人工智能在金融领域的当前和未来应用

行动纲要

人工智能正在爆炸式增长
  • 根据国际数据公司(IDC)2016年的一份报告,人工智能在各行各业的广泛采用预计将推动2017年全球收入达到125亿美元,2020年达到470亿美元,2016年至2020年的CAGR为55.1%。
  • 对这些技术投资最多的行业是银行业和零售业,其次是医疗保健和制造业。
  • 经济学家将通用技术(GPT)定义为足以刺激长期经济增长和社会进步的技术。例如,电是一个GPT。《哈佛商业评论》最近的一篇文章将人工智能称为我们这个时代最重要的GPT。
金融服务中的人工智能:风险管理
  • PayPal已经能够通过利用深度学习技术来提高安全性。PayPal相对较低,占收入的0.32%,远高于商家看到的1.32%的平均水平。
  • 虽然线性模型可以消耗20-30个变量,但深度学习技术可以控制数千个数据点。
金融服务中的人工智能:人工智能交易
  • 多年来,投资管理公司一直依靠电脑进行交易。管理着1,970亿美元的所有基金中,约有9%依赖于数据科学家构建的大型统计模型。
  • 然而,这些模型通常是静态的,需要人为干预,当市场变化时也是如此。因此,资金越来越多地转向分析大量数据的真正人工智能模型 继续提升自己。
  • 2000年,高盛纽约总部的现金股票交易部门雇佣了600名交易员。如今,它有两名股票交易员,其余工作由机器完成。
金融服务中的人工智能:机器人咨询
  • 对于投资者来说,robo-advice在某些服务上可以节省高达70%的成本。
  • 一些老牌投资公司正在收购现有的机器人顾问公司,如Jemstep的Invesco acquisition和FutureAdvisor的Blackrock purchase。其他公司甚至创建了自己的机器人顾问,如FidelityGo和Schwab Intelligent咨询公司。
  • 77%的财富管理客户信任他们的财务顾问,81%的客户表示面对面的互动很重要。
金融服务中的人工智能:保险承保和索赔
  • 普华永道(PWC)的一份报告预测,到2020年,人工智能将实现相当数量的承销自动化,尤其是在有数据可查的成熟市场。
  • 在2013年牛津大学的一项研究中,分析了700多种职业以确定哪些职业最容易受到计算机化的影响,保险承保人被列为最容易受到影响的前五名。
  • 核保不仅可以利用机器学习,还可以利用可穿戴技术和深度学习面部分析技术。
金融服务中的人工智能:通过聊天机器人提供客户服务
  • 2016年10月,美国银行和万事达分别发布了他们的聊天机器人erica和Kai。早期版本的Erica可以跟踪的得分,查看他们的消费习惯,并就如何支付账单提供建议。
  • Capital One最近还推出了他们自己的聊天机器人“Eno”,使客户能够使用基于文本的语言与银行聊天以支付账单并检索账户信息。Capital One还利用物联网趋势,为亚马逊Echo推出了Alexa技能,并计划率先为微软的Cortana推出类似服务。

通用技术 是经济学家专指刺激持久经济增长和社会进步、彻底改变家庭和企业运作的技术。一个典型的通用技术是电力。电力催生了众多产品和行业,包括冰箱、洗衣机、火车,当然还有电脑。电力的出现彻底改变了世界。

《哈佛商业评论》最近的一篇文章 指定人工智能(AI)为我们时代最重要的通用技术。我们熟悉人工智能的力量。它以机器人击败世界知名棋手的形式表现出来。一辆可以自动平行泊车的汽车。当我们询问时,设备会对明天的天气做出反应。但我们对人工智能的接触和理解大多围绕着影响我们消费者日常生活的产品。在组织层面上,有一个更大的问题是人工智能将如何扰乱行业,特别是金融服务将如何利用人工智能。

接下来的文章将定义人工智能、其相关技术的领域、整体人工智能行业的规模以及人工智能在金融领域的应用。这篇文章并不是为了对人工智能的发展提供一个规范性的判断;相反,它将专注于人工智能如何扰乱金融。

人工智能:什么是人工智能?

人工智能是计算机科学的一个领域,专注于创造像人类一样运行的智能机器。人工智能计算机旨在执行人类功能,包括学习、决策、规划和语音识别。

人工智能使机器能够不断提高性能,而无需人类提供如何提高性能的指令。这一点非常重要,原因有几个。首先,人类知道的比我们能说的多。也就是说,人类可能能够在国际象棋比赛中识别人脸或执行聪明的策略。然而,在先进的人工智能技术出现之前,人类无法表达我们的知识意味着我们无法自动化许多任务。第二,人工智能技术在执行方面是超人的,比人类操作更快,而且往往更准确。

人工智能技术

人工智能包含多种能力和技术。咨询公司普华永道强调,人工智能“不是一个单一的学科领域。它由许多东西组成,所有这些都增加了我们对“智能”的概念“以下是人工智能最受欢迎的几个领域:

  • 机器学习 是一种自动建立分析模型的数据分析方法。使用从数据中迭代学习的算法,【机器学习】(https://www . toptal . com/machine-learning/machine-learning-theory-an-introductive-primer)使计算机能够找到隐藏的见解,而无需显式编程去哪里寻找。
  • 深度学习 是机器学习的一个子集。它促进了图像、视频标签和活动识别中的对象识别,并在感知(包括音频和语音)方面取得了进展。例如,Facebook?deep学习应用程序DeepFace已经经过训练,可以识别照片中的人。许多人将深度学习技术与生物学相提并论,但专家们普遍认为,尽管受到人脑的启发,但it?not必然模仿了人脑。
  • 自然语言处理 是计算机程序实时理解人类语言的能力。研发正在转向能够通过对话与人互动的系统,而不仅仅是对程式化的请求做出反应。
  • 物联网 致力于实现各种设备的互联,包括电器、车辆和建筑物。例如,如果你的闹钟在早上7点响起,它可以自动通知你的咖啡机开始为你冲咖啡。佩戴时充当传感器的可穿戴技术也是这一大趋势的一部分。

当然,这份名单并不全面。有关更广泛的人工智能主题和技术,请参见下文。

图1:人工智能的主题领域(非详尽)

人工智能市场规模

前述《哈佛商业评论》文章预测,“人工智能的影响将在未来十年得到放大,因为制造、零售、运输、金融、医疗保健、法律、广告、保险、娱乐、教育和几乎所有其他行业都在转变其核心流程和商业模式,以利用机器学习。瓶颈在于管理、执行和业务想象力。”

人工智能在各行业的广泛采用预计将推动全球收入在2017年达到125亿美元,在2020年达到470亿美元,2016年至2020年的复合年增长率(CAGR)为55.1%。具体来说,对该技术投资最多的行业是银行业和零售业,其次是医疗保健和制造业。总体而言,这四个行业将占2016年全球人工智能收入的一半以上,其中银行和零售行业各贡献近15亿美元。

在各个行业中,2017年最大的人工智能投资将出现在自动客户服务代理、自动威胁情报和欺诈分析等领域(见下图)。根据市场研究公司IDC的项目总监Jessica Goepfert的说法,“认知系统的近期机会出现在银行、证券和投资以及制造业等行业。在这些细分市场中,我们发现了丰富的非结构化数据、利用这些信息的洞察力的愿望以及对创新技术的开放态度。”本文的下一部分将深入探讨人工智能在金融服务业中的各种用例。

图表1:基于2017年市场份额的人工智能顶级用例

人工智能在金融领域的当前和未来应用

金融领域的人工智能可能会推动从风险管理和交易到承保和索赔等领域的运营效率。虽然有些应用程序与金融服务中的特定部门更相关,但其他应用程序可以全面利用。

金融中的人工智能:风险管理

在安全和欺诈检测方面,人工智能已被证明极具价值。传统的欺诈检测方法包括计算机根据一套规则分析结构化数据。例如,某家支付公司可能会将电汇限额设置为15,000美元,这样任何超过该金额的交易都将被标记以供进一步调查。然而,这种类型的分析会产生许多误报,并且需要大量额外的工作。也许更重要的是,网络犯罪欺诈者经常改变他们的策略。因此,最有效的系统必须不断变得更加智能。

借助先进的学习算法,例如来自深度学习的算法,可以将新功能添加到系统中进行动态调整。德勤交易和商业分析LLP公司的咨询主管Samir Hans表示:“通过认知分析,欺诈检测模型可以变得更加强大和准确。如果一个认知系统发现了它认为可能是欺诈的东西,而一个人根据X、Y和Z确定它不是欺诈,那么计算机会从这些人类见解中学习,下次它就不会向你发送类似的检测结果。电脑越来越智能了。”

PayPal在人工智能和欺诈检测方面的成功

以支付巨头PayPal及其先进的欺诈协议为例。由于其规模和知名度,PayPal“背后有一个巨大的目标。”它在2015年处理了1.7亿客户的400万笔交易,交易金额达2350亿美元。然而,PayPal已经能够通过利用深度学习技术来提高安全性。事实上,PayPal的欺诈率相对较低,仅为收入的0.32%,远高于商家看到的1.32%的平均水平。

过去,PayPal使用简单的线性模型。如今,其算法从客户的购买历史中挖掘数据,并审查存储在其不断增长的数据库中的可能欺诈模式。虽然线性模型可以消耗20-30个变量,但深度学习技术可以控制数千个数据点。这些增强的功能有助于PayPal区分无辜交易和可疑交易。贝宝全球风险科学高级总监汪卉表示,“我们从更现代、更先进的机器学习中受益的是,它能够消耗更多数据、处理一层又一层的抽象概念,并能够‘看到’甚至人类可能看不到的东西【……】”

图2:开发人员的一些PayPal?Fraud管理选项

金融中的人工智能:交易

从人类构建的模型过渡到真正的人工智能

多年来,投资管理公司一直依靠电脑进行交易。约1,360只对冲基金(占所有基金的9%)依赖于数据科学家建立的大型统计模型,这些数据科学家通常拥有数学博士学位(也称为“定量分析师”)。然而,这些模型仅利用历史数据,通常是静态的,需要人工干预,并且在市场变化时表现不佳。因此,资金越来越多地流向真正的人工智能模型,这些模型不仅可以分析大量数据,而且 继续提升自己。

这些新技术利用了复杂的技术,包括深度学习(一种称为贝叶斯网络的机器学习形式)和受遗传学启发的进化计算。人工智能交易软件可以吸收海量数据来了解世界并预测金融市场。为了了解全球趋势,他们可以阅读从书籍、推文、新闻报道、金融数据、收益数据和国际货币政策到周六夜现场素描的所有内容。

需要明确的是,上述情况不同于高频交易(HFT),高频交易允许交易员在几秒钟内执行数百万笔订单并扫描多个市场,以人类无法做到的方式对机会做出反应。上面讨论的人工智能驱动的平台正在寻求更长期的最佳交易,而机器——而不是人类——正在决定策略。

其中一些人工智能交易系统是由初创公司开发的。例如,总部位于香港的爱迪亚是一家完全自主的对冲基金,其所有股票交易都使用人工智能(AI)进行。“如果我们都死了,”联合创始人本·戈泽尔说,“它会继续交易。”传统机构也对AI交易技术感兴趣。2014年,高盛领导了A轮融资,并开始安装一个名为Kensho的人工智能交易平台。对于Kensho的B轮融资,除标普全球外,华尔街最大的六家银行(高盛、摩根大通、美国银行美林、摩根士丹利、花旗和富国银行)也参与了。

交易业绩比较

投资研究公司Eurekahedge最近进行的一项研究跟踪了2010年至2016年期间23只利用人工智能的对冲基金的表现,发现它们的表现优于那些由更传统的量化基金和广义对冲基金管理的基金。

图表2:人工智能/机器学习对冲基金指数与量化基金和传统对冲基金的对比

对交易员和量化分析师的影响

观察人工智能将如何影响交易劳动力市场将是一件有趣的事情。其影响已经在一些主要银行机构显现出来。2000年,高盛纽约总部的美国现金股票交易部门雇佣了600名交易员买卖股票。如今,它有两名股票交易员,其余工作由机器完成。Kensho的首席执行官丹尼尔·纳德勒宣称,“10年后,高盛的员工人数将比现在少得多。”至于量化分析师,他们可能会发现投资管理公司对他们技能的需求减少了。

目前,顶尖商学院约三分之一的毕业生进入了金融业。美国一些最优秀的人才会去哪里?美国竞争力委员会(U.S. Council on Competitiveness)高级顾问马克·米涅维奇(Mark Minevich)认为,“其中一些聪明人将进入科技初创公司,或将帮助开发更多人工智能平台、自动驾驶汽车或能源技术【……】纽约可能会在科技领域与硅谷竞争。”

金融领域的人工智能:机器人顾问

什么是机器人顾问?它是如何工作的?

机器人顾问是数字平台,提供自动化、算法驱动的财务规划服务,只需最少的人工监督。虽然自21世纪初以来,人类理财经理一直在利用自动投资组合配置,但投资者不得不聘请顾问来受益于这项技术。如今,机器人顾问允许客户直接使用这项服务。与他们的人类同行不同,机器人顾问不间断地监控市场,并且全天候可用。机器人顾问还可以为投资者节省高达70%的成本,并且通常要求更低或没有最低参与要求。

如今,机器人顾问可以帮助完成更多重复性任务,如开户和资产转移。这个过程通常包括客户回答关于风险偏好或流动性因素的简单问卷,然后机器人顾问将这些问卷转化为投资逻辑。目前大多数机器人顾问的目标是根据客户的偏好将他们的客户分配到管理型ETF投资组合中。预计未来的功能将发展为更高级的产品,例如自动资产转移和跨房地产等替代资产类别的扩展覆盖范围。

机器人顾问可能会对个人金融和财富管理行业产生重大影响。虽然目前robo-advisor管理的总资产(AUM)仅占财富管理行业4万亿美元总资产的100亿美元(不到所有管理账户资产的1%),但Business Insider的一项研究估计,到2020年这一数字将上升至10%。这相当于大约8万亿AUM。

图表3:当前和未来的机器人建议功能

行业采用机器人建议

行业参与者采用了各种方法来提供机器人咨询。规模较小的财富管理公司正在增加算法组件,以实现投资管理自动化,降低成本/费用,并与机器人顾问竞争。另一方面,老牌投资公司正在收购现有的机器人顾问公司,如景顺对Jemstep的收购,或创建自己的机器人顾问解决方案,如FidelityGo和嘉信理财的智能顾问公司。

图3:实现机器人建议功能的方法

机器人顾问对财务顾问:人类会被取代吗?

专家们的普遍共识是人类仍将是不可或缺的。人情味仍将至关重要,因为在金融困难时期,顾问仍需要安抚客户,并说服他们提供有用的解决方案。咨询公司埃森哲进行的一项研究显示,77%的财富管理客户信任他们的财务顾问,而81%的客户表示面对面的互动很重要。对于做出复杂投资决策的客户来说,将计算机化服务与人力顾问相结合的混合咨询模式正日益受到青睐。

虽然金融顾问仍将是核心,但机器人顾问可能会导致他们工作职责的转变。随着人工智能管理重复性任务,投资经理可能会承担数据科学家或工程师的职责,例如维护系统。人类也可能更专注于建立客户关系和解释机器做出的决定。

金融中的人工智能:保险承保和索赔

保险依赖于人群之间的风险平衡;保险公司将相似的人分组,有些人需要赔付,有些人则不需要。该行业是围绕风险评估建立的;保险公司对数据分析并不陌生。然而,人工智能可以扩大分析的数据量以及利用数据的方式,从而提高定价和其他运营效率。

创业公司处于推动行业发展的最前沿。贝恩咨询公司合伙人亨里克·瑙约克斯表示:“初创企业展示了什么是可能的,什么是可以做的。许多现任高管都在关注这一问题——他们并不真正了解这一问题,但他们希望参与其中。”投资者也抓住了这一趋势(见下文)。2016年,人工智能是保险科技投资最受欢迎的主题之一。

图表4:投资者对保险技术的兴趣正在增加

人工智能和核保

普华永道的一份报告预测,到2020年,人工智能将使相当多的承销业务实现自动化,尤其是在有数据可查的成熟市场。目前,保险承保人在计算机软件和精算模型的帮助下,评估潜在客户的风险和暴露程度,他们应该获得多少保险,以及他们应该为此收取多少费用。在短期内,人工智能可以帮助汽车、家庭、商业、人寿和团体保险的大量承保自动化。未来,人工智能将增强建模能力,为人类决策者强调否则可能会被忽视的关键考虑因素。据预测,先进的人工智能将使公司或个人能够根据独特的行为和情况进行个性化承保。

增强核保不仅可以利用机器学习进行数据挖掘,还可以利用可穿戴技术和深度学习面部分析器。例如,初创公司Lapetus希望利用自拍来准确预测预期寿命。在他们提出的模型中,客户将通过电子邮件发送他们的自画像,然后计算机将扫描和分析这些照片——分析面部的数千个区域。该分析将考虑从基本人口统计到该人衰老速度、体重指数以及是否吸烟等一切因素。此外,可穿戴技术可能会使核保过程更加协作。可穿戴设备可以提供对投保人健康和行为的实时见解,而不是依赖冗长的医疗检查和复杂的合同流程。显然,金融领域的机器学习已经在不断发展。

这种细致入微的实时风险分析不仅能够实现更准确的客户定价,还能及早发现健康风险,为保险公司提供投资预防的机会。保险公司可以主动尝试降低损害概率和相关成本,而不是最终为患者支付昂贵的治疗费用。

在2013年牛津大学的一项研究中,分析了700多种职业以确定哪些职业最容易受到计算机化的影响,保险承保人被列为最容易受到影响的前五名。即使在人工智能没有完全取代承销商的情况下,人工智能自动化也可以改变承销商的职责。人工智能可以释放承销商的时间来实现更高的附加值,例如在数据不太丰富的新兴市场中评估和定价风险,提供更多的风险管理和产品开发反馈。

人工智能和保险索赔

保险索赔是发送给保险公司的正式付款请求。然后,保险公司审查索赔的有效性,并在批准后支付给被保险人。以下是人工智能如何增强这一过程:

提高客户数据的准确性。 索赔过程相当手工:人工代理手动记录客户信息和事故细节。根据Experian的一份报告,数据质量可能会受到影响:不完整的数据占数据错误的55%,而错别字占32%。AI可以通过减少手动输入来提高准确性。此外,索赔流程通常要求保险代理将客户信息与众多数据库进行匹配。人工智能可以用来更有效地做到这一点。

更快的支付建议。 根据J.D. Power & Associates财产索赔满意度研究,缓慢的索赔周期是客户不满意的最大原因之一。人工智能可以帮助减少周转时间,首先验证保单,然后对索赔和是否自动支付做出决定。这是因为人工智能不仅能够分析结构化数据,还能够分析手写表格和证书等非结构化数据。

金融中的人工智能:对话式银行和客户服务

银行正在用他们面向客户的虚拟助手聊天机器人下大赌注。虽然聊天机器人的早期版本只能回答关于支出限额和最近交易的基本问题,但未来的版本将成为提供全面服务的虚拟助手,可以为消费者进行支付和跟踪预算。与客户互动可以转化为显著的成本节约,但人际互动无疑也比简单的数字运算更复杂。批评者指出聊天机器人缺乏同理心和理解能力,而人类在处理困难的财务决策和情况时可能需要这种能力。对于这项技术来说,自然语言处理的人工智能技术对于处理和响应个性化的客户关注和愿望至关重要。

2016年10月,美国银行和万事达分别发布了他们的聊天机器人erica和Kai。这些将允许客户通过亚马逊Echo tower的Facebook Messenger询问有关其账户的问题,发起交易并获得建议。

万事达卡样本图片

Capital One也推出了自己的聊天机器人,名为“Eno”,是“One”的变位词。Eno使客户能够使用基于文本的语言与银行聊天以支付账单并检索账户信息。巴克莱也开始行动了。在描述美国银行的新聊天机器人时,美国银行数字银行业务负责人米歇尔·摩尔宣称:“银行业在两、三、四年后会是什么样子?会是这样的。”

离别的思绪

人工智能在金融服务领域的全面影响有待观察。一些未来学家认为,世界正在迅速接近一个被称为“奇点”的临界点,即机器智能将超过人类智能。包括比尔·盖茨和斯蒂芬·霍金在内的著名技术专家和科学家都警告过这一点。埃隆·马斯克(Elon Musk)也曾著名地敦促道:“人工智能是人类文明的一个基本生存风险,我认为人们没有充分认识到这一点。”

随着人工智能继续扩散我们的个人和职业生活,许多问题将继续出现。其中包括出错的可能性、对机器的普遍不信任情绪以及对工作替代的担忧。忽视这些担忧将是一个错误。尽管如此,社会已经在朝着人工智能驱动的世界加速前进。在这个新世界中,关注机器和人类如何最好地共存可能是最有成效的。政策制定者保持谨慎非常重要,允许新技术发展,同时监控并尽量减少其负面影响。开发人员和设计人员还应该增强人类理解人工智能系统的能力,以建立信任并提高对人工智能应用程序的满意度。每个人都有自己的角色。

正如日本央行行长黑田东彦在2017年人工智能和金融服务会议上所说的那样, “对我们来说,建设性地考虑人类和人工智能互补而不是对抗的可取方式至关重要。例如,人类的判断并没有完全摆脱现有的范式,因此有时会忽视变化。在这方面,人工智能可以通过中立地分析和发现无数(原文如此)数据之间的新相关性来调整我们的偏见。与此同时,人类可以用自己的直觉、常识和想象力来弥补人工智能的不足。”

原创文章,作者:admin,如若转载,请注明出处:http://www.dianwifi.cc/4209/.html