bstract
摘要
本文聚焦浙商银行的人工智能应用，展示浙商银行在业务场
景中人工智能应用的赋能成效。
●浙商银行推出了基于企业出口报关、资金收汇、退税等
大数据的信用授信模式；
●2019年6月末，浙商银行智能在线客服服务客户41.35
万次，服务应答率99.63%；
●浙商银行通过投放智能柜员机、智能打印机、线上叫号
机等智能化自助设备，提升网点智能化程度。
ontents
目录
一、浙商银行基本情况 (2)
二、浙商银行人工智能具体应用领域 (2)
(一)智能风控 (2)
(二)智能化渠道建设 (4)
三、外部投资、合作及经营情况 (5)
(一)外部合作 (5)
(二)营收情况 (6)
2017年，浙商银行推出智能制造系统性金融解决方案，打造业内首家“智能制造服务银行”。通过深入了解企业智能化改造场景、智能制造企业在不同阶段的财务需求，浙商银行形成金融支持智能制造解决方案，帮助多家智能制造企业完成设备更新、生产线改造和智能化工厂建设。
一、浙商银行基本情况
2004年8月，浙商银行股份有限公司（简称“浙商银行”）正式开业，总行设在浙江杭州，为全国第13家A+H上市银行。2019年二季度末，浙商银行在全国17个省、直辖市及香港特别行政区设立了250家分支机构。
2019年三季度末，浙商银行总资产1.72万亿元，同比增长 6.18%；实现营业总收入344.03亿元，同比提升25.04%；归属母公司净利润112.39亿元，同比上升14.01%。
图1-1：浙商银行智能化应用布局
资料来源：浙商银行，零壹智库
二、浙商银行人工智能具体应用领域
(一)智能风控
据浙商银行披露信息，银行通过重塑统一授信和投贷后管理体制，强化重点领域、重点业务、重点问题风险管控，推进大数据风险管理和预警平台建设，提高风险防控能力，完善全面风险管理体系。
在中小企业审批授信方面，浙商银行推出了基于企业出口报关、资金收汇、退税等大数据的信用授信模式。对于小微企业客户，浙商银行推出全线上“房抵点易贷”贷款产品，产品基于大数据和人工智能等金融科技技术，通过智能风控体系辅助审批，产品特点为
5分钟申请、1小时审批、0手续费，能为客户提供全天候服务，节省客户申请成本和时间成本。“点易贷”早在2016年底已经推出，产品具备大数据挖掘分析、电子化签约和线上全流程审批的特点。
2019年二季度末，浙商银行的普惠型小微企业贷款余额为1576.18亿元，较年初增170.40亿元，增幅为12.12%；贷款户数8.12万户，较年初增加0.70万户；普惠型小微企业贷款不良率为1.06%。
从不良率来看，浙商银行在2017不良率为1.15%，较2016年下降0.18个百分点。不过在2017年后，不良率持续攀升至2019年二季度末的1.37%。从浙商银行贷款构成情况来看，公司贷款占比较高，零售板块相对较弱。据浙商银行招股说明书披露的2019年1-6月生息资产收益率为4.86%，高于A股已上市股份制商业银行平均值，后者为4.58%。再结合个人贷款和公司贷款的不良贷款金额和不良率，2019年二季度末，浙商银行个人贷款和公司贷款的不良贷款金额分别为20.25亿元和106.95亿元，对应不良率分别为0.85%和1.75%。因此，浙商银行不良率的提升主要受公司贷款影响，公司贷款带来更高利息收入的同时，出现不良对浙商银行整体不良情况影响也较大。
图2-1：浙商银行不良率
资料来源：wind，零壹智库
图2-2：浙商银行贷款情况
资料来源：wind，零壹智库
(二)智能化渠道建设
在智能化渠道建设上，浙商银行已经形成网上银行、手机银行、电话银行、微信银行和自助银行组成的电子银行服务体系，电子银行渠道替代率98.91%。
通过持续应用人工智能和大数据等先进技术，浙商银行优化了网上银行，重点简化高频功能操作和丰富渠道服务场景，加强交互智能化应用。2019年二季度末，浙商银行个人网上银行客户数达123.36万户，同比增长36.48%，办理各类业务合计4634.36万笔，交易金额达4237.77亿元；企业网上银行受理各类业务2873.32万笔，交易金额为50,581.66亿元。
2019年上半年，浙商银行推出手机银行APP4.0版本，整合了智能语音和OCR识别等功能，提升登录、搜索、交易等主要交互方式的智能化水平，增加了“增金智投”智能投顾应用，进一步推进了推进智能化技术应用。2019年二季度末，浙商银行个人手机银行客户数300.60万户，同比增长54.37%。
通过构建智能客服客服体系，浙商银行不断优化业务流程，提供全天候自主服务，提升客户体验。目前，浙商银行已形成包括智能语音、智能在线机器人、人工电话服务、人工在线服务、视频电话服务、微信及邮件等方式的客户服务体系。2019年6月末，浙商银行智能在线客服服务客户41.35万次，服务应答率99.63%，智能在线客户分流率达到
21.72%，投诉解决率100%。
浙商银行的微信银行包括微信公众号和微信小程序，能够提供卡类服务、在线客户、投资理财和预约取号等功能。2019年6月末，浙商银行微信银行客户近154万户，通过微信银行推送的信息累计阅读量达41万次。
在线下网点搭建上，浙商银行通过投放智能柜员机、智能打印机、线上叫号机等智能化自助设备，提升网点智能化程度，客户通过智能自助设备办理业务，缩短了排队等待时间，提升了网点运作效率，也给了客户新的业务办理体验。2019年二季度末，浙商银行共有248家7x24小时自助银行，网点配备各类自助设备共1600台，智能设备网点覆盖率约为98%。
在零售业务板块，浙商银行通过人工智能和大数据技术，赋能业务发展，全力打造零售“平台化财富管家银行”。在大数据和人工智能技术的帮助下，浙商银行通过对客户多维度数据进行分析，挖掘客群特点，形成用户画像，针对不同客群实施不同的营销策略。2019年二季度末，浙商银行旗下个人金融资产总额为4446.71亿元，较年初增长7.68个百分点；个人有效客户数469.76万户，较年初增长3.26个百分点。
三、外部投资、合作及经营情况
(一)外部合作
表3-1：浙商银行智能化相关外部合作
资料来源：根据公开资料整理，零壹智库
2019年5月，浙商银行与蚂蚁金服宣布开展战略合作。据悉，双方将在金融科技、普惠金融、新零售、金融咨询与顾问等领域展开深度合作。在智能化应用合作层面上，蚂蚁
金服将为浙商银行提供在宏观和大类资产研判及投资产品组合方面的技术支持，丰富浙商银行的智能投顾体系。另外，浙商银行和蚂蚁金服的合作还包括生物识别辅助校验、指纹身份认证合作、智能风控和反欺诈能力等方面。
通过与邦盛科技展开合作，浙商银行在旗下信用卡账单分期业务中接入机器学习模型系统,通过AI技术赋能市场营销端。据悉，此次浙商银行与邦盛科技的合作目标在于提高信用卡业务外呼准确率。邦盛科技的智能营销解决方案能帮助银行进行精准营销和客户分层，根据银行历史沉淀下来的客户分期业务办理数据进行深度挖掘，刻画用户画像，进行目标客户识别。
(二)营收情况
2016年，浙商银行实现营业收入和归母净利润分别为335.02亿元和101.53亿元，两者分别同比上升33.98%和44.00%，实现了较大的增长。在2017年，受宏观经济和供给侧改革等因素影响，营业收入和归母净利润增速双双出现较大滑坡，不过两者在2018年得到改善。2019年二季度末，浙商银行实现营业收入344.03亿元，同比提升25.04%；归属母公司净利润112.39亿元，同比上升14.01%。尽管2019年上半年我国宏观经济增速放缓、企业下行压力加大和风险叠加的情况下，浙商银行凭借出色的整体运作能力，扭转了近年来营利能力下滑的趋势。浙商银行在2019年上半年取得较好的成绩，净息差的贡献功不可没。2019年上半年，浙商银行净息差为2.34%，净息差收入增速为37.10%，达到了在2015年之后的最高水平，在净利息收入增长的情况下，带动了银行整体营利情况。
图3-1：浙商银行营收和净利润
资料来源：wind，零壹智库
整体来看，浙商银行在目前主流银行智能化业务均有布局，不过在股份制银行阵列里面智能化应用的深度和广度都处于末端。在当前各大中小银行都积极进行智能化和数字化转型的情况下，根据公开信息，浙江银行仅与蚂蚁金服和邦盛科技等厂商有展开人工智能应用相关合作，一定程度上反映出浙商银行与外部互联网、科技、金融科技等公司合作较少。在中国银行业协会发布2018年“陀螺”（GYROSCOPE）评价体系评价结果中，浙商银行在全国性商业银行智能化能力排名第八，据了解，该指标能反映银行在金融科技方面的真实投入。不过结合公开信息中浙商银行与区块链技术相关的话题较多，浙商银行也被冠以“区块链银行”的称号，可以推测浙商银行的金融科技投入中区块链应用会占到较大比重，相应的人工智能相关的技术研发可能会较少。
龙源期刊网 https://www.doczj.com/doc/2312366443.html, 人工智能：推动银行转型的新引擎 作者：李霞 来源：《时代金融》2020年第11期 摘要：金融科技是技术驱动的金融创新，人工智能与金融的深度融合给银行业的发展带来了新的生机和活力。金融机构要想在新一轮科技革命和产业变革中赢得先机，就要深刻的认识到人工智能的影响，将语音识别、机器人、深度学习、人脸识别等人工智能的核心技术应用到银行业务和管理的关键流程、产品创新、客户营销、理财、运营、风险防控等细化领域，让人工智能成为促进银行业转型升级的新引擎。 关键词：人工智能金融领域深度学习引擎 随着移动互联网、云计算、大数据、深度学习等技术的发展和不断的成熟，人类社会已经由信息时代迈入到以开放、兼容、共享为特征的数字化经济时代，人工智能也迎来了新的发展浪潮。人工智能在各行业的应用正在深刻改变人类社会的生产和生活方式，人工智能和金融的深度融合正在为银行业的发展提供源源不断的创新活力，推动金融行业形成新的经营模式、流程、产品和生态，人工智能在金融领域的广泛应用必将成为银行转型升级的新引擎。 一、人工智能的内涵 1950年艾伦.图灵在论文《计算机械与人工智能》中第一次引用人工智能的概念，1956年在达特茅斯夏季人工智能研究会议上，参会的专家达成共识：用“人工智能”一词作为本领域的名称，也标志着人工智能的诞生。 人工智能简单来理解就是机器可以像人类一样能够感知外界事物、形成认知并做成决策，人工智能的核心是“智能”。人工智能的“智能”表现在三个层面，分别为：运算智能、感知智能和认知智能。运算智能：计算机拥有快速计算和存储信息的能力，计算机的运算能力要远远的超过人类，AlphaGo能够横扫世界围棋高手就是机器出色运算能力的证明;感知能力：机器在 与外界事物进行交互时拥有听觉、视觉、触觉等感知能力，如：语音识别和处理、人脸识别的底层技术就是基于机器的感知能力;认知智能：机器可以做到“能理解、会思考”，这是机器可 以自主学习、深度学习的基础。随着人工智能技术的不断发展，人工智能已经逐步的从类人类行为模式、类人类思维模式向泛智能模式跨越，机器的运算智能、感知智能和认知智能的相互交互将使人工智能拥有着无限的潜能和应用价值。 二、人工智能对金融行业的影响
人工智能及其在金融领域的应用 当前，我国经济发展处于新旧动能转换关键期，人工智能对于我国抢占科技制高点，推动供给侧结构性改革，实现社会生产力新跃升，提高综合国力和国际竞争力具有重要意义。2017年7月，国务院发布了《新一代人工智能发展规划》，提出通过智能金融加快推进金融业智能化升级；通过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、智能监控等技术和装备，建立金融风险智能预警与防控系统。人工智能将对我国金融业的转型升级、提升竞争力产生深远影响。 下载论文网 人工智能概述 定义 人工智能（Artificial Intelligence，简称AI）是研究使用计算机模拟、延伸和扩展人的智能的理论、方法和技术的新兴科学。作为计算机科学的重要分支，人工智能发展的主要目标是使计算机能够胜任通常需要人类智能才能完成的复杂工作。 主要技术及应用 人工智能在技术层面主要包括算法和利用算法开发的
相关应用。神经网络、遗传算法和隐马尔柯夫链是目前使用较为广泛的算法，建立在上述算法之上的人工智能核心应用技术主要包括深度学习、自然语言处理和计算机视觉。其中，深度学习是人工智能技术的重要领域，旨在建立可以模拟人脑进行分析学习的神经网络，模仿人脑的机制来解释数据。自然语言处理是指让计算机能够听懂、理解人类的语言，主要包括语音识别和语义识别。语音识别是让机器能够“听懂、会说”人类的语言，语义识别是让机器能够理解文字后面的真实内涵。计算机视觉识别技术是人工智能核心技术之一，主要有生物特征识别、物体与场景识别。生物特征识别主要包括人脸识别、指纹识别、虹膜识别等，已广泛应用于金融、安防等领域；物体与场景识别是研究人类如何感知和加工复杂的真实环境信息，主要应用于军事上的武器投射、医疗上的影像扫描辅助诊断及工业上的无人驾驶等领域。 发展历程 按照人工智能的发展程度，大致可分为三个阶段： 第一阶段：计算智能。机器具备像人类一样的记忆能力和计算能力，能够存储和处理海量数据，帮助人类完成大量的存储和复杂的计算，这一步是感知和认知的基础。 第二阶段：感知智能。机器具备像人类一样的感知能力，帮助人类完成“看”和“听”的简单工作。目前人工智能发展正处在感知智能阶段，语音识别、理解和图像识别正在快速发
人工智能的研究方向和应用领域 人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。广义的人工智能包括人工智能、人工情感与人工意志三个方面。 一、研究方向 1.问题求解 人工智能的第一个大成就是发展了能够求解难题的下棋(如国际象棋)程序。在下棋程序中应用的某些技术，如向前看几步，并把困难的问题分成一些比较容易的子问题，发展成为搜索和问题归约这样的人工智能基本技术。今天的计算机程序能够下锦标赛水平的各种方盘棋、十五子棋和国际象棋。另一种问题求解程序把各种数学公式符号汇编在一起，其性能达到很高的水平，并正在为许多科学家和工程师所应用。有些程序甚至还能够用经验来改善其性能。 2.逻辑推理与定理证明 逻辑推理是人工智能研究中最持久的子领域之一。其中特别重要的是要找到一些方法，只把注意力集中在一个大型数据库中的有关事实上，留意可信的证明，并在出现新信息时适时修正这些证明。对数学中臆测的定理寻找一个证明或反证，确实称得上是一项智能任务。为此不仅需要有根据假设进行演绎的能力，而且需要某些直觉技巧。 1976年7月，美国的阿佩尔(K.Appel)等人合作解决了长达124年之久的难题--四色定理。他们用三台大型计算机，花去1200小时CPU时间，并对中间结果进行人为反复修改500多处。四色定理的成功证明曾轰动计算机界。 3.自然语言理解 NLP(Natural Language Processing)自然语言处理也是人工智能的早期研究领域之一，已经编写出能够从内部数据库回答用英语提出的问题的程序，这些程序通过阅读文本材料和建立内部数据库，能够把句子从一种语言翻译为另一种语言，执行用英语给出的指令和获取知识等。有些程序甚至能够在一定程度上翻译从话筒输入的口头指令(而不是从键盘打入计算机的指令)。目前语言处理研究的主要课题是：在翻译句子时，以主题和对话情况为基础，注意大量的一般常识--世界知识和期望作用的重要性。
人工智能在金融领域应用的初步思考 中国银行网络金融部杨涛 在阿尔法狗战胜李世石后，人工智能在全球的热议程度达到一个新的高度。得益于神经网络深度学习在算法上的突破，使得多个基础人工智能技术水平得到飞跃提升。计算机视觉、机器学习、自然语言处理、机器人技术、语音识别等人工智能技术快速发展对整个社会带来的改变将远大于互联网。 从未来的角度看，我们现在极有可能处在“互联网+”向“人工智能”转变的时点。在笔者看来，在金融领域，由于其服务的本质仍然是人与人之间的交流，人工智能带来的影响将是重新解构金融服务的生态，将互联网时代下银行转嫁给客户的服务成本以一种更有效的方式重新回归银行怀抱，从而降低客户选择倾向，加深客户对于金融机构的服务依赖度。本文就国内外金融行业人工智能应用情况进行了简单分析，重点就人工智能在金融的综合运用进行了探讨。 一、人工智能对金融行业带来的影响分析 基础层的云计算、大数据等因素的成熟催化了人工智能的进步，深度学习带来算法上的突破则带来了人工智能浪潮，使得复杂任务分类准确率大幅提升，从而推动了计算机视觉、机器学习、自然语言处理、机器人技术、语音识别技术的快
速发展。人工智能未来将会给各个产业带来巨大变革，其影．响将远大于互联网对各行业的改造，在所有领域彻底改变人类，并产生更多的价值，取代更多人的工作，也会让很多现在重复性的工作被取代，让人可以从劳动密集型的工作中解放出来，释放人力去做更具有价值的事情。对于金融领域来讲，主要有以下几方面的影响： 一是金融行业服务模式更加主动 金融属于服务行业，从事的正是关于人与人服务价值交换的业务，人是核心因素。在互联网技术大规模应用之前，金融机构需要投入大量人力物力资源用于客户关系维护交流，发现客户需求，以获取金融业务价值。如银行与客户发生关系的媒介主要在网点，客户与网点人员通过人与人的交流，能迅速的发现并满足客户金融需求，甚至通过一些交谈、观察客户的细节挖掘到潜在的需求。通过一段时间的人与人交流，客户与银行工作人员建立了深厚的关系，而这种关系提高了客户对于银行人员的依赖程度，我们称之为客户黏性（或者称为“使客户变傻”）。一旦黏性存在，客户很少会去比较银行人员所推荐的金融服务，如购买理财产品的时候，不会去比较多个银行的收益水平。 而在互联网时代，互联网技术和互联网金融企业的蓬勃发展，共同促使金融机构大力开展系统建设工作，网银、APP的出 现降低了银行服务客户的成本。而不管是客户端或者是网页
“大数据+人工智能”在银行转型发展中的应用 随着移动互联网技术不断向纵深发展，金融科技正在逐步从根本上改变现代金融的运营模式，在此背景下，银行如何积极参与金融科技创新，打造“智慧银行”，抓住金融科技新机遇，是银行业转型发展关键。本文从加快数据基础设施投入，提升技术开发和数据处理能力，提升组织和运营能力等方面，探讨“大数据+人匸智能”在银行转型发展中的应用。 一、“大数据+人工智能”发展背景 随着移动互联网技术不断向纵深发展，信息科技从产业基础走向产业核心，以“大数据、人工智能"为代表的现代信息科技正在逐步从根本上改变现代金融的运营模式，金融科技正在逐步成为催化金融行业改革创新的重要驱动力和牵引力。2017年7月，国务院发布《新一代人工智能发展规划》，提出了面向203。年我国新一代人工智能发展的指导思想、战略目标、重点任务和保障措施，标志着人工智能的发展进入全新阶段并上升为国家战略。在此背景下，北京银行持续加快转型步伐，在"科技引领"的战略指导下，提出以“智慧数据”“智慧渠道”“智慧服务”为支撑，着力打造“智慧银行”的建设目标。依托大数据、人工智能技术，深入数据价值链核心，
从数据中获得洞察力，从数据中攫取价值，引领传统业务模式变革，用创新的理念与行动，主动拥抱“大数据”时代，驱动转型发展的引撃全面升级。 二、加快“大数据+人工智能”能力建设 在战略层面，顺势而为，做到“三个注重”:注重数据分析、注重数据挖掘、注重数据営销；实现“三个提升”：一是提升在战术层面，从数据来源、分析手段、交付模式等方面入手，“以数为尺、聚数为擎、变数为宝”，不断提升银行在当前市场环境下的核心竞争力。一是开渠引水，加强内外部数据的结合运用，实现银行数据资产增值。大数据时代下的企业核心资产就是数据，银行大数据平台在今年构建了外部数据平台。通过对接第三方数据，可以找准实体经济需求的重点领域和关键环节，促进客户需求与金融供给高效对接，解决提供金融服务时信息不对称的痛点。二是开拓创新，探索机器学习算法的落地实现，提升银行风险防控能力。将分类、聚类、时间序列等业内经典机器学习算法应用于行内各业务场景。区别于传统的基于语义规则与业务经验的事后判断，算法模型能够基于历史数据的分布及特征，针对可能发生的风险事件进行事前预警。三是顺应时代，结合大数据客户全景视图，探索精准营销新模式。在利率市场化的环境下，银行需要思考如何
探索大数据和人工智能最全试题 1、2012年7月,为挖掘大数据的价值,阿里巴巴集团在管理层设立()一职,负责全面推进“数据分享平台”战略,并推出大型的数据分享平台。 A首席数据官 B.首席科学家 C.首席执行官 D.首席架构师 2、整个MapReduce的过程大致分为Map、Shuffle、Combine、()? A. Reduce B.Hash C. Clean D. Loading 3、在Spak的软件栈中,用于交互式查询的是 A. SparkSQL B.Mllib C.GraphX D. Spark Streaming 4、在数据量一定的情况下, MapReduce是一个线性可扩展模型,请问服务器数量与处( )理时间是什么关系? A数量越多处理时间越长 B.数量越多处理时间越短 C.数量越小处理时间越短 D.没什么关系
5、下列选项中,不是kafka适合的应用场景是? A.日志收集 B.消息系统 C.业务系统 D.流式处理 6、大数据的多样性使得数据被分为三种数据结构,那么以下不是三种数据结构之一的是 A.结构化数据 B.非结构化数据 C.半结构化数据 D.全结构化数据 7、下列选项中,不是人工智能的算法中的学习方法的是? A.重复学习 B.深度学习 C.迁移学习 D.对抗学习 8、自然语言处理难点目前有四大类,下列选项中不是其中之一的是 A.机器性能 B.语言歧义性 C.知识依赖 D.语境 9、传统的机器学习方法包括监督学习、无监督学习和半监督学习,其中监督学习是学习给定标签的数据集。请问标签为离散的类型,称为分类,标签为连续的类型,称为什么?
A.给定标签 B.离散 C.分类 D.回归 10、中国移动自主研发、发布的首个人工智能平台叫做() A.九天 B. OneNET C.移娃 D.大云 11、HDFS中Namenodef的Metadata的作用是? A.描述数据的存储位置等属性 B.存储数据 C.调度数据 D. 12、电信行业的客户关系管理中,客服中心优化可以实现严重问题及时预警,请问是用的什么技术实现的? A大数据技术 B.互联网技术 C.游戏技术 D.影像技术 13、随着闭源软件在数据分析领域的地盘不断缩小,老牌IT厂商正在改变商业模式,向着什么靠拢? A.闭源
人工智能在金融行业的应用及风险分析 随着计算机技术和互联网行业的发展，越来越多的新兴技术如指纹识别、大数据、云计算、人工智能等逐渐开始影响人们的生活。这些技术在一定程度上提高了人们生活的便捷度，同时也给各个行业带来了巨大的变革。在这个过程中，金融行业也遭到了前所未有的冲击，这些技术已经开始被应用在银行、保险、证券和投资理财等领域。 2017年5月，围棋等级分排名世界第一的中国棋手柯洁在三番棋中不敌谷歌的AlphaGo，再一次将人们的注意力集中到人工智能这一技术上。本文将介绍人工智能这一技术及其对金融行业的影响。 一、人工智能概述 人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是对人的意识、思维的信息过程的模拟。这一概念最早在1956年达特茅斯会议上被提出，并在随后几十年中不断得到补充和发展。 人工智能的研究范围非常广泛，包括有效的老式人工智能、联结主义、遗传算法、神经网络等多个领域。当下最热门的机器学习是人工智能的一个分支。简单来说，机器学习
利用算法分析数据、学习数据，通过基于大量数据的“自我训练”，实现对真实世界情况进行判断和预测的能力。因此，程序实际上是在用大量数据和算法进行“自我训练”，从而学会如何完成一项任务，这与预先编写好、只能按照人类指定的逻辑去执行指令的程序不同。实际上，任何通过数据训练的学习算法都属于机器学习，这其中包括很多我们非常熟悉的技术，比如线性回归、K均值、决策树、主成分分析法、支持向量机以及人工神经网络等。 AlphaGo的核心算法是深度学习的人工神经网络。人工神经网络出现得非常早，但受技术限制一直进展缓慢，直到云计算的出现和后来GPU开始大规模部署之后，这种技术才得以快速发展应用。运算能力的发展使神经网络计算变得速度更快、成本更低、性能更强大，而存储设备的容量增加，读取速度加快，进一步降低了运用该技术的门槛。 二、人工智能在金融行业的应用 （一）智能客服 人工智能技术的发展使得语音识别技术逐渐成熟，一些金融机构开始尝试使用该技术来优化现有的远程客户服务、业务咨询和业务办理等，这使得用户能够更加及时地得到满意的答复，提升用户的满意度，同时还可以减轻人工服务的压力，降低企业的运营成本。 交通银行在2015年推出了智能机器人大堂经理――“娇
研究机构Array报告主编于百程 执笔陈成
bstract 摘要 本文聚焦宁波银行的人工智能应用，展示宁波银行在业务场 景中人工智能应用的赋能成效。 ●宁波银行已基本完成全面全流程的风控体系，从前端独 立授信审批，终端设置4+N智能预警到后端业务独立回 访； ●宁波银行已经上线智能外呼，并使用智能机器人进行存 量零售客户维护，能够实现到期还款提醒、逾期催收、 产品综合营销等功能； ●针对对公业务，上线了ICR智能识别，在OCR的基础上， 植入了计算机深度学习等人工智能技术。
ontents 目录 一、宁波银行基本情况 (2) 二、宁波银行人工智能具体应用领域 (2) (一)智能风控 (2) (二)其他智能化应用 (5) 三、科技投入、合作及经营情况 (5) (一)科技投入 (5) (二)外部合作 (6) (三)营收情况 (6)
最近，宁波银行上线了6.0.2版本的手机银行APP，优化升级了九大板块、87项细分功能。据了解，此次升级后的宁波银行手机APP，优化了理财产品的精准营销功能，在“为您推荐”栏目能够为用户推荐精选理财产品。此外，客户还可以一键连接智能财富顾问，即智能投顾模块，能根据客户需求，提供专业的资产配置方案。 一、宁波银行基本情况 宁波银行成立于1997年4月，总部设立在浙江省宁波市，2007年7月作为国内首家城市商业银行在深圳证券交易所挂牌上市。目前，宁波银行在上海、杭州、南京、深圳、苏州、温州、北京、无锡、金华、绍兴、台州、嘉兴和丽水、湖州设立14家分行，各地设有营业网点355家，拥有员工人数超1.5万人。宁波银行的第一和第二大股东分别是宁波市政府和新加坡华侨银行，新加坡华侨银行是东南亚第二大金融服务集团，是国际上具有最高评级的银行之一，拥有穆迪Aa1级评级。 2019年三季度末，宁波银行总资产1.24万亿元，同比增长14.14%；实现营业总收入255.53亿元，同比提升20.37%；归属母公司净利润107.12亿元，同比上升20.04%。 图1-1：宁波银行智能化应用布局 资料来源：宁波银行，零壹智库 二、宁波银行人工智能具体应用领域 (一)智能风控 根据公开披露信息，宁波银行已基本完成全面全流程的风控体系，从前端独立授信审批，终端设置4+N智能预警到后端业务独立回访，覆盖了银行贷款审批链条整个过程。 宁波银行还搭建了以“4+N”预警、个人预警、产品预警为主体的综合式预警管理体系，
财经论坛 现代商贸工业２０１８年第３０期１１０一一 作者简介:吴梅,辽宁省环境监测实验中心,中级会计师. 得到很大的提升.以在美国发行A D R 的A 股上市公司为研究样本,张晓明等(２０１３)研究发现,对公司的治理结构,交叉上市具有一定的优化作用,同时促进公司权益资本成本显著下降,但是这种促进会因为融资规模等因素的干扰而受到反向的影响. ４一简要评议 基于信息渠道角度,本文系统梳理了交叉上市行为的理论与实践研究进展.从信息渠道看,交叉上市增加了外国投资者的公司意识(投资者认知理论),减少了投资者的信息成本(信息披露理论),提高了投资者的保护(法律约束理论),从而能够克服信息不对称和改善股票的信息环境.上述理论观点也得到了大量实证研究的支持,虽然不同国家公司交叉上市或在不同资本市场交叉上市之间存在显著的差异,但是,从总体上看,在改善信息与监管环境,提高投资者保护,降低权益资本成本,提升公司市场价值等方面,交叉上市发挥了重要的积极作用.在国外学者研究的基础上,国内学者的实证研究表明,上述理论假说总体上也适合解释中国公司的交叉上市行为. 参考文献 [１]A b d a l l a h ,A．A．,W．A b d a l l a h a n d M．S a a d ．T h e e f f e c t o f c r o s s Ｇl i s t Ｇ i n g o n t r a d i n g v o l u m e :R e d u c i n g s e g m e n t a t i o n v e r s u s s i g n a l i n g i n v e s Ｇt o r p r o t e c t i o n [J ]．J o u r n a l o f F i n a n c i a l R e s e a r c h ,２０１１,３４(４):５８９Ｇ６１６． [２]A m i r a ,K．a n d M．L ．M u z e r e ．C o m p e t i t i o n a m o n g s t o c k e x c h a n g e s f o r e q u i t y [J ]J o u r n a l o f B a n k i n g a n d F i n a n c e ,２０１１,３５(９):２３５５Ｇ２３７３． [３]B o u b a k r i ,N．,J ．C ．C o s s e t a n d A．S a m e t ．T h e c h o i c e o f A D R s [J ]．J o u r n a l o f B a n k i n g a n d F i n a n c e ,２０１０,３４(９):２０７７Ｇ２０９５．[４]B r i s ,A．,S ．C a n t a l e ,E ．H r n j i c a n d G．N i s h i o t i s ．T h e v a l u e o f i n f o r Ｇm a t i o n i n c r o s s Ｇl i s t i n g [J ]．J o u r n a l o f C o r p o r a t e F i n a n c e ,２０１２,１８(２):２０７Ｇ２２０． [５]C h a n g ,M．a n d R．C o r b i t t ．T h e e f f e c t o f c r o s s Ｇl i s t i n g o n i n s i d e r t r a d i n Ｇg r e t u r n s [J ]．A c c o u n t i n g a n d F i n a n c e ,２０１２,５２(３),７２３Ｇ７４１．[６]F e r r e i r a ,M．A．a n d P ．M a t o s ．T h e c o l o r s o f i n v e s t o r s m o n e y :T h e Ｇr o l e o f i n s t i t u t i o n a l i n v e s t o r s a r o u n d t h e w o r l d [J ]．J o u r n a l o f F i n a n c i Ｇa l E c o n o m i c s ,２００８,８８(３):４９９Ｇ５３３． [７]K i n g ,M．R．a n d D．S e g a l ．T h e l o n g Ｇt e r m e f f e c t s o f c r o s s Ｇl i s t i n g ,i n Ｇv e s t o r r e c o g n i t i o n a n d o w n e r s h i p s t r u c t u r e o n v a l u a t i o n [J ]．R e Ｇv i e w o f F i n a n c i a l S t u d i e s ,２００９,２２(６):２３９３Ｇ２４２１． [８]潘越,戴亦一．双重上市二信号幻觉与融资效应[J ]．经济管理,２０１０,(３):１１７Ｇ１２４． [９ ]张晓明,李金耘,贾骏阳．中美交叉上市与权益资本成本研究 基于美国股票交易所上市的A 股公司数据[J ]． 国际金融研究,２０１３,(６):７８Ｇ８７．[１０ ]周开国,周铭山．交叉上市能降低信息不对称吗? 基于A H 股的实证研究[J ]．证券市场导报,２０１４,(１２):５１Ｇ５９． 人工智能在商业银行中的应用 郭一非 (中国建设银行唐山分行,河北唐山０６３０００ )摘一要:对人工智能与商业银行业务内在联系的本质进行了分析,同时对我国商业银行利用人工智能开拓的业务进行了梳理,最后对人工带来的挑战与机遇进行了探讨与展望. 关键词:人工智能;商业银行;业务 中图分类号:F ２３一一一一一文献标识码:A一一一一一一d o i :１０．１９３１１/j ．c n k i ．１６７２Ｇ３１９８．２０１８．３０．０５７１一人工智能与商业银行业务 １．１一人工智能涵义 人工智能是研究人的思维模式,将研究成果应用于机器设备,使其具有人的思考学习行为的一门科学技术学科.人工智能按照研究程度分为三个进程,第一,机器存储与计算,机器能够存储已有的知识和根据程序会计算;第二,机器识别与判断,机器能够读懂各种媒体信息并进行分析判断;第三,机器主动学习,机器能够主动分析计算形成新的知识. 随着计算机的运算处理能力提高以及深度学习算法的革命性突破,人工智能得以在现实进行应用.人工智能是继互联网技术之后,能够使生产技术发生变革的技术,即将在每一个行业中产生巨大变革.１．２一人工智能与商业银行业务的内在关系 商业银行每时每刻都在进行各种金融数据的交换,本身是一个数据及其庞大密集的行业.基于本身特殊属性,其数据保存时间也很长.如果能够利用现在大数据计算,分析银行中各种金融业务和金融产品,发现其内在本质的变化规律.通过人工智能技术,计算机可以进行机器学习,以大数据计算结果为基本数
人工智能数据库系统优化的捷径 摘要：SQL语句的优化是将性能低下的SQL语句转换成目的相同的性能优异的SQL语句。文中主要介绍了利用人工智能自动SQL优化技术来优化数据库系统，并且简要介绍了几种常见的数据库系统优化方法。人工智能自动SQL优化就是使用人工智能技术，自动对SQL语句进行重写，从而找到性能最好的等效SQL语句。 一数据库性能的优化 一个数据库系统的生命周期可以分成：设计、开发和成品三个阶段。在设计阶段进行数据库性能优化的成本最低，收益最大。在成品阶段进行数据库性能优化的成本最高，收益最小。 数据库的优化通常可以通过对网络、硬件、操作系统、数据库参数和应用程序的优化来进行。最常见的优化手段就是对硬件的升级。根据统计，对网络、硬件、操作系统、数据库参数进行优化所获得的性能提升，全部加起来只占数据库系统性能提升的40%左右，其余的60%系统性能提升来自对应用程序的优化。许多优化专家认为，对应用程序的优化可以得到80%的系统性能的提升。 二应用程序的优化 应用程序的优化通常可分为两个方面：源代码和SQL语句。由于
涉及到对程序逻辑的改变，源代码的优化在时间成本和风险上代价很高，而对数据库系统性能的提升收效有限。 三为什么要优化SQL语句 SQL语句是对数据库进行操作的惟一途径，对数据库系统的性能起着决定性的作用。 SQL语句消耗了70%至90%的数据库资源。 SQL语句独立于程序设计逻辑，对SQL语句进行优化不会影响程序逻辑。 SQL语句有不同的写法，在性能上的差异非常大。 SQL语句易学，但难精通。 优化SQL语句的传统方法是通过手工重写来对SQL语句进行优化。DBA或资深程序员通过对SQL语句执行计划的分析，依靠经验，尝试重写SQL语句，然后对结果和性能进行比较，以试图找到性能较佳的SQL语句。这种传统上的作法无法找出SQL语句的所有可能写法，且依赖于人的经验，非常耗费时间。 四SQL优化技术的发展历程 第一代SQL优化工具是执行计划分析工具。这类工具针对输入的SQL语句，从数据库提取执行计划，并解释执行计划中关键字的含义。 第二代SQL优化工具只能提供增加索引的建议，它通过对输入的SQL语句的执行计划的分析，来产生是否要增加索引的建议。 第三代SQL优化工具不仅分析输入SQL语句的执行计划，还对输入的SQL语句本身进行语法分析，经过分析产生写法上的改进建议。
人工智能技术在财务管理中的应用 学院 专业 研究方向 学生姓名 学号 任课教师姓名 任课教师职称 2012年6月 21 日 前言 人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、、和等。 目前能够用来研究人工智能的主要物质基础以及能够实现人工智能技术平台的机器就是计算机，人工智能的发展历史是和计算机的发展史联系在一起的。除了以外，人工智能还涉及、、、、、、、、和等多门学科。人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、、计算机视觉、、等方面。 人工智能技术发展如火如荼，其已渗透到人类经济社会的各个角落，深刻地影响着人们的生产、生活和学习。文章在对人工智能技术发展进行回顾的基础上，指出人工智能技术的发展趋势，展示人工智能技术在财务管理中的应用前景。 人工智能技术在财务管理中的应用人工智能(Artificial Intelligence：AI)是当今世界的尖端技术之一。在世界上，美国人希望在发生战争时，让智能机器人代替士兵上阵，人工智能技术受到了美国军界的空
前重视，同时，商品化专家系统大行其道；在日本，由于老龄化问题严重，老者无所助，所以，渴望有“听话”的机器人做“家政助理”。于是，日本生产了迄今为止世界上最先进的人型直立机器人；在我国，人工智能技术已被成功应用，银行等金融机构设的自动柜员（ATM）就是一个典型的实例。应用人工智能技术可以跟踪监控账户余额变化、分析财务状况、作出投资决策、在多重约束条件下实现投资的最优化组合。人工智能技术使人类经济社会活动发生深刻变化，从而对财务管理产生重大影响。 一、人工智能及其发展 （一）人工智能的概念 智能是获得信息、转换信息、运用知识、形成策略、解决问题的能力。 人工智能(Artificial Intelligence ，简称 AI)一词最初是在 1956 年美国计算机协会组织的达特莫斯(Dartmouth)学会上提出的。美国斯坦福大学人工智能研究中心尼尔逊教授认为：“人工智能是关于怎样表示知识以及怎样获得知识并使用知识的科学。”美国麻省理工学院温斯顿教授则认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”童天湘先生在《从人机大战到人机共生》中认为：“把人处理问题的方式编入程序，使不思维的机器也有智能，使机器能做那些需要人的智能才能做的事，即人工智能。” 大多数学者认为：人工智能是通过计算机程序实现的，在给定问题、约束、目标和知识库的条件下，系统通过学习、转换、运用，形成策略、解决问题的能力。笔者赞同这一定义。人工智能是数理逻辑、模糊数学、计算机科学、控制论、信息论、管理学、生理学、心理学、语言学以及哲学等许多学科互相渗透而发展起来的一门综合性新学科。（二）人工智能的发展 关于人工智能的发展阶段及其相应的时间时间划分，目前有不同说法。笔者认为：工智能的产生与发展经历了萌芽、形成、应用、集成四个阶段。
人工智能在金融行业的 应用及风险分析 Company Document number：WUUT-WUUY-WBBGB-BWYTT-1982GT
人工智能在金融行业的应用及风险分析随着计算机技术和互联网行业的发展，越来越多的新兴技术如指纹识别、大数据、云计算、人工智能等逐渐开始影响人们的生活。这些技术在一定程度上提高了人们生活的便捷度，同时也给各个行业带来了巨大的变革。在这个过程中，金融行业也遭到了前所未有的冲击，这些技术已经开始被应用在银行、保险、证券和投资理财等领域。 2017年5月，围棋等级分排名世界第一的中国棋手柯洁在三番棋中不敌谷歌的AlphaGo，再一次将人们的注意力集中到人工智能这一技术上。本文将介绍人工智能这一技术及其对金融行业的影响。 一、人工智能概述 人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是对人的意识、思维的信息过程的模拟。这一概念最早在1956年达特茅斯会议上被提出，并在随后几十年中不断得到补充和发展。 人工智能的研究范围非常广泛，包括有效的老式人工智能、联结主义、遗传算法、神经网络等多个领域。当下最热门的机器学习是人工智能的一个分支。简单来说，机器学习利用算法分析数据、学习数据，通过基于大量数据的“自我训练”，实现对真实世界情况进行判断和预测的能力。因此，程序实际上是在用大量数据和算法进行“自我训练”，从而学会如何完成一项任务，这与
预先编写好、只能按照人类指定的逻辑去执行指令的程序不同。实际上，任何通过数据训练的学习算法都属于机器学习，这其中包括很多我们非常熟悉的技术，比如线性回归、K均值、决策树、主成分分析法、支持向量机以及人工神经网络等。 AlphaGo的核心算法是深度学习的人工神经网络。人工神经网络出现得非常早，但受技术限制一直进展缓慢，直到云计算的出现和后来GPU开始大规模部署之后，这种技术才得以快速发展应用。运算能力的发展使神经网络计算变得速度更快、成本更低、性能更强大，而存储设备的容量增加，读取速度加快，进一步降低了运用该技术的门槛。 二、人工智能在金融行业的应用 （一）智能客服 人工智能技术的发展使得语音识别技术逐渐成熟，一些金融机构开始尝试使用该技术来优化现有的远程客户服务、业务咨询和业务办理等，这使得用户能够更加及时地得到满意的答复，提升用户的满意度，同时还可以减轻人工服务的压力，降低企业的运营成本。 交通银行在2015年推出了智能机器人大堂经理――“娇娇”，该实体机器人由南京大学旗下的南大电子信息技术股份有限公司整合了国内外智能机器人产业链相关企业共同完成，采用了语音识别和人脸识别技术，在网点进行客户指引、介绍银行的各类业务等。它能回答客户的各种问题，节省客户办理时间，分担大堂
机器学习与数据挖掘姓名：xxx班级：计xxx学号：xxxxx
机器学习与数据挖掘 随着互联网突飞猛进的发展，数据总量呈爆炸式增长，数据量从TB级别升到ZB级别别IDC报告称，未来10年数据总量将会增加50倍，应对如此的数据总量，相应管理数据仓库的服务器将增加10倍。目前主流的软件已经无法在合理的时间内针对如此数量级别的数据进行撷取、管理、处理并整理成能为决策提供帮助的信息。美国政府率先提出并启动了“大数据研究和发展计划”，标志着大数据已上升到国家意志，大数据时代到来。 数据挖掘（英语：Data mining），又译为资料探勘、数据采矿。它是数据库知识发现（英语：Knowledge-Discovery in Databases，简称：KDD)中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。 机器学习”是人工智能的核心研究领域之一，其最初的研究动机是为了让计算机系统具有人的学习能力以便实现人工智能，因为众所周知，没有学习能力的系统很难被认为是具有智能的。目前被广泛采用的机器学习的定义是“利用经验来改善计算机系统自身的性能”。事实上，由于“经验”在计算机系统中主要是以数据的形式存在的，因此机器学习需要设法对数据进行分析，这就使得它逐渐成为智能数据分析技术的创新源之一，并且为此而受到越来越多的关注。 “数据挖掘”和“知识发现”通常被相提并论，并在许多场合被认为是可以相互替代的术语。对数据挖掘有多种文字不同但含义接近的定义，例如“识别出巨量数据中有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程”。其实顾名思义，数据挖掘就是试图从海量数据中找出有用的知识。大体上看，数据挖掘可以视为机器学习和数据库的交叉，它主要利用机器学习界提供的技术来分析海量数据，利用数据库界提供的技术来管理海量数据。数据挖掘与机器学习的关系如图一所示： 数据挖掘 数据分析技术数据管理技术 机器学习数据库 图一数据挖掘与机器学习的关系 实际上，机器学习和数据挖掘技术已经开始在多媒体、计算机图形学、计算机网络乃至
人工智能运用对商业银行管理发展启示 摘要：科技正催生更多的新应用和商业模式，金融的功能也在不断衍变。人工智能起到串联互联网、金融、大数据的作用，实现更加智能的精确计算和实时金融，解决“互联网+金融”模式下的诸多痛点，必然会成为传统银行转型的下一个“风口”。金融在人工智能的改造下，将不再局限于“互联网＋金融”，而是逐渐向“互联网+金融+大数据+人工智能”转变。如何把握住科技发展机遇，积极强化人工智能发展技术对商业银行业务发展和管理提升的促进作用，是商业银行转型的重大内容。 关键词：人工智能智慧银行金融转型 程华杨云志 作者简介：程华，女，经济学硕士，现任招商银行战略发展部资深经理。 杨云志，经济学硕士，现任招商银行战略发展部研究员。 AlphaGo机器人和人类冠军的围棋大赛，成了科技界乃至全社会的焦点。AlphaGo的胜利是大数据+深度学习的胜利，人工智能化的程序已能通过解读、预测、判断等方式在棋盘上赢得人类高手，这场人机大战标志着人工智能技术的发展进入一个更为成熟、全新的阶段，其震撼的余波将伴随人类科技长期的发展。 科技正催生更多的新应用和商业模式，金融的功能也在不断衍变。如今人工智能越来越广泛运用于金融领域，曾以科技领先著称的商业银行，如何在日新月异的科技浪潮中迅速拿到这把新钥匙，亟需思考和行动。 一、人工智能的发展演变 人工智能（Artificial Intelligence），英文缩写为AI，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，是对人意识、思维的信息过程的模拟，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。 （一）人工智能发展历程 第一个阶段（20世纪40年代中期到50年代中期），被称为信息处理时期。主要以控制论、信息论和系统论作为理论基础，主要应用于符号处理、信息搜索和相对简单的逻辑推理和证明，属于人工智能探索期。 第二个阶段（20世纪50年代中期到80年代末期），被称为认知推理时期。人工智能与认知心理学、认知科学开始了紧密融合的发展历程。 第三个阶段（20世纪80年代末期到现在），被称为神经网络时期，其特点是采用分布处理的方法通过人工神经网络来模拟人脑的智力活动。 近年来，随着成本低廉的并行计算、大数据技术，多层神经网络模型及算法的突破和深入发展，人工神经网络研究与应用出现了欣欣向荣的景象，人工智能逐步深入到社会生活的各个领域。
一、人工智能的发展和应用是大势所趋2017年以来,国际主要银行纷纷通过设立人工智能项目等方式,加快人工智能在银行业务的创新和应用。如美银美林在2017年2月建立了线上智能投顾平台,同年8月推出了基于机器学习和人工智能的应收账款管理服务系统解决方案,10月推出了建立在API和人工智能基础上的智能分析、预测工具,主要面向现金管理客户;富国银行2017年4月推出人工智能Facebook客服。 人工智能涉及包括信息学、控制技术、计算机技术、VR、仿生学和生物学等在内的诸多学科,业内至今没有统一定义。1956年的达特茅斯会议首次正式提出人工智能的定义:使机器能通过模仿人类智能的方式作出行为反应的机器和技术,简言之就是“将人类智能赋予机器”。 近年来随着深度学习和博弈论的兴起,发展迅速。我国政府高度重视人工智能的发展应用,国务院于2017年7月出台《人工智能发展规划》,党的十九大进一步强调发展人工智能。 二、银行业在人工智能应用上的探索和实践 人工智能在银行等金融领域具有广阔的应用前景,随着语言及自然语言处理、计算机视觉、机器学习技术在金融领域的深入运用,人工智能正在推动银行业进行颠覆式变革。 1.智能投顾。智能投顾(ROBO-Advisor),是指在投资组合管理等模型基础上运用智能算法、机器学习,根据投资者的风险偏好和投资目标,为投资者提供资产配置再平衡和投资建议。2010年美国出现全球第一家智能投顾公司,Betterment在纽约成立,同年美国的理财公司Futures Advisor开始为全美1000家证券公司提供自动的投资、退休金账户管理服务。 美国作为智能投顾的发源地,已成为全球智能投顾行业领头羊。根据Statista统计显示,2017年全球智能投顾管理资产超过2248亿美元,中国智能投顾管理的资产达288亿美元,全球资产管理规模前10位的智能投顾公司中美国占了8家。美国的智能投顾产品在核心模式、资金门槛、投资标的、费用等方面各具特色。比如智能投顾平台Betterment通过深入分析投资者的年龄、投资目标、投资周期,为投资者提供优化的投资组合服务,投资者可以自主选择平台推荐的投资计划,直接在平台上完成投资交易,然后再由平台对账户资产进行智能化管理。 我国已有多家银行开展智能投顾业务,开发出诸多代表性产品。比较有代表性的是招商银行2016年底推出的“摩羯智投”,把投资者风险等级划分为十级,按照投资周期分为低于1年、1年~3年和3年及以上,风险等级越高、投资周期越长,预期投资收益率越高,之后根据客户收益要求构建投资组合,由客户自主进行决策、“一键购买”并享受后续专业服务。广发银行在2017年9月份推出了“广发智投”,客户可以结合智能基金配置建议,选择公私募基金。2018年6月,光大银行推出了“光云智投”,拥有更为智能的市场分析系统,能够准确跟踪市场热点与舆情风险,为客户提供一站式全球资产配置。与传统的人工投顾比较,智能投顾兼具投资服务门槛低、智能化和分散化等优势。 2.AI+人脸识别。生物识别是指利用人体固有的某些生物特征,采用生物统计学算法和计算机运算能力,鉴别出个人身份。生物识别源主要包括人脸、指纹、虹膜、静脉、声纹等。在各项技术中,指纹识别发展最早,应用也最为广泛,其次是人脸识别和虹膜识别。人脸识别最大的优点在于“非接触性”,这可以大大提升系统响应速度,提高使用便捷度,同时避免指纹等接触式识别产生的疾病传播等卫生隐患。 在银行业,目前生物识别主要用于进程开户,只是由于技术不完善人脸识别开户时仍会出现错误,需要人工进一步的核对。我国商业银行积极推进“刷脸取款”,同时还将人脸识别、手机号码验证、密码验证统一起来,进行多重防护。以农行为例,2017年10月28日,农业银行开始在柜面应用人脸识别技术,站在农行ATM机前,客户看一眼摄像头,再输入手机号、取款金额和密码等信息,ATM机可以自动吐钞。未来随着技术水平的提升,错误率的降低,生物识别将应用于银行业的更多领域如账户登录、在线取款、在线转账等。 人工智能在银行业的应用与实践 ●唐飞泉杨律铭 摘要:顺应人工智能时代大趋势，银行不断探索人工智能技术的应用和实践，并在智能投顾、AI+人脸识别、智能客服、智能柜台、智能风控和无人银行等方面取得了一定进展。然而，由于针对人工智能的监管机制变革滞后、技术不成熟的原因，也存在人工智能应用简单、对数据价值挖掘不充分、安全技术风险隐患突出等问题。应加强人工智能基础设施建设，拓展应用场景；完善风险安全防范机制，提高人工智能应用风险防控水平。 关键词：人工智能；银行；探索；应用场景 55 --