人工智能在互联网金融信用体系的应用研究

周子博

摘 要：信息技术革新催生了互联网金融的创新形态，并在金融创新中扮演着重要的角色。互联网金融的信用体系源于传统金融信用体系，又具备自有的特征。在大数据的驱动下，人工智能在风险识别的研究中不断深入。该文通过对互联网金融信用体系的应用的研究，回顾互联网金融及安全的发展、信用体系的发展、人工智能风险识别的发展，对人工智能、大数据技术在互联网金融信用体系中的应用情况进行分析，并对现存的问题和对策进行了论述。未来人工智能及大数据技术会依附于互联网金融，为经济转型提供更加强有力的支撑。

关键词：人工智能 互联网金融 信用体系 风险管理

中图分类号：F832.2 文献标识码：A 文章编号：1672-3791（2019）01（a）-00-02

1 互联网金融及安全的发展

信息技术（information technology）革命改变着人们的沟通交流方式。在互联网技术和大数据驱动下，金融与科技不断结合，融合出了互联网金融的创新形态。互联网金融将在未来支撑经济转型过程中发挥重要的驱动力量。

1.1 互联网金融的发展情况

2013年是我国互联网金融模式发展的里程碑年，这一年内涌现出了大量互联网金融创新模式、产品和应用，如第三方支付、信用消费、产业融资、个人借贷、众筹融资等，这些创新均以信用体系为基础，且均有别于金融行业传统的信用模式。

互联网金融的发展历程分为4个阶段：第一个阶段是传统金融互联网化，主要体现为银行网银、银行在线业务等；第二个阶段是互联网金融起步阶段，主要体现为网络钱包、网络货币等；第三个阶段是互联网金融模式快速创新和生长阶段，主要体现为第三方在线支付、P2P借贷、众筹融资等互联网金融产品爆发；第四个阶段是互联网金融规制化发展阶段，主要体现在对P2P集中监管、互联网征信体系建立等。

1.2 信息技术驱动互联网金融快速发展

随着互联网技术、人工智能技术、大数据技术的不断发展，以及金融互联网产业模式、数据的不断积累，我们逐步走入了以互联网金融为主的金融科技时代。2016年，全国第三方在线支付规模达38万亿元人民币，成为全球最大规模的移动支付市场。

互联网金融在金融和消费者之间创建了新的沟通渠道和信用渠道，让传统信用走进了人们的日常生活。互联网技术以其高共享机制、高透明度、良好协作性、低成本、高服务实时性等优势，促使金融和科技将更加深度的融合，实现金融普惠的市场价值，体现数字经济的创新特征。现在互联网金融已是经济转型和发展的重要驱动力。

2 互联网金融信用体系

从社会交易方式角度出发，可以将人类社会经济发展分为以下几个过程：自然经济时期（物物交换为主）、货币经济时期（货币媒介交换为主）以及信用经济时期（信用媒介为度量）。互联网金融模式是典型的信用经济。信用及信用体系是信用经济发展和运转的根基。

2.1 关于信用

从社会学视角出发，信用社会活动中守言，及判断他人能否守信的道德度量；从经济学视角出发，信用是契约精神约束下，交易及价值流通过程中通过让渡货币或商品以获得可偿还债务的价值流动；从法学和行政管理学的视角来看，信用是通过征信管理、信用评估等方式对信用行为、信用记录进行规则化管理的体系制度。在信用经济时代下，信用对资源配置起到重要影响作用。

2.2 关于信用体系

信用体系以信用为出发点，包含社会治理层面的信用法律法规体系、社会服务层面的信用服务体系、数据技术层面的信用数据技术支撑体系、产品层面的信用产品市场体系、管理层面的信用管理体系、行政管理层面的政府监管体系以及价值观层面的诚信体系。信用体系会设立对应的惩戒机制。

2.3 互联网金融信用体系

我国目前的金融信用体系有3类：一是政府、央行为主的信用机构建立的征信服务体系。二是以互联网公司为主的信用机构，比如京东金融、支付宝、财付通等互联网平台，通过互联网行为数据的归集，生成人物数据畫像及个人信用评估。三是以互联网金融协会为主体的信用交换机制，互联网金融协会信用信息中心建立了共享互通的个人征信信用基础数据库。相比传统金融信用体系而言，互联网金融信用体系更开放，共享能力、资源整合和处理能力、数据挖掘和规律归纳能力、数据联通能力更强，服务宽度和广度更强。

3 人工智能在风险识别领域的发展

3.1 人工智能发展情况

1943年心理学家Hebb从人脑工作模式的角度研究计算方式，并发表赫布理论，这是人工智能思想的萌芽。1956年达特茅斯会议的召开标志着人工智能正式确立。1986年Hinton将反向传播应用于神经网络模型的训练，促使人工智能发展再次步入快速发展。近年来人工智能机器学习、深度学习算法不断发展更新，在图像识别、机器翻译、自然语言处理等领域的表现日益强大。

3.2 人工智能在风险识别领域的应用情况

目前人工智能在风险识别领域的应用主要分为3类：第一类是以规则为主的模式识别；第二类是以机器学习（统计学习）为主的模式识别；第三类是以深度学习为主的模式识别。以规则为主的识别方式需要首先通过人工定义规则，计算机按照已定义的规则对数据进行分析后返回结果。在这类的模式识别发展过程中，主要研究方向是解决特定规则下计算效率问题。在第二类以机器学习为主的模式中，研究学者将模式识别问题转化为统计学、概率学的问题。通过对大规模数据的分析，使用特定的机器学习方法或工具构建模型，寻找数据中包含的规律，以解决识别和预测问题。常见的算法包括线性回归、逻辑斯蒂回归、朴素贝叶斯、决策树、感知机、支持向量机、KNN、K-Means等。第三类的模式识别方式以神经网络为核心，通过反向传播对神经网络模型进行训练，生成的模型和算法可以充分体现训练数据中的规律和特性。常见的算法模式包括单层感知机、多层感知机、神经网络、CNN（卷积神经网络）、RNN（循环神经网络）、LSTM（长短时记忆神经网络），以及加入Attention（注意力机制）、GAN（对抗机制）、远程监督等机制的优化算法。

4 人工智能在互联网金融信用体系及风险控制中的应用

4.1 當前应用情况

人工智能在互联网金融信用体系及风险控制领域有以下几类应用：一是应用人工智能对风险进行评估。机器学习、神经网络等能够在大规模数据中归纳出数据内的非线性关系，进而进行风险识别和评估。二是结合专家系统的应用。专家系统具有海量知识与数据，它可以通过信息技术来发挥知识体系和实践经验的价值，对风险进行预测和判定，并采用风险应对策略。

在金融风险识别领域，人工智能技术已有了较多的应用实践和解决方案。阿里巴巴、腾讯、百度、小米、京东等互联网公司均已按照人工智能嵌入金融信用服务的逻辑，在信用欺诈等特定领域构建了风险识别体系。

4.2 构建领域内人工智能应用需要开展的工作

结合人工智能技术，构建互联网金融信用体系及风险控制应用需开展以下几项工作：一是建立信用体系基础信息架构。目前中国人民银行、国家公共安全系统、各金融机构、各互联网金融机构均已建立了不同深度的信用体系和信用监测系统。二是建立全方位的基础数据库。在基础数据库中需收集行为类信息、社会类信息以及公共安全特征数据等。三是建立人工智能的系统体系。通过已有数据对风险行为特征的嵌入和训练，进而对风险进行分类识别。

5 存在的问题、对策及展望

5.1 当前存在的问题及对策

当前存在的问题包括以下几点：一是当前的应用仍遵循常规程序。现阶段的人工智能应用还是按照既定流程和标准程序来完成工作。二是存在数据泄露和非法使用数据的风险。三是人工智能平台存在系统性风险。这类风险体现在硬件体系和运维体系中。四是法律制度建设尚未明确。在现有法律和监管体系下，互联网金融领域内的很多行为、事件责任认定困难，监管困难。

对于存在的这些问题，需要逐步完善人工智能的数据模型，通过技术体系、服务体系、硬件体系、人才体系和管理体系的系统化方案，完善人工智能在金融信用体系和风险领域的应用。

5.2 对于未来发展的展望

立足当下，展望未来，随着国内互联网金融的快速发展，人工智能必然是互联网金融的创新发展方向，互联网金融服务为越来越多的人、越来越多的场景带来的便利。但是，现有信用体系的短板问题渐渐暴露，这将为行业未来的发展带来了负面影响，需要尽早研究、应对与解决。希望互联网金融未来在人工智能信用体系、信用风险管理及信用区块链等创新模式应用支撑下，为经济转型和发展提供更加强大的驱动力。

参考文献

[1] 杨涛.对人工智能在金融领域应用的思考[J].国际金融，2016（12）：24-27.

[2] 吴俊，陈亮，高勇.国外人工智能在金融投资顾问领域的应用及对我国启示[J].金融纵横，2016（6）：88-92.

[3] 程东亮.人工智能在金融领域应用现状及安全风险探析[J].金融科技时代，2016（9）：47-49.

[4] 乔海曙，王鹏，谢姗珊.金融智能化发展： 动因、挑战与对策[J].南方金融，2017（6）：3-9.

[5] 戴星.人工智能在金融风控中的应用探索[J].中国商论，2017（2）：19-22.

[6] 常振芳.互联网金融信用体系建设和风险管理研究[D].南京大学，2018.

[7] 刘涛.人工智能与金融风险防范——基于防范银行卡犯罪研究[J].青海金融，2018（10）：41-45.

[8] 韩平，鲁银辉.智能时代下金融业的发展研究[J].齐齐哈尔大学学报：哲学社会科学版，2018（10）：30-33.

[9] 蒋韬.大数据和人工智能视角下的银行业风险防控[J].现代商业银行，2018（2）：50-53.