葛雷：人工智能在金融领域的应用价值及对资产安全的保障

hua818

（格雷，中国人民人大学定量经济学助理教授）

在人工智能方面，每个人或多或少都会接触过人工智能模型，例如Kimi和在日常生活中。这些模型为我们的工作，学习和写作提供了极大的便利和帮助。实际上，人工智能在金融领域也具有重要的应用价值，并且可以为数千个家庭的金融资产的安全提供强大的保证。金融市场的有序和健康发展不仅涉及金融机构本身的资产安全，还涉及金融资产的保存和安全，例如存款，财务管理，投资和公众房地产。

传统的金融资产管理和投资在很大程度上依赖于人类和分析师的经验。通过数千个案例来总结分析系统，可能需要超过十年的积累。尽管人工智能机器学习算法可以在短短几个小时内轻松分析数十万甚至数千万的资产数据。通过有效的处理和大量数据的模式识别，人工智能远远超过了人类分析师的分析准确性和效率，并且具有巨大的应用优势。

如今，由主要金融机构管理的金融资产庞大，这与人民的财富安全和该国的经济发展直接相关。截至2025年第一季度，中国银行金融机构的总资产已超过440万亿元，在世界上排名第一。保险业的总资产超过35万亿元，证券行业的资产规模也达到了14.6万亿元。以银行业为例，它拥有各种各样的资产，包括与住房，固定资产抵押贷款，信用贷款等相关的各种抵押贷款。在每种贷款背后都有不同的抵押品，其价值随着市场而不断变化。因此，每次贷款需要贷款前风险批准，贷款后风险监控和不表现的资产控制。

面对如此大量的贷款数据和必须每月进行的动态评估，即使有更多的人力也很难完成任务，并且无法保证效率和准确性。在这种情况下，人工智能技术已显示出不可替代的价值。人工智能模型可以替代人类分析师，并快速，准确地分析每个资产的相关数据，从而大大提高风险控制效率，并为金融机构提供强大的技术支持，以进行大规模，高频，高频和微级别的金融风险监控。

当然，我们还应该注意，金融机构在使用人工智能和机器学习算法时无法在一夜之间实现。金融机构应避免过度依赖第三方机构，以开发自己的核心金融风险监测人工智能模型。尽管可以快速实施此方法，但从长远来看，可能存在巨大的风险。它不仅无法完全释放金融人工智能模型的核心有效性，而且还导致金融机构的风险控制能够表面运作。金融人工智能和机器学习模型是金融机构的核心竞争力。金融机构必须独立培养和组建专业建模团队，并不断积累经验和数据，以便根据市场动态及时优化模型，并有效地应对各种财务风险和挑战。

在金融领域促进人工智能的深入实施已成为当今金融行业的真正需求。当然，技术的发展还需要人才支持，尤其是在金融和人工智能交集中培养复合人才至关重要。

金融和人工智能的综合才能是使用技术重建财务逻辑的创新者，而不是简单地叠加财务和编程技能。例如，在我工作的最新财务AI建模竞赛（参加了196个团队）中，使用机器学习的跨专业学生（包括经济学，金融，计算机，数学等）建立的预测模型甚至与行业专家的水平相当。该案例不仅证明了中国青年在AI时代的创新潜力，而且还证实了金融AI领域将成为跨学科青年实现突破的核心阶段 - 技术，金融，数学，数学和物理等各种背景的融合是行业创新的关键动力。