一、​金融AI在反洗钱领域的风险建模与应用

（一）金融AI和大数据目前存在的问题

      目前AI和大数据的工具包括数据平台、数据加工工具、建模工具、报表工具、BI及可视化工具等，这部分产品的市场量很大，也得到了很多的关注，但仍存在着数据使用和算法运用方面的问题。另外，目前的人工智能算法并不够智能，同一个算法，场景发生变化就不适用了。算法要根据环境不断地调配，这要求团队的力量足够强大，才能维持运营。在现有理论基础上，在看得见的将来把智能算法做得足够智能有一定难度。这方面应用前景十分广阔，一旦体系搭建完善，是非常有价值的。

（二）从金融科技（Fintech）到监管科技（Regtech）

      金融风险呈现新的趋势。为应对金融监管制度措施复杂性、降低金融机构监管成本以及新的技术应用，监管科技实施日趋紧迫。对银行的监管方式上有很多，总对总、分对分、总分模式都有，监管机构有中国人民银行、银保监会、外汇管理局、地方税务管理局等，监管内容很广，但实现形式上多数还是基于数据和报表。随着对客户识别、交易网络等监管要素的逐步深入，监管科技正在加速其建设与发展进程。

（三）金融AI在反洗钱领域的应用

      1.当前监管对反洗钱工作的要求

      近两年全球反洗钱的形势非常严峻，去年国际金融特别行动组（FATF）等组织对各国的反洗钱工作提出了一些要求，我国在国家层面也特别重视反洗钱相关工作，对国内的金融机构做了一些具体要求，加大了执法力度。在这种情况下，由于反洗钱涉及大量客户关系网络识别和交易网络的处理，智能算法在该领域具有相当的优势和天然的实用性。

      2.反洗钱的主要工作内容

      反洗钱工作的核心有以下几点：客户身份识别、大额监控、可疑交易监控、客户反洗钱风险评级等。

      3.反洗钱工作的难点

      现行的模式是对于每类可疑交易，例如地下钱庄、非法融资、贪污受贿、走私等都有对应的模型，每天进行回溯。银行每天的交易量巨大，全部依赖于这套模型，效率难以保证。首先是计算过程很慢，其次计算结果还要花费大量人力排查，因此自然就衍生出了运用人工智能简化工作的需求。

      4.引入智能算法的主要思路

      人工智能模式和原来一样，依旧是引入算法，构建模型，产生结果。结果的构建是基于交易网络的。交易网络的交易类型有很多，包括个人日常转账、银行转账交易、现金交易、代发工资等；还包括法人控股关系，例如链条式的控股关系的梳理；还有集团关系，即一个企业与附属的不同集团之间的关系；此外个人客户的朋友圈、交易对手等信息都要纳入交易网络。这会形成亿级别的点和百亿级别的边的庞大网络，势必要进行裁边和裁点，这些工作要结合着具体的交易场景来简化和完善，做好与否是此项工作能否产生实际效益的关键。

      总体上，金融AI在反洗钱领域的应用，迁移到实时交易的交易反欺诈中也具有重要价值。

      来源：《风险管理》杂志2019年第3期。

二、对我国金融科技发展的分析

（一）金融科技发展现状

      1. 基础技术与金融场景深度融合促金融科技体系完善

      金融科技实质上没有创造新的基础性的东西，技术依然是技术，只是现在将这些技术和金融产品、金融服务深度融合带来新的金融体验而产生了巨大反响。金融科技的技术大家耳熟能详，主要是分布式、金融云、大数据、区块链、物联网、生物识别、AR/VR以及人工智能等技术衍生出的金融应用体系；从内容上讲，可分为三大板块，即支付体系、金融消费、财富管理。

      从银行角度来看，这三大版块中，支付体系是相对成熟的。金融消费实际上是应用新技术选择新客群的问题，本质是银行在存量客户基础上进一步获得新的客群、提供新的产品服务的问题。另外一大版块是财富管理，客观上也提升了资金需求方的整体融资成本，对资金的需求、供给关系与方式产生了深刻影响。

      2. 场景化实时交互的数字化营销能力形成

      从2016年大数据元年到现在已经过去三年，应用金融科技后，从营销角度来说，营销方式从原来的被动的客户营销发展到基于场景的营销，发展是比较好的。有三大定理总结得非常好：信息时代的摩尔定律，集成电路元件数目与性能每隔18-24个月翻一倍；互联网时代的梅特卡夫定律，网络的价值与联网用户节点数量的平方成正比；智能时代的Watson定律，数据和AI的融合能够创造指数级的发展机会。所以在如今阶段可以创造出可能影响时代变革的一些商业模式，这也是为什么社会力量和资本力量在其中积聚、运作、蓬勃发展的一个原因。一旦有一个新的领域产生社会价值的波动，影响不可估量。

      3. 实现半自动化线下到智能化线上风控

      从目前来讲，银行利用“大数据+AI”实现风险智能感知，提升预警准确率，增强风险自动处置能力是共识；结合线上、线下的业务场景推进智能模型应用、提升风险的全流程管理能力，进而提升资产质量与总体收益。在信息不对称的情况下，如何结合金融科技对存量业务进行优化并进一步拓展新业务模式和作业方式是风险领域进行自我革新的重要课题。

      4. AI应用——遍地开花但果实丰熟者少

      人工智能在金融领域的应用大体分成两部分，一块是机器人类的，例如智能客服、问题解答、引导型机器人、厅堂引导机器人，这一类还没有产生变革性的广泛应用的东西，还是辅助与试点。另一块是算法层面的应用，该部分要相对深入一些，包括场景推荐、申请评分、欺诈以及贷后的预警等，但也还在积极地探索之中。

      5. 新技术发展迅猛

      以5G为热点的新技术应用发展还是比较快的。纵观近些年的金融技术和金融服务轨迹可以发现：2008年以前是金融电子化和信息化进程加速时代，银行数据大集中是主导趋势；2008-2016年是金融网络化、移动化，网上银行、手机银行发展迅速；2016年到现在是普惠金融、线上金融和移动支付飞速发展，金融创新与监管金融并驾齐驱；2020年之后是智能时代，智慧金融实现从探索、辅助阶段向深化应用阶段，5G+金融将会带来全新体验。

      当前的社会推动力量，包括资本和政府官方的力量以及各金融机构在意愿上都非常强烈。新技术对生产力发展和用户行为变革的推动力量非常强大，几年前还是PC时代，短短数年移动技术的发展越过PC时代的浪头成为新的弄潮儿。可以展望伴随IoT和智能硬件的发展，智能硬件加算法，再加上自然语言会打造新一代的全新用户体验。

（二）金融科技未来展望

      总体来说，金融科技的发展非常迅猛，带来了新的产品、新的业务模式，未来在客户的金融服务体验层面也带来全新的变革，这是大趋势。但也应清晰地看到，金融科技的落地需要扎实推进、需要实实在在的服务实体经济、贴合客户需求。当前金融科技的发展在应用场景上、人才结构上、应用深度上仍需要进一步完善和深化，需要注重金融、市场和技术三者之间的真正融合，而不仅是概念层面的推广。

      来源：《风险管理》杂志2020年第2期。