人工智能时代：破解人机共存密码（套装共10册）

第三步，进行贷后管理部分的智能风控。利用利润模型、客户流失模型和风险预警模型，对金融客户的信贷组合进行优化，对其流失倾向和贷后风险做出评估。

人工智能在金融风控领域的应用已经势不可当，但在一些具体场景应用的推广过程中，人工智能仍然面临一些障碍。首先，金融行业本身也在不断发展变革，所以人工智能要在金融领域落地应用，不可避免地要面对银行等机构的模式转变和潜在风险等的重重考量。其次，在传统的金融领域中，开展业务要经过申请、审批和贷后等一系列复杂烦琐的手续和环节，而且整个过程是在不同的操作系统和大量的人力资源协作下完成的，如何通过人工智能进行系统整合以及人工智能如何与各系统进行磨合调整，还需要进行长期的摸索。此外，由于一些金融从业人员意识的滞后性，人工智能在金融风控领域的实践还要经过从业人员意识转变的漫长过程。另外，人工智能模型经常呈现为“黑箱”形式，而金融活动又有可溯源性的要求，这样就形成了一些难以调和的矛盾。智能风控可以根据履约记录、社交行为和行为偏好等多方面的行为特征进行用户风险评估，而人类并不能直接有效地理解人工智能风控的具体过程，但是在某些监管较严格的场景下又要给出必要的解释。

在金融智能风控中，反欺诈和信用评估是非常重要的两个环节。反欺诈指的是对金融业务中可能出现的欺诈行为进行识别，目前已经可以通过人工智能实现金融领域的反欺诈。信用评估是指在金融业务中对用户的信用情况进行评估。当前，我们可以通过基于人工智能的信用分准确刻画贷款申请人的信用风险。

如图7-6，通过人工智能建立的信用分和对应人群的逾期率有这些分布特点：总体上，在各个信用分区间的人数大体呈现正态分布；随着信用分的上升，逾期率逐渐下降。据此可以进行针对性的风控管理，例如蚂蚁金服推出的芝麻信用，就是利用人工智能对用户的个人信用进行综合评分，用于预测用户在信用行为中的违约率。芝麻信用的分数越高，证明该用户的违约率越低，在申请信用服务时，企业就可以根据用户的分值给予用户免押金、先使用商品后付款等相关权益。

从上面可以知道，金融智能风控已经有很多手段能够进行风险识别，但人工智能风控模型仍面临很大的挑战。目前，金融大数据特征存在高维稀疏、异构和弱相关等缺陷，信贷样本缺乏且波动性大。这些难题的解决方案，可以通过契合的模型进行机器学习和深度学习而最终得以实现。下面我们就通过一些具体的案例来了解人工智能在金融风控领域的实践情况。

作为大型国有银行，中国工商银行就在积极运用人工智能来进行金融风控。近年来，寻求金融服务的用户越来越多，但随之而来的是层出不穷的金融欺诈行为。为了维护资金安全，降低金融风险，工商银行利用人工智能建立了自己的风控系统。该系统通过人脸识别和声纹识别来确认用户身份，防止不法分子盗用他人账户进行信贷；通过机器学习分析处理海量用户数据，挖掘社会网络关系，避免团伙性金融欺诈；运用神经网络、决策森林等模型，分析用户信息和交易记录，能够实时甄别出风险较大的金融交易。通过这套人工智能风控系统，工商银行实现了实时检测以及风险预警，大大减少了金融交易过程中的风险。

通过人工智能成功进行智能风控的还有美国征信巨头费埃哲（FICO），它通过人工智能建立了一套费埃哲决策引擎，可以为各种金融机构提供服务，银行是其主要用户群，全球最大的100家银行中超过50%都在使用费埃哲提供的服务。费埃哲的智能决策引擎的一个最基本功能就是信用评分，通过基于人工智能的信用评分系统，根据用户的信用记录、欠债额度等数据，对用户的信用状况进行评分，以此来确定向该用户进行信贷的风险。美国90%的大型金融机构都在使用费埃哲的信用评分服务进行风险控制。另外，费埃哲的智能决策引擎还通过社交网络分析建立了反欺诈平台，该平台在为苏格兰皇家银行服务时，仅仅用了4个月就将欺诈率降低了1/2。费埃哲从一家普通的数据分析公司，发展为总市值将近百亿美元的美国征信巨头，人工智能功不可没。

智能投顾

智能投顾作为人工智能应用于金融领域的热点，一直在升温。智能投顾指的是通过人工智能进行投资组合推荐，根据投资者的风险偏好和配置需求为客户推荐个性化投资组合（包括股票、期权、债权和房地产资产等各种配置组合），并提供基于策略的自动交易服务。

智能投顾能够快速、高效地解决客户的投资选择难题，实现的是为客户个性化定制最佳投资组合。智能投顾首先通过人工智能模型充分分析投资者信息，这是个性化配置投资组合的前提，即对客户的财务情况、投资偏好、投资需求、收益目标以及市场表现等进行综合分析，进行客户画像，目前主要采用调查问卷等形式，但以后通过人工智能可以进行更为全面的客户画像，则会减少对客户的打扰。

然后，通过机器学习，根据历史经验和市场信息，综合收益和风险情况，统筹考虑多种资产，对大类资产进行配置，建立分散的投资组合，并在投资组合中进行选择，对资金进行精确配置。随后执行交易服务，并在交易服务过程中，通过自然语言处理等对市场信息、新闻和政策等进行学习，并排除无关事件以及黑天鹅的影响，根据市场和客户情况提供动态资产配置调整和交易策略。

智能投顾最早起源于美国，发展已有10年，管理的资产规模在2019年达到7 497.03亿美元，Betterment和Wealthfront是新兴智能投顾平台的代表。其中，Wealthfront作为一家在线财富管理公司，经过调查问卷评估客户的风险偏好和风险承受能力，再利用人工智能模型分析客户行为、市场和产品等一系列信息，最终形成为客户量身定制的资产投资组合建议，包括股票配置、股票期权操作和债权配置等。该公司运用人工智能开展投顾业务，在一年之内，其资产管理规模扩大了近两倍。

相比传统投资顾问，智能投顾具备五个突出优势。

第一，成本低。传统投顾服务很难触及客户，人力处理信息的成本较高，因此传统投顾机构均为投顾服务设定了一些门槛，主要针对高净值客户。在传统的投顾服务中加上人工智能，可以面向的客户数量就实现了海量增长，并且通过人工智能模型为投资者画像并为其提供资产配置建议，极大节约了人力成本，也降低了客户获取投顾服务的门槛和费用。

第二，效率高。智能投顾的服务过程更加便捷，投资者在平台上可自行操作，人工智能模型自动评估投资者并提供投资配置组合，减少了传统的人工环节，整个流程仅几分钟，就能达到高效、精准的目标。

第三，理性化。智能投顾通过人工智能模型提供投资配置建议，有效地避免了人的主观观念和情感因素的影响，通过对市场数据的有效捕捉，避免了个人投资者一味追涨或者追跌的行为和思维惯性，或者传统财富管理人为了佣金而误导客户的风险，科学、理性地提供投资建议，并根据实际情况动态调整。

第四，分散风险。智能投顾的投资决策和投资组合由人工智能提供，可配置和管理的投资标的种类更多，范围更广，因此分散度更高，可以有效分散风险。例如智能投顾平台Wealthfront涉及多达11项资产类别，包括美股、海外股票、新兴市场股票、股利股票、债券、国债、自然资源和房产等，客户可以自由选择，并为客户提供全球范围内的投资组合。

第五，信息透明。传统投资顾问服务一般存在信息披露的问题，而且有时候投资操作与客户需求不能完全匹配。但在智能投顾中，客户可以随时查看产品范围、投资组合和管理费用等信息，并且智能投顾可以严格执行人工智能模型给出的资产配置建议。客户可以直接接受系统的建议或是在平台对投资组合进行微调，也可以根据个人意愿选择是否接受公司的服务来管理其投资组合。这样的服务对客户更加公开和透明。

目前国内传统投顾业务，也开始进行智能化转型，大多数机构在2015年至2016年期间推出智能投顾产品。招商银行2016年12月发布了智能投顾应用摩羯智投，这是国内银行第一个智能投顾产品，利用机器学习构建以公募基金为基础的、全球资产配置的“智能基金组合配置服务”。在客户选择了理想的投资期限和风险承受等级后，摩羯智投会利用人工智能模型构建相应的基金组合推荐给客户，并由客户进行决策。

与此同时，该平台利用人工智能进行学习建模后，能够实现目标风险确定、组合构建、一键购买、风险预警、调仓提示、一键优化和售后服务报告等功能，打通基金投资的全流程服务环节。例如，该平台可以实现对全球市场信息的实时收集，根据这些信息可以掌握最新的市场状况，这样就可以计算出最优的组合比例。如果客户所持组合偏离最优状态，平台会建议客户调整基金组合达到最优状态，在客户认可后，就可以自主进行一键优化。截至2019年4月，摩羯智投的累计销售规模已经达到122.33亿元，客户超过18万人。

智能投研

智能投研是人工智能在投资研究场景下的一大重点应用，也就是利用人工智能自动化地完成海量金融信息的收集、摘要、归纳、缩简、分析和预测，更加快捷方便地为投资研究人员提供信息，支持他们进行决策，而非直接给出决策结论。

与人工投研相比，智能投研的最大的特点就在于高效。人工投研中，分析师需要花费大量的时间在金融数据终端或者信息平台上收集素材，并需要通过自己的逻辑将这些素材再组织成投资决策，并且将结果以不同方式呈现，实际效率不高。然而智能投研利用人工智能模型可以迅速收集、读取大量的信息，自动化地完成多维度综合计算和分析，发现事件之间的关系，从而做出一定程度的预测，并且按照预先设定的模板生成研究报告，实现了从信息收集到研究内容呈现的跨越，提升了效率。并且，智能投研中应用的人工智能模型，也可以避免分析师的主观因素影响，使得投研内容更加客观，这在一定程度上也提高了投研报告形成的效率。

Kensho是美国智能投研的先行者，2018年Kensho被标普全球（S&PGlobal）以5.5亿美元收购，创造了迄今为止华尔街最大规模的人工智能公司收购交易之一。Kensho的定位是数据分析与机器学习公司，长期以来，基于人工智能开发了针对投资者的新一代数据分析工具Warren。它具备高效的数据处理与强大的数据分析能力，能够在数秒内搜索90 000多个全球事件，将数据、信息和决策进行智能整合，并挖掘数据之间的相关性，从而预测资产价格走势和套利机会，并以图表形式呈现其预测效果。Warren能够分析与回答650万个金融问题，预计未来能回答超过1亿个不同类型的金融问题，实现了分析能力上的一个巨大跨越，从而提高了投资者工作效率和投资能力。与此同时，Warren利用人工智能强大的学习能力，以极快的速度读取亿万条数据或信息，在分析数据的过程中实时进行反馈学习，不断优化其分析结果。

金融是现代经济的核心，金融行业的发展对整个经济起到举足轻重的作用。金融业天生具备数字的理念，在足够多的数据和明晰的业务目标两方面存在极大优势，与人工智能的运作模式非常契合，人工智能可以在金融领域大范围落地应用。从智能营销、智能风控、智能投顾到智能投研等几个业务方向的实际应用可以看出，人工智能基本覆盖了金融业的方方面面，为金融业繁荣而有序地发展赋能。毋庸置疑，金融业已经成为人工智能场景中发展最为迅速的领域之一，人工智能也助力金融业守正创新、安全可控。

随着人工智能的应用越来越成熟，从个人消费贷款到大规模的投资决策，人工智能对各类金融业务的赋能价值不可小觑，金融业拥抱人工智能自然也是顺势而为。人工智能能够帮助金融机构升级换代，提高金融服务的风险把控能力，也能够突破金融行业壁垒，消除金融产品信息的不对称，真正让金融服务于大众，实现普惠金融的行业理想。

凡事总是盛极而衰，重要的是认清趋势转变，要点在于找出转折点。

—乔治·索罗斯—