隨著我國人均收入水平逐步上升，國民受教育程度普遍提高，政府出臺了一系列政策把控人工智能+金融行業的方向，人工智能+金融行業在良好的宏觀環境下迅速發展。在人工智能+金融產業鏈的三個層級中，與客戶聯系最緊密的是場景應用層的企業，根據企業提供金融業務的對象不同，應用場景可以劃分為 To B 和 To C，To B 就是 To business，指的是面向企業或者特定用戶群體的產品，To C 就是 To customer，指的是產品面向消費者的產品。隨著人工智能技術和金融行業的深度融合，企業落地的應用場景越來越多，其中，To B 的業務場景包括智能投研、智能風控和智能監管，目前，人工智能在這三個業務場景中的應用以輔助功能為主，未來隨著人工智能技術的進一步發展和成熟，To B 的業務場景將出現更多的革新和進步。
客觀高效的智能投研場景
投研的基礎是海量數據的搜集、積累和分析，因此傳統的投研工作人員需要花費大量的時間處理數據，智能投研的業務場景面向投研工作者，讓人工智能技術在數據搜集、數據處理、數據分析和結果輸出的過程中發揮作用，節約工作人員的時間，實現從數據搜集到觀點呈現的跨越。
智能投研與傳統投研相比，在數據搜集、數據處理、數據分析和結果輸出的各個階段，都擁有高效客觀的特點。在數據搜集階段，傳統投研的數據來源龐雜，工作人員需要耗費大量的時間精力，智能投研通過人工智能技術中的自然語言處理技術和語義搜索技術，實現了對非結構化數據的批量提??；在數據處理階段，傳統投研對于數據的提取并不完整，而且在處理時效率低下，智能投研利用知識圖譜自動提取段落、表格、實體和關系，高效地完成數據處理；在數據分析階段，傳統投研更加依賴主觀判斷，如果工作人員對數據理解有誤，就會產生有差錯的數據分析，智能投研在進行數據分析的時候，可以利用機器學習的方法和知識圖譜的方法，進行數據因果分析和大數據統計分析，利用搭建生成的模型輸出穩定的分析結果；在結果輸出階段，傳統投研需要較長周期才能完成一次報告，后期調整過程復雜，智能投研在生成報告的時候可以利用自然語言處理技術快速生成報告，后期能夠實現動態調整。
表1 智能投研與傳統投研比較下的特點總結
智能投研對于人工智能技術的要求較高，因此智能投研在分析判斷的靈活性上有局限性，目前，國內的一些數據服務商開始進入市場，例如 wind、東方財富 Choice 金融終端等已經嶄露頭角，數據服務商將成為推動智能投研發展的核心力量。
變被動為主動的智能風控場景
智能風控采用機器學習、知識圖譜等人工智能技術，在計算機中導入大量的金融數據和用戶信息，從數據中自動識別風險交易，從中阻斷并自動報警，實現對金融風險的管控。雖然智能風控同時出現在 To B 場景和 To C 場景中，但是由于風控對象一般是特定的高凈值用戶，或者是針對與金融機構、銀行交易的其他企業，因此將智能風控歸類在 To B 的場景中。金融系統的固有風險較大，且一旦觸發風險波及甚廣，因此不能單純依賴人工的風險控制手段，智能風控能有效規避由于用戶逾期、申請欺詐等違約情況導致的損失，降低對正?？蛻舻拇驍_，提升自動審批率。智能風控系統在貸前、貸中和貸后中都發揮了巨大的作用。
在貸前，智能風控系統可以使用人工智能技術營銷獲客，營銷獲客可以分為數據收集、行為建模、用戶畫像三個階段。在數據收集階段，智能風控系統通過語義搜索獲得網絡行為數據，如果存在非結構化數據可以利用自然語言處理技術進行結構化處理，或是從公開數據的網站中和內部交易的系統中，獲取有特定偏好的用戶數據，然后對這些數據進行建模；在行為建模階段，智能風控系統利用數據收集階段獲得的數據，使用機器學習算法和自然語言處理的方法，預測出用戶的行為；在用戶畫像階段，智能風控系統根據行為建模階段預測出的用戶行為，具體描述用戶可能的基本信息、購買能力、消費習慣、興趣愛好，針對特定的用戶進行貸款營銷。
在貸中，智能風控系統對提出貸款申請的用戶進行貸款審核，在用戶申請貸款的過程中，使用機器學習的人臉識別功能對用戶的真實身份進行精確的確認，然后根據用戶以往的互聯網行為數據、央行征信數據、公安和法院數據等，建立該用戶的違約模型，進行風險定價。
在貸后，智能風控系統可以掃描用戶的新增風險，例如用戶是否向其他平臺提出借款申請、是否出現逾期、是否出現法院失信記錄以及手機號是否停用等等。除此之外，智能風控系統還能監控用戶的下一步行為，預測款項是否會逾期，使用催收策略模型向用戶催收。
智能風控在一定程度上突破了傳統風控的局限性，改變了傳統風控中的被動管理模式，通過建立多個監測模型實現了主動監測，減少了時間成本和人力成本。然而，智能風控的核心數據還不完善，風控領域的優秀人才供不應求，征信的建設處于初步階段，因此智能風控仍然需要進一步的發展和完善。
智能監管是國家的金融監管部門利用人工智能技術，對銀行、金融服務等機構以及上市公司等進行監管。智能監管系統的主要監管內容是金融機構是否存在高頻交易、算法交易、大額成交等異常行為，智能監管系統主要分為在線監控系統和離線審查系統兩大部分，在線監控系統實現的是對交易實時監控的功能，離線審查系統實現的是從積累的數據中識別異常交易的功能。
智能監管場景使用語義搜索查找數據，利用自然語言處理技術處理非結構化的數據，通過機器學習建立金融機構或是上市公司的基本畫像，設定特定的閾值，如果在線監控系統中交易額達到了該閾值，則要對金融機構或上市公司進行監管，離線審查系統利用知識圖譜建立交易間形成的網絡拓撲結構，判斷是否存在風險以及風險的傳導路徑等。
表2 智能監管的工作方式
因此智能監管可以控制市場的波動、控制交易風險，并且還具有防范跨市場交叉性金融風險的特點，智能監管的趨勢是進一步強化前沿科技在金融監管中發揮的作用，適應計算機技術逐步融入金融行業的趨勢，利用大數據、云計算等人工智能技術豐富金融監管手段，提升跨市場、跨行業的金融風險防范水平，并且在防范基礎上提高化解風險的能力。2018 年上交所提出，將以大數據平臺為基礎，開展一系列人工智能新技術的課題研究，并且將研究結果應用到實踐中，代表著金融監管的智能化有普遍加強趨勢。
人工智能技術為金融行業開創了一個新時代，但人工智能在 To B 的業務場景中并不是應用得越多越好。人工智能技術可以幫助智能投研業務實現全自動化的辦理，取得更高的效率，但是對于智能風控、智能監管這樣的金融監控場景而言，則需要謹慎應用人工智能技術，否則會對金融機構甚至金融市場帶來震蕩。我國人工智能+金融行業的發展仍處于早期階段，人工智能技術與金融場景的深度融合需要業界機構深化合作，未來隨著人工智能技術的進一步發展和成熟，人工智能技術將成為金融行業的核心驅動力，To B 的業務場景也將出現更多的革新和進步。
如有購買裝訂版白皮書《人工智能+金融行業研究報告（2019）》需求，請聯系王耀羚老師，聯系方式：wangyl6@sem.tsinghua.edu.cn。
[1] 黃灝，呂士瑛，鄭鈞：人工智能和機器學習在金融服務市場中的發展及其對金融穩定的影響[J] 金融會計，2018年05期，38-44
[2] 王新華, 肖波. 人工智能及其在金融領域的應用[J]. 銀行家, 2017(12):130-132.
[3] 麻斯亮, 魏福義. 人工智能技術在金融領域的應用:主要難點與對策建議[J]. 南方金融, 2018(3):78-84.
[4] 中國人民銀行武漢分行辦公室課題組, 韓飚, 胡德. 人工智能在金融領域的應用及應對[J]. 武漢金融, 2016(7):46-47.
[5] 王艷, 李鳳嬌, 薛怡. 人工智能在金融領域的應用研究[J]. 中國集體經濟, 2019, 589(05):101-102.
[6] 程東亮. 人工智能在金融領域應用現狀及安全風險探析[J]. 金融科技時代, 2016(9):47-49.
[7] 張涵. 金融科技給監管體系帶來新挑戰[J]. 中國國情國力, 2017(8):81-81.
[8] 徐家力. 科技金融立法問題簡析[J]. 高科技與產業化, 2016(3):60-63.
[9] 廖岷. 全球金融科技監管的現狀與未來走向[J]. 新金融, 2016(10):12-16.
王耀羚
清華大學互聯網產業研究院研究員，管理碩士，持有PMP國際項目管理專業資格認證。主要從事金融科技、產業升級、企業數字化轉型、人工智能行研、企業政府戰略規劃等領域研究。曾參與涉及產業轉型指數研究、互聯網產業發展、金融科技行業分析、金融科技示范管理、十四五規劃社會治理課題、數字發展研究、跨境結算項目、工信部舉辦的中國云端與大數據高峰論壇項目籌劃工作、聯合艾瑞咨詢等知名市場調研機構開展項目合作等。曾負責或參與編寫《云計算和人工智能產業應用白皮書2018》《人工智能+零售行業研究報告2019》、《人工智能+金融行業研究報告2019》、《金融科技在小微企業信貸中的應用發展研究報告》等。學術文章曾發表在數據雜志、中國工商銀行《現代商業銀行》等期刊。
