金融科技时代下，AI成新引擎？

随着人工智能的不断发展，曾经很热的“互联网金融”这个词，正在逐步被“Fintech”（金融科技，Finance和Technology的合成词）代替，这也意味着其正在回归技术的位置。那么AI在金融科技中目前又有哪些应用和探索呢？

近日，在由虹口区金融服务局、虹口创源孵化器、万向区块链和创业共和共同主办的第14期innoX创星秀活动（是由创源InnoSpring发起，并联合其紧密合作伙伴开展的，以科技创新为主题的演讲类品牌活动）中，来自中金所技术公司创新实验室AI专家楼昊、拍拍贷的大数据中心高级总监方晨、宽睿信息科技的CEO刘鑫、众托帮的技术总监虞家男，四位做了如下分享，以下是分享实录：

早期机器学习分析的数据扮演着“过滤器”的角色

楼昊认为，“机器学习在金融产业的应用，主要有以下四个方面：第一，算法交易；第二，投资组合管理，智能投顾；第三，信用评分以及不良贷款预测分析；第四，欺诈检测。而机器学习技术目前主要是通过：数据、计算、分析三大步骤，在金融领域里进行落地应用。而早期机器学习分析的数据主要扮演着的还是“过滤器”的角色。外面不管是做什么交易的，一般都会把它作为一个策略的前置过滤器，把一些问题过滤掉。辅助你判断哪些行情下是可以用上涨的策略的，哪些行情下可以用震荡策略的。

另外对于AI数据上的积累，虞家男则有着另一视角。他觉得，“在数据积累中，区块链远不止是一个数据库，区块链近期的发展也越来越像是一台电脑。”所有的计算节点分布在各地，这台电脑本身也可以执行程序，它的程序和数据一样，因为它的程序可以写进去，能够按照你写的方式运行。也就是说从量化的数据积累，已经可以形成一个初步的分析判断依据，实现量化的交易。

智能交易和量化交易的差异

而智能交易和量化交易有一个很大的特点，第一是计算机交易，第二是算法交易。但是不同之处在于哪里呢？刘鑫表示，“量化交易是人的思维的固化，也就是说你今天交易完了之后，机器做的买卖和人的指令是一样的，这个算法来自于人的思维，但是这个人的思维是固化的，它是屏蔽掉人的情绪化，利用机器交易的优势包括速度和计算等等优势来做的。这个做的交易买卖指令往往是人不能理解的。也就是说机器学习得到的，是把以前交易的曲线放入机器中，机器进行学习，机器自发产生交易买卖指令，所以它在整个交易过程中，有的人都无法理解这个买卖指令。”

虽然，从市场买卖来看，中国目前有些人已经在做，但是没有看到做的特别好的。但是证券市场有一个最大的特点就是不确定性太多。刘鑫强调，“不好说智能交易跟量化交易两者谁更胜一筹，但是量化交易明确是好的，因为它是用的人的思维进行固化的。这也是AI中的深度学习技术在其中起到的重要作用。

机器学习能编织一张“无所不能”的天网

最后对于金融市场的监管。楼昊说道：“这个领域特别有意思，诸如量化模型和数据分析等技术的研究，最初目的都是为了市场监管。”我们在这个方面也有所探索，比如说交易主体的识别，或是交易类型的识别等。我们有一个数据上的验证，表明目前的识别率可以非常高。即使日内交易的次数不是很多，也可以预测到相关的交易行为。

对此，本身就是垂直于信贷监管领域的方晨，则对人工智能应用在信贷领域做了更为细致的介绍，他表示，在贷前检测中，其一，基于客户还款的意愿和客户还款的能力要进行贷前反欺诈，可以通过IP代理测试、定位或归属地分析、申请行为分析、可疑号码分析、虚拟机侦测和地址数据分析等不同维度判断。其二，人脸识别技术随着深度学习的发展，准确率可以达到95%以上。深度学习抽象地检测人不太会变的特征，它会有一个模型进行特殊训练。Fintech在人脸识别方面有巨大的进步。其三，拍拍贷基于大数据的信用评级被称为“魔镜”，在700多个维度中进行大数据建模。在贷后管理中，其一，是贷后要进行监控。其二，要发展智能催收技术。目前主要是依靠人工电话催收，时间长，不够自动化。机器人进行电话催收，技术难点在于怎么样让客户觉得它不是机器人。

总的来说，随着人工智能的发展，目前Fintech的金融跟科技元素也越来越丰富，创新、创业的机会也会逐步增多。另外，创源InnoSpring战投部总监、虹口创源孵化器总经理程悦总结道：“在智能量化交易、智能投顾、智能客服和生物身份识别中，辅助后台数据分析和代替人工标准化服务，能有效的减少人力成本，提升服务效率。而每一个细分应用都有着向上的空间中，具备无限发展的前景。”