小牛资本谈智能金融未来：需求牵引，监管导航和技术驱动

　　机构预测，全球人工智能正以指数级的速度在发展，并将带来前所未有的经济价值，按照国家推进的新一代人工智能发展计划，未来10年中国人工智能的应用规模能够达到万亿级，带来相关产业收益超过10万亿。

　　11月16日在上海举办的“第九届金融科技与支付创新2017年度盛会(IFPI2017)”上，专家们认为当前这一波人工智能浪潮更大程度上是由数据驱动，而金融是孕育人工智能技术非常有潜力的领域，当前金融风险防控与监管难题，也将在深耕人工智能商业价值中逐步得到解决。

　　“今天没有一个商业领域能够免疫于人工智能大潮，人工智能以及相关的科技，正在再造一个世界经济，有研究数据表明，到2030年人工智能和金融科技所带来的经济影响，将与全部发达国家的GDP总量等同。”剑桥大学创新金融全球委员会理事兼价值中国创始人CEO林永青峰会上表示。

　　“温吞”智能投顾：更好的价值投资标准

　　人工智能落地到金融领域过程中，“智能投顾”一直都是资本热捧领域，市场一致看好占据财富管理市场比例达 80%的长尾客户群体，他们的财富管理需求将带动智能投顾市场快速爆发。

　　根据世界财富报告，年轻一代投资者对智能投顾的接受度整体达到 70%以上，而且新一代高净值者更愿将过半资产转向智能投顾，这为全球智能投顾市场长期稳定发展创造了巨大的发展机遇。

　　虽然当前无论是资本、机构，还是群众，对智能投顾投以极高的热情，但大部分人对智能投顾更多还是停留在概念层面，它给大众的金融投资行为真正带来哪些价值改变，还存在不少盲区。

　　智能投顾出现的重要价值就在于突破传统投顾模式下人力数据处理能力的边界，通过实时的数据搜集处理、精密的算法模型等，推出创新性的增值业务，挖掘用户更深层次、多元化的投资需求，通过用户教育和粘性的提升不断培养智能投顾服务的增量市场。

　　不过，业界普遍认为智能投顾在金融领域的应用优势，并不是瞄准喜欢刺激的“追涨杀跌”的短期投资行为，而是体现在长期稳健的分散投资，整体而言，智能投顾外表“火热”功能实质“温吞”。

　　在本届峰会主题为“人工智能、大数据与云计算：金融科技3.0新引擎”的分论坛上，小牛资本旗下牛鼎丰科技创新专家李南君博士进一步指出，价值投资的关键是选择长期投资标的，智能投顾的出现是有利于用户选择更好的价值投资标准，可以通过人工智能技术进行投资标的的挖掘，通过数据和模型量化分析逾期收益和风险，目前阶段已经可以做到辅助人工决策，将来逐步发展为更高的自主性。

　　“通过数据和算法处理投资问题会比人工更有优势，人们也一直在尝试。事实上，从20世纪50年代的马科维茨开始，人们就开始利用数据和算法进行量化投资。目前阶段，最赚钱的20家量化对冲基金公司都开始采用人工智能参与决策甚至直接操盘，其中知名的如西蒙斯的文艺复兴基金。当然任何发展都是需要过程的，投资智能化的探索还要持续很多年，但这个趋势不可逆转。”李南君表示。

　　“碎片”智能金融：更高的“合规”风险

　　新金融在弥补传统金融机构服务不足的同时，其实也加剧了金融碎片化、混业经营甚至跨业经营的现象，风险传染渠道不但增多且更为复杂，未来智能金融的风险依然存在点多面广、隐蔽性、突发性强等特点。

　　此前，国家信息化专家咨询委员会委员、中国人民银行科技司原司长陈静在“第三届(2017)中国普惠金融大会”上提出，我国金融风险监管信息化虽然取得了显著的进展，但仍然是金融信息化应用的薄弱环节，主要反映在应用水平不高，现代科技不适应金融风险尤其是系统性风险防范预警的要求。

　　据了解，当前人工智已经可以大规模采用机器深度学习，通过分析海量金融交易数据不断提升反欺诈能力，譬如智能模型是一种欺诈风险量化的模型，它利用可观察到的交易特征变量，计算出一个分值来衡量该笔交易的欺诈风险，并进一步将欺诈风险分为不同等级。

　　如何利用大数据和人工智能建立更完善的金融风险智能预警防控体系，也是本次峰会重要议题之一。李南君博士在会上指出，人工智能对于提升金融风险的防范能力有目共睹，但由于当前数据碎片化程度高，要反应出一个人全部的信息非常难，目前市场上获得的数据大部分都是片断性的，所谓的大数据也是非常切片化的数据，如何从切片化的数据里把用户特点找出来，尤其是从中把个人借贷动机、还贷能力、还贷意愿分析出来，这对任何一家商业机构来说都是很重要、也是比较大的难题。

　　“目前牛鼎丰科技抓取整合的用户数据已达数百个特征，用户标签信息包括电商购物金额、电商购物类型、社交类APP使用行为，银行流水、通讯行为、家庭角色等维度，引入先进的数据分析和挖掘工具，支持多维分析用户信息将会越来越重要。”李南君表示。

　　“需求牵引，监管导航，技术驱动，是未来智能金融行业持续发展不可缺失三大要素。”李南君进一步强调，未来可提升空间不光是指科技提升、人工智能算法改进、数据扩充的问题，还包括自上而下的设计，需要监管层面的顶层设计和商业公司的技术相互结合，譬如最近正在完善的全国范围的个人征信系统，专业公司自身获取的数据和银行体系数据结合，一起建立比较完整的个人征信数据，这对商业机构进一步降低风险和资金成本是至关重要的。