智慧金融：开启金融业的智能化革新｜数据猿直播干货分享
数据智能产业创新服务媒体
——聚焦数智 · 改变商业
随着科技的迅猛发展和数字化转型的浪潮，智慧金融正成为金融业的新引擎。近几年，金融行业经历了一场引人注目的变革，通过人工智能、大数据、云计算和区块链等前沿技术的应用，为金融服务注入了新的活力，改变了我们传统金融体系的面貌。
区块链技术的出现为智慧金融带来了更高的安全性和透明度。智慧金融机构利用区块链技术开发了数字货币、智能合约和跨境支付解决方案等创新产品，提升了金融交易的效率和便捷性。
2023年初以来，以ChatGPT为主的人工智能技术爆火，为智慧金融的发展添了一把新火。金融机构利用人工智能技术，开发智能客服、聊天机器人和语音识别等工具，实现更高效、个性化的客户服务。同时，ChatGPT这类大模型，在股市预测或者更广范围的投资决策上也有了最新的动态，为金融机构提供了更精确的决策依据。
然而，智慧金融也面临一些挑战和问题。数据隐私和安全性是其中的重要议题，如何在利用大数据的同时保护用户隐私和数据安全成为一个迫切的问题。此外，智慧金融的快速发展也对监管合规提出了新的要求，需要制定相应的法规和监管框架，确保金融活动的稳定和可持续发展。
那么，ChatGPT这类大模型，在股市预测或者更广范围的投资决策上，应用前景如何？近一两年在金融营销领域有哪些值得关注的新技术、新应用？如何既保护智慧金融市场创新，又做好监管，避免新技术带来的金融风险呢？为了更深入讨论这些问题，数据猿组织了一场线上直播，邀请业界专家：李国平，百望云数字经济与金融科技研究院院长；汤志刚，国舜股份副总裁、首席技术专家、产品线负责人；秦毅，星陀资本合伙人，就“智慧金融，以技术红利创造财富价值”这个主题进行深入交流。
以下为完整直播回放：
AI大模型将为金融产业带来巨大变革
纵观半个多世纪以来的金融行业发展历史，每一次技术升级与商业模式变革依赖科技赋能与理念创新的有力支撑。金融行业也已经从传统金融转到“IT+金融阶段”，再到“互联网+金融阶段”。伴随着AI的崛起，“AI+金融阶段”也已经来临……
去年年底，国外一款人工智能聊天软件的爆火，将AI与金融的结合推向了新的高潮。这款软件就是ChatGPT，该软件仅仅只用了两个月的时间，月活用户数就突破了1个亿，要知道哪怕是全球最火的TikTok，也花费了9个月的时间，才积累到月活用户1个亿。该软件的火爆程度不仅打破了人们的认知，特别是该软件的智能水平，更是超乎了人们的想象，根据比尔盖茨的说法，这款软件不亚于互联网的诞生，更是有可能取代互联网，成为人类发展史下一个奇点。
就目前来看，ChatGPT不仅可以和人类正常沟通，而且还拥有创造力和想象力，它能够写诗、撰文和编码，甚至做投资决策，这也是它之所以如此火爆的原因。大模型浪潮兴起之后，很多研究人员已经开始探索诸如ChatGPT之类的AI工具在金融领域的潜在价值。
今年以来，利用ChatGPT炒股，并获得高额回报的消息，让AI大模型在智慧金融领域的地位有了更大幅度的提升。一家名为Autopilot的金融服务公司，创建了一个ChatGPT主导的投资计划，并交给它5万美元初始资金，观察ChatGPT的投资能力究竟如何。最初选择的股票包括伯克希尔·哈撒韦、亚马逊、dr.horton和Davita Health等。两周后，该投资组合上涨了约2%，与大盘涨幅基本持平。
早前佛罗里达大学金融系的两位教授用ChatGPT 3.5做了一个投资策略，他们利用2021年10月至2022年12月的公开市场数据和新闻，由ChatGPT驱动的交易模型在这一时期可以产生超过500%的回报。与同期购买并持有标准普尔500ETF的-12%回报率形成强烈对比。堪称AI界的“巴菲特”。
具有二十余年IT和金融行业从业经验的秦毅也早已了解到这一现象，他对此表示，从某种程度上来说，金融或者说投资本身就是一种数字游戏。ChatGPT令人惊艳的“智慧”，来自于数据量级的突破。ChatGPT这类大模型是“知识渊博”的，利用千亿级的参数训练。简而言之，它学习了海量人类沉淀的知识，数据量级非常庞大。而如果仍是人来主导投资的话，由于大脑存在反应速度慢、不准确以及健忘的缺点，它无法进行快速、高精度的浮点运算，因此，相比AI大模型，投资需要分析海量数据以识别交易信号时，我们已经产生出了本质上或者数量级上的这个差距。
李国平也同样认为，ChatGPT这类大模型在一定程度上正在取代一些岗位，包括证券、投资。通过大模型算力的比拼，从而实现先发优势。
然而，汤志刚则认为，从实盘角度来看，ChatGPT这类大模型短期来看并没有表现出强大的投资实力。如果ChatGPT只是基于股市上的数据去炒股，相比Alpha Go，ChatGPT只是人工语言方面的理解能力实现了加强，其实Alpha Go出现时就应该是可以实现的。如果只是基于资本市场的各种信息去选股的话，ChatGPT确实略高一筹。但是从实盘操作来看，ChatGPT做投资还是有一定差距的。
不过，可以肯定是，随着不断探索和开发为金融行业量身定制的大语言模型，金融决策过程的准确性和效率将大幅提升。至于谁能在技术迭代后笑傲股海，这又是二级市场不可预测的魅力所在了。
如何做好智慧金融的营销和风控？当然，无论技术如何变换，金融领域所特有的风控和营销属性不会变，营销和风控是金融领域中两个最重要的任务，也是机器学习落地最多的两个场景。如何在技术不断变换中做好风控和营销，成为行业内不断探索的课题。
从金融营销角度来看。营销是金融业保持长期发展并不断提升自身实力的基石，因此营销环节对于整个金融行业的发展来说至关重要。
传统的金融营销渠道主要还是以实体网点、电话短信推销、地推沙龙等方式将金融相关产品销售给潜在客户，这些营销方式容易产生对于市场需求的把握不够精准、使得客户产生抵触情绪，同时标准化的产品以群发的方式进行推送也无法满足不同人群的需要。
智能营销主要通过人工智能等新技术的使用，对于收集的客户交易、消费、网络浏览等行为数据利用深度学习相关算法进行模型构建，帮助金融机构与渠道、人员、产品、客户等环节相联通，从而可以覆盖更多的用户群体，为消费者提供千人千面、个性化与精准化的营销服务。
近些年来，由于社会大众对隐私保护要求的提高和相关隐私保护相关法律法规的出台，隐私计算技术受到了社会和业界的大量关注，给金融营销带来了不小的冲击。汤志刚观察到，如今利用大数据进行金融营销正在经历一个小低谷。数据安全法的实施对数据的应用加以管控，导致如今的数据促进营销可能还没有前期发展顺利。现在对于数据的来源的合法性、数据用的合法性等等附加了更多的限制，目前部分的大数据使用，遭遇了一些法律方面的困难。
汤志刚就国内某家股份制银行实施VIP营销解释了大数据在金融营销方面的阻碍。为了提高服务，该银行给VIP会员设置了VIP厅，以及相应的门禁，VIP会员需要通过人脸识别技术方可进入。但在操作过程中却遭到了客户反对，因为在早期采集人脸信息承诺的使用范围没有涉及到VIP会员这项服务，所以这种探测功能也只能下线。
数据要素广泛分布于银行、互联网公司、政府部门等众多机构中，它们都有隐私和安全的需求，要释放数据潜能并不容易。随着人工智能在各行业的应用落地，人们对于用户隐私和数据安全的关注度不断提高，用户更加关注隐私信息是否未经许可便被他人出于商业或其他目的而利用，甚至滥用。
秦毅对此也深有体会，银行、金融机构以及金融科技公司会利用大数据给客户打电话进行营销。但对于大部分用户来说已构成骚扰，从这个角度来看，其认为目前数据对金融营销的效果有限。
那么如何在既能保护数据安全的前提下，又能更多的在金融营销方面实现创新呢？
李国平表示，合规和创新是天平的两端。一方面，数据滥用确实导致了用户体验的下降，甚至出现违法犯罪的现象存在。另一方面，数据不流通又导致数据孤岛，以及无法实现数据的全流程闭环。在解决这些问题上，我们可以利用隐私计算或者区块链等新技术在保护金融创新的同时，解决安全方面的问题。
其实，金融本质上就是一个风险与收益的游戏，而风控在金融当中占据比较核心的位置。
从金融业风险防控来看。风险作为金融行业的固有特性，与金融业务相伴而生，风险防控是传统金融机构面临的核心问题。智能风控主要得益于以人工智能为代表的新兴技术近年来的快速发展，在信贷、反欺诈、异常交易监测等领域得到广泛应用。
随着近年来科技的不断进步，不法分子利用新技术实施电信网络欺诈的案例时有发生，而面对各种“科技与狠活”的新型诈骗手段，各金融机构也在积极利用金融科技等手段，增强反欺诈的“智慧”水平。汤志刚也对利用反欺诈解决金融风控的外部风险表示看好。
在数字化时代下，科技手段已成为风险防控的关键，而这对金融科技提出了更高的要求。如今大数据技术、AI技术在金融风控中的应用已十分普遍。欺诈风险一直是金融机构面临的最严重风险问题之一。
李国平则从自身从业经验讲述了如何防范内部金融风控风险。李国平认为金融行业一直是靠精准的数据来进行运营，对银行至关重要的风险控制问题，同样也是基于数据的。但现实情况是，金融机构掌握的信息趋同化，数据孤岛现象严重；数据整合分析和治理程度也很低。这也很好理解，数字风控的技术门槛较高，对于传统金融机构特别是中小型银行来说，数据的挖掘和清洗、风控策略模型的构建、群体画像的完善，哪一项工作的构建和实施都不容易。正是在这样的背景下，为切实解决金融机构的痛点，百望云创造性地研发了“银行供应链场景与普惠金融风控模型”，在供应链金融的场景下引入供应链、产业链交易数据，全面评估链路式的企业交易环节信用状况，基于全流程智能风控，协助金融机构搭建线上化、智能化、批量化、自动化的风险管理，真正实现"以票定贷、促融助融、以票为链，赋能产业"。在供应链场景引入交易数据，通过数据挖掘、数据集成及数据衍生等，可实现供应链场景客户不同维度的数据融合，构建企业标签库，而通过多维度数据交叉验证，可刻画企业完整经营画像，评价企业真实经营能力。
与传统的风控手段相比，智能风控已然改变了过去以满足合规监管要求的被动式管理模式，转向以依托新技术进行监测预警的主动式管理方式。
平衡金融监管与创新在当前科技迅猛发展的形势下，须更加重视金融业务风险与技术风险叠加后产生的扩散效应，对于行业发展与风险监管之间要进行有效平衡。现行的《中华人民共和国网络安全法》与《信息安全技术个人信息安全规范》已经就个人及企业客户的数据使用和隐私保护方面做出了明确规定，但大规模数据泄露事件依然时有发生，信息监管体制仍不完善，对于新产品与商业模式的监测覆盖程度还有缺失，下一步需要配合更加系统的研究与方法创新，建设多层次、全方位的信息监管治理体系，确保科技在金融行业转型过程中风险可监测、可管控、可承受，为有效服务实体经济，加快建设智慧金融生态环境发挥更大作用。
毕竟，科技将成为未来金融行业得以持续发展的核心驱动力，以人工智能为代表的新技术一方面给金融机构带来巨大效益，另一方面由于存在黑箱等问题使得监管机构面临更大的挑战。
金融创新和金融监管就像一个跷跷板，管太严阻碍金融创新，管太松又容易带来金融风险。尤其是一些打着金融创新名义的伪创新，并没带来多少价值增量，却带来不小的风险。一些互联网金融平台就是一个典型例子。那么，如何既保护智慧金融市场创新，又做好监管，避免新技术带来的金融风险呢？
确实，金融创新和金融监管之间存在一种平衡关系。合理的监管可以保护金融市场的稳定性和投资者的权益，但过度的监管可能会阻碍金融创新和市场发展。
在金融行业中，监管是为了保护消费者和市场稳定而制定的规则和程序。而创新则是为了满足消费者需求、提高效率和创造新的商业机会而进行的活动。在金融监管方面，政府和监管机构需要确保金融机构遵守法律法规，保护消费者权益，防止金融风险等。同时，监管也需要适应不断变化的市场环境和技术进步，以保持有效性和灵活性。在金融创新方面，金融机构需要不断探索新的产品和服务，以满足消费者需求和提高市场竞争力。这些创新可以包括新的支付方式、投资工具、风险管理技术等。
秦毅认为，监管，就应该先“监（监测）”后“管”。而智慧金融的创新可以分成两部分来看，第一个是业务创新，第二个是技术创新。业务创新是早于技术创新的，或者说技术创新驱动的业务创新，但核心还是业务创新。但是，在智慧金融的业务创新上，也应该服从监管。金融科技公司应制定和实施健全的风险管理和合规措施，确保他们的创新产品和服务符合监管要求。监管机构可以提供指导和规范，确保金融科技公司在创新过程中能够充分考虑风险管理和合规性。
汤志刚则认为：应该精细化监管，要有足够的数据、信息，切实了解市场情况，才有助于精细化监管，而不是一刀切。监管必须要整合社会的力量来进行监管，就像和联合公安部、电信、银行的力量去做反欺诈一样，利用数据去监管。毕竟单个机构的力量是有限的，所以监管首先还是监管技术的突破，然后去整合社会力量去实现监管。监管机构需要不断提升技术能力，以更好地理解和监测新技术的风险。例如，利用人工智能、大数据和区块链等技术来监测和分析市场数据，发现潜在的风险和违规行为。监管机构之间以及监管机构与金融科技公司之间应加强信息共享与合作。这有助于监管机构更全面地了解市场情况和风险，并能够更及时地采取行动。同时，监管机构还可以与金融科技公司合作制定合适的监管标准和最佳实践，以确保风险得到有效管理。
然而，金融监管与创新之间也存在一定的冲突。一方面，过度的监管可能会限制金融机构的创新能力和市场竞争力；另一方面，缺乏有效的监管可能会导致金融风险和不公平竞争等问题。
对于金融创新和监管，李国平表示，永远是一个魔高一尺道高一丈的过程。新技术不断的出现，新的创新一定会出现，动了歪脑筋的人会用这些新的技术去做相应的事情。不过，不能因为一些技术不够完美就不去创新。如果对一个事情看不清楚，应该是持谨慎、乐观、开放、包容的态度，并给它圈定在一定的空间尺度去做一些试点示范。如果大家最终觉得是好的，那就继续往前发展。否则的话，如果发现这个问题越来越多，那可能就不是一个好的，在可控、可计算的风险范围内实现利益最大化。因此我认为，不管是金融的哪个业态，都应该是拥抱创新的。
如今，智慧金融正引领金融业的变革，为金融机构和用户带来了巨大的机遇和改变。它将进一步提高金融服务的效率和质量，促进金融业的创新和发展。积极拥抱智慧金融的发展，不断学习和掌握新技术，加强合作与创新，共同推动金融业的智能化转型。当然，为了既保护智慧金融市场创新同样需要做好监管，监管机构应保持与时俱进的监管框架和技术能力，加强合作与信息共享，同时金融科技公司也需要自觉遵守监管要求，重视风险管理和消费者保护。只有在监管和创新之间取得平衡，才能实现智慧金融市场的可持续发展。
文：余小鱼 / 数据猿