金融領域的AI運用

日報

專欄

熱點

國際

活動

AI在金融業的運用正穩步推進，尤其是在"風險評估"、"金融市場分析及調研"、"投資及證券投資組合管理"等領域的用例有所增加。目前雖是以業務改善為重點，但今後有望在金融機構尋求自身角色轉變的過程中，將其用於新開創的事業。

譯/未央網 原文/野村綜合研究所 · 田中達雄

對AI的期待和投資日益增長

當下人們對AI（人工智慧）的關注度和期待值不斷升溫。美國調研公司CB Insights發布的《全球年度人工智慧行業投資報告》（AI ANNUAL GLOBAL FINANCING HISTORY）顯示，AI行業的風險投資在過去5年中增加到約750%（從2012年的5億8900萬美元到2016年的50億2100萬美元），獲投企業數量增加可約370%（從2012年的150家到2016年的698家）。谷歌的控股公司Alphabet等大型IT企業也在大力收購AI相關企業。

在這一浪潮中，金融業的AI投資同樣十分活躍。據美國IT行業調研公司IDC稱，2016年AI支出的約60億美元中，有四分之一來自金融機構。畢馬威還預測，AI投資最多的會是金融業，2020年將達到100億美元的規模。

過去曾有"高盛集團通過證券交易自動化將600名操盤手縮減為2名"的先例，因此人們自然會對加速實現自動化的AI寄予厚望。

金融領域的AI用例

在金融業中，AI用例有所增加的領域有"風險評估（包括貸款審查）"、"金融市場分析及調研"、"投資及證券投資組合管理"等。

1．風險評估

提供風險評估領域AI的供應商有AdviceRobo公司、CreamFinance公司、OutsideIQ公司等。

五大投行中已有三家使用了OutsideIQ公司的AI解決方案"DDIQ"。DDIQ的特徵在於，除了公開數據源之外，還會將非公開的專業數據源作為搜索對象，自動搜索、調研、整理、製作法人和個人風險評估所需的畫像（Profiling），僅需幾分鐘就能完成人類需要耗時一個星期的評估報告。

2．金融市場分析及調研

在金融市場分析及調研領域的AI中，由多家大型金融機構出資的Kensho公司頗負盛名。此外，Alpha-Sense公司、Lucena Research公司、AmenityAnalytics公司等眾多供應商也開始加入。

Kensho公司的"Warren"號稱"金融版Siri"，是一款聊天機器人型AI解決方案。用戶可以用自然語言向它提問，比如"如果原油價格下跌10%，會對S&P500造成什麼樣的影響？"另外，它還具備瞬間計算特定股票針對特定事件做出的反應，以及特定資產與其他資產間相互作用和相互關係的能力。

3．投資及證券投資組合管理

在這一領域，智能投顧勢頭驚人，但AI基本上不會直接向客戶提出建議。AI重點面向為客戶提供建議的理財規劃師（FP）。

在ForwardLane公司的服務中，FP可以一邊跟客戶打電話，一邊通過聊天向AI尋求建議。如果詢問"應該給客戶A推薦什麼樣的證券投資組合"，AI就會結合客戶現有的證券投資組合和投資偏好等，瞬間顯示出推薦的證券投資組合。這項工作如果換在以往，需要8個小時的準備時間。

另外，ForwardLane還具備從紛繁複雜的信息（新聞、分析報告、企業決算報告等）中自動提取線索話題的功能。早上啟動ForwardLane後，就會顯示當天的話題一覽，如果其中有希望深入了解的話題，便可以詢問聊天機器人。而且，它還會告訴你市場對該話題呈現積極反應還是消極反應，以及其中的原因。

FP可以將此前花在信息獲取和準備工作上的時間，用在豐富與客戶之間的談話上。

AI變革的金融業

從實例中我們可以看到，當前階段金融機構只是將AI用於業務改善，但今後有望在金融機構尋求自身角色轉變的過程中，將其用於新開創的事業。

"早上起床後，手機的待機畫面上會顯示當天預算和可節省金額的信息，最近連續3天預算超支，所以AI顧問就義正言辭地說"如果繼續這樣生活下去，那年末的家庭旅行就得泡湯了"；女兒明年高考，志願是私立大學的理科專業，AI顧問就說"一些資產需要變現了"；因為從早些時候就開始接受建議進行投資，所以現在似乎也不用擔心養老，但AI卻強烈建議在孩子大學畢業以前，要控制大筆的開銷，那就還是乖乖聽話吧。"

這大概就是5年後金融服務的形態，金融服務因為AI而進化成為"PFA（Personal Financial Advisor：個人理財顧問）"。

很多金錢上的問題需要進行複雜的判斷，如果進入"百年人生時代"，預測未來的收入和支出就會難上加難。然而，時常向人類顧問尋求建議，對於普通老百姓來說，在時間和金錢上都是難以負擔的。可無論如何，總是需要有滿足這類普通人需求和願望的金融服務。

AI能夠實現"自動化"、"個性化"和"實時化"。"自動化"並不是遵循預先制定的規則，而是擴展到人類認識和思考的部分，"個性化"並不是依靠人類進行的數據分析，而是通過機器學習的龐大運算量，逐漸實現更加細緻和"實時"的客戶定製信息和建議。

為了推進AI的運用，需要充分理解"自動化"、"個性化"和"實時化"等AI的適用性和可實現的水平。在此基礎上，創造運用AI的創新型金融服務，就是今後金融機構的重要課題。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！