AI+金融：學者、產業、趨勢全景報告

03-04

「人工智慧+金融」將時下最火熱的兩個領域結合，碰撞出時代的創新火花。及時了解金融領域中人工智慧技術的研究和應用，發現當前熱點和未來研究趨勢，洞察先機，掌握智能金融未來。

金融研究領域

1. 金融領域市場現狀

行業綜述

金融（Finance）是在不確定的環境中對現有資源進行跨期最優配置的行為，其本質是實現價值和利潤的等效流通。我國金融行業的主體包括政府、中央銀行、商業性金融機構、企業以及居民個人，其主要業務集中在投資、信貸、理財、保險、支付等細分領域，市場競爭格局主要由傳統金融機構和新興互聯網金融市場競爭者組成。我國金融業發展起步較晚，一直以來存在著金融服務主體與客體脫節的痛點，產品應用場景單一，既不「普」也不「惠」，與發達成體系的國外金融行業相比，還有巨大的潛能待挖掘。用戶數據流量、技術和創新的商業模式是當下金融行業的核心競爭力。

創新趨勢

隨著信息科技時代的發展，新興技術將金融行業的各環節革新融通，從而優化傳統金融結構，提高整體效率。從金融辦公數字化，到互聯網金融轉型，再到如今金融科技興起，金融行業不斷向非金融的實體應用場景衍生，更加場景化、個性化、科技化。依據PEST模型分析，整個金融生態呈現出與科技強強聯合的升級態勢。

Politics（政治）：國家大力支持金融與新興科技的創新發展，近年一直提供政策支持和理論指導，特別是2017年央行成立「金融科技委員會」以及國務院印發《新一代人工智慧發展規劃》，將人工智慧等新技術在金融界的運用上升到國家戰略高度。

Economy（經濟）：社會經濟的發展極大提升了國民生活水平，據央行公布的國內居民年度消費貸款餘額規模，金融市場需求規模增長迅速，呈現穩中求進的發展態勢。近年來供應鏈金融和消費金融的興起，也正是企業和個人用戶市場蘊含巨大潛能的體現，用戶需求的數量和多樣性上均增長。

Society（社會）：隨著知識與技術的傳播普及，社會形成了對熱點「金融科技」的認知，個人和媒體都持有良好的接納和學習態度，話題被廣泛熱議。

Technology（科技）：金融科技有四大技術要素「ABCD」——AI（人工智慧）、Blockchain（區塊鏈）、Cloud computing（雲計算）、Data（大數據）。

其中，大數據是金融科技的基礎資源，從用戶流量中獲取數據，從而產生可變現的知識，是價值鏈上的流通之匙；雲計算是基礎演算法，能否有效從數據中獲取價值是關鍵，這為大數據和應用場景之間搭起了橋樑；人工智慧基於基礎數據和演算法，向具體細分的應用場景拓展，將金融科技落地；區塊鏈作為去中心化的技術，保證了整個鏈條各環節的透明高效。

自此，傳統金融行業生態圈中衍生出了移動支付、智能投顧、大數據風控、數字貨幣、互聯網銀行等新興的細分業務領域。佔據流量和數據的互聯網巨頭紛紛搶佔行業創新先機：螞蟻金服向「Techfin」轉型，百度金融開發大數據風控、智能消防金融及ABS三大智能服務平台，騰訊發布「AI即服務」戰略等。同時，傳統金融機構也與科技公司進行合作，實現優勢互補打造技術驅動產品，如平安保險的「智能認證」及「智能閃賠」，工商銀行推出智能投顧產品及服務等。

2. 金融領域學術研究

研究發展趨勢

從全局的熱度來看，monetary policy（貨幣政策）、interest rate（利率）、stock market（股票市場）、venture capital（風險投資）、financial markets（金融市場）等是金融學術領域整體關注的熱點。

而近期關注的重點則是集中在venture capital（風險投資）、cross section（橫截面分析）、benchmark approach（基準點分析法）、corporate governance（公司治理）、asset pricing（資產定價）等領域。

學者研究流派

近期有關金融的研究主要由以Stijn Claessens、Douglas J. cumming等學者為首的流派研究構成，這些學者的研究興趣主要集中在Financial markets（金融市場）、Venture capital（風險投資）、Behavioral Finance（行為金融）等方向，他們都在citation（引用量）、G-index（G指數）、H-index（H指數）、diversity（多樣性）、sociability（社交性）等方面成績出色。

人工智慧+金融

人工智慧為強數據導向和用戶流量依賴的傳統金融行業的創新升級創造了契機，在提高數據使用效率的同時引領著新型服務的誕生，學者研究和行業實踐都在探索著兩者結合帶來的創新紅利。

1. 歷史熱點分析

Artificial Intelligence& Finance研究概況

根據AMiner的交叉創新笛卡爾智能分析，系統通過對人工智慧領域與金融領域的知識圖譜的計算，再對兩領域的細分子領域進行笛卡爾乘積熱點挖掘，得到近十年交叉領域研究熱力圖。

（領域交叉熱力值由交叉研究的論文的Citation等數據加權計算得出，熱力值越高，表明這個兩個交叉子領域交叉研究的越深入和廣泛。）

過去十年內，人工智慧領域與金融領域的交叉運用主要集中在Data Mining（數據挖掘）、Neural Network（神經網路）與Investing（投資）、Bank（銀行）、Risk management（風險管理）的交叉運用。其中，近十年來研究熱度最高的五個交叉領域為：

DataMining (數據挖掘) & Investing(投資)
DataMining (數據挖掘) & Bank(銀行)
NeuralNetwork (神經網路) & Bank(銀行)
DataMining (數據挖掘) & RiskManagement (風險管理)
NeuralNetwork (神經網路) &Investing (投資)

這也反映了當下人工智慧領域正嘗試著將數據挖掘、神經網路深度學習等演算法技術運用於金融領域中的投資決策、風險管理等場景，重塑傳統金融服務。

熱點研究機構及學者

就最熱的DataMining (數據挖掘) & Investing (投資)領域進行分析，學術研究領先的國家有中國、美國、德國、印度、澳大利亞等，全球前5個研究機構有：

華北電力大學，北京，中國
北京交通大學，北京，中國
天津大學，天津，中國
魯汶大學，魯汶，比利時
華中科技大學，武漢，中國

其中，與該交叉領域相關性最高的學者有：

在這一領域，中國的研究人員數量、研究論文數量及影響力均遠超過美國，並在世界範圍內占重要地位，這與當下中國金融科技飛速發展的大環境密不可分。

2. 未來趨勢分析

未來三年內，人工智慧領域與金融領域的交叉研究熱度有增無減。對Artificial Intelligence（人工智慧）領域的研究將進一步細化，對其子領域的研究將逐漸深入。作為現階段熱點的Neural Network（神經網路）、Data Mining（數據挖掘）與Bank（銀行）、Investing（投資）的交叉研究將持續火爆，而在未來MachineLearning（機器學習）與Bank（銀行）、Investing（投資）的交叉研究可能會有顯著的增長，成為新的熱點。

3. 人工智慧在金融中的實際應用

在實際行業應用中，「人工智慧+AI」會產生「1+1>2」的多樣化效果，創造無限的可能。

目前，在金融行業內幾大主流應用場景為：

徵信風控

運用大數據進行機器學習，刻畫用戶畫像，關注個性化典型特徵，推進反欺詐徵信評估。

智能投顧

以人工智慧演算法為基礎，為客戶提供自動化投資管理解決方案，包括提供投資資訊、構建投資組合、直接投資管理等服務。

金融客服

產品設計強調用戶交互，「語言識別」、「人機對話」、「人臉識別」目前初步被廣泛被運用於對金融服務客戶的身份認證環節。

「人工智慧+金融」目前仍屬於投資先驅者青睞的藍海，相信經過市場主體的多方努力，成體系的智能金融時代就在不久的將來。

AI讓金融更懂你。

數據派將作為獨家媒體合作方第一時間發布AMiner研究報告，包括全球AI專家學者研究、AI與各學科交叉研究等方向，請持續關注。

AMiner研究報告版權為AMiner團隊所有，擁有唯一著作權。AMiner諮詢產品是AMiner團隊的研究與統計成果，其性質是供用戶內部參考的資料。

AMiner研究報告提供給訂閱用戶使用，僅限於用戶內部使用。未獲得AMiner團隊授權，任何人和單位不得以任何方式在任何媒體上(包括互聯網)公開發布、複製，且不得以任何方式將研究報告的內容提供給其他單位或個人使用。如引用、刊發，需註明出處為「AMiner.Org」，且不得對本報告進行有悖原意的刪節與修改。

AMiner研究報告是基於AMiner團隊及其研究員認可的研究資料，所有資料源自AMiner後台程序對大數據的自動分析得到，本研究報告僅作為參考，AMiner團隊不保證所分析得到的準確性和完整性，也不承擔任何投資者因使用本產品與服務而產生的任何責任。