活動回顧

2022年07月20日晚，南京大學商學院MBA中心邀請了美國德克薩斯理工大學商學院信息系統終身榮譽教授林漳希教授向MBA學員們講解智能金融的發展和應用。講座主要圍繞智能金融的發展、金融業務中的人工智能以及智能金融的前沿與展望三個方面進行了闡述。南京大學金融與保險學系系主任、博導方先明教授擔任點評嘉賓。南京大學商學院MBA教育中心主任、營銷與電子商務系博導宋培建教授擔任主持人。

嘉賓分享內容回顧

一、智能金融概述

智能金融屬于一個邊緣學科，是金融業務、大數據與人工智能的交叉部分，其主要指的是人工智能賦能金融業務。而智能金融、金融與大數據的交叉部分以及金融與人工智能的交叉部分都屬于金融科技的范疇。

金融業務包含三個業務鏈和五大環節。三個業務鏈指的是銀行、保險、證券三大業務，每一個業務都包含五大環節，從產品設計到市場營銷到客戶服務再到支持性活動，以上四個環節都包含風險控制，由此構成了五大環節。

2013年是互聯網金融的元年，人工智能真正影響到整個金融是從2016年開始。然后由互聯網金融進入到金融科技，金融科技相對于互聯網金融來說更規范。

金融科技指的是在金融服務業采用增量和破壞性創新研發的應用、過程、產品和商務模型。其特點是低利潤率、輕資產、高創新、上規模、易合規。區塊鏈、數字貨幣、人工智能被稱為金融科技”三劍客“。

大數據是基礎

大數據是人工智能的催化劑。人工智能能夠利用大數據進行模型訓練和學習。大數據面臨的挑戰由于人工智能的出現也得到了相當大的緩解。大數據和人工智能相結合的結果是1+1>2。

人工智能的應用是核心

為了便于后面對人工智能的闡述，我們需要理清楚信息、知識和智能的概念和關系。智能來源于知識、知識來源于信息、信息來源于數據。

信息指音訊、消息、通訊系統傳輸和處理的對象，泛指人類社會傳播的一切內容。人通過獲得、識別自然界和社會的不同信息來區別不同事物，得以認識和改造世界。在一切通訊和控制系統中，信息是一種普遍聯系的形式。

知識是信息在大腦中的體現和運用，是智能的基礎。為了使計算機具有智能，使它能模擬人類的智能行為，就必須使它具有知識。

智能的發生被列為自然界四大奧秘之一。智能擁有四種能力：認識和理解世界環境的能力；進行演繹和歸納推理、作出決策的能力；學習的能力；自我適應的能力。

關于人工智能有很多不同的定義。通用人工智能（AGI）是一種從理論上能夠成功地處理所有人類可以處理的智能任務的機器智能，是比較前沿的人工智能定義。

目前，人工智能有三個方向，分別是運算智能、感知智能和認知智能。運算智能指的是快速計算和記憶存儲的能力。感知智能指視覺、聽覺、觸覺等感知能力。認知智能則是“能理解會思考”，其涉及到人工智能和智能的本質問題，目前理論和實踐方面也都在研究這個問題。

人工智能現在這么火的主要原因是深度學習，它帶動了人工智能的第三次浪潮。深度學習包含三個要素：數據、算法、算力。

在金融領域中，深度學習可以很好地應對大數據。它能解決包括模式識別、自然語言處理、欺詐檢測、智能客戶關系管理、智能交易、智能投顧/智能客服等問題。但是在數據規模太小、質量太差或者不完整時深度學習會失效，并且深度學習沒法解釋結果。最致命的是深度學習的復雜度會呈指數增長，訓練深度學習模型也會導致嚴重的碳排放問題。

認知學習是不同于深度學習的另一種計算智能，它關注的層面更為微觀。認知學習的實現就是認知計算。

從認知計算提升到認知智能，認知智能有三個發展層次，從語言理解到分析推理再到具有人格和情感。

對應深度學習的三要素，在認知智能時代，是對數據、算法、算力的迭代與提升。算法方面，工程架構是關鍵；算力方面，人機協作是關鍵，數據方面，數據間的關聯結構是關鍵。如果認知智能能夠有突破的話，以認知計算為基礎的認知智能將有可能扮演第四次人工智能高潮的主角。

金融領域中應用的主要人工智能技術有兩種：深度學習和知識表示。例如金融大數據分析、生物識別、語音識別&語義分析以及自然語言處理都是以深度學習為基礎。在知識表示方面的應用主要是知識圖譜。

二、金融業務中的人工智能

中國數字經濟是人工智能發展的主要大環境；國家層面在人工智能上也有一個大的戰略規劃。

AI助力網絡信用管理

信用管理指的是對在信用交易中的風險進行識別、分析和評估。信用科技則是以信用為核心，以科技為手段，支撐信用服務商打造新一代的信用基礎設施、信用服務和信用交易市場。

在網絡信用經濟的發展過程中，電子市場一共才發展了十幾年時間就已經走過了傳統市場的發展過程，目前的最高狀態是高級形態的網絡信用服務。

在傳統金融市場中，兩大主體是資金提供者和資金需求者，直接融資是通過證券市場，間接融資是通過銀行，間接融資需要考察個人信用才能借款，直接融資則需要通過考察公司業績才能獲得資金。電商市場實質上是把傳統的金融市場擴大了，其主要考察的是信譽，對信用市場會發生很大的沖擊。

網絡信用體系是全方位、全過程、全息的。其中全方位指的是該體系不僅僅應用在金融領域；全過程則說明信用是在動態演化的；全息指的是大數據。以螞蟻金服為例。

來源：螞蟻金服

在信用風險管理中的人工智能主要應用在違約概率計算和信號預警分析兩個方面。在計算違約概率時，傳統的模型雖然相對容易理解，但是無法捕獲實際數據中可能存在的所有復雜關系。而人工智能的機器學習方法可以提高模型的準確性。

信用預警信號通常用于識別違約風險顯著上升的實體。傳統的預警系統通常基于大量未經實證的指標，并且嚴重依賴專家判斷。而AI擅長使用大量的高速數據來進行信用違約預警。憑借足夠的計算能力，AI算法能夠透過不同來源的指標提高預警信號的準確性。例如德勤的智慧債券系統利用NLP可以對中國債券市場的預警準確率達到100%。

智能投顧

智能投顧最早出現于美國，中國智能投顧的資管規模近年來越來越大，增長率很高。2017年中國智能投顧用戶成為世界智能投顧用戶最多的國家，但是人均資管規模低于世界平均水平。

在智能化資產管理過程中，市場管理機構一方面要面向客戶，對客戶進行智能精準營銷和智能投顧服務，另一方面面向市場進行智能化交易、交易策略智能優化等。用戶直接面對市場風險會很大。

智能投顧系統包括金融產品、投顧顧問兩個部分和大類資產配置、投資策略型、投資建議型、社交跟投型、O2O以及原有平臺擴展六個方面，背后依靠的是金融大數據和交易策略。

智能投顧帶來的資產管理的變遷主要有降低投資顧問服務的門檻；客觀、理性、有效；降低了服務成本；擴大服務的客戶群。

2019年中國智能投顧的前三位為螞蟻聚寶、摩羯智投和中銀慧投。其中招商證券的摩羯智投是最早上線的，以17個不同基金作為資金池，前期發展得較好，但是其資金太少，依據的信息比較有限，并且客戶的輸入選擇很少。

中銀慧投于2018年上線，采用的算法更智能、更精細化、更個性化，人工智能與專家智慧緊密結合。

但是智能投顧的發展也面臨著很多問題。

1.智能投顧核心的算法一般是不公開的，其效果也需要較長的周期來檢驗。

2.算法有效性的深度改進需要數據的積累和技術能力的提升。

3.智能投顧如何適應監管存在難度。

4.在實際運營中可能會有一些難題。例如智能投顧推薦的產品可能會引起質疑。

AI加持的量化投資

以量化私募為代表的量化投資，是把股票、債券、外匯等投資物的交易策略交給機器算法，基于海量的數據，通過大數據、概率學、統計學計算形成投資模型，讓計算機程序嚴格執行投資指令。

在2010年前后，量化行業已經開始應用AI，例如通過自然語言處理模型從新聞報道和社交網絡中提取投資者情緒的投資策略。

更多的金融AI應用還有智能運營、智能理賠、智能反欺詐、智能反洗錢、智能合規等。

三、前沿與展望

智能金融的前沿離不開大數據，金融業務智能化的關鍵是數據共享，但是存在銀行的抵制、用戶數據的安全和隱私保護、公平原則的維護和模式的選擇等挑戰。從這一方面來看，金融監管在很大程度上是數據的監管。

為了解決數據共享和數據隱私安全兼顧的問題，有很多技術正在發展，由此出現了基于AI和區塊鏈的有限數據權屬共享。其中最有名的方法是姚期智的“多方安全計算”和螞蟻金服的”隱語“。

與此同時，谷歌也推出了聯邦學習。其設計目標是在保障大數據交換時的信息安全、保護終端數據和個人數據隱私、保證合法合規的前提下，在多參與方或多計算節點之間開展高效率的機器學習。

這些方法講的融合還停留在數據層面或者信息層面上，未來的發展需要從數據融合升華到知識融合。知識融合涉及到認知智能的應用，其是數據融合的智能增強版，可以通過數據交叉推理發現新的知識。進而可以用較少的數據優化信用風險評估、追蹤和識別暗藏的欺詐行為、揭示匿名用戶的真實情況等等。

通過對2022年AI在金融領域的應用趨勢的調查可以看到，80%的金融科技公司在使用機器學習，91%的金融服務公司應用了AI，13%左右的人認為人工智能對公司的年收入會有較大影響。

其中使用最多的案例是欺詐檢測，并且大部分公司表示會繼續投資欺詐檢測。最后，根據對該趨勢的調查，調查機構給出了AI成功投產（23%）、倫理AI（26%）、可解釋性（46%）三個機會領域。

對于未來計劃如何投資人工智能技術，30%的受訪者表示會招募更多的人工智能專家、為員工提供人工智能培訓、與第三方合作加快人工智能應用、在基礎設施方面加大投入以及識別更多的人工智能用例。對于人工智能的預期影響，37%的受訪者認為人工智能將成為他們的金融服務公司的競爭優勢來源。

人工智能未來的探索機會主要有三個方面：第一個方面是“小數據，大作為”的認知智能可望引領第四次AI高潮；第二個方面是期待人工智能理論和方法的重大提升，包括通用人工智能的長足進步、非經典邏輯的發展與應用以及對智能的深入探索出現突破性理論成果；第三個方面是從“X+智能”到“智能變革X”的轉變。

嘉賓點評環節

方先明教授作為點評嘉賓，為大家分享了他的講座感悟。從林老師的精彩講座中我收獲良多，主要有以下幾點：第一點是林老師給我們很清楚地闡述了互聯網金融是怎么演化到金融科技的，同時也講清楚了我關于金融科技、智能金融、大數據和人工智能之間的關系的疑惑。

第二點就是林老師剛才精彩的報告中講到了智能金融對于金融的影響，我認為它可能實際上是一個硬幣的兩個方面，智能金融帶來有益的一方面的同時，可能也會帶來一些風險的爆發點。在某些方面來講，我覺得智能金融和非線性的研究范式是相通的。

第三點是對于大數據到底是怎么運用起來的這個問題，林老師在剛才的講座里也給我帶來了一些啟發，我從中了解到了從數據到信息、再到知識是怎么融合的，也感覺到了這中間的神秘和高端。

第四點是我深切地感受到了林老師對智能金融的前沿的把握和理解。一個核心的點是我們之前講的都是大數據，但是林老師今天講到了小數據的大作為，我覺得這個可能是未來智能金融的一個方向。此外，林老師在講座中多次提到了螞蟻集團，我們都知道傳統金融中商業銀行對信貸的信用風險管理是依靠抵押物，而螞蟻集團是依靠大數據的畫像，這可能會給金融的發展，特別是金融的運營帶來一系列的變動和影響。至于智能金融會給傳統金融帶來哪些沖擊，傳統金融又能從智能金融中得到哪些啟發，我們可能還要假以時日加以檢驗。總之，非常感謝林老師給我們帶來這場精彩的講座。

方先明教授分享講座感悟

問答環節

在方先明教授進行了簡單的點評概括后，同學們紛紛和林教授進行了問答互動。

Q1：未來金融科技對從業人員有什么要求？財會專業未來的發展趨勢和方向是什么樣子呢？

答：一個新的技術的出現，肯定對于人員的知識和技能都是有一定要求的，但是實際上對人才的需求要根據具體情況，工資結構不同，對人才的需求也是不一樣的。未來的發展方向的話，知識可能會發展，而且會出現新的專業，新專業人才的本質應該是技術人才。總而言之，對個人的要求就是不斷學習；專業上金融財會類的肯定要和計算機類的發生融合。

Q2：智能金融和傳統金融的不同具體是什么？此僅由什么所決定？排除一切政策的一切干涉，智能金融能解決什么問題？具體怎樣解決？

答：和傳統金融的不同是智能金融應用人工智能技術來解決問題。智能金融能解決很多問題，比如交易的量化，還有一個是預測，它能夠比一般的預測更準確，一般預測是算出來的，但智能預測是經過非線性推理的；智能金融還有一個應用是在非結構化的場合，把專家的經驗總結起來，然后再進行利用。

Q3：智能金融基于大數據，那么對于歷史數據中未出現過的極端風險（LTPM的破產、20年的原有負價格這樣的）是如何實現風控的呢？

答：可以把風險分成大的三個級別：第一個級別是金融危機，金融危機在發生之前至少會有幾個月的醞釀期，很早就有征兆；第二個級別叫金融風險；第三個級別是事件，事件的風險積累多了就會成為金融危機。還可以按照類型來分，至少是兩維的，針對歷史上發生過的風險把過去社交群里的言論進行分析，分析事件發生前后的情感變化和風險或事件有沒有關聯，但是很多情況下可能分析不出來，因為還會存在很多額外的相關因素。

Q4：普通人的學習，以及對于子女的教育，應該具備怎樣的人工智能認知水準與素養，才能適應未來的人工智能社會，關于這個是否有些建議？

答：主要還是需要花錢去使用市面上的人工智能產品；然后可以去看文章，自己做研究，進入到業界上的深度。

本次講座吸引了數百名南大在校生與校友，講座引發熱烈反響。