预览加载中，请您耐心等待几秒...

人工智能在商业银行中的应用研究.pdf

预览
1/5
2/5
3/5
4/5
5/5

在线预览结束，喜欢就下载吧，查找使用更方便

下载提示 文本预览

如果您无法下载资料，请参考说明：

1、部分资料下载需要金币，请确保您的账户上有足够的金币

2、已购买过的文档，再次下载不重复扣费

3、资料包下载后请先用软件解压，在使用对应软件打开

一一一一一一 一一学一报一一一 一一一一一一 人工智能在商业银行中的应用研究 刘静1，2 （1.长春金融高等专科学校金融学院，吉林长春130028； 2.吉林省金融文化研究中心，吉林长春130028） ［摘要］近年来，人工智能在商业银行的广泛应用提升了金融机构的服务效率，拓展了金融服务的广度 和深度。人工智能技术在银行中的应用领域主要有通过精准客户画像提升获客能力，提升服务品质降低运 营成本，实现低成本、差异化服务客户，进行金融预测和风险管理等。随着科技的发展，人工智能技术将会 在金融领域得到爆发，商业银行应该提高对人工智能产业的金融服务能力及加快人工智能技术研究与运 用，推进数字化银行建设。 ［关键词］人工智能；商业银行；应用研究 ［中图分类号］F832.33［文献标识码］A ［收稿日期］2020－03－26［文章编号］1671-6671（2020）03-0034-05 ［作者简介］刘静（1981－），女，山东济宁人，长春金融高等专科学校金融学院副教授，经济学硕士，研 究方向：经济学。 人工智能的飞速发展将对金融业产生深刻影响，人工智能将逐步成为决定金融企业发现客户需 求、获取客户的重要因素。人工智能技术可以用于服务客户、金融交易、授信管理、运营管理、风险控 制和金融分析等领域的决策，推动金融服务更加的个性化与智能化。智能金融不仅能改善金融机构 部门经营管理效率，而且对用户来说，还可以在不断得到优质服务体验的同时，持续优化资产配置。 目前，尽管人工智能技术的应用多数仍处于研究尝试阶段，但是金融机构已经开始布局，各家银 行已经开展构建人工智能平台的实质性工作，如建立创新实验室、与第三方厂商技术合作、内部自主 研发等。［1］ 一、人工智能技术在银行中的应用领域 （一）通过精准客户画像，提升获客能力 当前，商业银行数据级别都是海量单位，同时大量数据又是非结构化的形式存在，对数据的利用 能力有限；与此同时，金融大数据庞杂，客户数据标签众多，金融数据处理工作面临极大挑战。如果能 将庞杂数据分析到位，形成精准的客户画像，这将帮助商业银行营销能力实现质的飞跃。客户画像首 先依赖于客户数据标签体系的建立，从基础数据，到衍生指标，再到立体化数字画像标签体系。在建 立客户标签体系的基础上，商业银行可以实现智能获客，通过广泛获取内外部数据和风控大数据，形 成对客户多维度的画像，辅助建立客户预测模型，包括信用评分、反洗钱侦测、违约预测等功能，动态 34JournalofChangchunFinanceCollege 一一2020一一年第一3一期一（一总第一152期） 一一一一一一一一一 一一一一一一一一一 调整客户信用额度和利率，在风险可控的前提下获取目标客户。此外，机器学习技术还可以帮助建立 客户画像与产品匹配度的营销预测模型，通过个性化的渠道推荐、消息推送、场景触发等精准营销行 为，提升对客户销售服务的精准度，实现全渠道智能精准营销。 （二）提升服务品质，降低运营成本 在互联网技术全面发展之前，商业银行花费大量人力物力用于维护客户关系；而在互联网时代， 互联网技术在金融机构降低服务客户成本方面起到了非常重要的作用；在商业银行沟通客户、发现客 户需求、降低运营成本方面，人工智能都成了重要的因素。结合人工智能技术在当前市场实际应用情 况来看，基于语音识别、语音数据挖掘、计算机视觉与生物识别、机器学习、神经网络应用与知识图谱 等人工智能技术将在银行运营服务中得到应用与推广。如语音识别可提供多模式融合的在线智能客 服，并通过各种渠道和终端与客户进行互动交流，在很大程度上减轻了人工服务的压力，降低了成本， 同时还能提高客户的满意度。 （三）实现低成本、差异化服务客户 在进一步推动普惠金融发展的过程中，客户下沉是商业银行转型的必然选择。对依靠专业人员 提供金融服务的传统模式而言，客户下沉意味着成本大幅度增加，而人工智能技术可将科技和数据的 力量转化为生产力，从而使服务下沉到长尾客户中去。人工智能投顾系统可以运用合适的资产分散 投资策略，提供个性化的投顾方案。通过智能投顾解决方案，财富管理服务门槛大大降低，商业银行 能够在节省人力资源的同时，扩大财富管理服务覆盖面。 （四）进行金融预测和风险管理 机器学习技术能够把不同来源的结构化和非结构化数据整合到一起，通过大数据处理，进行走势 预测、风险控制等。通过采用机器学习，导入海量金融交易数据，可从金融数据中自动发掘信息，并根 据预测做出相应决策。如智能量化交易能够使用机器学习技术进行回测，对投资策略进行自动调 整。相对于传统量化交易而言，在规避市场波动下的非理性选择、防范非系统性风险和获取确定性收 益方面更具比较优势。从风险控制流程上来看，人工智能在各个风控节点均能发挥作用。比如反欺 诈环