南昌一中掏脑子挖眼睛完整版_极品太监猎美传奇_太阳是奶酪做的(h)(弓行永夜)_男生宿舍的公共小受_小东西好几天没弄你了最新章节

沈艷教授作主旨演講

很榮幸受邀，謝謝葉老師剛剛的介紹。我今天的主題是“人工智能在數(shù)字金融中的應(yīng)用”，并拋磚引玉，提供一些思考。我們的大背景是，2023年10月總書記提出來的五篇大文章當(dāng)中，特別提到要做好數(shù)字金融大文章。

首先，介紹一下什么是數(shù)字金融。它是過去十多年當(dāng)中金融體系里面最重要的創(chuàng)新，主要是利用數(shù)字技術(shù)為我們?cè)谥Ц丁①J款、保險(xiǎn)、投資等方面的新金融工具、金融模式，也包括金融基礎(chǔ)設(shè)施建設(shè)。我認(rèn)為可以從三個(gè)維度去理解數(shù)字金融的發(fā)展變化。第一個(gè)維度刻畫金融部門，包括貨幣以及支付、信貸、保險(xiǎn)、資產(chǎn)管理以及外匯等相關(guān)機(jī)構(gòu)與業(yè)務(wù)活動(dòng)。第二個(gè)維度是數(shù)字技術(shù)，涉及到AI、區(qū)塊鏈、云計(jì)算等等。今天討論的AI，很多時(shí)候是把很多數(shù)字技術(shù)包含在內(nèi)探討，比如在運(yùn)用人工智能時(shí)，也離不開大數(shù)據(jù)、區(qū)塊鏈、云計(jì)算、算力等的討論。第三個(gè)維度是商業(yè)模式，比如B2C、B2B、P2P、B2G，以及平臺(tái)本身多邊的模式。當(dāng)我們講創(chuàng)新的時(shí)候指的是什么呢？可能主要是在今天我們考慮人工智能的時(shí)候，涉及到的是場(chǎng)景、數(shù)據(jù)、算法、算力，他們?cè)诟纳平鹑诜?wù)方面的作用。金融服務(wù)包括四個(gè)維度：改善金融的觸達(dá)、提高金融的效率、能不能提升我們的風(fēng)控，以及金融安全的問題。其中，金融安全的問題既包含程序應(yīng)用的安全，也包括是否觸發(fā)金融風(fēng)險(xiǎn)。

我主要從四個(gè)角度來簡(jiǎn)介人工智能在數(shù)字金融當(dāng)中的應(yīng)用。首先是智能客服。銀行常常要面對(duì)用戶大量的業(yè)務(wù)咨詢，因此往往需要龐大的客服群體。但是，客戶咨詢?cè)跁r(shí)間上的分布并不均勻，可能很多時(shí)候沒有人打電話，人員過多構(gòu)成浪費(fèi)；但是人員過少又會(huì)在高峰期無法快速回應(yīng)客戶的需求，造成客戶體驗(yàn)差的現(xiàn)象。另外，年輕人離職率也很高，銀行也面臨好不容易培訓(xùn)上手的客服用不了多久就流失的現(xiàn)象。某金融集團(tuán)的智能服務(wù)在一年中共有超過10億次客服的回答量，他們的智能語音服務(wù)可以覆蓋其中的86%，解決率達(dá)到92.3%。這就極大提升了服務(wù)效率。然后，客戶與智能客服的對(duì)話形成新的文本，進(jìn)一步分析這些文本可以開展智能服銷業(yè)務(wù)，進(jìn)一步向潛在客戶推薦相應(yīng)的金融產(chǎn)品。2021年實(shí)現(xiàn)了1000多億近2000億的智能服銷的成果。

第二個(gè)領(lǐng)域，數(shù)字信貸。長(zhǎng)久以來，小微企業(yè)和個(gè)人面臨“貸款貴、貸款難”問題，金融存在不夠普惠的現(xiàn)象。相較于大企業(yè)，中小微企業(yè)和銀行等金融機(jī)構(gòu)之間的信息不對(duì)稱更不易于解決。事前防范“逆選擇”風(fēng)險(xiǎn)和事后防范“道德風(fēng)險(xiǎn)”，均需要金融機(jī)構(gòu)能以較低成本來做好上述風(fēng)控。人工智能能夠幫助我們?cè)跀?shù)字信貸方面有所作為。一方面，利用平臺(tái)可以獲取大數(shù)據(jù)，降低客戶獲取的難度；基于大數(shù)據(jù)可以和恰當(dāng)?shù)臋C(jī)器學(xué)習(xí)模型相結(jié)合的新的風(fēng)控模型，可以提升事前風(fēng)控能力、降低逆選擇風(fēng)險(xiǎn)。另一方面，平臺(tái)可以用較低成本獲取客戶再貸款之后的一些行為和交易信息，這也有助于做好貸款管理，防范道德風(fēng)險(xiǎn)。微眾、網(wǎng)商這樣的互聯(lián)網(wǎng)銀行，以非常少的人員來服務(wù)非常多的客戶，這是人工智能用在模型的預(yù)測(cè)以及還款能力的預(yù)測(cè)等方面的應(yīng)用，這也是相對(duì)比較成熟的技術(shù)應(yīng)用。

第三個(gè)領(lǐng)域，量化投資。量化當(dāng)中的應(yīng)用，首先是投資信息的搜集。第二，會(huì)通過人工智能的模型對(duì)交易習(xí)慣做一些學(xué)習(xí)。第三，做大模型的一些預(yù)測(cè)，看看能不能夠提升數(shù)據(jù)，做到因子的提取，做到降維。右圖是全球用AIML（人工智能標(biāo)記語言）、人工智能或者是機(jī)器學(xué)習(xí)這一類對(duì)沖基金的占比，從2010年到2018年一直是增加的，但是2019年以后就開始下降。收益率做了一個(gè)比對(duì)，2019年本年以及2019年往前推三年和2019年往前推五年，基于人工智能或者機(jī)器學(xué)習(xí)方法量化方法的影響。最主要的信息，從右往左看，往前倒五年，會(huì)看到人工智能+量化總體回報(bào)率最高；但三年的時(shí)候（收益）就還好，但是好的程度沒有那么高了。2019年單年，人工智能、機(jī)器學(xué)習(xí)的模型本身的表現(xiàn)不如市場(chǎng)上原有的傳統(tǒng)模型。

近期一個(gè)比較熱烈的討論是，GPT4是不是在選股方面可以表現(xiàn)得更好？是不是將來我們就可以直接拿大模型代替投資經(jīng)理？2024年5月摩根大通發(fā)布了IndexGPT，通過IndexGPT可以創(chuàng)建一個(gè)主題投資籃子，芝加哥大學(xué)的一個(gè)研究發(fā)現(xiàn)GPT4在選股方面可以超越大部分的人類分析師，可以提供更高的阿爾法和夏普比例，這是非常引發(fā)關(guān)注的一個(gè)研究，但對(duì)這一研究發(fā)現(xiàn)也存在質(zhì)疑。最主要的問題是表現(xiàn)好可能是因?yàn)橛?xùn)練數(shù)據(jù)被污染，也就是測(cè)試的數(shù)據(jù)是到2021年，但訓(xùn)練數(shù)據(jù)是否包含了2021年以后的數(shù)據(jù)的問題。

對(duì)于人工智能在數(shù)字金融當(dāng)中的應(yīng)用，還有一個(gè)很高的期待，就是智能投顧。因?yàn)橥顿Y的管理，往往財(cái)富管理更多是集中在高凈值人群上，大眾甚至中產(chǎn)階級(jí)往往不能得到很好的服務(wù)。那么，智能投顧能不能幫我們解決投資難的問題？中國(guó)經(jīng)過幾十年高速度的發(fā)展，財(cái)富管理有沒有可能也更普惠一些，讓中產(chǎn)階級(jí)甚至大眾都能得到優(yōu)質(zhì)的理財(cái)服務(wù)呢？智能投顧的作用可能要取決于以下幾方面問題的答案：第一，真的降低資產(chǎn)配置的成本；第二，要能夠?yàn)榭蛻粽鎸?shí)地定制個(gè)性化的服務(wù)，能夠粘住這個(gè)客戶；第三，既然它是自助式的智能投顧，客戶自己操作的成本要比較低。目前，中國(guó)金融機(jī)構(gòu)在智能投顧方面已經(jīng)有了不少有益的嘗試，但仍然存在不少挑戰(zhàn)。一是算法本身會(huì)有諸多的局限性；二是千人千面對(duì)數(shù)據(jù)以及計(jì)算能力都有諸多要求；三是再好也好不過市場(chǎng)的總體環(huán)境，市場(chǎng)的總體環(huán)境會(huì)決定收益率；四是目前的投資者教育不足。我們看到，一些金融機(jī)構(gòu)在投資者教育方面也加大了力度，未來人工智能在智能投顧方面的應(yīng)用還有很大的空間。

在介紹了人工智能在數(shù)字金融的四個(gè)經(jīng)典場(chǎng)景中的應(yīng)用的時(shí)候，我們也要看到其中還存在不少挑戰(zhàn)。

第一，算法局限性的問題。知其然不知其所以然，如果用在分析客戶情緒、回答客戶問題的場(chǎng)景中，也許出錯(cuò)成本不算高。但是，在涉及大量資金的核心業(yè)務(wù)上，比如對(duì)大額信貸資金的發(fā)放，完全不懂得算法規(guī)律是非常危險(xiǎn)的做法。這是因?yàn)楝F(xiàn)有的預(yù)測(cè)模型往往是基于歷史信息，如果未來發(fā)生一個(gè)重要的結(jié)構(gòu)性的變化就可能帶來重大損失。例如2020年對(duì)沖基金在疫情中表現(xiàn)差強(qiáng)人意，就和模型無法事先預(yù)測(cè)到巨大的結(jié)構(gòu)性變化分不開。

第二，數(shù)據(jù)的局限性。運(yùn)用人工智能模型的時(shí)候，不能忽略數(shù)據(jù)局限性帶來的問題。這是因?yàn)閿?shù)據(jù)很多時(shí)候不是為了人工智能的目標(biāo)生成的，往往是這個(gè)企業(yè)自己業(yè)務(wù)的一個(gè)副產(chǎn)品。企業(yè)為了讓業(yè)務(wù)順利發(fā)展會(huì)不斷調(diào)整模型參數(shù)，這就導(dǎo)致從數(shù)據(jù)觀察到的變化，究竟是外部環(huán)境發(fā)生變化還是內(nèi)部模型變化帶來的，無法分清楚，這會(huì)進(jìn)一步加大利用數(shù)據(jù)做預(yù)測(cè)的難度。二是數(shù)據(jù)質(zhì)量可能達(dá)不到相應(yīng)目標(biāo)的要求。要防止“垃圾進(jìn)、垃圾出”，需要在訓(xùn)練模型時(shí)，就采用大量高質(zhì)量的數(shù)據(jù)。我國(guó)雖然是數(shù)據(jù)要素非常豐富的國(guó)家，但是根據(jù)國(guó)際數(shù)據(jù)公司（International Data Cooperation）的研究，我國(guó)目前的數(shù)據(jù)主要是娛樂類數(shù)據(jù)，而工業(yè)用的、可以提升生產(chǎn)率的數(shù)據(jù)占比較低。在采用大模型時(shí)，需要考慮到對(duì)應(yīng)的場(chǎng)景是否有足夠高質(zhì)量的數(shù)據(jù)的問題，以避免“巧婦難為無米之炊”的困境。

第三個(gè)問題是人工智能的算法安全，目前還是在一個(gè)非常初級(jí)的階段。在算法安全方面，存在通過給大語言模型一些指令，讓大語言模型做一些違背開發(fā)者規(guī)則的事情的現(xiàn)象。例如2023年以“奶奶漏洞”為代表的越獄指令，是一位工程師對(duì)ChatGPT說，自己和祖母的感情深厚，現(xiàn)在我祖母去世了，她每天在我睡覺之前都給我念windows序列號(hào)。通過這段對(duì)話，該工程師獲得了真實(shí)的序列號(hào)。當(dāng)然后來這個(gè)漏洞很快就被彌補(bǔ)，但核心問題是，現(xiàn)有的大語言模型的開發(fā)者對(duì)于算法安全自身還沒有完全的把握。因此，在金融領(lǐng)域中，涉及核心業(yè)務(wù)的大規(guī)模應(yīng)用應(yīng)采取謹(jǐn)慎態(tài)度。

總結(jié)而言，目前人工智能在數(shù)字金融當(dāng)中的廣泛應(yīng)用主要是四個(gè)領(lǐng)域，其中比較成熟的是客戶服務(wù)和數(shù)字信貸方面。如果能夠處理好算法安全與監(jiān)管等問題，人工智能在數(shù)字金融方面的廣泛應(yīng)用仍有廣闊前景。