人工智能如何颠覆金融业

执行摘要

通用技术是经济学家为刺激长期经济增长和社会进步、彻底改变家庭和企业运营的技术而保留的术语。 一个示例通用技术是电力。 电力催生了许多产品和部门，包括冰箱、洗衣机、火车，当然还有电脑。 电力的出现彻底改变了世界。

哈佛商业评论最近的一篇文章将人工智能 (AI) 指定为我们这个时代最重要的通用技术。 我们熟悉人工智能的力量。 它以机器人击败世界知名棋手的形式表现出来。 可以平行停放的汽车。 当我们询问时响应明天天气的设备。 但我们与人工智能的大部分接触和理解都围绕着影响我们作为消费者日常生活的产品。 在组织层面，关于人工智能将如何颠覆行业，特别是金融服务将如何利用人工智能存在更大的问题。

下一篇文章将定义人工智能、其相关技术的领域、整个人工智能产业的规模以及人工智能在金融中的应用。 本文无意对人工智能发展提供规范性判断； 相反，它将关注人工智能如何颠覆金融业。

人工智能：什么是人工智能？

人工智能是计算机科学的一个领域，专注于创造像人类一样运作的智能机器。 人工智能计算机旨在执行人类功能，包括学习、决策、规划和语音识别。

人工智能使机器能够不断提高其性能，而无需人类提供有关如何做到这一点的说明性说明。 这很重要，有几个原因。 首先，人类知道的比我们能说的要多。 也就是说，人类可能能够在国际象棋游戏中识别人脸或执行智能策略。 然而，在先进的人工智能技术出现之前，人类无法表达我们的知识意味着我们无法自动化许多任务。 其次，人工智能技术在执行方面是超人的，比人类运行得更快、更准确。

人工智能技术

人工智能包含多种能力和技术。 咨询公司普华永道强调，人工智能“不是一个单一的主题领域。 它包含许多东西，所有这些都增加了我们对“智能”意味着什么的概念。”以下是一些最受欢迎的人工智能领域：

• 机器学习是一种自动化分析模型构建的数据分析方法。 使用从数据中迭代学习的算法，机器学习使计算机能够找到隐藏的洞察力，而无需明确编程到何处查找。
• 深度学习是机器学习的一个子集。 它促进了图像、视频标记和活动识别中的对象识别，并在感知（包括音频和语音）方面取得了进展。 例如，Facebook 的深度学习应用程序 DeepFace 已经过训练，可以识别照片中的人物。 许多人将深度学习技术与生物学进行了比较，但专家们普遍认为，虽然受到人脑的启发，但不一定以人脑为模型。
• 自然语言处理是计算机程序实时理解人类语音的能力。 研究和开发正在转向能够通过对话与人互动的系统，而不仅仅是对程式化的请求做出反应。
• 物联网 (IoT)致力于将各种设备（包括电器、车辆和建筑物）互连起来。 例如，如果您的闹钟在早上 7:00 响起，它会自动通知您的咖啡机开始为您冲泡咖啡。 在佩戴时充当传感器的可穿戴技术也是这一更大趋势的一部分。

当然，这份清单并不全面。 有关更广泛的人工智能主题和技术，请参见下文。

人工智能市场规模

前面提到的哈佛商业评论文章预测，“人工智能的影响将在未来十年被放大，因为制造、零售、运输、金融、医疗保健、法律、广告、保险、娱乐、教育以及几乎所有其他行业都会改变他们的核心流程和业务模型以利用机器学习。 瓶颈在于管理、实施和商业想象力。”

人工智能在各行各业的广泛采用预计将推动 2017 年和 2020 年的全球收入分别为 125 亿美元和 470 亿美元，2016 年至 2020 年的复合年增长率 (CAGR) 为 55.1%。具体而言，投资最多的行业是该技术是银行和零售，其次是医疗保健和制造业。 总体而言，这四个行业将占 2016 年全球人工智能收入的一半以上，银行和零售行业各贡献近 15 亿美元。

纵观各行各业，2017 年最大的人工智能投资将集中在自动化客户服务代理、自动化威胁情报和欺诈分析等领域（见下表）。 市场研究公司 IDC 的项目主管 Jessica Goepfert 表示：“认知系统的近期机会在于银行、证券和投资以及制造业等行业。 在这些细分市场中，我们发现了大量非结构化数据，渴望从这些信息中获得洞察力，并且对创新技术持开放态度。” 本文的下一部分将深入研究金融服务行业中人工智能的各种用例。

人工智能在金融领域的现状和未来应用

金融领域的人工智能可以提高从风险管理和交易到承保和索赔等领域的运营效率。 虽然一些应用程序与金融服务中的特定部门更相关，但其他应用程序可以全面利用。

金融中的人工智能：风险管理

在安全和欺诈检测方面，人工智能已被证明非常有价值。 传统的欺诈检测方法包括计算机根据一组规则分析结构化数据。 例如，给定的支付公司可能将电汇的门槛设置为 15,000 美元，以便任何超过该金额的交易都将被标记为进一步调查。 但是，这种类型的分析会产生许多误报，并且需要大量额外的工作。 也许更重要的是，网络犯罪欺诈者经常改变他们的策略。 因此，最有效的系统必须不断变得更加智能。

借助先进的学习算法，例如来自深度学习的算法，可以将新功能添加到系统中以进行动态调整。 Deloitte Transactions and Business Analytics LLP 的顾问负责人 Samir Hans 表示：“借助认知分析，欺诈检测模型可以变得更加稳健和准确。 如果认知系统排除了它认为是潜在欺诈的东西，而人类因为 X、Y 和 Z 而确定它不是欺诈，那么计算机将从这些人类洞察中学习，并且下次它不会以你的方式发送类似的检测. 计算机变得越来越智能。”

PayPal 在人工智能和欺诈检测方面的成功

以支付巨头 PayPal 及其先进的欺诈协议为例。 由于其规模和知名度，PayPal“背上了一个巨大的目标”。 2015 年，它从 1.7 亿客户的 400 万笔交易中处理了 2350 亿美元。 然而，PayPal 已经能够通过利用深度学习技术来提高安全性。 事实上，PayPal 的欺诈行为相对较低，仅为收入的 0.32%，远高于商家看到的 1.32% 的平均水平。

过去，PayPal 使用简单的线性模型。 今天，它的算法从客户的购买历史中挖掘数据，并审查存储在其不断增长的数据库中的可能欺诈模式。 虽然线性模型可以使用 20-30 个变量，但深度学习技术可以控制数千个数据点。 这些增强的功能有助于 PayPal 区分无辜交易和可疑交易。 根据 PayPal 全球风险科学高级总监王辉的说法，“我们从更现代、更先进的机器学习中享受到的是它能够消耗更多数据、处理层层抽象并能够‘看到’事物 [... ] 甚至人类也可能看不到。”

金融中的人工智能：交易

从人工构建的模型过渡到真正的 AI

多年来，投资管理公司一直依靠计算机进行交易。 大约 1,360 家对冲基金（占所有基金的 9%）依赖于由通常拥有数学博士学位的数据科学家（也称为“量化专家”）建立的大型统计模型。 然而，这些模型仅利用历史数据，通常是静态的，需要人工干预，并且在市场变化时表现不佳。 因此，资金越来越多地转向真正的人工智能模型，这些模型不仅可以分析大量数据，还可以继续自我改进。

这些新技术利用了复杂的技术，包括深度学习、一种称为贝叶斯网络的机器学习形式，以及受遗传学启发的进化计算。 人工智能交易软件可以吸收海量数据来了解世界并对金融市场做出预测。 为了了解全球趋势，他们可以阅读从书籍、推文、新闻报道、财务数据、收益数字和国际货币政策到《周六夜现场》草图的所有内容。

需要明确的是，上述内容与高频交易 (HFT) 不同，高频交易允许交易者在几秒钟内执行数百万个订单并扫描多个市场，以人类根本无法应对的机会。 上面讨论的人工智能驱动的平台正在寻求长期的最佳交易，而机器——而不是人类——正在决定策略。

其中一些人工智能交易系统是由初创公司开发的。 例如，总部位于香港的 Aidiya 是一家完全自主的对冲基金，它使用人工智能 (AI) 进行所有股票交易。 “如果我们都死了，”联合创始人 Ben Goertzel 说，“它会继续交易。” 传统机构也对人工智能交易技术感兴趣。 2014 年，高盛领投了 A 轮融资，并开始安装一个名为 Kensho 的人工智能交易平台。 Kensho的B轮融资中，除了标普全球，华尔街最大的六家银行（高盛、摩根大通、美银美林、摩根士丹利、花旗和富国银行）也参与其中。

交易表现比较

投资研究公司 Eurekahedge 最近进行的一项研究跟踪了 2010 年至 2016 年使用 AI 的 23 家对冲基金的表现，发现它们的表现优于由更传统的量化和广义对冲基金管理的基金。

对交易者和量化的影响

观察人工智能将如何影响贸易劳动力市场将会很有趣。 它的影响已经在一些主要银行机构中显现出来。 2000 年，高盛位于纽约总部的美国现金股票交易柜台雇佣了 600 名买卖股票的交易员。 今天，它有两个股票交易员，其余的由机器完成。 Kensho 首席执行官 Daniel Nadler 宣称：“10 年后，高盛的员工人数将比现在少得多。” 至于量化分析师，他们可能会发现投资管理公司对他们的技能的需求较少。

目前，大约三分之一的顶尖商科毕业生投身金融业。 一些国家最优秀的人才会去哪里？ 美国竞争力委员会高级顾问 Mark Minevich 认为，“其中一些聪明人将进入科技初创公司，或将帮助开发更多的人工智能平台、自动驾驶汽车或能源技术 [...] 纽约可能会与硅谷竞争科技谷。”

金融中的人工智能：机器人咨询

什么是机器人顾问，它是如何工作的？

机器人顾问是数字平台，可提供自动化的、算法驱动的财务规划服务，且人工监督最少。 虽然人类财务经理自 2000 年代初以来一直在使用自动投资组合分配，但投资者必须聘请顾问才能从该技术中受益。 今天，机器人顾问允许客户直接访问该服务。 与人类同行不同，机器人顾问不间断地监控市场并且全天候 24/7 可用。 机器人顾问还可以为投资者节省高达 70% 的成本，并且通常需要较低或没有最低参与。

今天，机器人顾问可以帮助完成更多重复性的任务，例如开户和资产转移。 该过程通常涉及客户回答有关风险偏好或流动性因素的简单问卷，然后机器人顾问将其转化为投资逻辑。 目前大多数智能投顾的目标是根据客户的偏好将客户分配到托管的 ETF 投资组合中。 预计未来的功能将演变为更先进的产品，例如自动资产转移和扩大房地产等替代资产类别的覆盖范围。

智能投顾可以对个人理财和财富管理领域产生重大影响。 虽然目前机器人顾问管理的总资产 (AUM) 仅占财富管理行业 4 万亿美元中的 100 亿美元（不到所有管理账户资产的 1%），但 Business Insider 的一项研究估计，到 2020 年，这一数字将上升到 10% . 这相当于大约 8 万亿美元的资产管理规模。

机器人咨询的行业采用

行业参与者对机器人咨询采取了不同的方法。 较小的财富管理公司正在添加算法组件以自动化其投资管理、降低成本/费用并与机器人顾问竞争。 另一方面，成熟的投资公司正在购买现有的智能投顾，例如 Invesco 收购 Jemstep，或创建自己的智能投顾解决方案，例如 FidelityGo 和 Schwab 的 Intelligent Advisory。

机器人顾问与财务顾问：人类会被取代吗？

专家们的普遍共识是，人类将仍然不可或缺。 人情味仍然至关重要，因为顾问仍需要在困难的财务时期安抚客户，并用有用的解决方案说服他们。 咨询公司埃森哲进行的一项研究显示，77% 的财富管理客户信任他们的财务顾问，而 81% 的人表示面对面的互动很重要。 对于具有复杂投资决策的客户，将计算机化服务与人工顾问相结合的混合咨询模式正在获得关注。

虽然财务顾问仍将是核心，但机器人顾问可能会导致他们的工作职责发生变化。 通过人工智能管理重复性任务，投资经理可能会承担数据科学家或工程师的职责，例如维护系统。 人类也可能更多地关注客户关系的建立和解释机器所做的决定。

金融中的人工智能：保险承保和索赔

保险依赖于人群之间的风险平衡； 保险公司将类似的人聚集在一起，有些人会要求赔付，而有些人则不需要。 该行业建立在风险评估之上； 保险公司对数据分析并不陌生。 但是，人工智能可以扩展分析的数据量以及使用方式，从而实现更准确的定价和其他运营效率。

初创公司处于推动行业向前发展的最前沿。 Bain & Co 的合伙人 Henrik Naujoks 表示：“初创企业正在展示什么是可能的，什么是可以做的。 许多现任高管都在关注它——他们并不真正了解它，但他们想参与其中。” 投资者也抓住了这一趋势（见下文）。 2016 年，人工智能是保险科技投资最热门的主题之一。

人工智能和核保

普华永道的一份报告预测，到 2020 年，人工智能将实现大量承保自动化，尤其是在数据可用的成熟市场。 目前，保险承保人在计算机软件和精算模型的帮助下，评估潜在客户的风险和敞口，他们应该获得多少保险，以及他们应该为此支付多少费用。 在短期内，人工智能可以帮助汽车、家庭、商业、人寿和团体保险的大量承保自动化。 未来，人工智能将增强建模能力，突出人类决策者的关键考虑因素，否则这些因素可能会被忽视。 还预测，考虑到独特的行为和情况，先进的人工智能将使公司或个人能够进行个性化承保。

增强型承保不仅可以利用机器学习进行数据挖掘，还可以利用可穿戴技术和深度学习面部分析仪。 例如，初创公司 Lapetus 想要利用自拍来准确预测预期寿命。 在他们提出的模型中，客户将通过电子邮件发送他们的自画像，然后计算机将对其进行扫描和分析——分析数千个面部区域。 该分析将考虑从基本人口统计数据到人的衰老速度、体重指数以及是否吸烟等所有方面。 此外，可穿戴技术可以使承保过程更具协作性。 可穿戴设备无需依赖冗长的医疗检查和复杂的合同流程，而是可以提供对投保人健康和行为的实时洞察。 显然，金融领域的机器学习已经在发展。

这些类型的细致入微的实时风险分析不仅可以实现更准确的客户定价，还可以及早发现健康风险，并为保险公司提供投资预防的机会。 保险公司可以主动尝试降低损害和相关成本的可能性，而不是最终为患者支付昂贵的治疗费用。

在 2013 年牛津大学的一项研究中，分析了 700 多个职业以确定哪些职业最容易受到计算机化的影响，保险承保人被列入最容易受到影响的前五名。 即使人工智能没有完全取代承销商，人工智能自动化也可以改变承销商的责任。 人工智能可以为承销商腾出时间来获得更高的附加值，例如在数据较少的新兴市场评估和定价风险，提供更多的风险管理和产品开发反馈。

人工智能和保险理赔

保险索赔是发送给保险公司的正式付款请求。 然后保险公司审查索赔的有效性，并在获得批准后向被保险人付款。 以下是人工智能如何增强这一过程：

提高客户数据的准确性。 索赔过程相当手动：人工代理手动记录客户信息和事件详细信息。 根据 Experian 的一份报告，数据质量可能会受到影响：不完整的数据占数据错误的 55%，而拼写错误占 32%。 人工智能可以通过减少人工输入来提高准确性。 此外，理赔流程通常需要保险代理人将客户信息与众多数据库进行匹配。 人工智能可以用来更有效地做到这一点。

更快的支付建议。 根据 JD Power & Associates 的一项财产索赔满意度研究，缓慢的索赔周期是导致客户不满意的最大因素之一。 人工智能可以通过首先验证保单，然后确定索赔以及是否自动付款来帮助减少周转时间。 这是因为人工智能不仅能够分析结构化数据，还能够分析手写表格和证书等非结构化数据。

金融中的人工智能：对话式银行业务和客户服务

银行正在利用他们面向客户的虚拟助手（称为聊天机器人）进行大赌注。 虽然早期版本的聊天机器人只能回答有关支出限制和最近交易的基本问题，但未来版本将成为可以为消费者付款和跟踪预算的全方位服务虚拟助手。 与客户互动可以节省大量成本，但人际互动无疑也比简单的数字运算更复杂。 批评者指出，聊天机器人缺乏同理心和理解力，而人类在处理困难的财务决策和情况时可能需要这种同情心和理解力。 对于这项技术，自然语言处理的人工智能技术对于处理和响应个性化的客户关注和愿望至关重要。

2016 年 10 月，美国银行和万事达卡分别推出了他们的聊天机器人 Erica 和 Kai。 这些将允许客户通过亚马逊 Echo 塔的 Facebook Messenger 询问有关其帐户的问题、发起交易并接收建议。

Capital One 还推出了自己的聊天机器人，名为“Eno”，它是“One”的字谜。 Eno 使客户能够使用基于文本的语言与银行聊天，以支付账单和检索帐户信息。 巴克莱银行也参与其中。 在描述美国银行的新聊天机器人时，美国银行数字银行业务负责人 Michelle Moore 宣称：“银行业将在两年、三年或四年内发展成什么样子？ 会是这个。”

离别的思念

人工智能对金融服务的全面影响有待观察。 一些未来学家认为，世界正在迅速接近一个临界点，即机器智能将超越人类智能的“奇点”。 包括比尔·盖茨和斯蒂芬·霍金在内的著名技术专家和科学家已经警告过这一点。 埃隆·马斯克（Elon Musk）还曾著名地敦促说：“人工智能是人类文明存在的根本性风险，我认为人们并不完全理解这一点。”

随着人工智能继续在我们的个人和职业生活中扩散，许多问题将继续出现。 其中包括潜在的错误、对机器的普遍不信任情绪以及对工作更换的担忧。 忽视这些恐惧是错误的。 尽管如此，社会已经在朝着人工智能驱动的世界加速前进。 在这个新世界中，关注机器和人类如何最好地共存可能是最有成效的。 政策制定者必须保持谨慎，在允许新技术发展的同时监测并尽量减少其负面影响。 开发人员和设计人员还应增强人类理解人工智能系统的能力，以建立信任并提高对人工智能应用程序的满意度。 每个人都将发挥作用。

正如日本银行行长黑田东彦在 2017 年人工智能和金融服务会议上所说， “我们必须建设性地考虑人类和人工智能相互补充而不是对抗的理想方式。 例如，人类判断并非完全摆脱现有范式，因此有时会忽略变化。 在这方面，人工智能可以通过中立地分析和发现无数[原文如此]数据之间的新关联来调整我们的偏见。 同时，人类可以用他们的直觉、常识和想象力来弥补人工智能的弱点。”