带你读《金融科技:人工智能与机器学习卷》之三:智能金融的驱动因素-阿里云开发者社区

开发者社区> 华章出版社> 正文

带你读《金融科技:人工智能与机器学习卷》之三:智能金融的驱动因素

简介: 本书从人工智能和机器学习面向金融客户端的应用、面向运营环节的应用、在交易和投资管理中的应用以及面向监管合规的应用四个方面进行梳理,从理论和实践角度分析目前人工智能技术在金融业各个部门和各个环节的应用场景,并分析了具体的应用案例。本书整体上呈现了从宏观到微观,再从微观到宏观的逻辑架构,既适合金融机构和从业人员、相关政府机构人员和金融监管者阅读,也适合对金融、科技以及金融科技感兴趣的学者、学生和其他各界人士阅读。

点击查看第一章
点击查看第二章

第3章

智能金融的驱动因素
互联网经济的发展和普及提升了金融信息化水平,云计算和大数据的应用强化了金融业务自动化水平,人工智能和金融的深度融合则引领了智能金融的发展。对于智能金融是什么,目前国内还没有达成一致意见,埃森哲和百度联合发布的《智能金融行业报告》则认为智能金融是以人工智能为代表的新技术与金融服务深度融合的产物,它依托于无处不在的数据信息和不断增强的计算模型,提前洞察并实时满足客户各类金融需求,真正做到以客户为中心,重塑金融价值链和金融生态。亿欧智库发布的《2017中国智能金融产业研究报告》认为智能金融是人工智能技术与金融服务和产品的动态融合。目前,人们对智能金融的发展已经形成一定共识,智能金融是人工智能技术和金融业务、金融产品、金融流程、金融监管等深度融合形成的新型金融运作模式,在一定程度上改变了传统金融业务的运作模式,对金融机构组织模式、金融细分业态、金融产品、金融业务流程等都会带来冲击和影响。
人工智能目前已经广泛应用于金融各个领域,对金融产品和金融服务产生重大影响和冲击,优化了金融业务流程,更重要的是人工智能的应用已经对整个金融价值链和金融生态带来影响。智能金融的发展得益于我国经济发展尤其是互联网经济的快速发展,还得益于我国政策的大力支持,同时我国高科技产业的快速发展推动了云计算、大数据以及人工智能技术的发展,更重要的是我国人民群众对金融服务和产品的深层次需求要求金融业要加快新兴技术应用发展智能金融。所以,我们可以从宏观要素层面、政策支持层面、新兴技术发展层面、金融需求层面以及监管层面来分析智能金融的发展。

宏观层面

经济发展和人均收入增加
我国改革开放40年来,经济发展取得举世瞩目的成就,截至2017年,我国国内生产总值达到82.7万亿人民币(12.88万亿美元,如图3-1所示),位列全球第二大经济体,仅次于美国。我国人均GDP水平也快速提高,2017年人均GDP达到8892万美元,达到中等发达国家水平。我国经济发展取得的历史性成就大大提高了我国整体竞争力,经济的发展不仅提高了国民生活水平,也带动了科技、文化、娱乐、消费等各个领域的发展,从而为互联网经济发展乃至互联网金融向智能金融迈进奠定了坚实的基础。

image.png

互联网经济的发展
中国互联网经济的快速发展也是智能金融发展的重要推动力。中国目前已经成为全球公认的数字化大国,尽管中国行业数字化水平与美国还有较大差距(2016年美国行业数字化水平是中国的3.7倍,2013年是4.9倍),但差距在逐步缩小。截至2017年12月,我国境内外上市互联网企业数量达到102家,总体市值为8.97万亿人民币。其中腾讯、阿里巴巴和百度公司的市值之和占总体市值的73.9%。以BAT(百度、阿里巴巴和腾讯)为代表的中国互联网企业已经在全球形成较强的品牌影响力,并建立了丰富的数字化生态圈。阿里巴巴的支付宝、腾讯的微信等“超级APP”为消费者提供了教育、健康、信息服务、娱乐、电子商务、社交互动等多个领域的一站式购物。中国领先的初创企业有五分之一由BAT或前BAT员工创立,另外还有30%的企业获得过BAT的投资。2017年全球互联网公司市值前20名中,中国有7家公司上榜,分别是腾讯、阿里巴巴、百度、蚂蚁金服、小米、京东和滴滴。2018年3月23日,中国科技部发布《2017年中国独角兽企业发展报告》,公布了全国164家估值超过10亿美元未上市的独角兽企业,其中蚂蚁金服以750亿美元位列第一,互联网金融企业为21家(如表3-1所示),占总数的12.8%,互联网金融企业总估值为1592.7亿美元,占比为25%。
互联网群体呈年轻化趋势
截至2017年12月,中国互联网网民数量达到7.72亿,全年共计新增网民4074万人。

image.png

中国拥有7.53亿的移动互联网用户,移动互联网用户比重由2016年的95.1%提升至97.5%,远超欧盟和美国。我国网络购物用户规模达到5.33亿,占网民总体的69.1%,手机网络购物用户规模达到5.06亿,使用网上支付的用户规模达到5.31亿,手机支付用户规模达到5.27亿。从年龄结构看,截至2017年12月,我国网民以10~39岁群体为主,占整体网民的73.0%,其中20~29岁年龄段的网民占比最高,达30%,如图3-2所示。

image.png

从月收入结构看,月收入在中高等水平的网民群体占比最高。截至2017年12月,月收入在2001~3000元、3001~5000元的群体占比分别为16.6%和22.4%,如图3-3所示。

image.png

政策支持层面

近年来,在全球范围内人工智能都受到了各个国家的高度重视,其中中国和美国在推动人工智能发展和应用方面都制定了一系列的支持政策。中美两国都把人工智能当做未来重要的主导战略,在顶层设计方面高度重视,并且都是从国家战略层面整体推进。
2016 年5 月,白宫成立人工智能和机器学习委员会,协调美国各界在人工智能领域的行动,探讨制定人工智能相关政策和法律;同年10 月,奥巴马政府时期总统办公室发布《为人工智能的未来做好准备》(Preparing for the Future of ArtificialIntelligence)和《美国国家人工智能研究与发展策略规划》(National Artificial IntelligenceResearch and Development Strategic Plan)的文件,将人工智能上升到国家战略高度,为美国人工智能的发展制定了宏伟计划和发展蓝图。2016 年12 月,白宫发布了一份关于《人工智能、自动化和经济》(Artificial Intelligence,Automation,and the Economy)的报告。该报告讨论了人工智能驱动的自动化对经济预期的影响,并描述了提升人工智能益处并减少其成本的广泛战略。报告指出,应对人工智能驱动的自动化经济将是后续政府要面临的重大政策挑战,应该通过政策激励释放企业和工人的创造潜力,确保美国在人工智能的研发和应用中保持领先。
我国推动人工智能发展的主要政策
我国政府也高度重视人工智能技术的发展,在2016年上半年之前,国家在人工智能方面的政策主要集中在智能制造和机器人层面,从2015年7月国务院出台《关于积极推进“互联网+”行动的指导意见》,明确提出要培育发展人工智能新兴产业,推进重点领域智能产品创新,提升终端产品智能化水平。此后,陆续出台了一系列政策和规划文本。
2016年国务院发布《十三五规划纲要》提出要鼓励发展新兴产业,如智能交通、精准医疗、智能材料等,推广新型智能制造模式。
2016年5月,国家发改委、科技部、工信部、网信办联合发布《“互联网+”人工智能三年行动实施方案》提出,到2018年,中国将基本建立人工智能产业体系、创新服务体系和标准化体系,培育若干全球领先的人工智能骨干企业,形成千亿级的人工智能应用市场规模。
2016年7月国务院发布《“十三五”国家科技创新规划》,提出研发人工智能支持智能产业发展,明确未来3年人工智能产业的发展重点与具体扶持项目。
2016年9月,国家发改委发布《国家发展改革委办公厅关于请组织申报“互联网+”领域创新能力建设专项的通知》,提出为构建“互联网+”领域创新网络,促进人工智能技术的发展,应将人工智能技术纳入专项建设内容。
2016年12月,国务院发布《“十三五”国家战略性新兴产业发展规划的通知》,提出培育人工智能产业生态,促进人工智能在经济社会重点领域推广应用,打造国际领先的技术体系。
2017年1月,中共中央和国务院发布《关于促进移动互联网健康有序发展的意见》,提出加快人工智能、虚拟现实等新兴移动互联网关键技术布局,尽快实现部分前沿技术、颠覆性技术在全球率先取得突破。
2017年3月,国务院《2017 政府工作报告》提出加快培育壮大包括人工智能在内的新兴产业,“人工智能”首次写入全国政府工作报告。
2017年5月,科技部发布《“十三五”生物技术创新专项规划》提出要突破新一代生物检测技术、脑科学和类脑人工智能、生物大数据若干前沿关键技术和共性关键技术。
2017年7月,国务院发布《新一代人工智能发展规划》,提出6个方面的重点任务:一是构建开放协同的人工智能科技创新体系,从前沿基础理论、关键共性技术、创新平台、高端人才队伍等方面强化部署。二是培育高端、高效的智能经济,发展人工智能新兴产业,推进产业智能化升级,打造人工智能创新高地。三是建设安全便捷的智能社会,发展高效智能服务,提高社会治理智能化水平,利用人工智能提升公共安全保障能力,促进社会交往的共享互信。四是加强人工智能领域军民融合,促进人工智能技术军民双向转化、军民创新资源共建共享。五是构建安全高效的智能化基础设施体系,加强网络、大数据、高效能计算等基础设施的建设升级。六是前瞻布局重大科技项目,针对新一代人工智能特有的重大基础理论和共性关键技术瓶颈,加强整体统筹,形成以新一代人工智能重大科技项目为核心、统筹当前和未来研发任务布局的人工智能项目群。
我国在推动金融与科技结合方面的主要政策
在推动金融与科技融合方面,尤其是强化金融领域应用人工智能等新兴技术,我国相关部门也出台了若干支持政策,鼓励金融业加强信息化建设,提高信息化水平,推动金融与科技的深度融合,加快人工智能技术的应用。主要的政策如下。
2016年7月,《中国银行业信息科技“十三五”发展规划指导意见(征求意见稿)》提出要构建绿色高效的数据中心,积极尝试开展人工智能、生物特征识别等技术的应用,打造智能化的运维体系。
2016年12月发布的《十三五国家科技创新规划》提出要重点发展大数据驱动的类人智能技术方法,完善科技与金融结合机制,建设国家科技金融创新中心,发展支持创新的多层次资本市场,促进科技金融产品和服务创新。
2017年5月,中国人民银行成立金融科技委员会,重点是较强金融科技工作的研究规划和统筹协调,切实做好我国金融科技发展战略规划与政策指引,并积极利用大数据、人工智能等技术丰富金融监管手段。
2017年7月,我国发布《新一代人工智能发展规划》,提出建立金融大数据系统,提升金融多媒体数据处理与理解能力,创新智能金融产品和服务,发展金融新业态。鼓励金融行业应用智能客服、智能监控技术和设备。建立金融风险智能预警与防控系统。
在我国将人工智能纳入国家战略和推动金融科技创新的背景下,我国金融科技企业逐步加快人工智能在金融科技领域的应用,人工智能巨头和人工智能创业企业也纷纷将金融业作为人工智能重要的应用领域,同时传统金融机构也开始高度重视在金融业务中应用人工智能技术。在一系列支持人工智能以及推动金融与人工智能深度融合的政策支持下,我国智能金融产业的发展已经成为行业共识,并且在银行、保险、证券、基金以及P2P、众筹、商业保理等金融细分领域已经出现了各类智能金融应用案例。

资本的推动

自1956年达特茅斯会议以来,人工智能一直在不断地演进,中间也经历了三次起伏波折,互联网时代的来临催生出了大数据、云计算、芯片等相关技术的发展,人工智能发展的第三波浪潮已到来。对于这次人工智能发展浪潮,李开复老师认为和前两次有很多不同:一是前两次人工智能热潮是学术研究主导的,这次人工智能热潮是现实商业需求主导的;二是前两次人工智能热潮多是市场宣传层面的,这次则是商业模式层面的;三是前两次人工智能热潮多是学术界在劝说、游说政府和投资人投资,这次则多是投资人主动向热点领域的学术项目和创业项目投资;四是前两次人工智能热潮更多的是提出问题,这次则更多的是解决问题。毫无疑问,近年来人工智能技术的一系列突破和实际应用让全世界开始关注人工智能对人类社会带来的颠覆性影响,其中资本的嗅觉是最敏锐的,从2010年谷歌测试的无人驾驶汽车项目为公众所知,资本开始加大对人工智能领域的投资力度,全球知名高科技企业如谷歌、微软、IBM、阿里巴巴、百度、腾讯、小米以及红杉资本为代表的投资机构加快了在人工智能领域的布局,并且也正是由于这些高科技巨头和大型投资机构的资本推动,人工智能才能广泛应用于各个领域,从而取得如此大的突破。
全球人工智能领域投资情况
从全球范围内来看,根据乌镇智库的报告,自2000年以来全球人工智能领域融资规模为288亿美元,最近5年人工智能融资规模为224亿美元,全球人工智能企业投资频次为6827次,其中最近5年人工智能企业投资频次为5661次,如图3-4所示。从中可以看出,人工智能的投资主要集中在2010年以后的这段时间。此外,国外知名咨询机构CB Insights的数据显示,自2012年以来人工智能领域的股权融资金额为149亿美元,涉及融资企业数量为2250家。尤其是自2012年以来,人工智能领域的融资企业数量和融资金额出现了快速增长,这表明人工智能的应用在加快,也表明资本对人工智能技术非常重视,如图3-5所示。

image.png

image.png

中国和美国人工智能领域投资情况
在全球人工智能领域中,美国和中国是占有主导地位的两个重要国家,中美两国在人工智能领域的投资和人工智能企业数量方面都对全球人工智能的发展起着重要作用。根据腾讯的报告,截至2017年6月美国人工智能领域融资金额为978亿元,占全球人工智能融资总额的50.10%;中国人工智能领域融资金额为635亿,占全球人工智能融资总额的33.18%,其他国家融资金额合计占15.73%,如图3-6所示。

image.png

近两年,人工智能领域投融资金额大爆发,2017年美国人工智能领域投资金额为50亿美元,获投企业数量为444家,均比2012年大幅增加,如图3-7所示。
据不完全统计,2017年国内共有137家AI企业,获得159轮融资,融资总额超过400亿元,其中过亿融资57轮。而像Momenta、Perceptln、蔚来汽车以及商汤科技这样的企业,2017年融资次数达到甚至超过三轮,还有超过10家企业连续获得两轮融资。从获得融资的AI领域看,机器人以31家企业数量居首,其次是视觉识别、智能网联汽车、企业服务以及智能医疗。

image.png

人工智能技术的突破和应用增多

过去几年,在全球资本的推动下,人工智能技术也获得了明显的突破,在人工智能发展的三要素即算力、算法、数据方面,已经出现了明显的突破,所以人工智能才能够从理论走向实践,在机器人、无人驾驶、医疗、金融、智能制造等领域得到广泛的应用,如图3-8所示。

image.png

数据量呈指数级爆炸增长
互联网时代的快速演进和“互联网+”战略的实施,都推动了数据量呈指数级爆炸增长。海量数据加上快速数据处理能力以及低成本的数据存储费用为大数据的发展创造了条件,而大数据又是发展人工智能不可或缺的重要基础。目前的深度学习主要是建立在大数据的基础上,即对大数据进行训练,并从中归纳出可以被计算机运用在类似数据上的知识或规律。《智能时代》的作者吴军博士说:“在方法论的层面,大数据是一种全新的思维方式。按照大数据的思维方式,我们做事情的方式与方法需要从根本上改变。”Forrester 研究结果表明,目前在线或移动金融交易、社交媒体、GPS坐标等数据源每天要产生超过 2.5 EB(1EB 为260B)的海量数据。据IDC(International Data Corporation)统计,全球数据总量增长率将维持在50%左右,2020 年全球数据总量将达到 40ZB(如图3-9所示)。数据量的急剧增加将推动大数据市场的快速发展,中国信息通信研究院发布的《中国大数据发展调查报告(2017)》称,2016年中国大数据市场规模达到168亿元,预计2017~2020年仍将保持30%以上的增速,如图3-10所示。调查显示,目前近六成企业已成立数据分析相关部门,超过三分之一的企业已经应用大数据。大数据应用为企业带来最明显的效果是实现了智能决策和提升了运营效率。

image.png

image.png

芯片性能大幅提升,存储成本下降
目前用于深度学习的芯片主要类型是CPU(中央处理器)、GPU(图形处理器)、FPGA(现场可编程门阵列)、ASIC(应用型专用集成电路)。同时,各家公司也在积极研发人工智能专用芯片,例如Google的TPU、 IBM的TrueNorth、中星微的NPU、中科院的寒武纪1号等,但离大规模商用化还有一定的距离。GPU是目前深度学习领域首选的芯片,拥有最高的市场占有率。自1993年以来,计算机的算力呈指数级增长,如图3-11所示。同时芯片的业绩成本也大幅下降。NVIDIA的GPU(GTX1080)提供9TFlops的价格约为700美元,这意味着它的每一个GFLOPS的价格约为8美分,如图3-12所示。

image.png

image.png

深度学习推动人工智能算法进入爆发期
人工智能进入第三次发展高潮以来,在算法方面取得了显著进步,也成为人工智能从理论走向应用的重要基础。从20世纪90年代的卷积神经网络到长短期记忆,再到现在广泛应用的深度学习,人工智能在模型和算法方面已经进入快速爆发期。同时深度学习的广泛应用已经证明,正是因为有了深度学习,人工智能在图像和计算机视觉领域才能取得重大进展,无人驾驶才成为可能,也是因为深度学习,语音识别的准确率越来越高。可以说没有深度学习方法的出现,人工智能技术的应用不会如此之快,应用范围也不会如此之广。据Technavio预测,预计全球深度学习市场规模在2016~2020年的CAGR为38.7%,到2020年,全球市场规模将达到13亿美元。机器学习算法的应用场景如图3-13所示。

image.png

金融供给侧改革的内在需要

我国金融体系在改革开放过程中对推动经济发展做出了重大贡献,但是随着改革开放的深入和我国所有制结构的多元化以及人民收入水平的提高,严格监管之下的金融体系完全以服务国有企业为主要任务,为国家经济发展做出巨大贡献并创造大量就业的民营经济却无法得到应有的金融服务,同时广大人民对多样化和个性化的金融服务和产品的需求无法得到有效满足,这都催生了金融科技的出现,也推动了智能金融的发展。
我国金融体系无法覆盖广大的中小企业群体
我国金融监管限制了金融创新和金融自由,影响信贷渠道发挥作用。首先是我国金融机构相比美国严重不足。我国银行类金融机构总数不到500家,截至2014年,我国还有1570个乡镇金融机构存在空白,中小微企业贷款来自民间借贷等非正规渠道。而美国3亿人口有8000多家银行;其次是金融产品创新受限。我国金融产品创新在2010年前严重不足,资产证券化、利率期货和期权、企业债CDS、住房贷款包CDS等信用衍生品都没有推出,严重制约了企业和家庭的融资需求;最后,在金融服务模式上,我国金融机构还是非常传统,没有利用互联网等新兴技术创新金融服务模式,更好地为中小企业群体服务。
广大居民的多样化和个性化金融需求不能得到有效满足
改革开放40年来,我国经济发展取得了巨大成就,人民收入水平也大幅提高,2017年我国人均GDP达到59 261万人民币,城镇人均可支配收入达到36 396万人民币,如图3-14所示。我国人均GDP在全球排第70位,京津沪发达城市人均GDP介于15 000~20 000美元。经过40年的改革开放,人民群众积累了大量的财富,对投资理财、保险、贷款等金融产品有非常多样化的需求,但是我国金融机构受制于监管和创新能力的制约无法提供多样化和个性化的金融服务和金融产品。其次,我国征信体系发展滞后,全国性个人征信系统于2006年1月正式运行,到2008年全国个人征信系统的覆盖人群为5.95亿人,2010年纳入征信系统的人群为7.77亿人,到2014年10月我国个人征信系统覆盖的人群为8.5亿人,所以我国还有近4亿人口尚未纳入征信系统,也就是有4亿人无法享受银行等金融机构正常的金融服务。最后,从我国信用卡发卡量和人均信用卡持有量来看,2017年我国信用卡发卡量为5.2亿张,人均持有信用卡0.34张,而美国人均信用卡持有量则为2.9张,存在很大差距,也说明我国传统金融体系在服务个人金融需求方面还存在很大的改善空间。

image.png

我国金融信息化水平的不断提高为智能金融发展奠定了基础
近年来,我国加大了金融机构信息化建设的投入力度,人民银行、银监会、证监会以及保监会均对金融机构信息化给予了政策支持。2017年6月,中国人民银行印发《中国金融业信息技术“十三五”发展规划》,明确提出了“十三五”金融业信息技术工作的指导思想、基本原则、发展目标、重点任务和保障措施。2016年7月,银监会发布《中国银行业信息科技“十三五”发展规划指导意见(征求意见稿)》。证监会和保监会也对证券业和保险业信息化建设出台了一系列政策。在政策推动下,我国金融机构信息化投入逐年增多,信息化水平也不断提高,这都为金融科技尤其是智能金融的发展奠定了基础。我国2014~2020年中国金融业IT投资规模如图3-15所示。

image.png

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:

华章出版社

官方博客
官网链接