2018年中国人工智能%2b金融行业研究报告.pdf

中国人工智能+金融行业研究报告2018年2©2018.11 iResearch Inc www.iresearch.com.cn开篇摘要 概念界定：通过人工智能技术作为主要驱动力，为金融行业的各参与主体、各业务环节赋能，突出AI技术对金融业的产品创新、流程再造、服务升级的重要作用。 发展特点：人工智能+金融行业的技术提供方主要通过创立、合作、赋能的方式为传统金融机构提供各类技术产品及解决方案，但行业整体发展还处于早期阶段，有待技术的不断发展以及与金融场景的不断融合。行业概述 应用程度：从各场景的发展程度来看，智能风控应用最多且较为成熟，智能支付的发展速度相对较快，智能营销与智能客服在未来有广阔的发展空间。应用场景 行业洞察：人工智能+金融行业的主要壁垒在于高端人才储备、对金融场景理解以及数据积累三个方面。 策略分析：面临现实挑战，技术提供方应加大通用技术平台输出提升复合人才引进与培养能力；传统金融机构应变革现有经营管理模式发挥区域协同效应；监管方应加强行业数据与公民信息的保护力度，并把握好监管与创新之间的平衡。行业洞察策略分析 技术关系：人工智能与大数据、云计算以及区块链共同为金融行业的转型升级提供技术支撑，大数据提供基础资源，云计算作为基础设施，区块链设立基础机制，而人工智能是金融业实现智能化的核心驱动因素。 技术应用：近年来伴随着以机器学习、计算机视觉等人工智能技术的快速发展，相关技术在金融行业的风险控制、投资分析、移动支付等主要领域实现应用落地。 科技企业竞争格局：未来科技企业的市场竞争将趋于成熟与理性，具有技术、资本、人才以及场景优势的科技巨头以及拥有独特技术优势的细分领域标杆企业将获得长期发展。 金融行业演变趋势：金融行业在未来将实现真正的普惠化，一方面使得更优质的金融服务覆盖到小微企业以及更多长尾客户，另一方面还会让金融机构的运营成本进一步降低，最终实现全社会福利的提升。 金融监管发展方向：我国的金融行业监管可以借鉴国外的一些成熟理念，并结合中国国情建立专门的金融科技监管机构，加强对于新技术的研究与探索，在监管手段上进行创新，更好应对行业的未来发展与挑战。来源：艾瑞咨询研究院自主研究及绘制。趋势展望3人工智能+金融行业概述1人工智能+金融行业趋势展望5人工智能+金融行业典型公司案例4人工智能+金融行业应用场景2人工智能+金融行业洞察与策略分析3人工智能+金融行业概述14©2018.11 iResearch Inc www.iresearch.com.cn人工智能+金融行业概念界定人工智能技术助力传统金融业务转型升级人工智能+金融（AI + Finance）与金融科技在界定上存在明显不同。金融科技主要是指广义的新兴技术（大数据、云计算、区块链、人工智能）与金融业的结合。艾瑞认为人工智能+金融主要是通过人工智能核心技术（机器学习、知识图谱、自然语言处理、计算机视觉）作为主要驱动力，为金融行业的各参与主体、各业务环节赋能，突出AI技术对于金融行业的产品创新、流程再造、服务升级的重要作用。本报告围绕上述界定的人工智能+金融行业特征展开研究分析，描绘人工智能+金融行业的发展现状及未来前景。来源：艾瑞咨询研究院自主研究及绘制。中国人工智能+金融行业研究报告分析主体界定金融科技科技人工智能大数据云计算区块链金融风控支付理赔客服营销投研投顾人工智能+金融人工智能金融机器学习知识图谱自然语言处理计算机视觉概述5©2018.11 iResearch Inc www.iresearch.com.cn金融行业技术应用的发展历程技术进步推动金融行业由信息化向智能化方向演进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。按照金融行业发展历程中不同时期的代表性技术与核心商业要素特点划分，可分为“IT+金融阶段“、“互联网+金融阶段”以及正在经历的“人工智能+金融阶段”，各阶段相互叠加影响，形成融合上升的创新格局。如今的人工智能+金融发展阶段，是建立在IT信息系统稳定可靠、互联网发展环境较为成熟的基础之上，对金融产业链布局与商业逻辑本质进行重塑，科技对于行业的改变明显高于以往任何阶段，并对金融行业的未来发展方向产生深远影响。来源：艾瑞咨询研究院自主研究及绘制。科技赋能金融业的发展历程概述IT+金融阶段1990s2016互联网+金融阶段人工智能+金融阶段未来1950s磁条信用卡技术1969ATM机1970sPOS机CRM系统网上银行1990s手机银行2004无卡支付2000s2007互联网信贷互联网个人理财2013智能网点刷脸支付机器人客服智能风险定价金融行业通过信息系统实现办公业务的电子化与自动化，增强数据交互能力并提高服务效率利用互联网平台与移动智能终端汇集海量用户数据，打通各参与方信息交互渠道并变革金融服务方式基于新一代人工智能技术助力金融行业转型，削弱信息不对称性并有效控制风险，降低交易决策成本，充分发掘客户个性化需求与潜在价值区块链技术融合生态监管科技……20196©2018.11 iResearch Inc www.iresearch.com.cn人工智能+金融行业驱动因素政府与社会各方共同推动人工智能技术在金融行业落地来源：艾瑞咨询研究院自主研究及绘制。•国务院发布《新一代人工智能发展规划》提出要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。•中国人民银行成立金融科技委员会加强金融科技工作的研究规划和统筹协调，积极利用大数据、人工智能、云计算等技术丰富金融监管手段，提升跨行业、跨市场交叉性金融风险的甄别、防范和化解能力。近年来我国GDP保持平稳增长，其中第三产业的增速明显高于第一和第二产业，成为拉动经济增长的主要力量，经济的增长对于促进新兴技术行业的整体发展起到了重要作用。另一方面，居民的人均可支配收入伴随经济的增长而逐年增加，并且呈现出居民收入增长快于经济增长的态势。金融在居民生活中的渗透程度逐渐加深，需求日趋强劲。移动互联、大数据、云计算、区块链、人工智能等新技术发挥各自优势，共同为金融行业的智能化转型升级奠定重要基础。移动互联为金融行业提供了高速的通信网络设施；大数据丰富了营销和风险管控的手段；云计算降低了金融服务的成本并提升了金融服务的效率；区块链技术去中心化的信任机制，颠覆了传统金融的服务模式，重构信用形成机制；人工智能近年来迅猛发展，在计算机视觉、机器学习、语音识别等技术研发方面取得了明显突破。在人工智能人才培养方面，教育部已经批准了数十所院校设立智能科学方面的专业。各地方高校相继成立了人工智能相关学院，致力于该领域的高端人才培养。同时一些高校与人工智能领域的知名企业开展校企合作，加强从技术研发到应用落地的投入力度。人工智能+金融行业政策经济技术社会概述7©2018.11 iResearch Inc www.iresearch.com.cn4279 4929 5921 8426 12744 15122 17057 19571 1.00%0.95%1.00%1.25%1.67%1.74%1.74%1.86%2011.122012.122013.122014.122015.122016.122017.122018.6不良贷款余额（亿元）不良贷款率（%）2011年12月-2018年6月中国商业银行不良贷款余额及不良贷款率人工智能+金融行业驱动因素不良贷款余额增加倒逼金融机构采取更加有效的风控措施2011-2018这八年间，我国商业银行的不良贷款余额从4,279亿元上升到19,571亿元，其中2018年6月的不良贷款余额较2011年12月上涨了357%；不良贷款率从1%上升到1.86%，整体呈现上升趋势。从近年的走势来看，传统金融机构由于存在对系统和流程建设的重视程度不够，及时监测违约风险的能力不足，系统性的风险预警机制尚未建立等原因，导致在风险管理方面存在诸多问题。同时在央行宏观审慎评估体系（MPA）实施以及监管日益趋严的环境下，金融机构需要改变以往的管理思路，通过运用人工智能等新科技手段不断增强自身的主动式风险管控能力以便应对未来的挑战。来源：中国银监会网站。概述8©2018.11 iResearch Inc www.iresearch.com.cn人工智能+金融行业相关技术梳理人工智能与大数据等技术相互融合，共同推动金融行业发展在人工智能+金融行业中，人工智能与大数据、云计算以及区块链技术并不是相互割裂的，更多的表现为相互依存的关系。大数据可以为人工智能技术在机器学习训练、算法优化等方面提供丰富的养料；云计算为大数据提供超强的运算和存储能力，显著降低运营成本；区块链解决了大数据、云计算、人工智能技术存在的信息被泄露、篡改的安全性问题，使得金融交易具有更高的安全性。人工智能技术作为金融行业未来发展的核心驱动力，与其他相关技术一道共同促进金融行业转型升级。来源：艾瑞咨询研究院自主研究及绘制。人工智能+金融行业技术关系图大数据Big Data云计算Cloud Computing 提供运算和存储能力基础资源区块链Block Chain基础机制人工智能Artificial Intelligence主要利用机器学习、知识图谱、自然语言处理、计算机视觉等技术推动传统金融业务转型升级，降低成本损耗提升效能。消除信息中介，降低金融交易的成本；信息不可篡改，金融数据的存储更加安全；智能合约可以在满足保险赔付条件时自动启动理赔程序，无需人工干预。对各类海量数据进行分析筛选，为金融业务开展获取有价值的信息。提供便捷、按需获取和可配置计算资源的共享网络服务，降低金融机构的创新成本。基础设施有效的解决数据被篡改/泄露等安全性问题，降低金融交易中存在的风险通过共识和智能合约等机制设定查看权限，保证数据的隐私安全问题紧密相连核心技术概述9©2018.11 iResearch Inc www.iresearch.com.cn人工智能+金融行业核心技术梳理人工智能技术助力金融场景实现智能化就人工智能而言，在金融行业的相关场景中以机器学习、知识图谱、自然语言处理、计算机视觉这四项技术应用较多。机器学习（尤其是深度学习）作为人工智能的核心，作为金融行业各类智能应用得以实现的关键技术发挥极其重要的作用；知识图谱利用知识抽取、知识表示、知识融合以及知识推理技术构建实现智能化应用的基础知识资源；自然语言处理通过对词、句子以及篇章进行分析，对于客服、投研等领域效率的提升提供了有力支撑；计算机视觉技术通过运用卷积神经网络算法在身份验证和移动支付环节广泛应用。来源：艾瑞咨询研究院自主研究及绘制。人工智能相关技术在金融行业的应用概述机器学习自然语言处理知识图谱计算机视觉深度学习技术作为机器学习的子类，通过分层结构之间的传递数据学习特征，对各类金融数据具有良好的适用性。目前长短期记忆神经网络、卷积神经网络、深度置信网络、栈式自编码神经网络等算法在股票市场预测、风险评估和预警等方面进行了相关应用。人工智能Artificial Intelligence在自然语言处理技术中，自动分词可以将金融报表中的格式化语句进行拆分，通过词性标注为每个词赋予词法标记，然后结合句法分析针对进行标注的词组进行内在逻辑研究，进而对研报进行自动化读取与生成工作。在反欺诈领域中，对信息的一致性进行验证，提前识别出欺诈行为；在营销环节中，可以链接多个数据源，形成对用户群体的完整描述，帮助客户经理制定出具有针对性的营销策略；在投资研究中，可以从公司公告、年报、新闻等文本数据中抽取关键信息，辅助分析师、投资经理做出更深层次的分析和决策。主要应用在身份验证、移动支付等领域。在身份验证方面，通过前端设备的人脸捕捉与证件信息提取，然后再通过人脸关键点检测、人脸特征提取并与云端服务器数据进行信息比对；在移动支付方面，通过分析人的面部特征数据和行为数据调用相应算法从而进行更为快捷安全的支付。10©2018.11 iResearch Inc www.iresearc...