获得利益，更重要的是风险控制，将可控风险降到最低。控制风险的关键路径有两点，一是对投资者心理底线的了解。二是确保能在这个底线之上运行的风险管理能力，或者叫风险定制能力。
在对投资者分析方面，智能机器人通过搜索技术为用户画像，了解账户的实际控制人和交易的实际收益人及其关联性等，并对客户的身份、常住地址或企业所从事的业务进行充分的了解，用以识别反欺诈行为。
在风险管理方面，大数据风控技术、机器学习、独有的风控模型等技能，能深入地对基金产品、固收产品、保险产品、另类投资等资产进行风险再平衡分析。大数据与人工智能技术的结合将更好地帮助金融机构实现对风险的量化，从而更好地实现风险可控操作。
最后，“人工智能+大数据”有助于整个金融行业效率的提升 。随着互联网和大数据的发展，人工智能可用更少的时间分析更为全面的市场信息，提供更专业、更准确的金融服务。并且，人工智能可以取代人力， 使金融服务的业务流程变得更加标准化、模型化、系统化，有助于减少烦琐的审批流程 ，提升金融服务效率。
应用“瓶颈”尚待解决
人工智能在金融领域的应用比较迅速且效果凸显。但就整个发展过程来看，人工智能的发展应用并非一蹴而就，还面临诸多应用“瓶颈”，主要如下：
第一，信息安全问题 。智能化的金融服务平台是建立在互联网基础之上，但影响互联网不确定性因素太多，这样无疑增加了系统性风险。如网站一旦遭到黑客击破，客户信息随时面临被泄露的风险以及经济财产遭受损失的风险。再如，网络应用程序一旦发生故障，用户将会面临信息导入错误程序的风险，进而引发经济损失风险。
第二，依附于大数据问题 。海量的数据是人工智能技术优势发挥的燃料，离开大数据，人工智能就犹如无米之炊的“巧妇”。随着互联网技术的发展和普及，金融领域的数据流比较充足，但离全量数据相差甚远。以国内征信为例，在目前收录的8亿人中，有完整征信记录的仅3亿，另外5亿只是录入了基本信息。这样，人工智能在征信领域的应用就会大打折扣。
第三，监管缺失问题 。人工智能所有的操作技能建立在大量的程序基础之上，发生故障的可能性较大。人工智能自身的学习、决策机制的产生等行为无法追溯，这些加大了开发人员人为造成恶意行为的可能性。但在现有的法律和监管体系下，很难界定人工智能由于故障或行为引发的社会责任问题。
发展前景日益明朗
在互联网、大数据、 云计算 的联合推动下，人工智能在金融领域的应用有了突破性的进展。人工智能技术的引进，提供了更加个性化、差异化的金融服务、提升了整个金融行业的效率、提高了量化风险模型分析的精准性。
然而， 由于信息安全、大数据及监管缺失等“瓶颈”问题 ，短期内，人工智能在大多金融应用领域尚不能取代人力，但可以辅助人力，提高服务效率。长期而言，从“互联网+”，到“大数据+”，到“人工智能+”，这些将会成为金融智能化、数字化转型的重要方向，大数据、人工智能技术的应用将会进一步深入渗透到金融的各个领域。
科技赋能，动能转换。9月14日亿欧将在北京双井富力万丽酒店举办以“ 服务实体经济 ”为主题的 2017中国金融科技未来领袖峰会 ，活动详情及报名请戳： 服务实体经济——2017中国金融科技未来领袖峰会
