小城不小，大城不大；從“小城”走出，一路向北走向“大城”；希望通過小城故事，一起去感悟所謂我們的“小成”與“大成”。

金融保險：深度學(xué)習(xí)——挑戰(zhàn)、偏見與路徑（下篇）

“中央財經(jīng)大學(xué)金融科技書系”第一本書《金融保險：深度學(xué)習(xí)》，在2018年底終于正式出版，這是中央財經(jīng)大學(xué)中國精算研究院金融科技中心的又一力作。金融科技中心的成員主要有張寧博士、陳輝博士，主要聚焦于大數(shù)據(jù)、人工智能、區(qū)塊鏈在金融和保險中的應(yīng)用，已經(jīng)開發(fā)上線“保險大數(shù)據(jù)APP”、“金融腦”金融人工智能平臺，“中央財經(jīng)大學(xué)金融科技書系”也將陸續(xù)出版。

近年來，“中央財經(jīng)大學(xué)金融科技書系”編委會成員先后出版了多本金融科技相關(guān)的專業(yè)書籍，為此，我們梳理了一套金融科技書系，希望通過金融科技書系去理清金融科技的發(fā)展脈絡(luò)，去提升金融科技的認知能力，去改變我們的思維方式，去升華我們的智慧。

“中央財經(jīng)大學(xué)金融科技書系”編委會成員專注于金融科技研究，我們不僅僅是一個團隊，而是連接金融領(lǐng)域研究力量和人工智能大數(shù)據(jù)等領(lǐng)域研究力量的平臺，希望“中央財經(jīng)大學(xué)金融科技書系”的每一本書都開啟一個“認知革命”的故事，一個“預(yù)見未來”的故事，成為金融科技理論研究與實踐探索領(lǐng)域創(chuàng)新篇章的動聽音符。

下面我給大家介紹張寧博士所著的《金融保險：深度學(xué)習(xí)》的一些內(nèi)容“人工智能+金融：挑戰(zhàn)、偏見與路徑”，因內(nèi)容比較多，我將分上下兩篇來介紹。

上篇：

【挑戰(zhàn)】

【偏見】

下篇：

【路徑】

盡管金融仿佛在不斷地與人工智能融合，但是，真實的情況更加復(fù)雜。

人工智能更像一個刺猬，在金融業(yè)務(wù)的很多外端，越來越多的人工智能得以應(yīng)用，并發(fā)揮出效率優(yōu)勢，例如，越來越多的金融中的投資顧問和保險顧問等，但是，這些都起到輔助的作用。

人工智能仿佛只能給金融行業(yè)打工，但是，不能成為股東，也就是說，金融行業(yè)的核心技術(shù)與人工智能還有相當(dāng)?shù)木嚯x。金融業(yè)本身是數(shù)學(xué)風(fēng)險的行業(yè)，或者說是在不確定的條件下，進行資本資產(chǎn)配置和定價，其核心是風(fēng)險管理、資本資產(chǎn)配置和定價，但這些仿佛離人工智能還很遙遠。

可以預(yù)計，金融與人工智能的融合將分三個階段進行：

第一個階段——科技賦能階段，這個階段強調(diào)的是場景應(yīng)用，是其他領(lǐng)域成熟的人工智能技術(shù)，平行地應(yīng)用在金融里面，來提升業(yè)務(wù)某些環(huán)節(jié)的效率。

第二個階段——科技增能階段，這個階段強調(diào)的是模型的應(yīng)用，但由于這些模型直接應(yīng)用會帶來合規(guī)風(fēng)險，所以，我們預(yù)計這個階段會產(chǎn)生大量為金融行業(yè)服務(wù)的第三方專業(yè)服務(wù)。這個階段是主動的，金融行業(yè)認識到人工智能的特點以及優(yōu)勢，主動在業(yè)務(wù)環(huán)節(jié)中應(yīng)用人工智能，獲得效率提升，甚至改變業(yè)務(wù)方式。

第三個階段——科技產(chǎn)能階段，這個階段的特點是價值應(yīng)用，這一類的金融核心業(yè)務(wù)將進行人工智能化，人工智能將成為金融核心價值的創(chuàng)造手段之一，甚至成為主要的創(chuàng)造手段，這個階段也要求監(jiān)管智能化。

2010～2030年人工智能的路徑如圖2所示。

圖2 2010-2030年人工智能的路徑

在科技賦能階段，很多都是場景應(yīng)用，例如，程序化的交易量化投資，也看到基于車聯(lián)網(wǎng)的保險的動態(tài)定價，還有顯卡用于金融計算，筆者的團隊在這方面也做了一些工作，將其他行業(yè)成熟的自然語言理解技術(shù)，平行地應(yīng)用到金融領(lǐng)域中。例如，為實現(xiàn)相應(yīng)的金融報告、行研報告的理解和特征抽取，經(jīng)過大量的訓(xùn)練，可以自動生成相應(yīng)的行業(yè)報告或者符合規(guī)則的金融報告。

在科技增能階段，一些相關(guān)研究成果也成為本書中的內(nèi)容，例如，基于手背紋理的生理年齡的區(qū)別與健康狀態(tài)的評價、混合步態(tài)以及身材等參數(shù)，這種遠程評價可以大幅度提升效率，可以用于健康險或者人身險的定價，也可以用于金融的偏好識別和估計。

對金融的偏好識別，我們使用了大量的數(shù)據(jù)，風(fēng)險偏好就不再是簡單的、固定的，而是動態(tài)變化的了，例如，身材、健康狀態(tài)以及衰老的狀態(tài)都會影響風(fēng)險偏好，這些風(fēng)險偏好最終會影響金融的投資和判斷，使用的模型是循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)以及注意力模型。

我們還在金融欺詐識別方面做了一些工作，不管是保險中的欺詐還是投資信貸方面的欺詐，有許多信息可以捕捉到欺詐的概率，我們使用Res Net（這就是谷歌的Alpha Zero的技術(shù)網(wǎng)絡(luò)）來處理這些信息，從而獲得欺詐的識別。在這個過程中，我們可以評價一些如衰老的風(fēng)險指數(shù)以及身材的指數(shù)，這里衰老的風(fēng)險指數(shù)并不是指老年人口占多少，而是通過步態(tài)、心理等多方面的數(shù)據(jù)來分析整體人群的健康狀態(tài)。

在科技產(chǎn)能階段，這是金融和人工智能真正融合的核心，它必須要突破三個最核心的障礙，金融才能完美地擁抱人工智能。按照影響程度排序：

第一個障礙，也是最重要的障礙就是可解釋性，也就是要克服新一代人工智能的黑箱問題。

第二個障礙，就是不確定條件下的人工智能，或者說是人工智能處理風(fēng)險的能力。

第三個障礙，就是金融中的通用學(xué)習(xí)有沒有可能。

從來沒有一個行業(yè)像金融這么迫切需要人工智能的可解釋性，而這恰好也與深度學(xué)習(xí)的黑箱特征有關(guān)，這里的根本原因在于，世界各個國家以及組織對金融都是進行監(jiān)管的，金融業(yè)牽一發(fā)而動全身，一旦發(fā)生系統(tǒng)性金融風(fēng)險，將會波及諸多經(jīng)濟和政治，2008年金融危機就是這樣的例子。

這就要求金融業(yè)務(wù)的過程應(yīng)該是透明的。若不能告訴監(jiān)管機關(guān)，這些結(jié)果就都是由一個黑箱得出的。盡管金融是在不確定條件下處理問題的，但處理機制不應(yīng)該是黑箱，否則一個由諸多黑箱組推動的行業(yè)，將會產(chǎn)生重大的系統(tǒng)性風(fēng)險。

就如對保險產(chǎn)品來說，客戶本身也關(guān)心為什么一個36歲的人買這款產(chǎn)品要比25歲的人價格高，你不能告訴客戶這是一個深度網(wǎng)絡(luò)給出的結(jié)果，而應(yīng)該告訴他，36歲的人死亡率比較高。同樣對風(fēng)險也是這樣，公司的管理層或者董事會想知道風(fēng)險的特征是什么？影響風(fēng)險的這些因素到底是如何影響風(fēng)險的？這都是當(dāng)前深度網(wǎng)絡(luò)面臨的核心問題。

我們給出了一個嘗試性的方案，這個方案稱為網(wǎng)絡(luò)探針。深度網(wǎng)絡(luò)某種程度是黑箱，所以，我們通過信息幾何和符號計算的基礎(chǔ)數(shù)學(xué)理論，設(shè)置一些相應(yīng)的探針，由此來發(fā)現(xiàn)這個黑箱的運作機制，并結(jié)合精算的極端估計，給出這個黑箱異常行為的可能性判斷。這就如同我們想知道一個烤地瓜熟沒熟，最好的方式是用溫度計插入到不同深度來看一下溫度，同時，我們還不希望這個地瓜某些部位糊掉，也就是說，我們還關(guān)心它的極端風(fēng)險。這些都是金融行業(yè)需要的，同時，也可以用于其他行業(yè)。網(wǎng)絡(luò)探針示意圖如圖3所示。

圖3 網(wǎng)絡(luò)探針示意圖

有了這樣的技術(shù)，金融行業(yè)應(yīng)用人工智能應(yīng)該有這樣的迭代關(guān)系，也就是說，從成熟的金融模型開始，考慮大量潛在的非結(jié)構(gòu)化數(shù)據(jù)，通過使用機器學(xué)習(xí)或者深度學(xué)習(xí)模型，捕捉這些數(shù)據(jù)的信息，然后，通過前面提到的探針技術(shù)、稀疏結(jié)構(gòu)、注意力機制發(fā)現(xiàn)一個初步可解釋的模型，將這個模型用于成熟模型的子模型，如此迭代，實現(xiàn)金融核心技術(shù)與人工智能的結(jié)合。

但是，該技術(shù)仍然是基于工程的方法，在書中我們介紹了金融深度學(xué)習(xí)可解釋問題的數(shù)學(xué)工具“信息幾何”。目前看來，它是最后可能解決該核心問題的有效工具。

人工智能把握風(fēng)險的能力，實際上是我們對人工智能網(wǎng)絡(luò)風(fēng)險能力持有的懷疑態(tài)度。

我們用1年多的時間做了強化學(xué)習(xí)在投資中的應(yīng)用，這里訓(xùn)練出的“投資腦”，完全沒有人類的投資經(jīng)驗，而是通過市場反饋形成了自己的邏輯。

我們做了整體的對比，做了一個長期的投資計劃，這里面有三個選手：

選手1：優(yōu)秀的投資經(jīng)理。

選手2：當(dāng)前很火熱的量化投資程序，注意，這里的量化程序并不是人工智能，而是指基于規(guī)則的量化投資，也就是說，不需要人為干擾，它可以幫助人類實現(xiàn)規(guī)則錨定的投資方案。

選手３：我們基于強化學(xué)習(xí)、繼續(xù)強化學(xué)習(xí)和訓(xùn)練的金融大腦，這個金融大腦從開始就沒有受到人類的規(guī)則限制，而是通過自己近百萬次的學(xué)習(xí)（這里面當(dāng)然要有一些技巧，因為使用谷歌提出的技術(shù)成本太大），然后，在300多個交易日，形成了200多次交易，我們對此進行了分析，希望從中得到人工智能對風(fēng)險把控的能力判斷。

通過最終的投資記錄比較，我們可以發(fā)現(xiàn)如圖4示的結(jié)論。

圖4 投資記錄比較結(jié)果

收益與風(fēng)險

人類投資收益是8.9%，研發(fā)投資程序是7.6%，而人工智能可以達到16.3。從收益角度看，人工智能占有絕對優(yōu)勢，但是，我們要注意到風(fēng)險控制能力，如果量化投資程序是100分的話，而人工智能只能拿到50分。

具體體現(xiàn)在兩個方面：

一方面是極端風(fēng)險出現(xiàn)的次數(shù)，基本上，人類和量化投資程序沒有出現(xiàn)極端風(fēng)險，但人工智能明確出現(xiàn)了我們定義的極端風(fēng)險三次；

另一方面是“最差戰(zhàn)績”，也就是說，損失最大的一筆投資，人類投資收益是-13.7%，而人工智能達到了-18.1%。

綜合評價：以上結(jié)果很容易給人這樣一個認識：人工智能只是一個沒有經(jīng)驗的選手，它在投資市場里之所以獲得高收入，是因為冒了太大的風(fēng)險，完全是收益驅(qū)動的，或者說只是因為運氣好。類似于賭博的新手，通常開始運氣都不會太差。

事實真的如此嗎？

大局觀

通過深入挖掘，研究發(fā)現(xiàn)一些令人思考的問題：

人類的投資人關(guān)注的投資周期是短期和中期，但是，人工智能關(guān)注的是中期和長期，這里的長期穩(wěn)定率是80天以上。

所以，從大局觀的角度來看，人工智能如果是100分的話，人類投資人能拿到80分，進一步還有很多的數(shù)據(jù)和統(tǒng)計來印證這一點。

重新定義風(fēng)險和收益的平衡點

這值得我們思考，無論是金融還是保險，本身都與風(fēng)險有關(guān)，這些對比其實是采取了人類的經(jīng)驗來評價人工智能的表現(xiàn)，類似于用人的經(jīng)驗來考慮人工智能圍棋的能力，這似乎有些問題。

換個角度想，也許人工智能沒有人類這些規(guī)則的束縛，能找到更好的收益和風(fēng)險的平衡點——基于它的風(fēng)險把控能力，實際是金融應(yīng)用人工智能的潛力所在。

通用學(xué)習(xí)針對的是三類人工智能中的通用人工智能，或者說是它的入門門檻。但聚焦在金融領(lǐng)域，就是人工智能能否在金融領(lǐng)域進行通用學(xué)習(xí)？如果我們把這里的通用學(xué)習(xí)指基于樣本自動而生成深度網(wǎng)絡(luò)并進行訓(xùn)練，那么直觀上看，很多人會覺得業(yè)務(wù)很繁雜以至于難以實現(xiàn)。

但是，事實上是有可能的。金融的業(yè)務(wù)與業(yè)務(wù)之間、部門與部門之間、甚至監(jiān)管和行業(yè)之間、市場與行業(yè)之間，信息傳遞主要表現(xiàn)為固定集中的表格、有規(guī)則的報告、有規(guī)則的文件等，也就是說，存在著天然的特征，這使得通用人工智能學(xué)習(xí)成為可能。

我們的研究團隊用一個二值網(wǎng)絡(luò)作為前置條件，可以根據(jù)樣本自動構(gòu)建深度網(wǎng)絡(luò)，實現(xiàn)通用人工智能，并能夠給出一定范圍優(yōu)化的參數(shù)和訓(xùn)練路徑，這種方式可以取代一些金融模型，但還需要深入探索。

盡管有挑戰(zhàn)、有偏見，但是，融合將會繼續(xù)，根據(jù)人工智能技術(shù)發(fā)展的分析，以及對金融行業(yè)發(fā)展的預(yù)期，我們認為，金融行業(yè)會有一些從業(yè)人員受到人工智能技術(shù)的替代，比例會從6%上升到35%，這個時間大約在2035年。

這個過程如果繼續(xù)下去，就會帶來一個有趣的問題，那就是：金融行業(yè)會產(chǎn)生著名的勒德謬論嗎？

18世紀的時候，一個叫勒德的工人，夜晚進入工廠砸毀了機器來發(fā)泄自己的不滿，因為蒸汽機帶動的織布機取代了他的工作，他被辭退后就希望用這種方式來阻止機器取代工人的過程，很顯然，這是不可能完成的任務(wù)。

理論上最好的“阻止”該過程的方式就是：人類在工作鏈條的更高端找到位置。

但是，我們要問一個問題，如果工作鏈條的最高端的位置也被人工智能取代了，會發(fā)生什么？政府是否需要提供經(jīng)濟學(xué)家100多年前提到的“無條件基本收入”呢？

這值得我們進一步去思考。