数智化转型：人工智能的金融实践

充满科技变革的金融领域

“金融科技”“金融智能”的概念近年来备受关注，但要论金融领域的“科技史”和“智能化”，绝非近年才诞生。1987年，中国引入了台自动柜员机（ATM）在珠海投入使用，这可以看作是Z早的客户服务自动化；1991年，上海证券交易所陆续回收股民的纸质股票，开始了无纸化交易系统试运行；2008年，支付宝（中国）网络技术有限公司宣布注册用户突破1亿人，预示着第三方电子支付将会迎来蓬勃发展；2014年，起步于支付宝（中国）网络技术有限公司的蚂蚁金融服务集团（简称：蚂蚁集团）成立，也打出了消费金融战略，互联网巨头纷纷发力个人金融领域，闯出了一条“金融场景 海量数据 技术实力”的金融科技之路，而传统银行、券商、保险也在纷纷谋求智能化转型。招商银行在2020年的年报中写道：
进一步创新和拓展“网络化、数字化、智能化”的内涵和外延，运用金融科技全面推进招商银行数字化转型升级。
这家零售金融业务营收收入占本公司营业收入的57.92%的银行，在以零售金融为中心的客户服务数字化、智能化转型之路中成为国内银行的领先者。“以开放和智能为核心，持续提升科技基础能力”，是对当前金融行业智能化转型的诠释。
在过去的5年乃至10年里，金融科技与智能金融席卷而来，堪称金融行业Z大的浪潮。身处充满变革的时代，我们既能够看到充满各种想象力的未来场景，又会对这些可能性感到困惑：金融行业如何将人工智能技术融入其中？在这个过程中，传统的金融模式需要在何种意义上重构？各种应用场景中，到底有哪些还处在想象力“泡沫”的阶段，哪些是即将成为现实的创新？
这是金融科技领域的每位从业者都要思考的问题。想要回答这些问题，需要从业者既懂金融，也懂人工智能技术。但现实情况是，金融行业本身就充斥着复杂的理论、经验，其需要融合金融学、经济学、数学、统计学等多个学科的知识。我的一位同事曾抱怨：“明明已经了解了金融市场的各种知识，但在具体项目中还是会感觉很多概念听不懂。为什么银行需要风控、券商需要风控、保险也需要风控，但是其方法、逻辑和具体技术却有相当大的区别？”我想，这也是令很多金融科技领域的算法工程师感到分身乏术的地方。
同样，我也听到过金融或商科背景的人感慨：“为什么人工智能需要这么多复杂的技术？机器学习、深度学习、强化学习又有什么关系？为什么自然语言处理的分支如此庞杂？为什么算法连这个需求都不能实现？”可以看到，掌握人工智能技术也需要了解计算机科学、数学、统计学等多个学科的知识，在具体落地时，我们还需要了解数据架构、分布式计算等多种技术。这就导致从整体上讲，我们虽然强调人工智能技术和金融的互相融合，但实际情况却是这两个领域都相当缺乏人才，更缺乏对两个领域都有深度理解的专家。
人工智能技术是金融体系进化的动力之一，但要用好这一技术，还需要理解金融体系本身的逻辑。在金融行业智能化转型的过程中我们要解决的问题很多、很杂，但是在金融领域已经形成一套完整的运行规则。如果不能深刻理解问题、痛点在哪儿，金融机构在转型的过程中很容易陷入僵局。传统金融领域的业务专家认为，那些领先的、会议上的研究成果根本解决不了核心问题。除了技术实现之外，金融领域的组织管理、行业默契、监管合规等多重因素都需要在业务落地时予以考虑。而科技领域的技术专家则认为，有些成型的规则应该被颠覆，既然有更先进的解决方案，那么在落地时就不应该墨守成规。这就使得人工智能技术在赋能金融的过程中存在非常多的阻碍和挑战。

    人工智能技术是金融体系进化的动力之一，但要用好这一技术，还需要理解金融体系本身的逻辑。在金融行业智能化转型的过程中我们要解决的问题很多、很杂，但是在金融领域已经形成一套完整的运行规则。如果不能深刻理解问题、痛点在哪儿，金融机构在转型的过程中很容易陷入僵局。在本书中，作者基于“客户—资管—风控”框架，梳理了金融领域中涉及的多种业务场景，探讨其智能化方向。关注要解决的核心业务问题，从核心业务问题中抽象出其技术需求，解释具体业务落地时可能存在的差异性。本书帮助金融科技的从业者，在思考金融行业智能化转型时有更清晰的思维框架，不至于陷入谋一域而难谋全局的困境。

 人工智能技术是金融体系进化的动力之一，但要用好这一技术，还需要理解金融体系本身的逻辑。在金融行业智能化转型的过程中我们要解决的问题很多、很杂，但是在金融领域已经形成一套完整的运行规则。如果不能深刻理解问题、痛点在哪儿，金融机构在转型的过程中很容易陷入僵局。在本书中，作者基于“客户—资管—风控”框架，梳理了金融领域中涉及的多种业务场景，探讨其智能化方向。关注要解决的核心业务问题，从核心业务问题中抽象出其技术需求，解释具体业务落地时可能存在的差异性。本书帮助金融科技的从业者，在思考金融行业智能化转型时有更清晰的思维框架，不至于陷入谋一域而难谋全局的困境。

    邓佳佶金融科技公司算法专家，从事智能投顾、量化算法研究工作，擅长将前沿的深度学习、机器学习算法与另类数据、特定市场现象相结合，应用于资产研究和投资服务。本科毕业于北京大学，获金融与数学双学士学位，后于美国南加利福尼亚大学攻读金融数学硕士。著有《专注力的技术》，译著有《趋势交易》《未来金融》。

章 金融科技漫谈
节 理解金融科技
第二节 普惠与全球化

第二章 人工智能技术：过去、现在与未来 
节 人工智能技术的现状分析
第二节 人工智能的提出
第三节 次浪潮与低谷：多种观点下的早期探索
第四节 第二次浪潮与低谷：专家系统与商业化
第五节 第三次浪潮与未来：算力提升与数据驱动

第三章 人工智能 客户服务
节 客户服务的价值
第二节 智能推荐：让金融产品“千人千面”
第三节 智能问答：让服务智能化
第四节 客户服务一体化：聚焦需求解决痛点
第五节 “人工智能 客户服务”展望

第四章 人工智能 资产管理
节 资产管理综述
第二节 另类数据 人工智能如何为投资提供洞见
第三节 人工智能算法用于构建量化投资策略
第四节 系统化交易
第五节 “人工智能 资产管理”的展望

第五章 人工智能 风险控制
节 金融风险控制关注什么
第二节 信贷：违约预测与反欺诈
第三节 集合资产管理：风险预警、衡量与反馈
第四节 保险：投保、核保与理赔环节的智能提效
第五节 “人工智能 风险控制”展望

第六章 “人工智能 金融”的未来：
        数智化转型中的人工智能技术 
节 从数字化转型到数智化转型
第二节 ESG的前景与人工智能技术
第三节 监管智能
第四节 无现金社会中的机会

总结 人工智能技术的赋能优势 

    人工智能技术是金融体系进化的动力之一，但要用好这一技术，还需要理解金融体系本身的逻辑。在金融行业智能化转型的过程中我们要解决的问题很多、很杂，但是在金融领域已经形成一套完整的运行规则。如果不能深刻理解问题、痛点在哪儿，金融机构在转型的过程中很容易陷入僵局。在本书中，作者基于“客户—资管—风控”框架，梳理了金融领域中涉及的多种业务场景，探讨其智能化方向。关注要解决的核心业务问题，从核心业务问题中抽象出其技术需求，解释具体业务落地时可能存在的差异性。本书帮助金融科技的从业者，在思考金融行业智能化转型时有更清晰的思维框架，不至于陷入谋一域而难谋全局的困境。

    邓佳佶金融科技公司算法专家，从事智能投顾、量化算法研究工作，擅长将前沿的深度学习、机器学习算法与另类数据、特定市场现象相结合，应用于资产研究和投资服务。本科毕业于北京大学，获金融与数学双学士学位，后于美国南加利福尼亚大学攻读金融数学硕士。著有《专注力的技术》，译著有《趋势交易》《未来金融》。

金融领域纷繁复杂，业务形态也多种多样。本书难得站在技术视角，较为全面地判断了目前金融领域的前沿技术应用与价值，既包含技术实践，也解答了业务应用，对于金融科技方向上的从业者提供了一个框架去理解“金融 科技”这个万花筒。这是一个充满变化、富有魅力的领域，相信这本书的案例及思考能够带你更好地进行实践。
——邓宏，蚂蚁财富CTO

随着互联网和人工智能技术的发展，经济活动数字化成为常态。金融行业的智能化早在20世纪90年代就已先于其他行业起步，Z近十年更是在国内外得到了快速发展。如何更好地让数据智能化，实现业务落地，并更好地服务客户，是金融领域从业者需要思考的问题。本书让人切身感受到金融技术创新，同时也辩证地阐述了当前智能技术的应用场景以及未来发展的趋势。作者对金融领域智能技术应用的脉络有整体的认识，该书对初入金融科技领域，尤其是面向客户的从业者来说值得一读，对其他非金融行业读者了解人工智能的应用也有参考意义。
——陈亮，上海广策信息技术有限公司CEO及创始人