利用生成式人工智能大模型，服务证券行业高质量发展
生成式人工智能是指一种通过对大量数据进行学习，模拟人类的创造性思维，创建新的、具有一定逻辑性和连贯性的内容的人工智能。其核心能力在于理解人类的表达，分析数据的模式，进行创新和构建，形成新的内容。但也因为拥有类人的创造性，其存在“幻化”事实的可能且无法完全避免。生成式人工智能在人工智能迅猛发展中崭露头角。
一、发展人工智能是国家战略之一
2023年4月，中央政治局会议明确“要重视通用人工智能发展，营造创新生态，重视防范风险”。2023年7月，国家网信办等七个部委联合发布《生成式人工智能服务管理暂行办法》，第一条要求“促进生成式人工智能健康发展和规范应用”，将生成式人工智能的创新与发展置于重要地位。2024年3月，政府工作报告明确“深化大数据、人工智能等研发应用，开展‘人工智能+’行动”。
二、证券行业高质量发展需要先进科技服务
以证券公司场外衍生品业务为例，证券公司作为衍生品业务交易商需要发挥核心的组织和管理作用，包括细致合规管理和全面风险控制。随着场外衍生品业务的发展，对证券公司的要求也越来越高，但相较于国务院证券期货监管机构批准成立的交易所，证券公司在市场全貌、信息资源、管理手段、人员配置等方面处于相对劣势。为此，证券公司需要先进的科技手段来确保健康发展和持续运营。
三、证券公司业务对生成式人工智能存在具体需求
证券公司衍生品业务大致可分为交易前、交易中和交易后三个时段。其中，交易前主要包括宣传推介、客户准入和协议签署；交易中主要包括产品设计、询报价、交易执行和对冲交易；交易后主要包括合约估值、保证金管理及合约了结。生成式人工智能能够嵌入上述每一个具体业务环节，并为了尽量减少其“幻化事实”问题的负面影响，在实施初期避免其自主决策，主要用于工作辅助，亦能够大大提高效率，减少人工失误。
例如在客户准入方面，生成式人工智能可以基于公开数据和信息，挖掘客户真实身份，并追踪客户重大信息调整，提升核查效率；在产品设计和询报价互动方面，生成式人工智能可提高对客户需求的理解，自动化询、报价流程，提升沟通效率；在交易行为管理方面，生成式人工智能可参与监测客户交易行为，进行交易目的分析，提升合规效率；在对冲交易方面，生成式人工智能可以辅助程序编写，构建数学模型，避免异常交易，提升对冲效率；在保证金管理方面，生成式人工智能可以计算初始和变动保证金比例等指标，并自动逐日盯市，提升风控效率。
四、生成式人工智能存在可行的技术搭建方式
生成式人工智能技术系统搭建基于不同的训练方式，大致有直接自建原生大模型、在第三方通用大模型基础上建立微调大模型、利用行业语料库进行通用大模型垂直优化，以及利用通用语料库进行通用大模型的通用优化四种路径。考虑到目前生成式人工智能本身存在的问题和证券行业的特性，在前期应用阶段，可对通用大模型进行本地化、垂直化训练，为人工工作提供辅助，提高工作效率。在长期安排上，为确保金融安全、保护数据隐私，同时结合重复建设、搭建成本、数据稀缺等实际问题，可以探索由行业协会或者大型头部金融机构建立金融行业通用的垂类大模型，各证券公司通过微调工具进行个性化和适应性调整，在专业性、针对性、高精度和合规性上，更贴合金融行业的行业特性和底层逻辑。
五、生成式人工智能自身存在一定的局限性
除了“事实幻想”这一无法避免的问题之外，生成式人工智能自身还存在一定的缺陷，包括：一是训练成本高且环境不友好。据统计每训练一次GPT-3模型需要耗电约19万度，大约产生85,000千克的二氧化碳当量，相当于一辆汽车行驶70万公里（大约是地球与月球间距离的两倍）的排放量；二是数据库可能被操纵而导致不公正结果。由于生成式人工智能依赖于海量的数据训练，如果训练数据集质量低下或不全面（例如，包含性别偏见、种族偏见、职业偏见等的歧视性变量），这可能改变模型的道德行为，导致输出不公平的结果；三是弱者监督强者悖论。随着持续地深度学习和训练，生成式人工智能拥有做出极其复杂又创新行为的能力，例如编写出新颖、人类专家无法理解、但具有潜在危险的计算机代码，这将使得人类难以对其可靠性进行有效监督。
六、生成式人工智能在证券行业垂直应用存在的障碍
除了自身存在的缺陷之外，生成式人工智能在我国证券行业落地垂直应用还面临其他的障碍，包括：一是证券行业垂类应用制度框架待进一步完善。我国目前构建了生成式人工智能的制度框架，但从证券行业的角度，生成式人工智能的垂直应用，尚缺乏行业性质的规范和要求，比如具体应用范围、管理原则、风控要求、技术参数、应急处理等等；二是金融风险的隐蔽性更高难以提前预防。由于生成式人工智能基于神经网络和深度学习算法构建，其“黑盒”特性使得模型的内部决策过程缺乏透明度，难以揭示输入与输出之间的确切因果关系或解释其决策逻辑，导致金融风险难以提前被识别，只有当风险发生后才能被观测到；三是严格防范数据安全和信息隐私泄露的问题。对于境内证券公司，在使用第三方人工智能服务时，如果提供完整的客户信息，就会面临客户隐私泄露和数据安全的问题。但如果不提供客户信息，生成式人工智能就无法获得充分的训练数据，这将限制其在分析和支持方面的能力。
七、利用生成式人工智能服务证券行业高质量发展
面对人工智能的高速发展，市场环境的不断复杂，证券公司应当利用生成式人工智能大模型，探索将其嵌入业务环节，拓展其应用的深度和广度，从辅助人工减少重复性工作和流程，到挖掘其深度学习以及大数据算法分析等能力，更好地落实好科技金融大文章的战略布局，将证券公司自身的发展融入国家战略，切实推动行业的高质量发展，提高金融服务实体经济的质效，积极践行金融高质量发展助力强国建设的责任。
一是应用初期以人为本推进人机协同。生成式人工智能的局限不容忽视，其无法完全取代人类工作，为此应用初期可以主要发挥生成式人工智能的编程辅助、信息整理等功能，减少流程节点，降低重复性工作负担，辅助人工决策，提升工作效率。同时，证券公司应致力于培养具备“AI+证券”背景的复合型人才，以增强业务和内控团队对人工智能的培训和操控能力。创建并采用AI设计指南，并将有关算法责任的具体部分纳入企业的商业道德准则。通过多样化的交互和多层次的参与，可以有效地指导生成式人工智能，实现人机交互的自适应性，最大化人机协同的潜力。
二是在任何阶段都要重视数据安全和隐私保护。在应用初期，使用第三方人工智能服务，或者使用第三方通用大模型“基底”时，证券公司应当禁止对外提供客户信息，而是改为利用生成式人工智能信息收集和整理能力，由其将相关的外部信息收集并标准化处理之后，反馈作为人工决策的辅助工具；后续建立相关数据脱敏机制和技术处理，可考虑将客户信息脱敏后提供给第三方，尤其作为数据库训练其通用大模型，进行信息分析判断，反馈证券公司。如果是证券公司自建的，或者行业建立的，负责任的垂类大模型，才可以考虑将客户数据直接提供，但同时需要进一步提高数据保护和防止泄露的能力。
三是长期来看以建立金融垂类大模型为目标。具体搭建方式：由行业头部机构，或者行业协会牵头负责垂直类大模型的建设，并将此垂直类大模型交由监管部门统一监管，同时向其他的行业机构开放技术后台，各金融机构根据行业本质和自身情况进行微调，从而适用于自己的业务需求。各证券公司应当确保应用场景易于解释，生成式人工智能生成的工件清晰可识别，训练保持透明且接受持续审核。确保生成式人工智能生成的结果可以追溯到基础模型、数据集、语料库或其他输入指令。
具体搭建原则：在开发和部署人工智能系统时应遵循的一系列指导方针和最佳实践，以确保人工智能的应用对社会、经济和环境产生积极影响，同时减少潜在的负面影响。即“负责任的人工智能”原则：遵守法律、行政法规要求，尊重社会公德和伦理道德，坚持社会主义核心价值观，不得危害国家安全和利益，防止产生民族、信仰、国别、地域、性别、年龄、职业、健康等歧视，尊重知识产权、商业道德，尊重他人合法权益，以及提升生成式人工智能服务的透明度，提高生成内容的准确性和可靠性。
持续优化方向：需要进一步研究大模型的轻量化，才能在保证性能的同时降低算法边际成本，推动生成式人工智能大规模应用落地。
（作者：国联证券股权衍生品业务部 张橙逸）
推荐阅读
➤A股，沸腾！
➤稳楼市、稳股市，央行出手！
➤首期规模共8000亿元！稳定股市发展还有更多举措
➤金融监管总局发声！支持保险机构设立私募证券投资基金