智能技术在金融行业的应用与实践嘉宾分享合集

目录 金融行业智能化应用的现状01金融行业智能化应用的挑战02金融行业智能化应用的实践经验03 金融行业智能化应用的现状01. 人工智能经历三次浪潮，深度学习的突破引爆了智能化应用 随着Alexnet等深度神经网络在imagenet上的突破，2012年是智能化应用大规模尝试的元年 人工智能领域百花齐放，正在向通用人工智能时代迈进 人工智能可分为三个发展阶段：弱人工智能、强人工智能、超人工智能，目前正往通用人工智能（AGI）迈进。 金融行业智能化应用广度：经历了探索、跟风、理性三个阶段 人工智能发展进过了三次发展浪潮，智能化在金融行业的应用可以归纳为探索、跟风、理性三个阶段。 金融行业智能化应用深度：银行业发展相对均衡，保险业则偏向降本增效 行业调研显示，金融行业重点关注并应用人工智能的业务领域主要为精准营销、风险防控、智能客服、身份识别等，目的是为了克服传统金融业务中营销风控不精准、人工客服成本高及合规压力大等难题； 保险行业则更关注客户服务、欺诈识别、承保、理赔等，目标偏向于降本增效。 金融行业智能化应用的挑战02. 挑战一：智能化应用的数据基础比较薄弱 挑战二：行业监管对智能化应用提出了较高要求 需要保障不会出现在没有理由的情况下使任何特定的个人或个人群体处于不利地位。 金融行业普遍存在自有数据比较稀疏的问题，希望外部数据的合作，但目前不管是隐私计算还是数据交易所的设置都没有解决数据壁垒的问题 监管对于银行等金融机构的算法模型有明确的可解释性要求，这样很大程度上减少了智能化技术应用的可行性 个人隐私保护要求客户有撤回收集的隐私信息的权利 挑战三：业务语言和技术语言的理解鸿沟 智能化应用的实践经验03. 智能化的定义和内涵是什么 智能化的内涵在于:让机器拓展人的能力，重新定义人与机器的协同关系 示例：经营决策 举个例子：弩的发明极大提升了作战能力，同时降低了人的要求 关键启示 一些智能化应用实践的经验总结 智能化应用实践经验一：业务目标的拆解及业务流程梳理是前提 业务目标因子的拆解有利于帮助我们找到智能化升级的方向 结合业务架构的梳理可以明确智能化升级的场景 智能化应用实践经验二：体系化的智能化应用事前评估是前提 智能化应用实践经验三：业务流程的重塑是关键 业务流程的内涵:描述在特定的业务目标下基于当前生产力不同角色（包括机器）的协同方式(生产关系) 智能化应用实践经验四：持续运营是智能化产生业务价值的关键 智能应用模型需要有完善的运营体系，模型需要不算迭代优化，才能发挥真正的价值。 需要线上化收集智能化应用的用户反馈数据，对智能化应用进行持续迭代 感谢 银行智能化运营方向性思考 第一部分 银行数字化发展历程 银行数字化进程 银行架构演进 双翼双态战略 适用范围：数字经济 关键要素： 架构管理： 第二部分 智能技术在金融领域发展历程和现状 智能技术在金融领域发展趋势 *仅适用描述中小型银行现状 智能技术在金融领域现状-智能客服 智能荐句自动化聚类工具知识健康度检查 ASR、NLP、TTS语音语义核心算法 智能技术在金融领域现状-机器人矩阵 AIGC在金融领域的第三部分 创新思考 金融大模型的一些观点 对比于通用大模型的能力而言，金融行业非常需要垂直行业大模型，在数据层面，金融行业因为安全及隐私保护要求数据大多存储在本地，通用大模型在金融能力上缺乏必要的训练数据。另外一方面，金融行业在风控、精度等方面要求较高，系统又比较复杂，再加上金融相关数据实时性的要求很高，所以从这几个维度去看，通用大模型的金融常识、生成的可控性和准确性都达不到这个行业的最低要求，需要针对金融机构定制的行业大模型去发挥效力。 许东亮 2022年到2023年，新范式迎来新拐点，“模型”知识将无处不在，其中的代表便是OpenAI的技术创新，行动、模型、信息将三位一体，共同进化至通用智能 陆奇 通用大模型的出现，从根本上改变了数字化转型这条赛道。可以这么说，数字化转型成为了大模型智能化应用的基础。以数字化转型为基础基于大模型的垂直领域行业模型将颠覆整个金融行业。 我 AIGC在金融领域的应用模式 AIGC在金融领域的应用落地关键--微调 微调 微调技术能够针对特定业务场景的要求，优化模型的回答生成能力，使生成的回答更加准确、流畅和相关。 通过微调，模型能够更好地理解输入对话的上下文信息，捕捉到对话中的语义和逻辑关系，从而生成更具连贯性和相关性的回答。这使得模型在各种自然语言处理任务中表现出更高的性能，如问答系统、客服机器人、智能对话系统等 AIGC在金融领域落地步骤 AIGC在金融领域的应用发展落地 业务 智能化辅助（人工）：座席侧智能辅助功能，也是可以通过对优质样本的投喂不断进化的业务助理。包括但不限于，业务推荐，用户填单，用户风险识别 对话总结（人工+数字员工）：对客对话结束后形成对话总结。通过对优质对话样本的投喂不断进化，理解用户情绪和真实表达意图 质检：抽象质检和执行质检（对话录音、文本） 交互式的千人N面，未来将重构APP的对客交互模式---很快可能会出现交互式聊天室银行APP 真千人N面 根据用户的偏好和上下文信息生成个性化的推荐结果。有助于提供更加准确、有针对性和满足用户需求的推荐内容 AIGC在金融领域的应用发展趋势和落地 根据营销活动要求生成图片、视频等 根据营销活动生成外呼、对客话术等 根据营销活动目标进行人群圈选和人群细分，然后根据活动形式进行不同渠道的文案、素材、话术匹配，根据历史投放核销情况配置权益和积分等 AIGC在金融领域的应用发展趋势和落地 根据不同报告的要求格式体例，结合报告内容生成，优先对周报、月报、季报进行落地 根据指定目标的分析范围，通过中文输出图表和结合行业知识的初步分析结论 AIGC在金融领域的应用发展趋势和落地 内部管理 AIGC在金融领域的应用发展趋势和落地 AIGC在金融领域落地的问题 问题 银行要选择有金融行业参数训练的模型，目前还没有评价金融领域模型的标准 选模型很难 https://www.cluebenchmarks.com/rank.html AIGC在金融领域落地的问题 AIGC在金融领域落地的问题 Prompting Engineering场景模型还要经过非常多基于指令：输入、输出的提示工程训练 LoRA：基于行业大模型底座的分支流程微调，比如贷款中的消费贷，经营贷，XX贷在同一个主干模型上设置多个分支。要支持用户问题的回答 AIGC在金融领域落地的问题 问题 现有的已有的基于规则的引擎，如何与大模型结合？ AIGC在金融领域落地的问题 问题 LLM是基于参数隐含的表示知识，是通过概率模型执行推理，而这是一个非决断性的过程。但是金融领域的回答往往需要的是结构化和决断性的知识表征形式。 AIGC在金融领域落地的问题 Q & A 谢谢！ 券商智能风控落地场景分析 华盛证券黄曙光 华 盛 集 团 行业PPT模板：www.1ppt.com/hangye/PPT素材下载：www.1ppt.com/sucai/PPT图表下载：www.1ppt.com/tubiao/PPT教程：www.1ppt.com/powerpoint/Excel教程：www.1ppt.com/excel/PPT课件下载：www.1ppt.com/kejian/试卷下载：www.1ppt.com/shiti/•华盛通是自主研发的交易平台，提供全程线上化的港股、美股投资服务。•核心技术团队自2008年建立，对开发和运营大用户量级的移动互联网产品拥有丰富的经验和深厚的技术积累。 •华盛证券Valuable Capital Limited是香港证监会许可的持牌券商（中央编号：AUL711），持有香港证监会授予的1、2、4、5、9号牌照。•将香港专业的金融优势与内地的科技研发实力结合。 01.智能⻛控与传统⻛控的本质区别 02.⾦融机构的智能⻛控实践分享 目录CONTENTS 03.智能⻛控在⾦融场景的落地挑战和解法 04.真正发挥智能⻛控价值的路径和⽅法 01.智能⻛控与传统⻛控的本质区别 什么是智能风控? 指在⾦融⾏业中,应⽤⼈⼯智能(AI)和⼤数据技术来实现风险管理和控制.它的主要⽬的是通过⾃动化和智能化的⼿段、识别、评估和监测潜在的风险,从⽽降低⾦融交易和业务所⾯临的风险,保障⾦融机构和客户的安全 01.智能⻛控与传统⻛控的本质区别 02.⾦融机构的智能⻛控实践分享 客 户K Y C认证 市 场 风 险 预 警 交 易 风 险 评 估 舆 情 分 析 实 时 监 测交 易 活动,可以 从 客户 历史 交 易 ⾏为、股 票 集 中 度监控、涨跌幅预警 等 多 个维度检 测和评估 交 易风 险因 素,并 采 取 相应的 措 施 实 时 监 测市场的 ⾏ 情 数据,针 对市场 风 险给出应 对策 略,及时向 客户发送风 险提 ⽰,帮 助 客户了 解 市场 风 险,以 降低 市场 带来 的风 险 利 ⽤ ⾃ 然语⾔ 和 情 感 分析 技术,对社 交 媒 体 、 新闻等 公 开 信 息进⾏监控和 分 析,了 解 市场情绪和舆 论 动向,有 助 于预 测市场⾛势和风 险 使 ⽤ 智 能风控 技术整 合多 种 信 息 源,⾃动 验 证客户的 ⾝ 份 信 息,以 确 保 客户的 真实⾝ 份,符 合监管要 求.同时加 快 客户注 册和审核 的 速 度,提 ⾼ 效 率 03.智能⻛控在⾦融场景的落地挑战和解决方案 挑战点: 数据隐私和安全 市场环境 智 能风控 依 靠 ⼤ 量 客户和 交 易 数 据进⾏ 分 析 和 决 策,如 何 防 ⽌ 数 据 泄 露 和滥⽤,保护客户的 个 ⼈ 信 息 和 交 易 数据,是 ⼀ 个 重 要 的 挑战 ⾦ 融 市场是 ⼀ 个 复杂多变的环境,智能风控 需 要 不 断 适应市场情 况 和 交 易模 式,算 法 和 模 型 是 否 具备灵 活 性 和适应性,也 是 ⼀ 个 挑战 数据质量要求 技术升级带来的挑战 实 现智 能风控 系统需 要 投 ⼊ ⼤ 量 的 技术 资源 和 研发成 本.此 外,现有 系统如何对接 和 适 配 智 能风控 系统.技术⼈员如 何 提 升 ⾃ ⾝ 技术⽔ 平,如 何 将驾驭越 来 越 复杂的 系统等问 题,都对智能风控 的 落 地带来 很 ⼤ 的 挑战 智 能风控 的 分 析 决 策 的 准 确 性,很 ⼤程 度 上 取 决 于 数 据 的质量.⽽ 互联⽹券 商 可 能 ⾯临来 ⾃ 多 个 数 据 源 的 数 据,这就对数 据 的 准 确 性 和 完 整 性 以 及 券商对数 据 的 加 ⼯ 整 合 能 ⼒ 提 出 了 更 ⾼的 要 求 03.智能⻛控在⾦融场景的落地挑战和解决方案 解决⽅案: 技术升级带来的挑战 市场环境 数据隐私和安全 数据质量 建立严格的数据安全措施,包括数据加密、访问权限控制、数据脱敏等.同时遵循相关的数据保护法规和行业标准,明确数据的使用目的和范围,且获得客户的明确授权 对数据进行清洗和二次验证,确保数据的准确性和完整性.同时尽可能减少不准确数据造成的影响,做好兜底方案 培养专业的数据分析、算法工程师等人才,建立专业的智能风控团队,保持对专业技术人才的吸引力 构建多维度的智能风控模型,结合AIGC等技术,使智能风控系统能够从市场的变化中学习和优化,不断适应市场环境 04.真正发挥智能⻛控价值的路径和⽅法 合理的资产配置:利⽤智能风控系统对客户的风险承受能⼒和投资⽬标进⾏评估,合理配置资产,降低投资风险 ⽤户画像与分析:通过数据分析和机器学习,建⽴⽤户画像,了解客户投资偏好和风险承受能⼒,为客户提供个性化的风险管理⽅案 舆情监测与预警:利⽤⾃