譯者 | 劉濤

審校 | 重樓

人工智能（AI）正快速重塑金融行業(yè)，從新興技術(shù)發(fā)展為競爭優(yōu)勢核心力量。它在金融領(lǐng)域解鎖諸多重大機(jī)遇，如機(jī)器學(xué)習(xí)模型可快速識(shí)別可疑活動(dòng)、提供個(gè)性化客戶體驗(yàn)；人工智能驅(qū)動(dòng)的支付系統(tǒng)提升交易速度、減少糾紛，讓全球金融服務(wù)更易獲取；在投資與交易中，預(yù)測分析和自然語言處理助力挖掘市場洞察、評估風(fēng)險(xiǎn)、實(shí)現(xiàn)決策自動(dòng)化，提升業(yè)績并使金融工具獲取更普及；全球范圍內(nèi)，AI強(qiáng)化了跨境協(xié)作與合規(guī)性，金融機(jī)構(gòu)借助 API、實(shí)時(shí)數(shù)據(jù)共享和監(jiān)管科技打造更透明靈活的跨司法管轄區(qū)系統(tǒng)。本手冊深入探討 AI 如何引領(lǐng)金融行業(yè)新時(shí)代，為銀行高管、金融科技創(chuàng)新者和政策制定者提供實(shí)用見解與工具，助力機(jī)構(gòu)邁向智能、數(shù)據(jù)驅(qū)動(dòng)的未來。

目錄

第1章：金融領(lǐng)域應(yīng)用人工智能：必然趨勢而非一時(shí)熱潮

第2章：金融領(lǐng)域人工智能的發(fā)展現(xiàn)狀——當(dāng)下人工智能與創(chuàng)新處于何種階段？

第3章：金融科技中人工智能的案例剖析——全球應(yīng)用實(shí)例及金融領(lǐng)域人工智能的深度分析

第4章：數(shù)據(jù)在金融行業(yè)的關(guān)鍵作用——基礎(chǔ)設(shè)施、數(shù)據(jù)倉儲(chǔ)與安全保障

第5章：模型的科學(xué)原理——機(jī)器學(xué)習(xí)、自然語言處理與預(yù)測分析

第1章：金融領(lǐng)域應(yīng)用人工智能：必然趨勢而非一時(shí)熱潮

長期以來，金融行業(yè)在新技術(shù)采用上處于前沿，從大型機(jī)系統(tǒng)到實(shí)時(shí)交易平臺(tái)，積極接納能提升速度、效率和洞察力的工具。但如今，世界變化迅速，人工智能（AI）和數(shù)據(jù)驅(qū)動(dòng)技術(shù)正重新定義金融創(chuàng)新。

創(chuàng)新差距顯著

即便在數(shù)字化程度高的地區(qū)，許多金融機(jī)構(gòu)仍嚴(yán)重依賴傳統(tǒng)系統(tǒng)，核心銀行基礎(chǔ)設(shè)施陳舊，手動(dòng)合規(guī)檢查、分散數(shù)據(jù)存儲(chǔ)和缺乏實(shí)時(shí)分析等問題普遍。在金融歷史悠久國家，傳統(tǒng)模式阻礙進(jìn)步，金融科技初創(chuàng)企業(yè)憑借云原生、以人工智能為先的方法快速發(fā)展，而傳統(tǒng)金融機(jī)構(gòu)在核心服務(wù)數(shù)字化及數(shù)據(jù)引領(lǐng)發(fā)展方面困難重重。這種差距帶來日益增長的風(fēng)險(xiǎn)，拖延轉(zhuǎn)型的機(jī)構(gòu)在客戶服務(wù)、風(fēng)險(xiǎn)緩解、欺詐預(yù)防和投資業(yè)績等方面都會(huì)落后。

AI優(yōu)勢凸顯

人工智能雖非萬能，但在金融各領(lǐng)域有具體優(yōu)勢：

• 零售銀行：用替代數(shù)據(jù)改善服務(wù)、實(shí)現(xiàn)產(chǎn)品個(gè)性化、檢測欺詐、優(yōu)化信貸決策。
• 投資與資產(chǎn)管理：預(yù)測分析助力經(jīng)理發(fā)現(xiàn)趨勢，智能投顧提供定制建議，自然語言處理轉(zhuǎn)化市場信息為洞察。
• 支付與金融科技：機(jī)器學(xué)習(xí)模型減少欺詐、優(yōu)化支付路由、提升合規(guī)性。
• 保險(xiǎn)與風(fēng)險(xiǎn)：人工智能模型實(shí)時(shí)評估風(fēng)險(xiǎn)、自動(dòng)化承保和理賠處理。
• 交易與對沖基金：強(qiáng)化學(xué)習(xí)和情緒分析等重塑交易。
• 合規(guī)與安全：自然語言處理自動(dòng)化監(jiān)管文件審查，異常檢測發(fā)現(xiàn)可疑交易。

聚焦投資回報(bào)

人工智能概念引發(fā)炒作和猶豫很正常，金融領(lǐng)導(dǎo)者需看到可衡量的投資回報(bào)率。明智采用人工智能應(yīng)聚焦：

• 解決實(shí)際業(yè)務(wù)問題（例如，將貸款處理時(shí)間縮短 60%）
• 提升客戶關(guān)鍵績效指標(biāo)（例如，個(gè)性化金融建議使客戶留存率提高 20%）
• 削減運(yùn)營成本，如實(shí)現(xiàn)對賬自動(dòng)化
• 增強(qiáng)安全與合規(guī)性，應(yīng)對日益嚴(yán)峻的復(fù)雜威脅總之，人工智能不是未來考慮的工具，而是當(dāng)下和未來金融運(yùn)營的支柱。

第2章：金融領(lǐng)域人工智能的發(fā)展現(xiàn)狀——當(dāng)下人工智能與創(chuàng)新處于何種階段？

金融本質(zhì)與評判標(biāo)準(zhǔn)的轉(zhuǎn)變

金融作為管理資金的科學(xué)與商業(yè)活動(dòng)，其本質(zhì)未變，但推動(dòng)發(fā)展的方式、期望和技術(shù)已發(fā)生根本性變革。當(dāng)下，衡量金融機(jī)構(gòu)的標(biāo)準(zhǔn)轉(zhuǎn)向服務(wù)速度、客戶體驗(yàn)個(gè)性化程度、數(shù)據(jù)與基礎(chǔ)設(shè)施安全性、風(fēng)險(xiǎn)與資本配置的智能化水平以及數(shù)據(jù)利用的有效性。

2025 年金融：數(shù)據(jù)核心與 AI 驅(qū)動(dòng)

金融活動(dòng)產(chǎn)生的數(shù)字足跡蘊(yùn)含巨大價(jià)值，能夠高效捕獲、整理、分析數(shù)據(jù)并據(jù)此行動(dòng)的金融機(jī)構(gòu)將脫穎而出。人工智能成為這場變革的核心驅(qū)動(dòng)力，然而其在全球金融領(lǐng)域的應(yīng)用水平參差不齊。

金融領(lǐng)域 AI 的卓越表現(xiàn)

大型金融機(jī)構(gòu)在應(yīng)用人工智能方面成果顯著，主要體現(xiàn)在以下領(lǐng)域：

• 欺詐檢測與風(fēng)險(xiǎn)管理：人工智能模型可實(shí)時(shí)分析數(shù)據(jù)模式與異常，在毫秒級(jí)時(shí)間內(nèi)檢測欺詐行為，如萬事達(dá)卡和維薩卡運(yùn)用機(jī)器學(xué)習(xí)技術(shù)監(jiān)測欺詐性交易。
• 算法與量化交易：對沖基金借助機(jī)器學(xué)習(xí)，基于海量數(shù)據(jù)源進(jìn)行預(yù)測建模，文藝復(fù)興科技公司（Renaissance Technologies）和雙西格瑪公司（Two Sigma）是其中的典型代表。
• 智能投顧與個(gè)人理財(cái)：相關(guān)平臺(tái)利用人工智能提供自動(dòng)化、個(gè)性化的投資策略，Betterment 和 Wealthfront 是此類平臺(tái)的范例。
• 客戶服務(wù)：聊天機(jī)器人和人工智能助手承擔(dān)了銀行大量的客戶互動(dòng)工作，有效降低了客戶支持成本，美國銀行和匯豐銀行在這方面已有應(yīng)用。

存在差距的領(lǐng)域

眾多金融機(jī)構(gòu)，尤其是西歐、東南亞和拉丁美洲的傳統(tǒng)銀行與保險(xiǎn)公司，在人工智能應(yīng)用方面仍較為滯后，面臨的挑戰(zhàn)包括：

• 傳統(tǒng)核心系統(tǒng)制約：老舊的基礎(chǔ)設(shè)施導(dǎo)致數(shù)據(jù)集成和自動(dòng)化困難。
• 數(shù)據(jù)孤島問題：缺乏集中的數(shù)據(jù)倉庫或數(shù)據(jù)湖，阻礙了先進(jìn)人工智能建模的開展。
• AI 人才短缺：銀行內(nèi)部專業(yè)人才匱乏，多依賴第三方工具。
• 監(jiān)管擔(dān)憂：對合規(guī)性和數(shù)據(jù)隱私的顧慮減緩了創(chuàng)新步伐，盡管人工智能有助于滿足監(jiān)管要求。世界經(jīng)濟(jì)論壇 2023 年報(bào)告顯示，盡管85%的金融高管認(rèn)為人工智能對未來增長“至關(guān)重要”，但核心業(yè)務(wù)大規(guī)模部署人工智能的比例不足35%。

第3章：金融科技中人工智能的案例剖析——全球應(yīng)用實(shí)例及金融領(lǐng)域人工智能的深度分析

人工智能在金融領(lǐng)域已投入實(shí)際運(yùn)營，全球各大領(lǐng)先機(jī)構(gòu)正部署機(jī)器學(xué)習(xí)、自然語言處理（NLP）和生成式人工智能，用于優(yōu)化和重新定義金融流程。以下是不同金融機(jī)構(gòu)應(yīng)用人工智能的案例：

摩根大通——COiN（合同智能平臺(tái)）

• 國家：美國
• 功能：法律自動(dòng)化與文檔審查
• 人工智能應(yīng)用：自然語言處理和機(jī)器學(xué)習(xí)
• 影響：減少36萬小時(shí)人工審查時(shí)間
• 具體作用：實(shí)現(xiàn)法律文檔審查自動(dòng)化，掃描文檔識(shí)別關(guān)鍵條款、義務(wù)和風(fēng)險(xiǎn)，節(jié)省運(yùn)營成本，幫助銀行遵守監(jiān)管要求，提高生產(chǎn)力和法律監(jiān)督。

貝萊德——阿拉丁（資產(chǎn)、負(fù)債、債務(wù)與衍生品投資網(wǎng)絡(luò)）

• 國家：美國（全球部署）
• 功能：風(fēng)險(xiǎn)管理、投資組合構(gòu)建、投資運(yùn)營
• 人工智能應(yīng)用：預(yù)測分析、實(shí)時(shí)風(fēng)險(xiǎn)建模
• 影響：為約21萬億美元管理資產(chǎn)提供支持
• 具體作用：模擬市場情景，預(yù)測資產(chǎn)表現(xiàn)，識(shí)別投資組合管理運(yùn)營潛在差距，被全球眾多金融機(jī)構(gòu)使用，使貝萊德轉(zhuǎn)型為技術(shù)提供商。

高盛——馬庫斯與人工智能驅(qū)動(dòng)的消費(fèi)金融

• 國家：美國
• 功能：消費(fèi)銀行、數(shù)字借貸
• 人工智能應(yīng)用：行為分析、自然語言處理、個(gè)性化服務(wù)
• 影響：通過人工智能增強(qiáng)的數(shù)字渠道管理超1000億美元存款
• 具體作用：分析替代數(shù)據(jù)源評估信用狀況，擴(kuò)展信貸服務(wù)群體；提供個(gè)性化金融解決方案；加快開戶驗(yàn)證過程。

螞蟻集團(tuán)——超級(jí)應(yīng)用金融中的人工智能

• 國家：中國
• 功能：移動(dòng)支付、信貸、保險(xiǎn)、財(cái)富管理
• 人工智能應(yīng)用：深度學(xué)習(xí)、基于行為的信用評分、欺詐檢測
• 影響：人工智能驅(qū)動(dòng)的服務(wù)惠及超10億用戶
• 具體作用：芝麻信用評估信用狀況；實(shí)時(shí)異常檢測系統(tǒng)防范欺詐；聊天機(jī)器人解決超95%客戶咨詢。

第4章：數(shù)據(jù)在金融行業(yè)的關(guān)鍵作用——基礎(chǔ)設(shè)施、數(shù)據(jù)倉儲(chǔ)與安全保障

在數(shù)字時(shí)代，數(shù)據(jù)已然成為金融行業(yè)的命脈。金融機(jī)構(gòu)的決策高度依賴海量數(shù)據(jù)，而有效處理這些數(shù)據(jù)則需要先進(jìn)的基礎(chǔ)設(shè)施和深厚的技術(shù)底蘊(yùn)。以下將圍繞金融數(shù)據(jù)管理的關(guān)鍵方面展開探討。

數(shù)據(jù)存儲(chǔ)與處理：數(shù)據(jù)湖、倉庫與實(shí)時(shí)技術(shù)

處理大規(guī)模數(shù)據(jù)時(shí)，金融機(jī)構(gòu)需在數(shù)據(jù)湖和數(shù)據(jù)倉庫之間做出抉擇。數(shù)據(jù)湖作為集中式存儲(chǔ)庫，可大規(guī)模存儲(chǔ)結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，無需預(yù)處理，適用于探索性分析、高級(jí)分析和機(jī)器學(xué)習(xí)，具有可擴(kuò)展性強(qiáng)、成本效益高、能容納數(shù)據(jù)多樣性等優(yōu)勢，但數(shù)據(jù)質(zhì)量保障是挑戰(zhàn)，需建立治理框架。數(shù)據(jù)倉庫則專為預(yù)處理且優(yōu)化分析的結(jié)構(gòu)化數(shù)據(jù)設(shè)計(jì)，存儲(chǔ)歷史數(shù)據(jù)用于商業(yè)智能、報(bào)告和戰(zhàn)略決策，其優(yōu)勢在于查詢性能高、數(shù)據(jù)完整性好、支持商業(yè)智能，但成本高且靈活性低。

實(shí)時(shí)數(shù)據(jù)處理是金融服務(wù)成功的關(guān)鍵，涵蓋攝取和處理兩個(gè)環(huán)節(jié)。實(shí)時(shí)數(shù)據(jù)攝取借助 Apache Kafka、AWS Kinesis 等流處理技術(shù)，將各類來源數(shù)據(jù)持續(xù)流入中央系統(tǒng)即時(shí)處理；攝取后的數(shù)據(jù)通過 Apache Flink、谷歌 Dataflow 等流分析平臺(tái)立即處理，生成洞察或觸發(fā)行動(dòng)，廣泛應(yīng)用于欺詐檢測、算法交易、客戶交互等場景。

安全合規(guī)與云平臺(tái)：保障與支撐

金融數(shù)據(jù)既是資產(chǎn)也是責(zé)任，需嚴(yán)格遵守法規(guī)并保障安全。如 GDPR、FINRA 和 SEC 等法規(guī)為金融數(shù)據(jù)的處理、存儲(chǔ)和保護(hù)設(shè)定了準(zhǔn)則，金融機(jī)構(gòu)必須確保合規(guī)。同時(shí)，采用加密、多因素身份驗(yàn)證（MFA）和數(shù)據(jù)掩碼等措施，防止數(shù)據(jù)遭受攻擊、泄露和未經(jīng)授權(quán)的訪問。

云平臺(tái)是現(xiàn)代金融數(shù)據(jù)管理的支柱，以 AWS、GCP 和 Azure 為代表，提供可擴(kuò)展的基礎(chǔ)設(shè)施、分析工具和機(jī)器學(xué)習(xí)服務(wù)。其具有可擴(kuò)展性，能滿足安全與合規(guī)要求，提供高級(jí)分析和機(jī)器學(xué)習(xí)工具，廣泛應(yīng)用于風(fēng)險(xiǎn)分析、欺詐檢測與預(yù)防、客戶服務(wù)自動(dòng)化等領(lǐng)域。金融機(jī)構(gòu)通過采用合適的數(shù)據(jù)基礎(chǔ)設(shè)施，可增強(qiáng)決策能力、提高安全合規(guī)性和客戶體驗(yàn)，掌握數(shù)據(jù)管理藝術(shù)的機(jī)構(gòu)將成為未來金融生態(tài)的領(lǐng)導(dǎo)者。

第5章：模型的科學(xué)原理——機(jī)器學(xué)習(xí)、自然語言處理與預(yù)測分析

金融領(lǐng)域的人工智能屬于應(yīng)用科學(xué)范疇，它依托機(jī)器學(xué)習(xí)、自然語言處理以及預(yù)測分析的深度融合，旨在滿足金融環(huán)境對于準(zhǔn)確性、可解釋性以及風(fēng)險(xiǎn)承受能力的嚴(yán)苛要求，進(jìn)而重塑金融決策流程。

時(shí)間序列預(yù)測：金融預(yù)測的核心引擎

時(shí)間序列預(yù)測是金融建模的核心基礎(chǔ)，其充分考量了數(shù)據(jù)的時(shí)間依賴性，在金融領(lǐng)域有著廣泛的應(yīng)用。其核心應(yīng)用場景包括資產(chǎn)價(jià)格預(yù)測、流動(dòng)性預(yù)測以及信用風(fēng)險(xiǎn)監(jiān)測等。在技術(shù)層面，常采用 ARIMA、Prophet、LSTM 以及基于滾動(dòng)特征的 XGBoost 等模型。然而，該技術(shù)面臨著噪聲信號(hào)比高、數(shù)據(jù)非平穩(wěn)性以及過擬合等風(fēng)險(xiǎn)。通過結(jié)合特征工程與特定領(lǐng)域的約束條件，能夠有效提高預(yù)測結(jié)果的可靠性。

風(fēng)險(xiǎn)建模：量化金融不確定性

風(fēng)險(xiǎn)建模在金融領(lǐng)域具有舉足輕重的地位，機(jī)器學(xué)習(xí)技術(shù)的應(yīng)用使其更加精細(xì)化。其應(yīng)用場景廣泛，涵蓋了信用風(fēng)險(xiǎn)、市場風(fēng)險(xiǎn)（如 VaR、CVaR）以及操作風(fēng)險(xiǎn)評估等。在技術(shù)實(shí)現(xiàn)上，常用的模型有 GBM、隨機(jī)森林、SVM 和神經(jīng)網(wǎng)絡(luò)等。同時(shí)，為確保模型的可解釋性，常借助 SHAP 值或 LIME 等工具。例如，銀行運(yùn)用 XGBoost 模型預(yù)測信用卡違約情況，并使用 SHAP 值進(jìn)行結(jié)果解釋。

自然語言處理（NLP）：挖掘文本數(shù)據(jù)價(jià)值

金融機(jī)構(gòu)積累了大量的非結(jié)構(gòu)化文本數(shù)據(jù)，自然語言處理技術(shù)能夠從中提取有價(jià)值的見解。其應(yīng)用案例包括文檔審查與合同分析、情感分析、監(jiān)管合規(guī)以及客戶服務(wù)聊天機(jī)器人等。在技術(shù)手段方面，傳統(tǒng)方法有 NER、詞袋模型等，現(xiàn)代則基于 Transformer 架構(gòu)，如 FinBERT，還可借助 GPT - 4 等實(shí)現(xiàn)文檔的智能處理。

欺詐檢測：異常識(shí)別與無監(jiān)督學(xué)習(xí)的應(yīng)用

欺詐檢測是金融領(lǐng)域具有高回報(bào)率的應(yīng)用場景，機(jī)器學(xué)習(xí)在該領(lǐng)域表現(xiàn)優(yōu)于傳統(tǒng)規(guī)則系統(tǒng)。其優(yōu)勢在于能夠?qū)W習(xí)用戶的正常行為模式，并實(shí)時(shí)標(biāo)記異常情況。在模型方法上，無監(jiān)督學(xué)習(xí)采用聚類、自動(dòng)編碼器和隔離森林等；半監(jiān)督學(xué)習(xí)結(jié)合少量標(biāo)記數(shù)據(jù)和大量未標(biāo)記數(shù)據(jù)；此外，還可運(yùn)用行為生物識(shí)別技術(shù)。例如，Revolut 采用自動(dòng)編碼器模型處理實(shí)時(shí)交易數(shù)據(jù)。

金融人工智能解決方案融合了數(shù)學(xué)建模、數(shù)據(jù)工程以及專業(yè)知識(shí)，上述各項(xiàng)技術(shù)工具構(gòu)成了其技術(shù)基礎(chǔ)。金融高管需深入理解這些技術(shù)，以引領(lǐng)金融行業(yè)的創(chuàng)新發(fā)展。

譯者介紹

劉濤，51CTO社區(qū)編輯，某大型央企系統(tǒng)上線檢測管控負(fù)責(zé)人。

原文標(biāo)題：AI in Finance: Transforming Investments and Banking in the Digital Age，作者：Tatev Aslanyan