智能金融创领银行发展新机遇

杨望点评：随着新技术的迅速发展，人工智能正推动着金融科技进入智能时代。智能金融以其速度 快、精度高、成本低、个性化服务等优势而发展迅速。在传统银行业，已经有智能客服、智能投顾等 诸多应用。智能金融要突破现有业务、渠道和产品的限制，积极开展新兴技术的探索、研究和引入工作。

智能金融特点与发展路径

金融科技是指技术带来的金融创新，智能金融则是人工智能 在金融科技的具体应用。人工智能可以通过算法和模型模拟人的思维方式对输入数据做出反应，具有“快速处理”和“自主学习”两种能力。它以大数据为基础、计算能力为平台、深度学习算法为核。

回顾金融科技的发展，金融行业一直是新兴技术的积极应用者：从最早现代通信技术兴起带来的电子化，到互联网技术发展带来的网络化，再到智能手机等移动端普及带来的移动化，金融科技步入了智能化时代。

智能金融与传统银行业

智能金融的兴起无疑是对传统银行业的有益补充，能够提升其服务质量，高效而又便捷地将资金需求方与供给方连接在一起，省略了传统模式中不必要的中间环节。因此，智能金融以其速度快、精度高、成本低、个性化服务等优势而在银行业内发展迅速，并孕育了新的商业模式。

相对于传统金融方式，智能金融的优势十分显著。最主要的，就是可以使大数据间潜在的联系显现出来。由于银行业本身就是一个数据导向的行业，已经经过多年的数据发展和积累，加上可穿戴设备、 智能家居等智能硬件的兴起，将数据的维度扩充到线下，为智能金融中的大数据分析提供良好基础。同时，这些数据是可以量化的，比如工资涨跌、个人信贷偿还。

在这些数据的基础上，利用深度学习算法可以挖掘出它们之间多层次的关联关系，以此来发现客户的潜在需求；更重要的是，还可以把许多不可度量的事件量化，从而颠覆性地改变信用评估、风险定价等方式，为客户创造价值。

其次，智能金融可以改进银行业的服务流程，将数据与信息发布到银行的公开平台上，使金融服务变得更加透明化，有助于解决信息不对称问题。同时，计算机收集信息、处理数据、并行计算的速度都远快于人类。此外，模型还能不断迭代和优化，进行“试验-验证-学习”的正循环；而人工智能除了数据的输入、存储、处理以外，还能自主地进行学习和更新知识。所以，当经济行为持续或重复，且具备数字化的信息输入，即当问题可以清晰地界定时，智能金融能提供远比人工精确、快速的服务。

智能金融对于降低银行业的服务成本也有显著作用：首先，智能营销和智能客服能够帮助金融机构能够精确定位客户，降低获客成本；其次，通过智能营销对客户的筛选以及智能风控在整个业务流程中的风险识别、预警能力，降低风险甄别成本；最后，随着整个金融业务流程的智能化，银行的经营成本也会降低。

智能金融在传统银行业的具体应用

由于各种手机软件的上线，银行的支付业务、借贷业务以及投资业务等多方面已经受到冲击。新形势下，银行网点的服务重点正向着客户体验主导型转变，银行开始加大对数字化、智能化研究的投入，努力构建适应客户需求实时变化的“智慧银行”，积极推行新型智能化自助设备改造服务流程。各大银行一边努力提升自身的技术水平，成立自己的网络金融部、开  拓新业务；一边与各个互联网金融公司合作，优势互补、共谋发展。

人工智能与银行客服

随着语音识别、自然语言处理等人工 智能技术的深入发展，一批特殊的银行客服人员正逐渐进入大众的视线。客服机器人已从第一代的问答为主发展到融入深度学习技术的智能客服机器人，它们不仅能理解客户语言的上下文含义，还具有自我学习能力，能够理解口语化问题。

在日本，三菱东京银行的智能机器 人NAO自2016年3月开始了接待顾客的工作：除日语外它还可以用英文、中文等十九种语言进行服务，能够提供外币兑 换、自动取款、银行开户等基础服务，还可以通过跳舞、摆造型等方式让客户的等待时间不再无聊。在美国，从2010年起， 花旗银行便开始推广智能化网点，引导顾客通过数字渠道办理业务：客户既可以通过触摸屏查看各类服务信息，有需要时也可以通过视频的方式与工作人员沟通；花旗银行还推出了智能ATM，客户可以自助办理开户、贷款等业务，网上银行、手机 银行也可以进行交易。

在中国，各大银行的智能客服也正在试点运行，完善功能。民生银行的智能客服机器人小“ONE”2016年9月起在北京分行营业大厅上岗，能够办理几乎所有的大堂常规业务，还可以帮助顾客进行业务分流，同时提供公众教育服务、贵宾服务、等候区引导等其他服务事项。民生银行还致力于将小“ONE”继续升级和优化，计划实现全天候远程监控、客户识别、厅堂管家等功能。

最新式的智能客服机器人除了自动语意分析语音服务外，还连接了在线客服以及云平台，当遇见复杂问题无法回答的时候，系统将通过云平台切换到后台客服中心为客户提供服务。除了大厅经理的职责，随着计算机视觉与生物特征识别技术的完善，客服机器人还能够帮助金融机构识别客户和进行安全监控。平安银行运用人像识别技术，进行监控，能够识别可疑  人员与可疑行为，提高银行安全性。

人工智能与投资顾问

除了智能客服以外，人工智能技术还可以成为用户与金融产品的桥梁。将人工智能和投资顾问结合，产生了智能投顾。

在平时的生活中，可以看到各式各样 的“猜你喜欢”：视频网站会推荐个性化的影视节目、电商会推荐个性化的商品。 随着机器学习的广泛应用，在智能理财领域也能够利用能搜集到的各类数据识别用户的风险偏好，再根据用户不同的风险偏好提供个性化的投资方案。此外，人的风险偏好还可能随时发生变化，外部环境以及个人、家庭的突发事件都可能影响用户的风险偏好。如2015年下半年熊市的时 候，大批股民撤出股票市场，这就是外部环境变差导致风险偏好降低；再如用户突 然升职加薪，甚至还清了某笔贷款，都会提升用户的风险偏好。同时，这些影响因素都是可以被量化和记录的，经计算可以得到一条动态变化的风险偏好变化曲线。

智能投顾利用人工智能的算法，使用计算机完成传统由人工完成的理财顾问服务，通过用户友好型界面为顾客提供投资 组合管理建议。而使用传统的投资顾问，则需要昂贵的人工费用，还有受到情绪影 响的可能，并不能完全排除非理性因素。

智能投顾的使用并不需要太多关于金融市场和金融产品的知识。经过严谨的问卷调查和评估，智能投顾可以根据客户的年龄、性别、收入、心理特征的差异了解客户的风险偏好；同时，通过计算机对监 控数据进行自动、实时的计算，可以得到客户的风险偏好变化轨迹。这样，在全面地了解了客户自身的理财需求和风险偏好后，再通过一系列计算机算法自动定制其个性化投资方案，不会不顾风险地追求高收益；而且可以根据客服风险偏好的变化随时调整方案，在用户可以接受的风险范围内实现收益最大化。与传统投资顾问提供服务所要求的资金门槛相比，智能投顾要求客户的投资门槛非常低，很多根本没有要求；同时，由于其最终目标是服务于大量客户群体，产生规模效益，因此向客户收取的费用相对较低，很多国内的智能  投顾甚至没有服务费。

智能投顾最早由美国Wealthfront公司于2008年底推出，最初的主要客户为硅谷的科技员工。2015年年初，我国成立了第一批智能投顾公司，各大银行、金融科技公司纷纷投入资金与人力开始研发智能投顾系统，已经可以提供资产管理、投资顾问等投资前期和中期的服务。

截至目前，中国已经成为仅次于美国的世界第二大智能投顾资管规模的国家。根据Statista预测的数据，2017年底中国智能投顾资管规模将达到271亿美元；从用户数量来看，2017年中国智能投顾的用户数量约为646.5万人，成为用户最多的国家。

摩羯智投是我国国内银行业首家智能投顾，也是国内最大的智能投顾。它是招商银行在2016年12月6日发布的一款手机端应用，嵌入在招商银行的APP中，目 前规模已突破50亿。它并不是一个单一的产品，而是包含了基金投资全部流程的一 系列资产配置服务；还融入了招商银行十多年来的风险管理体系和基金研究经验，利用机器学习算法，构建以公募基金为基 础、囊括全球资产配置的“智能基金组合 配置服务”。2017年以来，摩羯智投获得了4.03%的平均收益率，总体表现优于上证指数和中证全债，将风险有效地控制在客户选择的“目标-风险”范围之内。

智能金融在银行业的未来发展

良好的政策环境和社会环境为智能 金融的未来发展提供了一片沃土。从政策环境层面，国内政策层面对于人工智能的重视、扶持力度逐渐加大，推进的领域 也越来越具体化与多元化。2017年7月，国务院印发了《新一代人工智能发展规 划》，提到“建立金融大数据系统，提升 金融多媒体数据处理与理解能力……鼓励金融行业应用智能客服、智能监控等技术和装备。建立金融风险智能预警与防控系统。”从社会环境层面，国内居民可支配收入与可投资资产逐年稳步增长，居民对金融资产的配置需求加大。从经济环境层面，智能金融相关应用场景投资热度高涨，备受资本青睐。仅2016年，我国人工智能领域投资总额为16.6亿美元，金融科技领域投资总额为4.6亿美元。

面临众多机遇，智能金融想要在银行业长足发展，也存在着来自技术理论与实际应用两方面的挑战。一方面，数据的接收和处理是智能金融在应用过程中必须解决的问题，如果数据使用不当或是数据不全，容易导致结果出现意想不到的偏差，因此需要强大的金融知识去指导后台模型的搭建；另一方面，大部分智能金融还处于起步阶段，有很多现实问题亟待解决， 比如如何与传统银行服务争夺市场、如何引导与满足大众对智能金融的认知与期望，这些看起来与专业不相关的问题可能 不经意间改变智能金融未来的走势。

因此，在机器、算法与人工三个方面，智能金融首先需要完善数据的存储与提取方式，实现重复与无效信息的自动过 滤、剔除；其次，需要继续发挥机器在数据处理方面的优势，优化机器学习算法，力争实现特殊数据出现时的自动预警，实现风险监控功能，预防系统性风险；最后，还需要充分发挥人的主观能动性，将 传统银行从业者的经验融入算法模型中，这需要传统银行与科技企业的深度合作。

智能金融的未来发展将向着智能化、 个性化和场景化三个方向继续前进。首先要以智能化为基础：从早期仅能实现基础的数据收集、录入以及整理工作，到现在实现数据的简单分析工作，再到未来可以实现数据的决策支持和深度洞察。其次，未来对于不同的客户还要提供更加个性化的服务，这需要对数据进行更深入的挖 掘和分析。最后，智能金融将驱动金融业 不再局限于以前“金融”标签，而是以亲民、便利的形象深入大家的日常生活，也 就是场景化。

人工智能虽然不能完全替代人类，但可以对人的工作起到很好的辅助作用。除了客服与投资顾问外，人工智能在银行业还有很多其他的应用，但是这些运用的广度和深度还远远不够。智能金融要突破现有业务、渠道和产品的限制，积极开展新兴技术的探索、研究和引入工作。