人工智能发展对金融风险的影响及对策浅析.docx

人工智能发展对金融风险的影响及对策浅析一.人工智能的发展阶段及现状（1）人工智能发展阶段开创阶段及第一个繁荣期（19561975年）1956年，在美国达特茅斯学院（DartnIOUth）召开了人工智能夏季研讨会。在这次会议上，正式提出“人工智能”这一概念，标志着人工智能作为一门科学，正式诞生。此后，人工智能相关理论和技术得到了快速的推进和发展，人类历史上迎来了第一次人工智能发展的繁荣。这个时期，出现了能自动证明数学定理的逻辑机，“机器学习”概念被提出，把机器培养成专家系统的技术出现，人工智能编程的主要语言也被发明出来。自然语言方面的研究也取得了显著成就。“连接主义”和“符号主义”学派都有突破性发展。第一个低谷期（19761981年）这一时期，人工智能的发展进入了瓶颈阶段。原因是前期的理论存在缺陷，技术上存在局限性，以及一些负面言论冲击着人工智能的发展。机器翻译等项目的失败导致投向人工智能的经费减少。在专家系统开发方面，也遇到了一些难题，如知识难以获取、推理能力弱等。第二个繁荣期（19821986年）如果说人工智能开创阶段是第一个繁荣期，那么19821986年，就是第二个繁荣期。这一阶段，人工智能的理论及其应用取得了突破，有学者提出了新的方法，降低了神经网络的运算量，解决了人工智能发展中绕不过的重大难题。而且，人工智能逐步走向了实际应用，为社会带来了可见的经济效益。美国、日本等发达国家开始加大对人工智能研究的支持，人工智能的研究在全世界掀起新的热潮。第二个低谷期（19871996年）1987年，LISP机（一种直接以LISP语言的系统函数为机器指令的通用计算机，由R.格林布拉特在20世纪70年代设计）的市场崩溃，对人工智能的发展造成了重大冲击。紧跟着，相关技术发展也遇到瓶颈，传统神经网络、专家系统也出现了很多不尽如人意的地方，如实时性较差、与环境的交互性不够理想等。复苏期（19972009年）这个阶段，人工智能理论和技术都有了长足发展。代表性的事件就是，1997年“深蓝”机器人与苏联国际象棋世界冠军卡斯帕洛夫之间的“人机大战”，最终“深蓝”取胜。深度学习算法大大提高了机器学习的能力。与此同时，人工智能在商业化方面也取得了稳步发展。爆发增长时期（2010年至今）这个时期，人工智能取得了巨大的进步，算法理论得到突破，计算能力大大提升，数据存储技术、传输技术、分布式计算等有了革命性突破，在此支撑下，移动互联、云计算、新型社交、传媒、物流、制造等领域的人工智能技术不断渗透，商业化发展前景看好。（2）人工智能发展现状全球人工智能发展现状当前，美国依然是人工智能发展的领头羊，在理论研究和商业应用上处于领先地位,发展模式和产业布局都十分成熟。美国人工智能产业链布局主要在智能机器人、智能驾驶、智能芯片、自然语言处理、语音识别、机器人学习等方面，产业链均衡发展。英国在欧洲具有领先优势，人工智能企业数量和融资数额都在欧洲名列前茅。伦敦是英国人工智能发展的核心地区，牛津、剑桥及爱丁堡地区，聚集了不少相关企业。斯坦福大学的人工智能研究所发布的2024年人工智能指数报告指出：人工智能在完成某些任务上确实比人类高效，但在竞赛级数学、推理及规划等任务上还是落后于人类的表现；工业依然主导人工智能发展;前沿模型成本更加昂贵；美国是顶级模型来源国；人工智能缺乏标准化；AI提高了生产力并提供高质量工作；人工智能使科技进步加速；人类对人工智能加深了解的同时，也增加了焦虑。我国人工智能发展现状起步时期。中国人工智能发展较晚，真正起步是从20世纪70年代末开始的。改革开放后到20世纪80年代初，钱学森等著名学者提出了要发展人工智能，国家开始派出留学生到西方发达国家学习相关知识。发展时期。1984年，邓小平同志提出“计算机要从娃娃抓起”，极大地鼓舞了相关研究，学术界的理论研究有了明显突破，国家政策也开始大力扶持人工智能研究，与人工智能相关的著作也纷纷出版。1986年，制订了“863国家高技术研究发展计划”，把高性能计算机及其核心软件等多种人工智能相关技术项目列入发展计划。20世纪90年代，国家把高性能计算机中的若干关键技术问题的基础研究等相关项目列入“攀登计划”（国家基础性研究重大项目计划）中。繁荣时期。进入21世纪，中国人工智能技术研究及应用蓬勃发展。理论上稳步推进，市场应用上快速跟进，国家政策扶持力度不断加大，人才梯队建设成效卓著。2017年，国务院发布的新一代人工智能发展规划阐述了我国人工智能发展规划，目标是到2020年，与世界先进水平同步；到2025年，部分达到世界领先水平；到2030年，总体达到世界领先水平。从目前的发展情况来看，中国已经是除美国之外，人工智能的第二大发展国。无论是人工智能融资规模、频次，还是企业数量、科研机构数量、论文产量都在全球名列前茅。从地域分布上来看，人工智能产业主要分布在北上广深一线城市；从技术分布上看，我国的人工智能主要集中在计算机视觉、自然语言处理及智能语音等方面。2.人工智能的广泛运用工业对人工智能的应用是领先的。人工智能对高端装备制造业可谓进行了重构，自动化生产线、自动化装备及工业信息化极大地改变了制造业的运行，“黑灯工厂”已经成为“高端化、智能化、绿色化”的高质量转型发展之路的代名词。人工智能在农业领域的应用越来越广泛,农业生产中使用无人机及人工智能技术，提高了农业生产效率,减轻了农药及化肥滥用，降低了农民劳动强度，提高了农民可支配收入。在商业服务业方面，大数据及智能知识的普及极大地优化了服务模式。商业服务供应链与人工智能的融合，带来了新的服务方案。智能设备使物流业提高了流通效率，降低了成本，人工智能全面重塑了现代物流业。在环保方面，环卫智慧机器人能进行智能保洁与巡检、垃圾智能识别等工作；在水环境治理中，机器人巡河及清理淤泥等已经初见成效。人工智能技术已经深度渗透进每一个人的日常生活，如快递、外卖、打车、支付等，给社会生活带来了全新的面貌，如智能政务、智能制造、智能教育、智能医疗、智能交通、智慧城市、智慧商业等。二、人工智能在金融领域应用的现状目前，人工智能在金融领域应用已经进入了快速发展阶段，遍及银行、保险、证券等多个领域。大型金融机构都在致力于AI技术的研究及全面应用，人工智能正在改变着金融行业的各个方面。相比于人类的能力，人工智能在许多方面具有显著的优势。通过机器学习和自然语言处理等多种技术，人工智能实现了对海量金融数据的快速分析及处理，在为客户提供精准服务及个性化金融服务方面已经崭露头角。1 .人工智能的应用领域目前，人工智能在金融领域的运用有智能投顾、金融风控、交易决策、智能客服等。(1)智能投顾(Robo-Advisor)智能投顾基本概念及特点智能投顾就是人工智能技术在投资顾问领域的应用。具体过程为，智能投顾平台根据客户的风险偏好、财务状况、理财目标等进行金融数据分析及模型构建，最后根据金融理论制订个性化的资产配置方案，是目前金融机构应用人工智能技术较为广泛的领域。相较于传统投资理财服务或财务顾问业务，智能投顾为投资者提供了更多的选择，使客户能够更快捷、更全面地获得投资建议或理财服务。智能投顾以其自动化、低成本、个性化及高透明度等越来越赢得消费者的青睐。智能投顾的发展2010年,美国Betterment成为全球第一家提供智能投顾服务的公司。此后,越来越多的公司进入这个领域。在中国，金融机构是智能投顾发展的主要力量，虽然起步较晚，但发展迅速,未来可期。从阶段上看，智能投顾发展大概可分为四个阶段：19902007年，是标签过滤阶段；2008年金融危机后，为用户风险承受能力测试阶段；20132017年，是个性化投资组合推荐阶段；2018年至今，是全流程智能投顾阶段。（2）金融风控在金融业经营中，风险是无法完全避免的。人工智能的运用，可以说开启了金融风险管控的新篇章。AI可以通过大数据分析捕捉金融市场上瞬息万变的信息，同时，通过机器学习技术，可以对金融业的信用风险、市场风险及操作风险等进行较为精准的预测和评估。例如，投资银行的交易员们可以用AI进行投资风险分析，人工智能系统通过对历史交易数据及市场动态信息的分析，对金融市场波动进行预测，从而提出金融机构风险对冲策略。人工智能还能迅速发现异常交易行为，从而对金融欺诈行为进行及时防范。（3）交易决策金融市场上，很多金融产品价格实时变化，依靠人来观测和捕捉投资机会，往往会存在时间上的滞后性，同时面临人性的弱点。而人工智能在数据捕捉和处理、避免情绪化交易等方面拥有强大的优势，使得它在价格瞬息万变的金融市场上找到用武之地。人工智能技术在某些金融交易中得到迅速推广，特别是量化交易和高频交易已经是市场的重要参与者。尤其是人工智能通过机器学习，可以在海量的市场数据中，捕捉到交易机会,并在极短的时间内执行快速交易。黑石集团和桥水基金这些国际著名的投资机构，已经在采用人工智能技术进行交易决策了。（4）智能客服智能客服是人工智能在金融服务中的拟人化应答技术。目前，在银行业，客服人员正逐步被机器人所取代。不止是大银行，中小银行和城市商业银行也已经开始布局智能客服。实体机器人部分金融机构已经在运用实体机器人进行咨询工作，机器人能够存储大量的基本金融信息，这是银行员工无法做到的。例如，有些银行利用机器人充当大堂经理,进行简单的客服咨询工作，可以为客户快速提供利率、汇率、金融产品介绍等基本金融信息，也可以回答客户简单的提问，但尚不具备处理复杂金融业务的能力。程序机器人有些智能客服不具备物理形态，只是系统内的一段程序。这种程序机器人能够响应客户提出的问题。智能客服已经开始部分代替人工，走上客服一线,如账户查询、余额查询、金融资讯查询等均可由智能客服提供，一些复杂的业务才会交给人工坐席处理。2 .人工智能在金融领域应用的优势(1)新质生产力赋能金融业增长人工智能是一种新质生产力，是金融高质量发展的重要引擎。当今社会已经迈入数字经济时代，金融业也从推动金融科技发展逐步向推动数字化金融转变。数据已经成为金融业关键的生产要素。例如，在投资交易过程中的择时和择券,最新的、最准确的资讯往往是投资成功的关键。(2)提升金融行业效率以往，交易的效率常常决定于交易员的认知能力和反应速度，交易员的市场敏锐度非常重要。但是，在人工智能时代，金融交易的模式开始发生巨大的改变。依靠金融模型，可以捕捉转瞬即逝的交易机会，从而大大提高交易的成功率。在资产管理行业，人工智能运算模式已经纳入银行、资产管理机构等的交易、登记、估值、结算、清算等系统。人工智能可以帮助金融机构做好资产的交易记录、资金流水、财务报表等。业内有专家认为，人工智能的应用成倍提升了金融行业的效率。(3)推进金融创新进入人工智能时代，金融创新可谓日新月异，不仅创新的技术强度增加，创新的速度也加快了。例如，当下在银行业，生成式人工智能(GeneratiVeAl)及大语言模型(LargeLanguageModels)就得到了广泛的讨论。2023年，中国国内多家银行已布局大模型应用，人工智能和机器学习开始在银行业内普及。甚至连尚未建立的人工通用智能(ArtifiCialGeneralIntelligence)也开始受到业内关注，行业人士已经在推测其对银行业的潜在影响。保险公司也开始在销售、承保和理赔中运用人工智能来进行精准营销、智能风险识别、智能防范欺诈等。(4)降低金融行业运营成本人工智能可将复杂的交易活动进行简化、将大量简单重复劳动自动化、将各类业务流程和环节标准化,减少管理成本、降低操作风险。这个过程中，把员工从繁重的日常事务中解放出来，从事更加复杂、高端和富有人性化的工作，这意味着简单的、机械的、重复的工作岗位会减少对人力的依赖，从而降低运营成本。三、人工智能在金融领域应用的风险问题1 .人工智能金融风险研究的理论意义和实践意义人工智能在金融业的应用是一把双刃剑，提高效率的同时也会带来新的金融风险。习近平总书记指