诠释风险指标 人工智能作用极其有限

本篇文章2396字，读完约6分钟

□同济大学王千副教授

在十三届全国人大一次会议前几天举行的新闻发布会上，科技部部长万钢表示，要促进科技与金融的有效结合，为企业家成长提供多元化的金融服务。此外，他还介绍说，人工智能项目指南和详细规则将很快发布，以突破基本前沿理论的关键部分。

人工智能可以减少寻找优质客户的工作量

Fintech涵盖多个领域和层面，利用人工智能、大数据和云计算技术为人们提供更多金融领域更新的可能性，特别是在银行信贷、投资和财富管理及交易领域。那么，在人们热情拥抱p2p网络借贷和智能投资的背景下，金融技术有什么新的发展模式呢？

以传统理念下的商业银行为例，银行原有的主要业务模式是信用管理。银行从储户那里获得资金，并通过合理的结构向需要资金的客户提供贷款或投资。这是最简单的传统银行业务。在这个过程中，金融技术可以发挥重要作用。

在商业银行信贷过程的前半部分，即在获得存款人和资金的过程中，银行需要获得好的资金，好的资金来自好的存款人。这类储户具有现金流稳定、信用记录良好的特点。大数据可以在决定高质量储户的标准方面发挥优势。通过现有的大型数据库，以存款人及其资金的特征为标志，银行可以有目的地获取符合自身期望的存款人信息。通过这种方式获得的信息不仅规模大，而且质量高。

获得这些数据后，银行就可以开始赢得储户的过程。账户经理可以开始采取有目的的战略措施来争取这些储户。在这个环节中，不仅大数据可以发挥作用，人工智能的力量也可以参与其中。这不仅可以减少寻找高质量客户的工作量，还可以有针对性地提高效率。

分层投资收益方案分析有助于风险和投资收益

笔者对商业银行信贷流程的后半部分也有一些思考。例如，目前金融市场上有一个借助金融技术的网络众筹平台，包括房地产投资、私募、项目投资等。网上众筹提供的平台帮助筹资者和筹资者克服信息沟通的障碍，使双方都能获得更多的交易信息。

该模型可以扩展到银行等金融机构的类似业务。只要信息能够相互匹配和映射，并具有交易特征，上述投资资产模型就不能一成不变。在一定程度上，这种沟通模式促进了一种变化，即一些金融机构垄断的金融行为和业务现在可以通过网络平台更方便地实现。这在一定程度上是对银行等金融机构的挑战和威胁，促使金融机构进行一定程度的转型以适应科技进步。

在这种模式下，金融机构应充分发挥其在金融领域的认识，注重培育专有的、不可重复的知识和技术。例如，信用产品的信用评估是机器无法完全替代的任务，相应的人员再培训和再教育也应运而生。

然而，这种模式也存在以下问题。例如，首先，网上众筹平台提供的房地产投资和项目投资信息应确保其可靠性。谁将完成这项工作？如果是银行，银行应该合理合法地收取由此产生的劳动报酬。

其次，传统银行为投资行为提供建议，如风险和投资收益分析。在网络众筹平台上，谁来完成风险和投资收益分析的任务？它是银行、投资者还是专业的第三方组织？笔者认为，这里可以制定一个分层的投资收益方案，根据每个投资者不同的业务能力和投资偏好提供不同的收益水平，并构建这些投资分析工作在整个模型中应该获得的收益。传统上，投资顾问的角色一直由银行业专业人士承担。现在，这个角色是分层的:如果投资者有足够的投资分析能力，为他们设定的投资收益可以更高；如果投资者需要专业的第三方机构来帮助他们判断，应该给他们提供相对较低的投资收益(部分收益转移到专业的第三方机构)；如果投资者仍然相信银行，那么这种情况类似于银行形成的传统投资类别。该方案适用于所有投资产品，可以覆盖各种投资交易平台。

人工智能不能理解和解释复杂的风险结果

金融体系离不开风险管理和监管。笔者认为，目前的风险管理方法依赖于各种技术指标来判断，而这些指标的计算可以通过机器来完成，因此风险指标的生成过程可以部分通过人工智能来解决。对于风险指标的结果，简单的任务可以用人工智能来解释；理解和阐述复杂的风险结果必须由人脑来完成，因为它涉及多个维度和层次，需要人脑的综合判断。到目前为止，人工智能还不能胜任这项任务。

以商业银行的贷款流程为例，银行在发放贷款时需要对借款人的信用进行评估。信用评估只能由人工智能在一定程度上完成，比如那些标准化的信用指标。在信用领域，特别是在私人信用领域，人们在评估借款人信用评级时所依赖的指标大多是人为的、非物质的评估标准，不同的评估产品供应商提供不同的评级等级，因此信用指标的计算，尤其是结果的解释，很难完全由机器来完成。目前，对机器的理解不能取代有经验和有理解力的专业人员的判断。由于对这些人为因素的全面了解，借款人的信用等级得以确定。迄今为止，人脑的经验维度是机器无法触及的。对于新的风险特征，机器没有创新能力去理解，只有人脑可以通过思考来完成这个任务，机器的记忆和逻辑也没有创新能力。

人工智能在判断信用风险方面的不足主要体现在个人信用评级上。对于那些不规范的领域，比如用不规范的指标来判断企业的信用等级，人工智能的不足仍然存在。对于那些已经标准化的交易，例如债券信用风险，在计算这些信用风险指标时可以相信人工智能，因为有足够的市场数据，而且R&D模型是基于量化的。然而，对其结果的解释和阐述不能完全依赖于机器。

交易环节的市场风险与标准化产品一样对待:由于大多数产品都是在市场上交易的，有完善、充分的数据支持，量化模型具有说服力，在这些领域，笔者认为风险计算可以通过机器来完成，因为人们可以清晰地定义指标和特征，市场上相应的数据可以映射到这些特征和指标上，所以这些任务可以标准化。

在解释风险指标时，人们可以对那些变化相对较小或变化较小的产品部分采用人工智能。当市场大幅波动时，人工智能面临巨大挑战。在这种情况下，人工智能不能从过去的经验数据中获得相关的经验。虽然人工智能有逻辑思维，但它没有创新的逻辑思维。人工智能不能映射到新的大事件的程序中，所以人工智能的作用是极其有限的。