作者：刘斌,赵云德
出版社：机械工业出版社
格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT
金融科技：人工智能与机器学习卷试读：
前言
近年来，大数据、云计算、人工智能以及区块链等新兴技术的快速发展和应用推动了金融业的巨大变革，金融科技开始渗透传统金融业的各个领域和各个环节，如银行、证券、保险以及前台、中台、后台，传统业务无不受到金融科技的挑战。在诸多新兴技术之中，人工智能和机器学习对传统金融业的冲击愈加明显，也越来越具备颠覆性。人工智能在金融领域的应用具有天然优势，它在处理数据方面有很强的优势，而金融领域本质上就是要处理信息、处理数据，所以人工智能和金融业可以说是天作之合。创新工场创始人李开复老师认为当前是人工智能的黄金时代，人工智能会首先落地在数据量最大、能最快产生价值的领域，而金融领域是人工智能最好的应用领域之一，人工智能或将颠覆互联网金融行业。
事实也确实如此，虽然目前人工智能在无人驾驶、医疗、物流、教育、文化以及金融领域都具有很多应用场景，但是从实际情况来看，人工智能在金融领域的应用是最具有可行性的，而且在全球范围内，无论是传统金融机构还是新兴的以蚂蚁金服、京东金融为代表的金融科技公司，都高度重视人工智能技术的发展，这足以说明人工智能对于金融业的重要性。
本人多年来一直研究大数据、人工智能和区块链等技术在金融领域的应用，并坚持将相关研究成果发表在个人公众号（点滴科技资讯）中，通过多年的研究，本人深感金融科技对未来金融业的巨大颠覆性影响。人工智能对于金融业的冲击可能仅仅是金融科技的开端，未来大数据、人工智能以及区块链甚至是量子技术的发展和应用，将深刻改变我们对金融业的传统认知。在机械工业出版社华章公司的大力支持下，本人对人工智能在金融领域应用的主要场景进行了细致的研究和梳理。本书从人工智能和机器学习面向金融客户端的应用、面向运营环节的应用、在交易和投资管理中的应用以及面向监管合规的应用四个方面进行梳理，从理论和实践角度分析目前人工智能技术在金融业各个部门和各个环节的应用场景，并分析了具体的应用案例。同时，本书也认为，人工智能会对金融业和金融机构带来巨大影响，将重塑金融生态、重构金融业务流程、促进普惠金融、推动智能监管。
在本书写作过程中，机械工业出版社华章公司的李华君老师给予本人很多支持，同时本人也得到了浦东改革与发展研究院领导和同事的支持、家人的鼓励和众多金融科技领域专业人士的支持，在此一并表示感谢！刘斌2018年11月8日从原子到比特：金融契约的演变
在人类漫长的演变过程中，金融的出现对人类文明的发展和整个社会的进步起到了至关重要的作用。可以毫不夸张地说，整个人类文明史就是一部金融史，人类最早的文字就是为了记录人们的金融交易而发明的，人类最早的写作行为就是古代西亚地区的人们为了记录金融契约而发明的，人类社会第一个有关时间和风险的复杂模型也和金[1]融紧密相关。
在人类历史上的金融变迁过程中，最关键的是记录各种交易信息的金融契约形式和内容的演变历程。这些金融契约的作用就是把交易相关的协议或合约记录下来。人类历史上记录金融契约的载体包括陶片、有刻痕的木棍和木块、密封的羊皮纸、印制的纸张，以及今天的电子文档。目前已知的人类历史上最早的金融契约是出现在距今3000多年前的美索不达米亚的贷款合约，这些贷款合约登记了借款[2]人的姓名，以及他们所欠大麦的数量，如图1-1所示。
图1-1 来自巴比伦的吾珥
大麦数量（单位：升）864 Lugid，税务员
720 Kidu，来自巴格拉（Bagara）
720 Igizi，铁匠
720 Engarzi，来自奠酒祭神的地方
720 Ur-Hamazida，农夫
720 Ur-dumu，来自Ashdu
720 U'u，来自KA.KA的门卫
720 Lugalnig，
720 Almu，这些是来自庄园内部的仆人
720 Eki，他是一个牧师
720 Kikuli，牧羊人
720 A'edene，来自杜模斯（Dumuzi）神庙的领地
720 Anini，Salla 的监工
720 Amarezem，来自Kisllutaga
9 360 Gugish，仆人的监工
19 584 Urmu 的Amarezem的捐款
来自巴比伦的吾珥第三帝国时期的陶片。左边是陶片的正面，右边是陶片的背面。
后来，在伊拉克发现的布拉（bulla，陶土球）记录了公元前8世纪的农业交易，如图1-2所示。这种布拉是一种空心陶土球，在布拉表面，合同各方可以写下金融契约的责权细节——包括支付金额、时间等。布拉的内侧则刻有代表交易的符记。陶土球外侧的文字和内侧的符记彼此相互验证。
图1-2 在伊拉克发现的布拉（bulla，陶土球）
中国古代最早用青铜器来记录交易活动。1975年宝鸡市发现了一处周代的青铜器窖藏，其中的卫盉是周恭王时期铸造的盛酒器，该器盖内有铭文132个字，记述了裘卫与贵族矩伯进行土地交换的全过程，如图1-3所示。因为交换涉及土地转让，裘卫将此事向伯邑父、崇伯、定伯等执政大臣报告，由三有司（司徒、司马、司空）出息公证，主持田地移交仪式。裘卫为了将此事告诉其已经逝世的父亲，便制作了这个青铜器，祈求上苍和先祖保佑子孙能万年永远享用。
图1-3 中国第一部土地交易地契
在中国古代则用竹片、木简片来记载金融交易活动。《战国策·齐策》中记载战国时期孟尝君担任齐国相国时，问门下诸客：“谁习计会，能为文收责于薛者乎？”冯谖署曰：“能！”孟尝君怪之，曰：“此谁也？”左右曰：“乃歌夫长铗归来者也。”孟尝君笑曰：“客果有能也，吾负之，未尝见也。”请而见之，谢曰：“文倦于事，愦于忧，而性懧愚，沉于国家之事，开罪于先生。先生不羞，乃有意欲为收责于薛乎？”冯谖曰：“愿之。”于是，约车治装，载券契而行。大意是孟尝君问门下门客谁能去薛地收债，其中一个叫冯谖的门客答应前往，并载券契而行，此处的券契就是当时记录借贷活动的金融契约，主要记录在竹片或木简片上，上面记载有放债的款项、利率，以及债权债务人双方的签字等。
中国历史上发明的造纸术则推动了金融契约的革命性进步，此后纸张成为记录金融交易契约的主要载体并流传于世。在我国新疆地区发现的魏晋至唐后期的契约中，我们可以看到很多古代以纸张为载体的金融契约。此外在甘肃敦煌也发现了大量唐宋时期的契约，1960年出版的《敦煌资料》第一辑主要就是关于契约，共120余件，分为买卖、典租、雇佣、借贷和其他契约、文书5个部分。金融契约向纸质载体演变以后，金融契约的类型、内容和形式都得到了极大的丰富，在金融的发展演变过程中发挥了重要作用。
1946年，世界上第一台电子数字式计算机在美国宾夕法尼亚大学正式投入运行，这台计算机的名字叫ENIAC，如图1-4所示。电子计算机的出现代表着人类正式从工业时代进入信息时代，相应地人类记录金融交易活动的各种金融契约也从原子时代进入比特时代。此后计算机的出现带来的互联网发展浪潮彻底改变了人们生活的各个方面，尤其是金融，人类第一台计算机改进后的最早使用者是保诚保险公司，1948年美国银行开始使用IBM604型计算机。这一切还只是开始，当金融契约进入比特时代之后，金融业面临的巨大变革才刚刚拉开序幕。
图1-4 全世界第一台电子计算机ENIAC
来源：网络公开资料[1] 威廉·戈兹曼著，张亚光、熊金武译，《千年金融史》。[2] 大麦是当时主要的支付手段——英国货币史学家Catherine Eagleton和Johnathan Williams，《钱的历史》，见中译本第20页。引爆点来临：互联网引发金融数字化
计算机的发明是人类历史上的又一次飞跃，计算机在人类历史上的地位绝不亚于文字、货币、蒸汽机等这些重大发明，计算机应用的普及以及和现代通信技术的结合，推动了互联网技术的发展和移动互联网应用的普及，互联网向各个传统行业的渗透和普及真正带领人类进入了数字时代。
在数字时代，人们生活的各个方面都可以在互联网上留下足迹，由此产生了大量的数据。IBM研究显示，目前人类每天产生的数据已经达到大约2.5艾（quintillion，10的18次方）字节，这意味着实际上90%的数据是在过去两年产生的。截至2017年6月，全球移动用户数达到77.2亿，手机超越电脑成为第一大上网终端。移动互联网发展推动脸书、推特、微信等社交媒体快速扩张，截至2017年6月，全球社交媒体活跃用户总数约为30.28亿，移动端活跃用户约为27.8亿。据IDC预测，2025年全球数据量将达到163ZB，比2016年创造出的数据量增加10倍；全球每天每个人与联网设备互动的次数近4800次，平均每18秒产生一次互动；全球数据的数据分析总量将增至5.2ZB，是原来的50倍。人类产生的数据量正以不可思议的速度增长，物联网、自动驾驶汽车、社交媒体、智能家居设备、可穿戴设备等将产生大量有价值的数据，这些数据将成为未来人类社会的重要基础资产。
中国互联网经济的发展在过去二十年取得了非常明显的成就。一方面，网民数量规模位居全球首位，截至2017年12月，我国网民规模达7.72亿，超过美国和欧洲网民总和，网络普及率达到55.8%，超过全球平均水平（51.7%）4.1个百分点，超过亚洲平均水平（46.7%）9.1个百分点，如图1-5所示。
图1-5 中国网民规模和互联网普及率
来源：CNNIC中国互联网络发展状况统计调查
中国互联网经济的快速发展催生了百度、阿里巴巴、腾讯、搜狗等一大批互联网企业和平台，每天中国的网民通过这些平台产生大量的数据。微信数据报告显示，2017年9月微信日平均登录次数达9亿次，日发送消息次数达380亿次，语音次数为61亿次；百度积累了万亿量级的互联网网页数据，支持千亿级样本和参数，每天响应几十亿次搜索请求。百度拥有超过60亿的日搜索量，14款亿级用户APP和超过10亿的移动设备，可在底层建立10亿身份要素、数十亿全网设备数据、上千亿全网行为数据，拥有覆盖95%以上的中国网民的大数据能力。搜狗输入法日活用户达到3.3亿，日均语音请求量峰值超过3亿次。中国人每天通过搜狗输入法产生的中文输入达到900亿次。在2017年的双十一活动中，淘宝就产生了大量的数据，销售额达到2539亿，产生包裹13.8亿个，每秒处理交易25.6万笔。可以说，在过去近三十年里，除了改革开放带来的巨大经济成就，我们还搭上了互联网这趟高速列车，产生了一批在国际上具有影响力的互联网平台，加上我国庞大的互联网网民数量和完善的基础设施，产生了大量有价值的数据、音频、视频、图像、文字等数据，为我国大数据产业和人工智能技术的应用发展提供了基础。
金融业在利用信息技术、拥抱互联网方面也是非常积极的，同时信息技术和互联网的发展也深刻影响着金融业。麦肯锡全球研究院的研究显示，中国已经成为消费驱动型数字经济的全球领导者。麦肯锡“中国行业数字化指数”揭示了中国存在着五类数字化水平相近的产业集群。在中国，信息和通信技术（ICT）、媒体和金融（产业集群1）等行业的数字化程度最高，如图1-6所示。
图1-6 中国各行业数字化水平
来源：麦肯锡全球研究院
另一方面，随着金融业数字化水平的提高，金融机构在开展业务过程中积累了海量的高价值数据，其中包括客户身份、资产负债情况、资金收付交易等。以银行业为例，其数据强度高居各行业之首——[1]银行业每创收100万美元，平均就会产生820GB的数据（波士顿咨询），如图1-7所示。截至“十二五”期末，主要银行业金融机构的网上银行、手机银行账户数达到21.6亿户，主要电子交易笔数替代率平均达到72.1%，累计发行金融IC卡21.1亿张。
图1-7 银行业的数据强度高于其他所有行业
来源：波士顿咨询
因此，总体来看，随着信息技术的发展和互联网经济逐渐向传统产业渗透，我国凭借人口红利和良好的信息基础设施在数字经济时代占据领先优势，在微信、微博、淘宝、百度、搜狗等互联网平台上产生了海量的数据，这些海量数据都为人工智能技术的应用和发展创造了条件。同时，金融业在应用信息技术和数字化转型方面引领传统行业，并且金融业与数据有着天然的联系，我们的交易、转账、消费、购买等行为都会在金融机构后台留下数据，这也为金融业应用大数据和人工智能技术提供了有价值的海量数据。所以，在互联网经济的冲击下，传统经济逐渐向互联网经济转型，金融机构的业务也在从线下转到线上，业务流程也在向数字化转型，这一切都为金融大变革埋下了伏笔。[1] 波士顿咨询，《互联网金融生态系统2020系列报告之大数据篇》。新兴技术融合：开启金融大变革时代
互联网时代的到来引发了一系列的技术革命，移动互联网、大数据、云计算、物联网、无人驾驶、可穿戴设备、人工智能、区块链等新兴技术的加快融合引领人类社会进入了数字革命时代。世界经济论坛创始人施瓦布在《第四次工业革命》一书中写道，“这次革命刚刚开始，正在彻底颠覆我们的生活、工作和互相关联的方式。无论规模、广度还是复杂程度，第四次工业革命都与人类过去经历的变革截然不同。”第四次工业革命最显著的特点就是多种新兴技术的融合对传统行业带来的变革，而金融业则首当其冲，移动互联网、大数据、云计算、人工智能和区块链等新兴技术的不断融合催生了金融科技的崛起，对传统金融业形成了革命性冲击，也开启了金融大变革时代的大幕。
计算机和互联网在一开始就首先对银行业带来了冲击。互联网以其低成本、广覆盖和传播广泛的优势率先在银行业得到了应用，1994年4月，全球第一家通过互联网提供银行服务的银行——美国安全第一网络银行（SFNB，Security First Network Bank）成立。此后，1995年10月美国第一联合国家银行在互联网上开展业务。1996年2月，中国银行开始通过互联网提供银行服务信息。招商银行在1997年推出网上银行——“一网通”，建立起由企业银行、个人银行、网上证券、网上商城、网上支付组成的全方位金融服务体系。此后经过近20年的发展，互联网对金融业的颠覆和冲击进一步显现，PayPal、蚂蚁金服、京东金融、陆金所等新型互联网金融模式的陆续出现将互联网金融带向高潮，也引发了以P2P、股权众筹等互联网金融模式的爆发式增长。2017年，我国网络借贷行业成交量达到了[1]28048.49亿元，网络借贷行业历史累计成交量突破6万亿大关。
云计算的出现以全新的计算资源交付和使用方式作为出发点，从根本上颠覆了传统的信息技术，并对传统的金融信息基础设施带来颠覆性的影响，并进而影响金融机构内部资源配置和组织模式。云计算在金融领域的应用主要以金融云的形式出现，金融云通过提供科技支撑，使中小微金融机构更专注于金融业的创新发展，实现集约化、规模化与专业化发展，促进金融业务与信息科技的融合。在中国云计算市场中，阿里云市场优势明显，根据IDC报告显示，2017年上半年阿里云在中国公共云市场占有率为47.6%，为市场追随者的总和，也是市场第二位腾讯云的5倍。同时，根据计世资讯发布的研究报告，2016年中国金融云市场整体规模为43.4亿元，其中IaaS（基础设施即服务）市场占有率中，华为、云宏、九州云等厂商位居前列。在金融云PaaS（平台即服务）市场上，Red Hat和Pivotal以及BoCloud博云处于领先地位。云计算结合大数据以及人工智能技术，不仅改变了金融机构的IT架构，也使得其能够随时随地访问客户，为客户提供方便的服务，改变了金融行业的服务模式和行业格局。
如果说互联网和移动互联网的普及和渗透彻底拉开了金融业变革的序幕，云计算整合了金融机构的传统IT系统，建立起全新的金融信息基础设施，那么大数据则是加快金融变革的催化剂。大数据技术的出现和应用彻底唤醒了金融体系内部沉淀下来的海量数据，金融机构可以借助大数据技术深入挖掘数据背后的价值，提升金融机构决策效率，精准应对市场变化，提高数据资产管理能力，更好地发现客户需求，实现精准营销。目前，大数据在金融行业应用广泛，覆盖了中央银行、商业银行、保险、证券投资等领域，可以说大数据技术已经渗透到了金融各个细分领域，同时也在征信、反洗钱、风控、智能投顾、银行贷款、第三方支付、保险定价等领域得到了广泛的应用，并且为金融机构业务模式变革发挥了重要的推动作用。
人工智能技术的突破则引领金融大变革走向高潮。自从近年AlphaGo打败了人类围棋高手柯洁以来，有关人工智能取代人类的争论和观点就不绝于耳。毫无疑问，人工智能技术会对人类社会带来重大变革，其中金融领域首当其冲。目前，我们可以看到人工智能对金融领域的冲击已经开始显现出来，尤其是近年来人工智能技术的广泛应用对传统金融业务模式和业务流程带来的冲击，已经让我们感受到了人工智能改变金融业的威力。2017年年初，高盛宣布股票交易员将由最高峰时的600人裁减到2人，大部分工作将由机器完成。同年4月管理近5万亿美元资产的黑石集团宣布计划裁员400人，将用人工智能技术取而代之。无论是传统金融机构还是新兴的金融科技企业都将人工智能作为未来重要的战略方向，纷纷在人才、技术、资金方面加大投入力度，同时加强与外部的合作，争取在未来智能金融的发展中获得先机。
区块链有可能是未来变革金融业的主要推手。作为比特币底层技术的区块链，因为具有分布式、去中介化、去信任、透明可靠、不可篡改以及安全等诸多特性，近年来受到了金融机构的高度重视。区块链未来的潜力在于其能够重构信用创造机制，打破组织边界，降低监管成本，在某些领域可以大幅提高金融效率。目前，全球范围内各大知名高科技企业和金融机构，如谷歌、IBM、高盛、摩根大通、桑坦德银行、BBVA以及国内的工/农/中/建四大行、招商银行、平安银行等均在区块链领域进行了布局，探索在金融领域利用区块链技术改造传统的金融业务。目前，区块链在贸易金融（中国建设银行浙江省分行）、跨境支付（瑞波、招商银行）、资产证券化（京东金融）、去中心化交易所（纳斯达克LinQ）、银团贷款（Fusion LenderComm）、债券发行（澳大利亚联邦银行）等领域得到了应用，区块链目前在金融领域的应用还处于初级阶段，部分应用案例还没有得到大规模推广。但是，我们可以预见到在未来5～10年，区块链技术的不断成熟和完善会对金融业传统运作模式带来重大影响和冲击。[1] 网贷之家，《2017年中国网络借贷行业年报》。
金融与科技的结合贯穿整个金融业的发展过程，尤其是20世纪下半叶，科技进步的加快也推动了金融与科技的深度结合。可以说，在过去半个多世纪的时间里，每一次新的技术突破的出现，金融业都是率先应用新技术的领域之一。如图2-1所示，无论是ATM机还是智能卡，再到电子支付、POS终端，最后到最近的网上银行、移动银行，金融始终在应用新技术方面走在前列。进入21世纪，互联网技术的发展推动了互联网金融的出现，同时也催生了大数据、云计算、人工智能等新技术的出现，如果说互联网金融是互联网对金融业务模式的浅层次改变的话，那么大数据、云计算和人工智能，甚至区块链技术的应用则将互联网金融推向金融科技，对金融业带来深层次的变革。随着人工智能应用的深入，金融科技又开始向以人工智能应用为代表的智能金融发展，并引领金融业向数据化、自动化和智能化迈进。
图2-1 金融与科技的结合历程
来源：公开资料整理人工智能的发展历程
如图2-2所示，人工智能的发展历史也经历了起伏波折，从1956年达特茅斯会议到现在大致经历了三次人工智能发展浪潮。第一次全球人工智能发展浪潮始于1956年的达特矛斯会议，此次会议由麦卡锡、明斯基、罗彻斯特和香农发起，这次会议的举办标志着人工智能学科的诞生。从1956年到1974年，全球人工智能领域迎来第一波发展浪潮，出现了很多世界级的算法发明，其中增强学习的雏形（即贝尔曼公式），就是谷歌AlphaGo算法的核心内容。此后，在1974年至1980年人工智能经历了第一次寒冬，人工智能的数学模型和数学手段存在一定缺陷，并且当时的计算能力无法完成所需要的计算任务。
图2-2 人工智能发展历程
来源：案头研究、中国人工智能学会、罗兰贝格分析
进入20世纪80年代，卡内基·梅隆大学为DEC公司制造出了专家系统（1980），可以帮助DEC公司每年节约4000万美元，特别是在决策方面能提供有价值的内容，这也促使日本和美国再次投入巨资开发所谓的人工智能计算机。这期间，人工智能数学模型方面出现了很多重大发明，包括多层神经网络和BP反向传播算法等。1987年，苹果和IBM生产的台式机性能不断提升，计算机开始进入个人家庭，且费用远远低于专家系统所使用的Symbolics和Lisp等机器，导致人工智能出现了第二波发展低潮。
从1993年到现在近25年的发展过程中，人工智能迎来了第三次发展高潮，这一阶段中计算机的发展、互联网的普及使人工智能芯片、模型和数据都出现了飞跃和提升，人工智能进入一个前所未有的繁荣期，并出现了许多人工智能历史上的里程碑事件。1997年5月，IBM开发的深蓝战胜了国际象棋世界冠军卡斯帕罗夫；2005年，斯坦福[1]开发的一台机器人成功自动行驶131英里，赢得DARPA挑战大赛头奖；2007年，Siri研发成功，后被苹果收购应用在iOS中；2010年，谷歌研发的无人驾驶汽车面世；2011年，IBM沃森系统（如图2-3所示）参加《危险边缘》节目打败人类选手；2016年3月和2017年5月，AlphaGo连续打败围棋世界冠军李世石和柯洁。
图2-3 IBM的沃森系统
人工智能之所以能够取得现在的成就，其核心在于深度学习的发展。深度学习使得机器学习能够实现众多的应用，并拓展了人工智能的领域范围。谷歌最杰出的工程师杰夫·迪恩说：“我认为过去5年，最重大的突破应该是对于深度学习的使用。这项技术目前已经成功地被应用到许多场景中，从语音识别到图像识别，再到语言理解。而且有意思的是，目前我们还没有看到有什么是深度学习做不了的。希望[2]在未来我们能看到更多更有影响力的技术。”人工智能、机器学习、深度学习的隶属关系如图2-4所示。
图2-4 人工智能、机器学习和深度学习的隶属关系
来源：中国人工智能学会，罗兰贝格分析
到现在，我们可以看到人工智能已经应用到很多领域，金融、贸易、政府、法律、物流、电商等行业都可以看到人工智能的应用，比如医疗行业的医疗影像识别、精准医疗、辅助诊断及药物研发，汽车行业的辅助驾驶，金融领域的量化投资、智能投顾、风险管理（这些是金融业中与数据分析关联性较大且依赖度较强的细分领域）等。在未来我们将看到人工智能所影响的领域和行业会越来越多，人工智能会对人类社会的经济、政治、法律、伦理等各个方面产生深远的影响。中国各个产业的人工智能应用情况如表2-1所示。
表2-1 中国各个产业人工智能应用情况
来源：太平洋证券《人工智能行业报告之一：技术与商业落地并驾齐驱》[1] 1英里 = 1609.344米。——编辑注[2] 《人工智能》，李开复、王咏刚著。金融领域中的人工智能关键技术
在金融领域应用中，人工智能主要包括5个关键技术：机器学习、生物识别、自然语言处理、语音技术以及知识图谱，如图2-5所示。这5种人工智能关键技术广泛应用于金融领域的各个业务环节，在提高效率、降低成本、防控风险、促进普惠金融方面发挥了重要作用。
图2-5 人工智能技术在金融领域应用的关键技术
来源：中国信通院《中国金融科技前沿技术发展趋势及应用场景研究》
□ 机器学习
机器学习具有多种衍生方法，包括监督学习、无监督学习、深度学习和强化学习等。在监督学习中，算法可以使用一些包含有标签的“训练”数据。比如，一个交易数据集可能包含一些在欺诈和非欺诈数据点进行标注的标签。算法就会“学会”分类的通用规则，并且可以用这些规则来对数据集中其余数据进行预测，并进行标注。无监督学习是指数据提供给算法时没有任何标注的情况。算法会被要求去识别数据中隐藏的规律。比如，一个无监督机器学习算法会被要求去寻找一些和难以定价的非流动证券具有类似特征的证券。如果算法发现了一组非流动证券簇，那么簇中其他证券的定价模式可以用于对非流动证券进行定价。强化学习介于监督学习和无监督学习之间。在这种情况下，这种算法会被输入无标注的数据集，为每一个数据点选择一个行为，并获得可以帮助算法学习的反馈（可能来自人类）。比如，强化学习可以用于机器人、博弈理论和无人驾驶汽车。深度学习是一种机器学习，根据人脑结构和功能特点设计出“层”，深度学习使用的算法就在这些“层”上发挥作用。深度学习算法，其结构也被称为人工神经元网络，可以用于监督学习、无监督学习或强化学习。
□ 生物识别
生物识别技术（biometrics，也称生物测定学）是指用数理统计方法对生物进行分析，现在多指根据生物体（一般特指人）本身的生物特征来区分生物体个体的计算机技术。研究领域主要包括语音、脸、指纹、手掌纹、虹膜、视网膜、体形、个人习惯（例如敲击键盘的力度和频率、签字）等，相应的识别技术有说话人识别、人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、体形识别、键盘敲击识[1]别、签字识别等。指纹识别、人脸识别、虹膜识别和指静脉识别是金融行业应用范围较广的4项生物识别技术。指纹识别技术涉及指纹样本采集、存储以及OCR技术，通过摄像头提取指纹后经过指纹识别算法完成身份识别认证；人脸识别过程主要包括获取人脸图像、进行特征提取、根据特征进行决策分类、完成匹配识别；虹膜识别采用红外成像技术，将虹膜纹络特征输入计算机，成为可供自动识别的人体身份证；指静脉识别通过指静脉识别仪取得个人手指静脉分布图，将特征值存储，然后进行匹配，进行个人身份鉴定的技术。目前，以上生物识别技术应用于客户身份验证、远程开户、无卡取款、刷脸支付、金库管理和网络借贷等金融场景。
□ 自然语言处理
自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理[2]论和方法。自然语言处理在金融领域有着广泛的应用，多数金融行业的信息为文本形式，比如新闻公告、年报、研究报告。通过用自然语言处理和知识图谱，大大提升了获取数据、数据清洗、深度加工的效率。目前在智能投研领域中，自然语言处理技术可对海量复杂的企业信息进行处理，以提取出行业分析人员最关注的数据指标，并进行投资分析总结，最大化减少不必要的重复人力劳动，帮助分析人员进行投资决策。在智能客服领域，可以利用自然语言处理技术让智能客服理解客户需求，通过与知识库的对接为客户解决问题。
□ 语音技术
在金融领域应用中，语音识别通常与语音合成技术结合在一起，提供一个基于语音的自然流畅的人机交互方法。语音识别整个过程包含语音信号处理、静音切除、声学特征提取、模式匹配等多个环节。其应用遍布各大银行及证券公司的电话银行、信用卡中心、委托交易、自助缴费、充值等各项业务，以及语音导航、业务咨询、投诉申报、账户查询、政策咨询等非交易性业务中。由于金融行业带有明显的客户服务属性，加上完整而庞大的业务及数据积累，因此成为语音技术的重要应用阵地。
□ 知识图谱
知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论和方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域[3]以及整体知识架构以达到多学科融合目的的现代理论。知识图谱在金融智能化的过程中发挥了无可替代的作用，可以说知识图谱是智能金融发展的基础。在金融行业的数据中，存在着大量的实体和关系。通过知识图谱技术将其建立连接形成大规模的实体关系网络，可以突破传统的计算模式，从“实体-关系”的角度整合金融行业现有数据，结合外部数据，从而更有效地挖掘潜在客户、预警潜在风险，帮助金融行业各项业务提升效率、发挥价值。[1] 维基百科。[2] 百度百科。[3] 百度百科。人工智能在金融领域的主要应用场景
金融本质上的功能就是处理信息，而在这方面人工智能有着天然的优势，人工智能可以在短时间内处理海量信息，从海量信息中挖掘出有价值的内容，帮助金融机构做出决策。目前，在金融业务流程的各个环节，获客端、运营端、交易（投资）端以及监管端都涉及人工智能的应用，具体的应用场景则覆盖金融各个细分行业，如银行、保险、证券、信托，以及新兴金融领域如P2P、消费金融、股权众筹、商业保理等，如图2-6所示。
图2-6 人工智能在金融领域的应用场景
□ 面向金融客户端的应用场景
目前在金融机构前台业务领域，主要是在获取客户、服务客户环节，人工智能已经有很多的应用。在智能客服、智能营销、信用评估、智能支付、智能认证以及保险定价、承保核保方面都已经应用人工智能技术提高客户服务质量，优化客户服务流程，满足客户各类需求。
□ 面向运营环节的应用场景
在金融机构的运营领域的业务中，人工智能技术的应用也越来越广泛。人工智能和机器学习可以提高资本利用效率，优化资本配置；人工智能和机器学习可以用于安防监控，有效监控员工行为，对员工异常行为进行预警，保证员工行为合法合规；人工智能和机器学习还可以用于模型验证和压力测试，保证大型系统重要性金融机构找出压力测试模型中的异常预测值；此外人工智能和机器学习还可以用于市场影响分析，帮助金融机构分析其大宗交易对市场价格可能带来的影响进行评估，金融机构从而可以选择最佳的交易时间，降低交易成本。
□ 在交易和投资管理中的应用场景
在交易和投资领域，金融机构积累了海量数据，纽约证券交易所每天产生的交易数据规模就达到1TB，所以人工智能和机器学习在交易和投资领域有很强的优势。目前，人工智能和机器学习可以利用社交媒体（如推特、微博和脸书）上的数据，对股票市场走势或个股走势进行预测；在量化交易中，人工智能和机器学习也可以发挥重要作用，辅助投资决策，提高量化交易效率，未来甚至可以做到自主学习、自主投资；在投资组合配置方面，人工智能和机器学习可以按照系统要求，根据市场变化和公司基本情况，合理配置投资组合，提高投资组合绩效；现在人工智能在投资领域最火的莫过于智能投顾，人工智能可以根据客户的个性化需求，做到千人千面，为客户提供定制化的投资顾问服务，冲击传统的投顾业务模式；现在，投研领域应用人工智能之后也越来越智能，利用自然语言处理技术读取公司财务报表，读取上市公司定期公告，辅助投资经理更好地进行投资决策。
□ 面向监管合规的应用场景
2008年全球金融危机过后，全球范围内的金融监管愈加严格，监管文件层出不穷，为了应对不断升级的监管要求，金融机构开始加强在合规领域的投入，加快利用人工智能和机器学习技术强化监管合规能力。在AML（反洗钱）/KYC（了解你的客户）方面，金融机构可以利用人工智能和机器学习更有效地发现金融犯罪活动，同时也可以更好地完成客户认证，简化客户登录流程，提升客户体验；在监控市场操纵方面，监管机构以及交易所组织可以利用人工智能和机器学习发现市场交易中的异常行为，打击市场操纵，维护市场运行；在欺诈识别方面，金融机构可以利用机器学习对多源数据进行深度挖掘，利用复杂网络关联分析技术从历史违约数据中发现实时欺诈业务风险指标，建立人工智能反欺诈模型，提升银行识别欺诈风险的能力；对于系统性风险，人工智能和机器学习也可以根据社交媒体数据、金融体系内部数据等多个来源数据建立相关预测模型，有效预测系统风险的发生，提前预警。
互联网经济的发展和普及提升了金融信息化水平，云计算和大数据的应用强化了金融业务自动化水平，人工智能和金融的深度融合则引领了智能金融的发展。对于智能金融是什么，目前国内还没有达成一致意见，埃森哲和百度联合发布的《智能金融行业报告》则认为智能金融是以人工智能为代表的新技术与金融服务深度融合的产物，它依托于无处不在的数据信息和不断增强的计算模型，提前洞察并实时满足客户各类金融需求，真正做到以客户为中心，重塑金融价值链和金融生态。亿欧智库发布的《2017中国智能金融产业研究报告》认为智能金融是人工智能技术与金融服务和产品的动态融合。目前，人们对智能金融的发展已经形成一定共识，智能金融是人工智能技术和金融业务、金融产品、金融流程、金融监管等深度融合形成的新型金融运作模式，在一定程度上改变了传统金融业务的运作模式，对金融机构组织模式、金融细分业态、金融产品、金融业务流程等都会带来冲击和影响。
人工智能目前已经广泛应用于金融各个领域，对金融产品和金融服务产生重大影响和冲击，优化了金融业务流程，更重要的是人工智能的应用已经对整个金融价值链和金融生态带来影响。智能金融的发展得益于我国经济发展尤其是互联网经济的快速发展，还得益于我国政策的大力支持，同时我国高科技产业的快速发展推动了云计算、大数据以及人工智能技术的发展，更重要的是我国人民群众对金融服务和产品的深层次需求要求金融业要加快新兴技术应用发展智能金融。所以，我们可以从宏观要素层面、政策支持层面、新兴技术发展层面、金融需求层面以及监管层面来分析智能金融的发展。宏观层面经济发展和人均收入增加
我国改革开放40年来，经济发展取得举世瞩目的成就，截至2017年，我国国内生产总值达到82.7万亿人民币（12.88万亿美元，如图3-1所示），位列全球第二大经济体，仅次于美国。我国人均GDP水平也快速提高，2017年人均GDP达到8892万美元，达到中等发达国家水平。我国经济发展取得的历史性成就大大提高了我国整体竞争力，经济的发展不仅提高了国民生活水平，也带动了科技、文化、娱乐、消费等各个领域的发展，从而为互联网经济发展乃至互联网金融向智能金融迈进奠定了坚实的基础。
图3-1 我国历年GDP增加情况（万亿美元）
来源：国家统计局互联网经济的发展
中国互联网经济的快速发展也是智能金融发展的重要推动力。中[1]国目前已经成为全球公认的数字化大国，尽管中国行业数字化水平与美国还有较大差距（2016年美国行业数字化水平是中国的3.7倍，2013年是4.9倍），但差距在逐步缩小。截至2017年12月，我国境内外上市互联网企业数量达到102家，总体市值为8.97万亿人民币。其中腾讯、阿里巴巴和百度公司的市值之和占总体市值的73.9%。以BAT（百度、阿里巴巴和腾讯）为代表的中国互联网企业已经在全球形成较强的品牌影响力，并建立了丰富的数字化生态圈。阿里巴巴的支付宝、腾讯的微信等“超级APP”为消费者提供了教育、健康、信息服务、娱乐、电子商务、社交互动等多个领域的一站式购物。中国领先的初创企业有五分之一由BAT或前BAT员工创立，另外还有30%的企业获得过BAT的投资。2017年全球互联网公司市值前20名中，中国有7家公司上榜，分别是腾讯、阿里巴巴、百度、蚂蚁金服、小米、京东和滴滴。2018年3月23日，中国科技部发布《2017年中国独角兽企业发展报告》，公布了全国164家估值超过10亿美元未上市的独角兽企业，其中蚂蚁金服以750亿美元位列第一，互联网金融企业为21家（如表3-1所示），占总数的12.8%，互联网金融企业总估值为[2]1592.7亿美元，占比为25%。
表3-1 2017年中国金融科技独角兽企业列表
来源：科技部，《2017年中国独角兽企业发展报告》。[1] 麦肯锡咨询公司，《中国数字经济如何引领全球趋势》。[2] 科技部，《2017年中国独角兽企业发展报告》。互联网群体呈年轻化趋势
截至2017年12月，中国互联网网民数量达到7.72亿，全年共计新增网民4074万人。中国拥有7.53亿的移动互联网用户，移动互联网用户比重由2016年的95.1%提升至97.5%，远超欧盟和美国。我国网络购物用户规模达到5.33亿，占网民总体的69.1%，手机网络购物用户规模达到5.06亿，使用网上支付的用户规模达到5.31亿，手机支付用户规模达到5.27亿。从年龄结构看，截至2017年12月，我国网民以10～39岁群体为主，占整体网民的73.0%，其中20～29岁年龄段的网[1]民占比最高，达30%，如图3-2所示。
图3-2 中国网民年龄结构
来源：CNNIC中国互联网络发展状况统计调查
从月收入结构看，月收入在中高等水平的网民群体占比最高。截至2017年12月，月收入在2001～3000元、3001～5000元的群体占比分别为16.6%和22.4%，如图3-3所示。
图3-3 中国网民个人月收入结构
来源：CNNIC中国互联网络发展状况统计调查[1] CNNIC中国互联网络发展状况统计调查。政策支持层面
近年来，在全球范围内人工智能都受到了各个国家的高度重视，其中中国和美国在推动人工智能发展和应用方面都制定了一系列的支持政策。中美两国都把人工智能当做未来重要的主导战略，在顶层设计方面高度重视，并且都是从国家战略层面整体推进。
2016年5月，白宫成立人工智能和机器学习委员会，协调美国各界在人工智能领域的行动，探讨制定人工智能相关政策和法律；同年10月，奥巴马政府时期总统办公室发布《为人工智能的未来做好准备》（Preparing for the Future of Artificial Intelligence）和《美国国家人工智能研究与发展策略规划》（National Artificial Intelligence Research and Development Strategic Plan）的文件，将人工智能上升到国家战略高度，为美国人工智能的发展制定了宏伟计划和发展蓝图。2016年12月，白宫发布了一份关于《人工智能、自动化和经济》（Artificial Intelligence，Automation，and the Economy）的报告。该报告讨论了人工智能驱动的自动化对经济预期的影响，并描述了提升人工智能益处并减少其成本的广泛战略。报告指出，应对人工智能驱动的自动化经济将是后续政府要面临的重大政策挑战，应该通过政策激励释放企业和工人的创造潜力，确保美国在人工智能的研发和应用中保持领先。我国推动人工智能发展的主要政策
我国政府也高度重视人工智能技术的发展，在2016年上半年之前，国家在人工智能方面的政策主要集中在智能制造和机器人层面，从2015年7月国务院出台《关于积极推进“互联网+”行动的指导意见》，明确提出要培育发展人工智能新兴产业，推进重点领域智能产品创新，提升终端产品智能化水平。此后，陆续出台了一系列政策和规划文本。
2016年国务院发布《十三五规划纲要》提出要鼓励发展新兴产业，如智能交通、精准医疗、智能材料等，推广新型智能制造模式。
2016年5月，国家发改委、科技部、工信部、网信办联合发布《“互联网+”人工智能三年行动实施方案》提出，到2018年，中国将基本建立人工智能产业体系、创新服务体系和标准化体系，培育若干全球领先的人工智能骨干企业，形成千亿级的人工智能应用市场规模。
2016年7月国务院发布《“十三五”国家科技创新规划》，提出研发人工智能支持智能产业发展，明确未来3年人工智能产业的发展重点与具体扶持项目。
2016年9月，国家发改委发布《国家发展改革委办公厅关于请组织申报“互联网+”领域创新能力建设专项的通知》，提出为构建“互联网+”领域创新网络，促进人工智能技术的发展，应将人工智能技术纳入专项建设内容。
2016年12月，国务院发布《“十三五”国家战略性新兴产业发展规划的通知》，提出培育人工智能产业生态，促进人工智能在经济社会重点领域推广应用，打造国际领先的技术体系。
2017年1月，中共中央和国务院发布《关于促进移动互联网健康有序发展的意见》，提出加快人工智能、虚拟现实等新兴移动互联网关键技术布局，尽快实现部分前沿技术、颠覆性技术在全球率先取得突破。
2017年3月，国务院《2017政府工作报告》提出加快培育壮大包括人工智能在内的新兴产业，“人工智能”首次写入全国政府工作报告。
2017年5月，科技部发布《“十三五”生物技术创新专项规划》提出要突破新一代生物检测技术、脑科学和类脑人工智能、生物大数据若干前沿关键技术和共性关键技术。
2017年7月，国务院发布《新一代人工智能发展规划》，提出6个方面的重点任务：一是构建开放协同的人工智能科技创新体系，从前沿基础理论、关键共性技术、创新平台、高端人才队伍等方面强化部署。二是培育高端、高效的智能经济，发展人工智能新兴产业，推进产业智能化升级，打造人工智能创新高地。三是建设安全便捷的智能社会，发展高效智能服务，提高社会治理智能化水平，利用人工智能提升公共安全保障能力，促进社会交往的共享互信。四是加强人工智能领域军民融合，促进人工智能技术军民双向转化、军民创新资源共建共享。五是构建安全高效的智能化基础设施体系，加强网络、大数据、高效能计算等基础设施的建设升级。六是前瞻布局重大科技项目，针对新一代人工智能特有的重大基础理论和共性关键技术瓶颈，加强整体统筹，形成以新一代人工智能重大科技项目为核心、统筹当前和未来研发任务布局的人工智能项目群。我国在推动金融与科技结合方面的主要政策
在推动金融与科技融合方面，尤其是强化金融领域应用人工智能等新兴技术，我国相关部门也出台了若干支持政策，鼓励金融业加强信息化建设，提高信息化水平，推动金融与科技的深度融合，加快人工智能技术的应用。主要的政策如下。
2016年7月，《中国银行业信息科技“十三五”发展规划指导意见（征求意见稿）》提出要构建绿色高效的数据中心，积极尝试开展人工智能、生物特征识别等技术的应用，打造智能化的运维体系。
2016年12月发布的《十三五国家科技创新规划》提出要重点发展大数据驱动的类人智能技术方法，完善科技与金融结合机制，建设国家科技金融创新中心，发展支持创新的多层次资本市场，促进科技金融产品和服务创新。
2017年5月，中国人民银行成立金融科技委员会，重点是较强金融科技工作的研究规划和统筹协调，切实做好我国金融科技发展战略规划与政策指引，并积极利用大数据、人工智能等技术丰富金融监管手段。
2017年7月，我国发布《新一代人工智能发展规划》，提出建立金融大数据系统，提升金融多媒体数据处理与理解能力，创新智能金融产品和服务，发展金融新业态。鼓励金融行业应用智能客服、智能监控技术和设备。建立金融风险智能预警与防控系统。
在我国将人工智能纳入国家战略和推动金融科技创新的背景下，我国金融科技企业逐步加快人工智能在金融科技领域的应用，人工智能巨头和人工智能创业企业也纷纷将金融业作为人工智能重要的应用领域，同时传统金融机构也开始高度重视在金融业务中应用人工智能技术。在一系列支持人工智能以及推动金融与人工智能深度融合的政策支持下，我国智能金融产业的发展已经成为行业共识，并且在银行、保险、证券、基金以及P2P、众筹、商业保理等金融细分领域已经出现了各类智能金融应用案例。资本的推动
自1956年达特茅斯会议以来，人工智能一直在不断地演进，中间也经历了三次起伏波折，互联网时代的来临催生出了大数据、云计算、芯片等相关技术的发展，人工智能发展的第三波浪潮已到来。对于这次人工智能发展浪潮，李开复老师认为和前两次有很多不同：一是前两次人工智能热潮是学术研究主导的，这次人工智能热潮是现实商业需求主导的；二是前两次人工智能热潮多是市场宣传层面的，这次则是商业模式层面的；三是前两次人工智能热潮多是学术界在劝说、游说政府和投资人投资，这次则多是投资人主动向热点领域的学术项目和创业项目投资；四是前两次人工智能热潮更多的是提出问[1]题，这次则更多的是解决问题。毫无疑问，近年来人工智能技术的一系列突破和实际应用让全世界开始关注人工智能对人类社会带来的颠覆性影响，其中资本的嗅觉是最敏锐的，从2010年谷歌测试的无人驾驶汽车项目为公众所知，资本开始加大对人工智能领域的投资力度，全球知名高科技企业如谷歌、微软、IBM、阿里巴巴、百度、腾讯、小米以及红杉资本为代表的投资机构加快了在人工智能领域的布局，并且也正是由于这些高科技巨头和大型投资机构的资本推动，人工智能才能广泛应用于各个领域，从而取得如此大的突破。[1] 参见李开复、王咏刚所著的《人工智能》。
试读结束[说明：试读内容隐藏了图片]