AI已經(jīng)帶來金融變化 未來可能顛覆金融行業(yè)

• 2017年8月21日 ZhouXun來源：經(jīng)濟觀察報 1321 86
• 繁體

AI對于金融的第二個核心本質功能——“資產(chǎn)定價”的顛覆，才是整個金融行業(yè)所最應該警惕的。目前來看，AI對于金融行業(yè)的壓力，恐怕比互聯(lián)網(wǎng)金融行業(yè)要更大。

對于金融科技行業(yè)(Fintech)的從業(yè)者來說，如果現(xiàn)在不提“AI+金融”絕對已經(jīng)OUT了，正像前幾年如果不提“互聯(lián)網(wǎng)+金融”就OUT樣。其實，AI(Artificial　Intelligence,即人工智能)并不是一個新生事物，這一概念最早在1956年被提出。算法的持續(xù)革新、硬件的發(fā)展成熟和更大量級的數(shù)據(jù)共同驅動AI在沉寂了近二十年之后再一次卷土重來。

金融的核心本質功能是降低交易成本和資產(chǎn)定價，互聯(lián)網(wǎng)的廣泛應用可以算作對金融第一個核心本質的顛覆，而AI正在改變金融行業(yè)資產(chǎn)定價相關的核心業(yè)務條線。傳統(tǒng)銀行的信貸業(yè)務、資產(chǎn)管理機構的資產(chǎn)配置和投資業(yè)務、證券公司的投資咨詢業(yè)務和保險公司的精算定價業(yè)務都開始受到威脅。但較強的消費粘性、較重的資本投入和數(shù)據(jù)的先發(fā)優(yōu)勢為傳統(tǒng)金融機構提供了一定保護。未來產(chǎn)生威脅的不是金融科技的新興玩家，而更有可能是在這三點上不輸傳統(tǒng)金融機構的互聯(lián)網(wǎng)巨頭，傳統(tǒng)金融機構需要做出改變。

AI已經(jīng)帶來的金融變化

事實上，已經(jīng)有為數(shù)眾多的金融機構開發(fā)了基于AI的智能客服。例如北歐聯(lián)合銀行已經(jīng)推出了名為Nova的基于AI技術的聊天機器人和虛擬助理，這位AI主力已經(jīng)開始服務于該銀行位于挪威等地的網(wǎng)點。目前Nova能夠順暢地理解挪威語，并回答與養(yǎng)老金和保險業(yè)務相關的問題，如果遇到Nova無法理解的問題，會推薦一位人工客服進行回答。

這樣的AI助理在歐洲和美國已經(jīng)開始逐步取代現(xiàn)實中的網(wǎng)點雇員，這些銀行已經(jīng)開始關閉線下的實體網(wǎng)點，例如北歐的大型商業(yè)銀行在過去的十年內已經(jīng)關閉了大約30%的線下實體網(wǎng)點。

部分領先的傳統(tǒng)金融機構已經(jīng)開始通過AI技術進行客戶信息收集。客戶身份信息的收集和認證是傳統(tǒng)金融機構風控的重要一環(huán)，而AI技術能夠大大提高這一過程的效率。例如平安已經(jīng)開發(fā)了準確率達到99.8%的活體人臉識別技術，每分鐘處理人臉數(shù)最高能夠達到3萬個。

尤其是傳統(tǒng)的信貸審批員已經(jīng)在失業(yè)的邊緣。傳統(tǒng)貸款審批主要由信貸審批員通過收集信息決定是否發(fā)放貸款。但隨著AI技術的應用，范圍更廣的數(shù)據(jù)被用來信用評估，傳統(tǒng)的商業(yè)銀行信貸風控模型使用的變量通常只有20-30個左右，但量化的、基于大數(shù)據(jù)的信貸風控模型超過萬級單位。不僅如此，深度學習等算法模型甚至可以自行甄別出對于信貸表現(xiàn)更加重要的特征變量，而這些變量在傳統(tǒng)的評估框架中可能并未受到重視。此外，AI在反欺詐方面也能發(fā)揮作用。

雖然這些AI技術的應用，已經(jīng)顯著幫助傳統(tǒng)金融機構解放了人力、節(jié)約了成本、提高了效率，但這些并不能體現(xiàn)AI對金融行業(yè)顛覆的真正實力。核心原因在于，這些變革并沒有觸及金融行業(yè)的本質，只能被看作是行業(yè)借助AI技術的自我完善，而不算是“革命”，因為并未觸及金融行業(yè)的降低交易成本、資產(chǎn)定價兩大核心本質功能。

什么才會真正被顛覆?

AI對于金融的第二個核心本質功能——“資產(chǎn)定價”的顛覆，才是整個金融行業(yè)所最應該警惕的。目前來看，AI對于金融行業(yè)的壓力，恐怕比互聯(lián)網(wǎng)金融行業(yè)要更大，原因在于對于大部分金融機構來說，“資產(chǎn)定價”相關的業(yè)務都比“降低交易成本”相關業(yè)務更加核心。例如對于商業(yè)銀行來說，吸儲放貸的信貸業(yè)務是利潤的主要來源，而非支付結算;對于保險公司來說，核心是保險產(chǎn)品的設計和定價，精算師才是保險公司的核心，而非保險銷售代理人;對于資產(chǎn)管理公司同樣，投資和資產(chǎn)配置相關的業(yè)績才是衡量資產(chǎn)管理機構長期水平的標尺，銷售能力通常只能錦上添花。但目前來看，AI的下一個“革命”對象正是這些金融機構的核心命脈。

一些過往嚴重依賴“人”的因素的業(yè)務也開始受到AI技術的威脅，例如證券公司的投資咨詢業(yè)務。分析師是投資咨詢業(yè)務條線的“靈魂”，通過對宏觀經(jīng)濟數(shù)據(jù)、上市公司的財務數(shù)據(jù)等進行研究，撰寫研究報告，為客戶提供股票買入賣出的推薦建議。在過去，分析師自身的經(jīng)驗和對市場的判斷非常重要，但AI同樣已經(jīng)攻破了這一堡壘，通過算法模型能夠高速將最新的經(jīng)濟變量、財務指標輸入模型，并作出判斷，例如可以找到歷史上和當前情況最類似的時間點，并根據(jù)當時的資產(chǎn)收益表現(xiàn)對這一次進行預測。美國的一些平臺已經(jīng)能夠利用AI基于上市公司公告、新聞媒體報道、甚至社交媒體的最新新聞(例如特朗普總統(tǒng)鐘愛的Tweet)來自動生成分析報告，例如Automate-dInsights和Captricity。華爾街最為人熟知的先行者是Kensho，例如Ken-sho能夠基于歷史大數(shù)據(jù)告訴你，在歷史上的數(shù)十次聯(lián)儲加息前一周之內，標普指數(shù)和道瓊斯指數(shù)的漲跌幅，判斷哪些行業(yè)的股票會表現(xiàn)更好，而這在過去需要分析師進行大量的數(shù)據(jù)處理工作，更不必說這些分析師的高成本。

按照業(yè)務的復雜和專業(yè)程度看，下一個可能被AI算法顛覆的是保險行業(yè)。毫無疑問，保險公司的中流砥柱是設計保險產(chǎn)品并進行定價的精算師，這些精通金融學、保險學和統(tǒng)計學的專家過去主要處理的就是概率，通過生存率、死亡率、發(fā)病率等概率來為保險產(chǎn)品進行定價。由于這一業(yè)務的復雜性和較高的專業(yè)壁壘，精算業(yè)務長久以來并沒有過多收到科技的沖擊，但這一次情況可能有所不同，因為AI的算法的核心優(yōu)勢就在于預測概率。未來AI將完全改變精算行業(yè)的商業(yè)模式，海量數(shù)據(jù)使得能夠動態(tài)、更加精確地預測死亡率和發(fā)病率。

傳統(tǒng)金融機構手中的牌

雖然傳統(tǒng)金融機構的不同業(yè)務條線都面臨著AI的沖擊，但目前看來，并不需要過于擔心，核心有三點：

首先，金融行業(yè)的消費習慣粘性比較大。畢竟是和錢打交道的行業(yè)，很多時候還是需要有面對面的交流才能夠取得信任。例如智能投顧行業(yè)雖然能夠吸收很多長尾客戶的小額資金，但高端私人銀行客戶仍然需要客戶經(jīng)理的服務，此外這些客戶經(jīng)理也能夠提供更多附加服務。

其次，AI目前仍然需要較重的資本投入，金融機構雄厚的資本使得每年都能夠支出大手筆的IT投入。以美國為例，摩根大通銀行每年的IT指出是95億美金，美國銀行是90億，富國銀行是70億美金，而截至2016年三季度末，美國投資于AI創(chuàng)業(yè)公司的資金總額也只有31億美金。例如中國平安每年的研發(fā)投入經(jīng)費在70億元人民幣以上，這是金融科技的新興玩家所不能比擬的。

再次，金融行業(yè)在數(shù)據(jù)的先發(fā)優(yōu)勢上更加明顯。數(shù)據(jù)是深度學習乃至于AI的基石，與財富相關的數(shù)據(jù)保密性要求更高，而金融機構在這一方面先發(fā)優(yōu)勢更加明顯。

延伸閱讀

推薦閱讀

猜您喜歡