詮釋風險指標 人工智慧作用極其有限

□同濟大學副教授 王倩

在十三屆全國人大一次會議日前舉行的記者會上，科技部部長萬鋼表示，促進科技與金融的有效結合，為創業者成長提供全流程多樣化的金融服務。另外，他介紹，馬上就要發布人工智慧項目指南和細則，來突破基礎前沿理論關鍵部分的技術。

人工智慧可減少尋找優質客戶工作量

現代金融科技（Fintech）涵蓋許多領域和層面，利用人工智慧、大數據及雲計算等技術，為人們在金融領域提供更多更新的可能性，尤其在銀行信貸、投資理財和交易領域等。那麼，在當前人們對P2P網貸、智能投顧等熱烈擁抱的背景下，金融科技還有什麼新的發展模式呢？

以傳統概念下的商業銀行領域為例，銀行原有的主要業務模式為信貸管理。銀行從儲戶處獲得資金，通過合理架構，為需要資金的客戶提供貸款或進行投資。這是最簡單的傳統銀行業務。在這個流程中，金融科技可發揮重要作用。

在商業銀行信貸流程的前半部，即獲得儲戶與資金的過程中，銀行需要獲得好的資金，好的資金來自好的儲戶。這類儲戶具備穩定的現金流、優良的信用記錄等特徵。在確定優質儲戶標準的環節，大數據可發揮優勢。通過現有的大資料庫，以儲戶特徵及其資金特徵等為標識，銀行可有目的地獲取同自身期望相匹配的儲戶信息。通過這種途徑獲取的信息不僅規模大，篩選出的質量也高。

當獲得這些數據時，銀行就可啟動爭取儲戶環節。客戶經理可以開始有目的和戰略性地採取措施爭取這些儲戶。在這個環節中，不但大數據可發揮作用，人工智慧的力量也可參與其中。這不但可減少人為尋找優質客戶的工作量，還能有的放矢地提高效率。

分層投資收益方案助力風險與投資收益分析

對於商業銀行信貸流程的後半部，筆者也有些想法。例如，當前在金融市場上出現了藉助金融科技的網路眾籌平台，有房地產投資、私募、項目投資等。網路眾籌提供的平台，幫助需求資金方與提供資金方越過溝通信息的障礙，使雙方獲得更多交易對家及相關信息。

這個模式可擴展到銀行等金融機構類似的業務上，只要信息能相互匹配與映射、有交易特徵，可不拘泥於以上幾種投資資產模式。這種溝通模式在一定程度上推動了一種變革，即：早先由金融機構壟斷的一些金融行為與業務，現在可通過網路平台更便捷地實現。這在一定範圍內對銀行等金融機構是個挑戰與威脅，促使金融機構為適應科技進步做出一定程度的轉型。

在此類模式中，金融機構應發揮在金融領域的理解力，重點培植那些專有的、不可被複制的知識技術。例如，對信貸產品的信用評估，這就是機器所不能完全替代的任務，相應人員再培訓與再教育也應運而生。

但是，此類模式也有如下問題。首先，例如，網路眾籌平台提供的房地產投資與項目投資等資料要保證其可靠性，這個工作由誰來完成？如果是銀行，那麼銀行就要合理合法地收取從中產生的勞動的回報。

其次，傳統銀行為投資行為提供諮詢，例如風險與投資收益等分析。在網路眾籌平台上，風險與投資收益分析的任務由誰來完成？是銀行、投資人還是專業第三方機構？筆者認為，在這裡可以做分層投資收益方案，依據每個投資者業務能力與投資偏好不同，相應提供不同的收益層次，將這些投資分析工作應獲得的回報架構於整個模型中。傳統上，這項投資顧問的角色由銀行專業人員承擔。現在，這個角色被分層了：如果投資者具備足夠的投資分析能力，為他們設定的投資收益就可以高些；如果投資者需專業第三方機構幫助評判，那麼就應為投資者提供相對低些的投資收益（一部分收益轉讓給專業第三方機構）；如果投資者仍相信銀行，那麼該案例就類似於傳統的由銀行組建的投資類別。這個方案適用於所有投資產品，可涵蓋各種投資交易平台。

人工智慧尚無法勝任複雜風險結果理解與闡述

金融體系離不開風險管理與監管，筆者認為，由於當前的風險管理方法是依賴於各種技術指標進行判斷的，這些指標的計算是能通過機器來完成的，因而風險指標結果產生過程，是部分可通過人工智慧解決的。對風險指標結果，簡單任務可通過人工智慧詮釋；對複雜風險結果的理解與闡述，必須由人腦來完成：因為這需涉及多個維度與層面，需人腦綜合判斷。目前為止，人工智慧尚無法勝任這個任務。

還是以商業銀行借貸流程為例，銀行發放貸款時需對借款人進行信用評估。信用評估工作只能在一定程度上由人工智慧完成，例如那些標準化信用指標等。由於在信貸領域、尤其是私人信貸領域，人們評估借款人信用評級時依賴的指標在很大部分是那些人為的、非物質化的評判標準，而且不同評估產品供應商提供不同的評級打分級別，所以信用指標計算、尤其是對產生結果的闡述，很難完全由機器完成。目前，機器的理解力尚無法替代有經驗、有理解力的專業人員的評判。因為對這些人為因素的綜合理解，決定了借款人信用評級。人腦經驗維度，是機器目前為止達不到的。對新產生的風險特徵，機器沒有創新能力去理解，只有人腦通過思考才能完成這個任務，機器的記憶與邏輯沒有創新能力。

人工智慧評判信用風險能力的不足主要體現在私人信用評級上。對於那些非標準化的領域，比如說採用非標準化指標評判企業信用評級等，人工智慧的不足仍在。對那些已被標準化的交易，例如債券信用風險，由於市場數據充分，外加研發模型立足於量化，對這些信用風險指標計算，是可以信任人工智慧的。但是，對其結果的詮釋與闡述，還不能完全依賴機器。

對交易環節市場風險，如同標準化產品的處理方式一樣：由於大部分產品在市場上被交易，擁有完善充分的數據做支持，量化後的模型也有說服力，所以在這些領域，筆者認為風險計算是可通過機器完成的，因為人們可明確定義指標、特徵，並且市場也存在相應數據映射到這些特徵與指標上，所以這些工作可以被標準化。

在風險指標詮釋方面，對那些變化相對較少或較小的產品，人們可部分採用人工智慧。當市場發生大的波動時，人工智慧面臨很大挑戰。在這種情況下，人工智慧從以往經驗數據中獲得不到相關經驗，雖然人工智慧有邏輯思維，但是不具備創新型邏輯思維。對新發生的大事件，人工智慧無法映射到其程序上，所以人工智慧的作用是極其有限的。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！