AI落地金融行业深度调查:公认的风口面前,如何不走弯路?

作者:匿名    来源:智东西    发布:2021-07-01 14:37:36    浏览:1880

51金融圈

​90年代,凭借头脑在资本市场掀起血雨腥风的“华尔街之狼”们可能不会想到,今天会出现一种可以取代他们的机器,每秒可以完成数千笔交易、并在几毫秒内判断欺诈活动是否存在。

过去半个多世纪,金融行业经历了三个阶段,从“IT+金融”到“互联网+金融”,和现在正处于的“人工智能(AI)+金融”阶段。

金融是一个建立在数据上的行业,是最适合AI技术发展的领域之一。随着AI技术的不断发展,金融行业和AI的结合也越来越紧密,AI已经深入到算法交易、风险管理、欺诈识别、金融产品推荐、客户服务等各个领域。

近年来,由于AI技术的飞速发展,计算数据也在迅猛增长,针对机器学习算法训练加速,在推理端苛刻的延迟要求以及对各种编程语言在加速器上的支持程度等属性使GP-GPU(可编程GPU)成为AI时代最重要的加速器架构。NVIDIA作为GP-GPU的先驱和创造者一直关注并推动AI在金融领域的发展。

为深入洞察AI在金融行业的应用和潜在问题,NVIDIA调研了全球各地的金融行业专家和从业者,推出了《金融服务业AI现状》报告,揭示了金融AI繁荣背后的真实状况;从专业角度解答了AI在金融行业中如何发展、如何部署、有什么样的挑战等问题。

 

一、来自从业者的声音:AI正加速渗透金融行业

AI正在像100多年前出现的电力一样,深刻地颠覆各个主要行业。金融作为数据驱动的行业,是AI技术最适合应用的领域之一。

从这份《金融服务业AI现状》报告可以看出,八成以上的业内人士同意AI对公司成功十分重要的观点,超过1/3人士认为AI能够为其公司带来20%甚至更多的营收增长,AI正从多个方面提升了企业的经营能力。

调查结果中的部分亮点

报告中还有一个关键数据,提到了AI对金融企业的影响主要体现在营收增加、运营成本降低和客户满意度的提升3个方面。

具体来说,AI可以为企业生成更精确的模型、开发新产品,并提升公司的运营效率。

AI带给金融企业的影响

另有数据显示,在头部金融企业的的AI应用渗透率已达75%以上。以银行业为代表,目前我国共有14家银行创立了金融科技子公司,布局AI等新兴技术。

这14家银行包括国有银行、全国性股份制银行、城商行和农信系统等各个银行系统,很大程度上体现了AI对整个行业的重要性。

从报告和公开数据来看,AI正在加速渗透整个金融行业,而且在实打实地加强企业经营能力、提升利润。

二、金融行业聚焦三大最火应用

AI应用对金融企业的作用正变得越来越明显。报告结果显示,算法交易、欺诈检测和投资优化是金融科技和投资公司提及最多的3个AI金融应用。

1、算法交易:替代交易员,错误率更低

利用深度学习的算法交易,可以替代交易员完成交易。相比人类交易员,AI算法拥有更低的人工成本和更低的错误率,可以为金融公司带来更高的利润。

又如,在量化交易模型中,回测仿真环节十分关键。金融公司需要模拟真实交易,使用蒙卡算法在百万级的数据中,判断出交易模型的盈利率、最大回撤率等。而GPU的高吞吐,低延迟、并行计算的性能可在此发挥优势。

在海外金融交易市场,高频交易所带来的庞大数据量也使GPU可发挥出最大程度的性能优势。

2、欺诈检测:更大限度挖掘潜客,增强客户体验

随着技术的发展,当今各类欺诈方法的种类和辨别难度已不再是简单的线性发展。新型的欺诈模式层出不穷。根据美国调研公司Juniper Research的数据,仅在2019年,在线支付欺诈就超过220亿美元,这对金融公司提出了极大的挑战。

在传统应对方法中,人工专家需要查看报告并尝试找到欺诈者的行为模式,然后编写描述这些模式的检测规则。而AI可以通过深度学习对数据进行分析,发现可能的欺诈举动,降低欺诈风险。另外Al算法还可以重新定义AML(反洗钱)流程,以识别可疑活动。

但是,当数据分析不成熟时,欺诈检测经常会出现假阳性问题,即将没有问题的客户识别为可能的欺诈者。这会大大降低客户对金融企业的信任和客户体验,导致客户流失。深度学习则可以在大大减少假阳性的同时加快分析速度,只需要数秒就可以完成整个交易流程,在确保准确性的同时,也为客户带来了更好的交易体验。

3、投资优化:实时调整投资组合,已在全球大量应用

在这一领域,AI可以根据客户的收益目标和风险承受能力为客户提供个性化的投资、理财建议,并通过算法根据其收益目标的变动和市场行情的实时变化调整投资组合。

金融企业还可以运用自然语言处理(NLP)来捕捉互联网上来自全球的语言信息来对股票进行预测。相比人类投资顾问,AI在成本、收益和效率上都存在极大的优势。

据英国《金融时报》下属Financial Advisor报道,智能投资顾问已在全球范围内大量使用,其在2020年管理的资产总额已超过1.4万亿美元。预计到2023年这一数字将实现翻倍,达到2.5万亿美元左右。

三、金融AI难在哪?缺人、缺数据、缺经验

虽然很多金融公司在资本和金融数据方面具有优势,但是其AI技术积累仍未成熟。从AI模型研究到实现企业规模生产的过程中,这些公司仍要面临许多潜在的陷阱和挑战,全球76%的受访者认为部署AI困难重重。

从这些从业人员的反馈来看,“数据科学家太少”、“技术基础架构不足”、“数据缺乏”等问题都是金融行业部署AI的主要挑战。

公司部署AI的最大挑战调查结果

为此,有超过一半的受访企业高管提及,他们的公司计划雇佣更多的人工智能专家,以解决人才不足的问题。但很多金融公司无法留住顶尖的数据科学家。

从NVIDIA的观察来看,这些挑战很多时候都是相关的。比如数据科学家的流失,很多时候是因为企业缺乏基础设施和数据,使他们陷于底层的重复工作。如果金融公司将数据科学家和基础设施协作起来,其拥有的数据越多,算法模型能够提供的价值也越高,管理额外数据的投资回报率也会更高,就会形成良性循环。

但现实是,很多数据科学家能够真正用于处理数据科学的时间很少,他们经常需要将大量时间用于底层硬件、软件和Web开发等,这也是金融行业部署AI的一大痛点。

在数据方面,有些金融公司存在数据质量不足、数据获取方式单一、数据系统分散等一系列问题。

此外,金融公司往往缺乏部署AI的经验,基础设施、架构的缺失也是阻碍这些公司部署AI的障碍。

因此,NVIDIA一直致力于与客户合作,也针对就这些问题为不同客户提供定制化的解决方案。

三、从经典案例看AI实践

根据金融服务领域的特性和需求,NVIDIA一直致力于与行业内的客户、专家携手,通过AI解决方案来突破困境、解决问题,从而挖掘客户价值和潜能。

据公开数据透露,全球财务、金融巨头美国运通(American Express)拥有超过1.15亿张有效信用卡,其面临的欺诈检测压力可想而知,然后美国运通的欺诈率已连续13年保持行业最低水平。

美国运通机器学习和数据科学研究副总裁Manish Gupta透露,与英伟达合作,通过深度学习模型进行检测欺诈,美国运通的欺诈算法可以实时监控其每年超过1.2万亿美元的交易,并在几毫秒内做出欺诈决策。这带来了巨大的效益。

加拿大皇家银行(RBC)是加拿大规模最大的银行,在36个国家/地区拥有1700万客户,庞大数据对训练耗时提出挑战。采用了NVIDIA的解决方案后,RBC在实现并行训练数千个统计模型的同时,所需时间却较过去大幅降低。

蚂蚁集团拥有庞大的客户群体,数据量惊人。英伟达帮助其整体推理服务的吞吐能力提升了2.4倍,同时延迟则降低了20%,既满足了业务的性能需求、提升了用户体验,也降低了50%的成本。

结语:GPU推动AI应用落地,金融行业正在重塑

据麦肯锡全球研究院估计,AI每年可将全球生产效率提高约1.2%,到2030年将使全球经济产出增长16%。

随着AI在金融行业的迅速发展,我国AI金融领域相关政策也在逐渐完善,人民银行也出台了相关指导文件,推动AI技术与金融业务相融合。

与此同时,每一笔金融交易都在要求更方便、更智能,客户的优质体验成为了未来金融服务的主要发展方向之一。而AI应用恰恰是金融企业智能化、实时化,提升客户体验的潜力之星。

来源:智东西


如果你要找金融公司职位或者招聘金融人才,扫描下方二维码或者直接站内联系我们。51金融圈网站有百万金融人才简历和上万家金融公司合作,更有专业的猎头服务和金融薪酬报告,心动不如行动,还不赶快联系我们!
51金融圈
免责声明:本网站转载其他网站内容,出于传递更多信息而非盈利之目的,同时并不代表赞成其观点或证实其描述,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。