人工智能與金融

1、人工智能與金融 近年來(lái)，隨著人工智能被媒體熱炒，各個(gè)領(lǐng)域都在暢想與人工智能相結(jié) 合之后，本行業(yè)會(huì)發(fā)生哪些改變。作為最為暴利，也最為趨利的金融行 業(yè)，自然會(huì)對(duì)人工智能的作用和影響進(jìn)行分析，并試圖利用人工智能技 術(shù)為自己謀取暴利。就金融行業(yè)本身來(lái)說(shuō)，與人工智能有關(guān)的無(wú)非以下幾個(gè)部分：一是結(jié)合客戶的理財(cái)理念配置客戶的資產(chǎn)；二是根據(jù)客戶個(gè)人的大數(shù)據(jù)分析對(duì)客戶進(jìn)行分級(jí)和給予信譽(yù)評(píng)價(jià)；三是反欺詐、虛假信息賬號(hào)，反洗錢等工作；四是投資和交易領(lǐng)域，用人工智能做算法交易、自動(dòng)化交易、風(fēng)險(xiǎn)控制；五是金融咨詢，利用人工智能為客戶提供金融方面的知識(shí)咨詢。就以上幾個(gè)領(lǐng)域來(lái)說(shuō)，只要用于機(jī)器學(xué)習(xí)的樣本足夠大，算法沒(méi)有紈漏,

2、 那么，人工智能會(huì)比普通金融業(yè)從業(yè)者更靠譜，而且機(jī)器不像人那樣具 有個(gè)人喜好，甚至?xí)_人。只要人工智能本身的技術(shù)足夠成熟，且沒(méi)有 人為設(shè)置后門，那么，客戶也可以給予人工智能更大的信任。何況，就 目前的情況看，人腦對(duì)于人工智能還具有一定優(yōu)勢(shì)的是感性認(rèn)識(shí)，比如 情感，藝術(shù)等等，在理性認(rèn)識(shí)上，特別是在數(shù)據(jù)分析和計(jì)算能力上，人 工智能相對(duì)于人腦具備絕對(duì)優(yōu)勢(shì)。因此，就金融行業(yè)來(lái)說(shuō)，人工智能逐步取代人類交易員是大勢(shì)所趨。在華爾街，過(guò)去的金融交易高度依賴人與人之間的直接溝通，然而現(xiàn)在 已經(jīng)有高達(dá)70%的股市交易通過(guò)自動(dòng)交易算法完成。這些先進(jìn)的機(jī)器 人交易員，很多是由人工智能的前沿技術(shù)研究提供支持的,其能力遠(yuǎn)

3、遠(yuǎn) 超出執(zhí)行簡(jiǎn)單的日常交易。人工智能在共同基金和養(yǎng)老金管理這發(fā)起的大型交易中，會(huì)檢測(cè)判斷, 然后搶購(gòu)股票，以圖贏利。人工智能還會(huì)試圖通過(guò)在系統(tǒng)中設(shè)滿投標(biāo)圈 套，然后又迅速撤出的方式蒙蔽其他交易員。在2013年發(fā)表在科學(xué)雜志自然上的一篇論文中，一群物理學(xué)家研 究了全球金融市場(chǎng)，確定了 一個(gè)充滿成群掠奪性算法的競(jìng)爭(zhēng)性機(jī)器的 新興生態(tài)環(huán)境的出現(xiàn)，并指出機(jī)器人交易的進(jìn)展已經(jīng)超出了人類設(shè)計(jì) 者的理解和控制。正是由于人工智能在金融領(lǐng)域的大量應(yīng)用，在股市持續(xù)保持上升的 2012年和2013年，華爾街卻依舊宣布大量裁員。在2000年前后， 華爾街的公司在紐約雇傭了 15萬(wàn)金融工作者。而到了 2013年，雖然

4、無(wú)論交易量還是行業(yè)利潤(rùn)都相對(duì)于本世紀(jì)之初大幅上漲，但華爾街的公 司的雇員已經(jīng)減少到了 10萬(wàn)人。在國(guó)內(nèi)中央財(cái)經(jīng)大學(xué)主辦的2018中國(guó)金融科技前沿論壇，也有專 家表示，傳統(tǒng)券商領(lǐng)域大概有5萬(wàn)多個(gè)工作會(huì)被機(jī)器取代，以及資產(chǎn)管 理也有很多，現(xiàn)在人工智能管理出來(lái)之后，非常多的工作機(jī)會(huì)將會(huì)被流 失，還有私人銀行的財(cái)富管理工作、投資銀行工作、銷售工作都會(huì)被取 代。誠(chéng)然，人工智能替換掉中國(guó)金融行業(yè)的部分工作崗位是大勢(shì)所趨。不過(guò), 鐵流對(duì)于人工智能應(yīng)用于中國(guó)股市的前景并不看好。畢竟,此前谷歌曾 經(jīng)開(kāi)發(fā)過(guò)一款人工智能炒股系統(tǒng)，然后將該系統(tǒng)應(yīng)用于中國(guó)A股，之后 虧的一塌糊涂，不得不退出A股戰(zhàn)場(chǎng)了?；谌斯ぶ悄艿慕?/p>

5、融反欺詐金融行業(yè)是人工智能等技術(shù)落地應(yīng)用的重要領(lǐng)域。人工智能不僅極大地 提升了金融服務(wù)的效率，降低了交易成本，更幫助金融機(jī)構(gòu)在業(yè)務(wù)、風(fēng) 控、運(yùn)營(yíng)、審計(jì)、人力等前中后臺(tái)場(chǎng)景中進(jìn)行了智能化轉(zhuǎn)型。11月18日，在成都召開(kāi)的第八屆中國(guó)智能產(chǎn)業(yè)高峰論壇”和在北京 召開(kāi)的“2018人工智能大數(shù)據(jù)精英會(huì)”上，頂象技術(shù)專家們就人工智 能技術(shù)助力金融反欺詐進(jìn)行了探討和交流。人工智能反欺詐的核心技術(shù)：深度畫像提起用戶畫像想必都不陌生。作為建立在一系列現(xiàn)實(shí)世界中真實(shí)用戶數(shù) 據(jù)之上的模型，用戶畫像技術(shù)通過(guò)對(duì)年齡、性別、婚姻、教育、工作、 家庭等個(gè)人特征及消費(fèi)偏好、瀏覽、社交、投資、購(gòu)買等信用特征進(jìn)行 采集和積累，在明

6、確的業(yè)務(wù)應(yīng)用場(chǎng)景下，根據(jù)提前設(shè)定好的算法進(jìn)行畫 像和分析，將這些多種類型的數(shù)據(jù)抽象成一個(gè)標(biāo)簽化的用戶模型，以形 成能觸及到用戶的根本需求。傳統(tǒng)的用戶畫像基于業(yè)務(wù)場(chǎng)景和需求制定，雖然能夠直接用于業(yè)務(wù)策略, 但是對(duì)多用戶的采集分析，一個(gè)個(gè)單點(diǎn)很難定義彼此的關(guān)聯(lián)關(guān)系。因此 形成的是單一維度標(biāo)簽，在跨領(lǐng)域使用、泛化拓展和表達(dá)上比較差。而 利用關(guān)聯(lián)網(wǎng)絡(luò)技術(shù)進(jìn)行分析和挖掘，則能有效彌補(bǔ)傳統(tǒng)用戶畫像的不足。11月18日，在第八屆中國(guó)智能產(chǎn)業(yè)高峰論壇上，頂象技術(shù)首席科 學(xué)家施亮表示，利用基于關(guān)聯(lián)網(wǎng)絡(luò)的圖算法對(duì)特征、信息、標(biāo)簽等進(jìn)行 分析，能夠直觀的體現(xiàn)目標(biāo)網(wǎng)絡(luò)的結(jié)果和預(yù)測(cè)。頂象技術(shù)首席科學(xué)家施亮 他表示，基于

7、關(guān)聯(lián)網(wǎng)絡(luò)，不但能夠進(jìn)行常規(guī)的網(wǎng)絡(luò)分析，還可以進(jìn)行圖 嵌入學(xué)習(xí)、無(wú)監(jiān)督和半監(jiān)督學(xué)習(xí)等。施亮著重介紹了頂象的關(guān)聯(lián)網(wǎng)絡(luò)應(yīng)用技術(shù)一深度畫像。該技術(shù)基于關(guān) 聯(lián)網(wǎng)絡(luò)構(gòu)建的圖神經(jīng)網(wǎng)絡(luò)算法，同時(shí)考慮拓?fù)潢P(guān)系和節(jié)點(diǎn)自有屬性的學(xué) 習(xí)表征，能夠使用多種核函數(shù)聚集鄰居節(jié)點(diǎn)的表征信息，可應(yīng)用半監(jiān)督 學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)表征等。1. Sample neighborhood2. Aggregate feature information 3. Predict graph context and labe from neighborsusing aggregated information神經(jīng)網(wǎng)絡(luò)算法示意圖(出自：Inducti

8、ve Representation Learning on Large Graphs )施亮表示，通過(guò)深度畫像技術(shù)，再輔助端數(shù)據(jù)建模和數(shù)據(jù)采集保護(hù)技術(shù), 能夠有效識(shí)別和防控各類金融欺詐行為。頂象端數(shù)據(jù)建模和數(shù)據(jù)采集保護(hù)技術(shù)主要通過(guò)力度、觸面、仰角、手勢(shì)、 觸點(diǎn)間隔等設(shè)備端的基礎(chǔ)數(shù)據(jù)和生物操作特征數(shù)據(jù)，從而建立同人識(shí)別 模型，幫助運(yùn)營(yíng)者識(shí)別操作者的個(gè)人操作習(xí)慣。深度畫像技術(shù)在金融反欺詐中的具體應(yīng)用 金融機(jī)構(gòu)面臨的業(yè)務(wù)風(fēng)險(xiǎn)方方面面：有利用虛假身份、虛假資料進(jìn)行 騙貸的普通人和企業(yè)；有進(jìn)行洗單、合謀套現(xiàn)、虛假的商戶；還有對(duì)銀 行卡進(jìn)行克隆、變?cè)?、失竊等進(jìn)行詐騙的不法分子；更有網(wǎng)絡(luò)詐騙、洗 錢交易、非

9、法集資等各種違法犯罪行為等。目前，主流的風(fēng)控方案是端防護(hù)（風(fēng)險(xiǎn)采集）+數(shù)據(jù)服務(wù)（信息核驗(yàn)、 黑白名單等）+風(fēng)控策略（反洗錢、反欺詐、評(píng)分卡等策略）+機(jī)器學(xué) 習(xí)（反欺詐、信用評(píng)估等模型）。這樣的方案通過(guò)單樣本風(fēng)險(xiǎn)實(shí)現(xiàn)縱深 監(jiān)測(cè)，兼具了靈活性與復(fù)雜性。但會(huì)忽視樣本之間的關(guān)系，忽略團(tuán)伙風(fēng) 險(xiǎn)和跨數(shù)據(jù)等風(fēng)險(xiǎn)。頂象技術(shù)人工智能專家黃亞軍頂象技術(shù)人工智能專家黃亞軍在2018人工智能大數(shù)據(jù)精英會(huì)上表 示，基于頂象深度畫像技術(shù)，通過(guò)對(duì)用戶交易記錄、申請(qǐng)記錄以及設(shè)備 訪問(wèn)數(shù)據(jù)等的分析與挖掘，形成賬號(hào)、交易、手機(jī)號(hào)、設(shè)備等關(guān)系數(shù)據(jù) 的關(guān)聯(lián)網(wǎng)絡(luò)，能夠有效彌補(bǔ)以上的不足。黃亞軍通過(guò)零售銀行欺詐、銀行收單商戶欺詐等案例，詳細(xì)講述了深度 畫像技術(shù)在反欺詐中的應(yīng)用。一個(gè)疑似手機(jī)欺詐的網(wǎng)絡(luò)挖掘案例人工智能推動(dòng)金融智能化人工智能的主要技術(shù)可以在金融中找到相關(guān)的應(yīng)用。以金融風(fēng)控為例， 人工智能可以實(shí)現(xiàn)對(duì)風(fēng)險(xiǎn)及時(shí)有效的識(shí)別、預(yù)警與防范