近年来，人工智能(AI)技术逐渐渗透到金融产品和服务之中，国内外金融机构纷纷发力金融科技(Fintech)：国外金融行业正在业务中引入人工智能技术，摩根大通和高盛公司均表示要在人工智能领域进行大规模投资;国内四大行分别牵手互联网公司，开启智能金融的合作。
作为金融科技的初级形态，互联网金融的兴起主要得益于互联网技术与金融业务的结合。基于消费、娱乐等生活场景，搭建便捷性的服务平台，使金融业务有机融合到用户的消费行为中。同时，也迫使商业银行等金融机构沿着降低成本和提升效率两条主线，在服务上不断提质增效。今天，以大数据、人工智能、云计算和区块链等更加前沿的技术为支撑的金融科技则是升级形态。
根据麦肯锡的预测，未来三年高科技、通信和金融领域将成为采用人工智能的主导行业。金融行业作为一种高度数据化的行业，首当其冲成为AI最好的应用领域。作为百业之母的金融行业与整个社会存在巨大的交织网络，沉淀了大量包括各类金融交易、客户信息、市场分析、风险控制、投资等在内的文档数据。
相比于互联网技术，金融科技拥有更大的发展潜力。尤其是，神经网络的突破性发展，使深度学习成为可能，并初步取得了令人惊讶的效果(如埃尔法狗在围棋大战中挑战人类选手取得压倒性胜利)，将来有望解决金融领域里的一些痛点问题。
人工智能的飞速发展，使得机器能够在一定程度上模拟人的功能，批量且更个性化地服务客户。对于金融业而言，在前端可以使服务更加个性化，提升客户体验;在中端可以支持各类金融交易和分析中的决策，使决策更加智能化;在后端用于风险识别和防控，使管理更加精细化。
人工智能在金融领域中有很多应用场景，本文选取几个典型的应用场景进行解读。
应用场景一：征信与风控
近几年，国内P2P和现金贷的大量涌现，说明了个人小额信贷的市场需求巨大。在过去，针对该类小贷用户，一般单纯地依靠地推人员挨家挨户进行实地征信。
如今，基于大数据和人工智能技术，可以实现智能征信和审批，极大地提高工作效率。通过多渠道获取用户多维度的数据，如通话记录、短信信息、购买历史、以及社交网络上的相关留存信息等;然后，从信息中提取各种特征建立模型，对用户进行多维度画像;最后，根据模型评分，对用户的个人信用进行评估。同样，对于市场上中小微企业融资难的问题，也可以通过大数据征信得以解决。
相对于征信，风控也至关重要。在风控中，贷前要识别贷款人信息的真实性，还要识别其还款意愿和还款能力；贷中通过监控贷款人的行为数据及时发现异常；贷后通过反馈数据补充信用评分。在这个过程中，利用用户数据积累和人工智能技术建立有效的智能化风控体系是核心能力，直接决定着一个平台能否持续健康地运营。
因此拥有一个好的风控决策引擎系统，能为企业带来极大的便利。指旺金科的风控决策引擎以数据和策略驱动的智能化插件式软件产品， 具有灵活部署、多数据融合、多策略承载等功能，能够满足金融机构多场景的业务需求，支持金融机构风控决策管理，降低信贷风险，为金融机构提供准确完善的风控决策支持。
应用场景二：反欺诈
金融安全是维护金融秩序的基石。与虚拟的社交网络不同，金融用户需要验证身份的真实性，其中可能涉及的技术包括人脸识别、语音识别、指纹识别和虹膜识别等。相对于人类，人工智能在此领域往往表现得更加优异，不仅能缩短识别时间，还能降低识别错误率。如今，越来越多的人工智能应用出现在现实生活中，比如指纹付款、扫脸取款等。
此外，人工智能在网络反欺诈方面也发挥着巨大的作用，机器可以从海量的交易数据中学习知识和规则，发现异常，比如防止盗刷卡、虚假交易、恶意套现、垃圾注册、营销作弊等行为，为用户和机构提供及时可靠的安全保障。
论及反欺诈，必然会谈到支撑它的系统技术。在这方面，指旺金科的智能反欺诈系统面向全信贷行业提供服务，多数据源、多维度分析，智能决策系统配置，高效识别集中攻击欺诈行为和早期风险特征，运用大数据和人工智能分析，帮助金融机构实现高效智能反欺诈。
应用场景三：智能投顾
智能投顾是在多个市场和大资产类别之间构建投资组合，分散风险，追求长期收益。
与传统方式有所区别，智能投顾可结合现代资产组合理论和投资者偏好为投资者提供建议，加快释放投资理财的“长尾”市场，具有佣金低和信息透明等特点。更通俗点说，智能投顾实际上是把私人银行的服务在线智能化，服务更广泛的普通老百姓。
应用场景四：营销与客服
在金融平台上，如何识别有效的客户往往是难点。而人工智能可以通过用户画像和大数据模型精准找到用户，实现精准营销。
另外，在客服中，用户咨询的问题大都是重复性的，而且往往限定在几个特定的领域内，这些特点使其成为自然语言处理和智能客服机器人的极佳选择。通过智能客服机器人可以发掘用户的需求，解释和推荐产品，还能带来销售转化。智能客服可以解决用户的大部分问题，在非常确定答案的时候可以直接回答，在不确定时把可能的答案提供给人工客服，由人工客服判断选择最佳答案发送给用户。这样极大地提升了客服效率和用户体验，同时也降低了人力成本。
应用场景五：投资决策
在投资机构和投行部门中，日常的工作如收集大量的资料、进行数据分析、报告撰写等，往往占用了大量的时间和精力。而在处理海量的数据信息时，机器拥有天然的优势，通过自然语言处理技术可以理解文本信息，寻找市场变化的内在规律。一个经典案例是沃尔玛超市发现尿布和啤酒放在一起会增加销量。大数据可以发现看似毫不相关的事件间的关联性，应用在投资领域也会有同样的效果，比如苹果发布新手机会影响哪些公司的股价等。
人工智能还能够根据收集到的市场历史数据进行预测，分析判断企业的成长性，从而辅助投资决策。一个著名例子是，美国最大的信用卡行Capital One的两名员工利用职务便利，分析了至少170家上市零售公司的信用卡消费情况，并据此预测这些公司的营业收入，然后提前购入看涨期权或看跌期权，三年内投资收益率高达1800%。虽然是反例，但对于智能预测应用有很好的启发意义。
此外，机器还可以根据收集到的资料，自动生成大量格式固定的文档，比如招股说明书、研究报告、尽调报告和投资意向书等，从而提高效率，减少枯燥的重复性工作。
长远来看，人工智的优势是不容忽视的：智能设备可以7×24×365连续不间断地工作，不需要休息和度假；通过对大量数据进行筛选分析，帮助人们更高效、更准确地决策，降低决策难度；在分析问题时不受情绪和环境的影响，在一定程度上可以避免操作风险和道德风险。而金融行业是天然产生数据的行业，同时也是数据最能产生商业价值的地方，具备了成为人工智能具体实现的巨大优势。
网友评论