当前，科技对金融的创新不断走向深化，尤其对金融产业链的深度介入，让金融科技市场仍存在广阔发展空间。金融业无疑是尖端科技运用最迅速的行业典范之一。金融机构基于人工智能与大数据等金融科技的发展，不仅风险控制更加严密，运营成本逐渐降低，信贷损失率得到保障，而且服务流程也变得更加高效、安全。

　　一、人工智能在金融领域的五大应用场景

　　应用场景一：征信与风控
　　近几年，国内P2P和现金贷的大量涌现，说明了个人小额信贷的市场需求巨大。在过去，针对该类小贷用户，一般单纯地依靠地推人员挨家挨户进行实地征信。如今，基于大数据和人工智能技术，可以实现智能征信和审批，极大地提高工作效率。通过多渠道获取用户多维度的数据，如通话记录、短信信息、购买历史、以及社交网络上的相关留存信息等；然后，从信息中提取各种特征建立模型，对用户进行多维度画像；最后，根据模型评分，对用户的个人信用进行评估。同样，对于市场上中小微企业融资难的问题，也可以通过大数据征信得以解决。
　　相对于征信，在风控中，贷前要识别贷款人信息的真实性，还要识别其还款意愿和还款能力，贷中通过监控贷款人的行为数据及时发现异常，贷后通过反馈数据补充信用评分。在这个过程中，利用用户数据积累和人工智能技术建立有效的智能化风控体系是核心能力，直接决定着一个平台能否持续健康地运营。
　　应用场景二：反欺诈
　　金融安全是维护金融秩序的基石。与虚拟的社交网络不同，金融用户需要验证身份的真实性，其中可能涉及的技术包括人脸识别、语音识别、指纹识别和虹膜识别等。相对于我们人类，人工智能在此领域往往表现得更加优异，不仅能缩短识别时间，还能降低识别错误率。如今，越来越多的人工智能应用出现在现实生活中，比如指纹付款、扫脸取款等。
　　此外，人工智能在网络反欺诈方面也发挥着巨大的作用，机器可以从海量的交易数据中学习知识和规则，发现异常，比如防止盗刷卡、虚假交易、恶意套现、垃圾注册、营销作弊等行为，为用户和机构提供及时可靠的安全保障。
　　应用场景三：智能投顾
　　智能投顾是在多个市场和大资产类别之间构建投资组合，分散风险，追求长期收益。
　　与传统方式有所区别，智能投顾可结合现代资产组合理论和投资者偏好为投资者提供建议，加快释放投资理财的“长尾”市场，具有佣金低和信息透明等特点。更通俗点说，智能投顾实际上是把私人银行的服务在线智能化，服务更广泛的普通老百姓。
　　当前，智能投顾平台已经在国内市场出现。2016年12月，招商银行摩羯智投正式上线，这是国内银行业首家推出的智能投顾服务。据介绍，摩羯智投运用机器学习算法，融入招行多年的业务经验，在此基础上构建了以公募基金为基础的、全球资产配置的“智能基金组合配置服务”。在客户进行投资期限和风险收益选择后，摩羯智投会根据客户自主选择的“目标-收益”要求，构建基金组合，由客户进行决策、“一键购买”并享受后续服务，使得投资小白也可以轻松使用。
　　应用场景四：营销与客服
　　在金融平台上，如何识别有效的客户往往是难点。而人工智能可以通过用户画像和大数据模型精准找到用户，实现精准营销。
　　另外，在客服中，用户咨询的问题大都是重复性的，而且往往限定在几个特定的领域内，这些特点使其成为自然语言处理和智能客服机器人的极佳选择。通过智能客服机器人可以发掘用户的需求，解释和推荐产品，还能带来销售转化。智能客服可以解决用户的大部分问题，在非常确定答案的时候可以直接回答，在不确定时把可能的答案提供给人工客服，由人工客服判断选择最佳答案发送给用户。这样极大地提升了客服效率和用户体验，同时也降低了人力成本。
　　应用场景五：投资决策
　　在投资机构和投行部门中，日常的工作如收集大量的资料、进行数据分析、报告撰写等，往往占用了大量的时间和精力。而在处理海量的数据信息时，机器拥有天然的优势，通过自然语言处理技术可以理解文本信息，寻找市场变化的内在规律。一个经典案例是沃尔玛超市发现尿布和啤酒放在一起会增加销量。大数据可以发现看似毫不相关的事件间的关联性，应用在投资领域也会有同样的效果，比如苹果发布新手机会影响哪些公司的股价等。
　　人工智能还能够根据收集到的市场历史数据进行预测，分析判断企业的成长性，从而辅助投资决策。一个著名例子是，美国最大的信用卡行CapitalOne的两名员工利用职务便利，分析了至少170家上市零售公司的信用卡消费情况，并据此预测这些公司的营业收入，然后提前购入看涨期权或看跌期权，三年内投资收益率高达1800%。虽然是反例，但对于智能预测应用有很好的启发意义。
　　此外，机器还可以根据收集到的资料，自动生成大量格式固定的文档，比如招股说明书、研究报告、尽调报告和投资意向书等，从而提高效率，减少枯燥的重复性工作。
　　二、典型的应用实例

　　（一）人工智能在fintech的应用

　　人工智能正是我国金融科技高速发展的代表，为我国Fintech行业带来巨大发展优势。随着深度学习、语言识别等技术的深度应用，人工智能的发展正如火如荼。
　　7月20日，PPmoney万惠集团大数据算法总监黄文坚在出席“2017中国行业云计算峰会—金融云”时发表了主题为《人工智能在fintech的应用》的演讲。黄文坚认为，金融数据中很多有时间序列数据，特别适合使用深度学习，尤其是卷积神经网络、循环神经网络。阿尔法狗底层的平台是TensorFlow，目前人工智能最好的实践是TensorFlow，它是目前排名第一的框架。通过TensorFlow实现全连接的神经网络，在金融的问题中对数值型和种类型数据使用全连接的神经网络，舆情分析在很多地方都会使用到，尤其一些大型的金融机构；现在很多券商会做金融报告，怎么把几万字的报告浓缩成几段话，使用深度学习完全抽象生成的方法，它会尝试理解整篇文章的含义，将每段每个大篇章转换成1-2句的总结，让分析员判断文章的主旨思想。黄文坚看来，人工智能非常适合在金融科技中应用，并在多个领域都发生了改变，未来会有更多金融相关领域可以被算法以及模型自动化的替代，降低成本，提高工作的效率。
　　（二）人工智能加速金融普惠化
　　作为国内领先的普惠金融服务提供商，平安普惠在金融科技运用方面更是走在了业界前列。成都2017平安普惠西部媒体沙龙上，平安普惠品牌总监程瑞先生分享了该公司在人工智能等金融科技上的精彩观点，并表示每个人都能拥有"信贷权"，人工智能是促进其加速落实的关键点。
　　大数据技术、机器学习等人工智能技术或许正是破解传统信贷困境，保障人们信贷权的关键。过去金融机构主要通过查询申请人的房产、社保、银行流水等评估其是否具备良好的还款能力，利用征信记录等第三方数据评估其还钱意愿高低。而借助人工智能技术，金融机构可以更快捷、更高效进行借款人风险评估，大大降低了放贷成本与贷后风险。
　　除了大数据外，人脸识别、微表情、心理测量等技术也被引入以弥补征信数据的缺失，构建更加严密的风控机制。"平安普惠从2015年初就引入人脸识别技术，目前主要线上贷款产品都使用了这个技术，准确率达到99.8%。"针对客户面签时欺诈风险鉴别的缺失，平安普惠还引入了全新的微表情技术，通过机器观察客户细微的表情变化，有效识别客户欺诈风险。
　　三年前，平安普惠率先开发了全新的贷款产品iloan，3万元及以下贷款可以全线上完成，借款人只需输入身份证号、银行卡号和姓名等信息，后台自动连接公安部和银行系统和外部大数据平台，在借款人授权的情况下经过综合判断，决定是否放贷以及放贷金额。经过多年的优化升级，又融入了人脸识别、声纹识别和其他金融科技，使整个风险决策更加严谨、合理和科学。目前，平安普惠大部分主要的贷款产品，包括最高可以放款50万元的无抵押产品，都可以实现全线上申请流程。单一房产抵押贷款最高可以达到500万，除了监管要求必须线下办理的入押环节外，其余贷款业务申请流程都可实现线上办理。
　　据平安集团2016年年报显示，平安普惠累计客户数超过377万人，累计贷款量达2720亿元，线上销售网络覆盖中国全境，线下网点覆盖超200个城市。这些数据的背后，正是源于人工智能等科技的支撑，这些金融科技解决了金融机构自身风险管理难题，在覆盖最广泛的人群的同时，也为客户带来了全新的贷款体验。
　　（三）AI股引领人工智能投顾新风尚
　　在日前的第三届极客公园奇点创新者峰会上，凡普金科联合创始人、爱钱进CEO杨帆，向外界介绍了其研发的自动建模机器人——水滴（RobotModeller），该机器人就融入了大量人工智能技术。凡普金科却打破了这一思维边界，借助人工智能技术开展了全面布局。
　　1.自动建模机器人，将工作效率提升数十倍
　　首先，金融行业其实是人工智能天然的应用场景，基于图像理解、语音识别能力和自然语言处理等技术，人工智能可以运用在从获客、运营到贷后催收的金融服务全链路环节，充分提高金融平台的运营效率，降低其人力成本和时间成本。一个简单的道理是，科技是第一生产力。所以，凡普金科在业内率先打造了模仿人类建模分析师思维的自动建模机器人水滴（RobotModeller），它可以完成从读取数据到借贷端全自动化的建模。在它的帮助下，原本需要一个建模团队1-2个月的建模工作量如今只需不到1天就可完成，工作效率提升了数十倍，爱钱进借此得以充分应对高速变化的业务。事实上，在人工智能的改造下，“互联网＋金融”的局限性不断凸显，“互联网+大数据+智能+金融”这一新型模式正在成为大势所趋。
　　2.线上信用评估系统，从提供效率降低成本到反欺诈
　　数据是金融业开展业务的根基，也是保护用户防欺诈的核心。也就是说运用得当的数据不仅对于风控至关重要，还能够提高平台的信审工作效率。凡普金科的线上信用评估系统同样采用了人工智能和大数据相结合的技术，一方面，其智能风控模型可以通过算法分析找出假账单规律，帮助风控团队制定新的反欺诈规则，优化了风控系统的安全性。
　　另一方面，基于对行为数据的智能分析，人工智能在遭遇欺诈时同样可以可有效发现异常行为，如在同一台设备前后两次输入不同的身份证号码进行验证，而通过知识图谱辨别还可发现异常关系，将反击工作进行的行之有效。也就是说，这个评估系统同样提高了信审的工作效率，降低了平台成本。
　　3.智能投顾是下个风口，抢先卡位布局
　　值得一提的是，限于人工智能技术水平，目前真正意义上的智能投顾、智能理财还处在初级阶段，但是随着技术的发展，未来科技金融或许会站在全面自动化的风口之上。而凡普金科也在从国内外金融机构以及高等学校引入多位技术人才，建立起了一支数据科学家团队，持续加强在大数据算法、人工智能等领域的探索。其实，业界公认一个事实是人工智能竞争的核心是对人才的竞争，人工智能领域当前正处于不断突破技术瓶颈、投入广泛落地应用市场的阶段中，人才是最核心的资产，没有人才推动，那么一切技术进步、应用落地乃至行业的快速发展就都无从谈起。
　　目前，凡普金科旗下网络借贷信息中介平台爱钱进累计撮合交易额已经超过590亿元，累计服务用户数超过900万人，在网贷之家最新发布的《2017年6月网贷平台发展指数评级》中位居全国第6。事实上，从用户群体的金融需求出发，凡普金科已经构建出了自己的互联网金融生态圈：包含网络借贷信息中介平台“爱钱进”，专注于提供定制化的小微借款信息服务“凡普信”，在线信用借款信息服务平台“钱站”，消费分期平台“任买”，练股和选股APP“会牛”等众多业务。在这个不断完善发展的生态圈背后，人工智能技术的推动助力功不可没。
　　三、人工智能在金融领域应用的瓶颈
　　在行业发展初期，业内人士认为，国内智能投顾发展面临三大难题：监管、模型和用户。
　　去年证监会曾强调，“发现互联网平台未经注册、以智能投顾等名义擅自开展公募证券投资基金销售活动的，将依法予以查处”。实际上，监管不是针对“智能投顾”，而是打击没有牌照的机构，顶着“智能投顾”的名义，代销基金。年末，招行摩羯的出现，再次表明了监管的态度，有牌照资质的机构，安心探索；没有牌照的，就安心研究技术，别乱碰销售。
　　另一方面，智能投顾通过一年多的摸索，基本已解决数据模型的问题。之前外界普遍认为，因缺乏行业大数据，中国又是“政策市”，导致模型很难确立。“但实际上，市场的数据和产品的数据都是非常标准化的”，璇玑CEO郑毓栋解释，“虽然某一个基金产品可能是近几年才出现的，但整个市场，比如美股市场、A股市场、黄金市场，这些数据都是特别久的，足够搭建算法模型”。因为中国的国情特殊，不是所有的数据都适用，需要一定的清洗。互金行业专家顾崇伦表示，“一些极端的数据，诸如2006股改前、黑天鹅事件等，这些数据，不适合放在通用模型中”。也就是说，数据并不缺，剔除极端数据后，已足够搭建模型。
　　解决了监管、模型问题之后，行业现在最难突破的，是获客等生存问题。
　　“很多平台运营了一段时间后，发现获客很难，即便注册后，智能投顾表现不稳定后，用户就马上流失”，某智能投顾平台负责人称，这一流失，就是永久性流失。“获客，才是智能投顾面临的最大挑战”，顾崇伦表示，“直到现在，依然是创业公司最大的软肋”。
　　这实在不能怪智能投顾，中国的投资用户的心理，实在算不得“健康”。
　　国内用户投资偏好两极分化严重：一种是赌徒心理，喜欢刺激的“追涨杀跌”，信奉“短期翻倍”，以炒股的散户为主要代表。另一部分，是“绝对保守”、“风险厌恶”用户，他们习惯把钱存在银行，或尝试一些相对安全的货币基金。对于这两类用户，智能投顾这个小机器人不太“讨喜”。“智能投顾的优势，在于长期稳健的分散投资，是一个控制风险波动的产品”，郑毓栋称，短期投资，智能投顾的优势并不能展现，“以璇玑为例，去年来看它的收益不能算高，短期还有些小幅的亏损”。也就是说，智能投顾擅长的是“长期投资”，而非“短期投机”。激进的用户，瞧不上智能投顾的收益；保守的用户又担心资金的“保本”问题。在网贷行业爆发后，中国还产生了一批新的“理财用户”。
　　“最开始，P2P平台就是以高息迅速网罗一批种子用户”，顾崇伦表示，但这种简单粗暴的获客方式，显然不适合温吞的智能投顾平台。
　　《华尔街见闻》曾挑选了一些代表性平台，以中等风险为标准，对比了不同智能投顾平台去年下半年收益表现：一波波的降息潮后，P2P网贷平台已告别了动辄年化20%以上的高息，网贷行业平均综合利率已经降为9.68%（网贷之家数据）。对比来看，温柔的智能投顾，利率对他们也没有太多诱惑力。这就是行业现状，智能投顾的表现，尚没有搅动用户热情，反应平平。
　　市场的冷清和资本的火热，形成了鲜明对比——它依然要面对很多中国式难题，关乎人心，关乎心态，关乎投资理念，这恐怕都无法短期内解决。
　　结语：
　　长远来看，人工智的优势是不容忽视的：智能设备可以7×24×365连续不间断地工作，不需要休息和度假；通过对大量数据进行筛选分析，帮助人们更高效、更准确地决策，降低决策难度；在分析问题时不受情绪和环境的影响，在一定程度上可以避免操作风险和道德风险。而金融行业是天然产生数据的行业，同时也是数据最能产生商业价值的地方，具备了成为人工智能具体实现的巨大优势。