银行资管业务中人工智能的有效运用

叶智聪

摘要：新颁布的资管信管致使银行资管业务的监管环境发生相关变化，业务基础数据并不完整问题、组织架构的特异性以及技术储备问题都影响银行资管业务中人工智能技术的应用。基于此，本文对影响银行资管业务应用人工智能程度的因素进行探究，对银行资管业务应用人工智能的策略进行分析。

关键词：银行;人工智能;资管业务

引言

在2018年资管新规定的颁布出台，促使国内的资管行业转型发展以适应新时代需求，与此同时我国的银行理财业务发展模式以及发展形态也开始不断被塑造，虽不同银行机构的资管业务发展方向存在差异性，但实现人工智能技术全面应用至银行资管业务之中，已成为全面提升银行资管业务的开展效率的重要策略。

一、影响银行资管业务应用人工智能的因素

（一）外部环境发生变化

1、资管业务的业务环境发生变化

传统的银行资管业务竞争主要是同行业内的银行资管竞争，市场竞争中可借助银行实体销售能力以及资金运作方式，实现行业竞争始终处于可调控状态。一旦脱离母行外，即便银行资管子公司具备更多的投资标的机会，但也会面临更为激励的市场竞争机制，大多数银行资管业务与市场化程度相对高的基金公司以及券商资管相比较而言，投资研究、系统建设以及人员储备等多个方面仍旧存在较大的差距，正是由于这种差距的存在给银行资管业务应用人工智能技术带来相应阻碍。

2、资管业务的监管环境发生变化

自银行机构发展资管业务过程中，资管业务的监管机制也随之出现。自2018年资管新规的出台，实现国内监管对银行资管业务的市场化调整，同时也适当放松国内监管对资产端以及负债端的监管力度，确保银行资管业务获得更多的发展机会，以让人工智能技术有更多的业务场景进行应用。

第一，在开展资产端监管过程中，国内针对资管业务的监管机制对于银行资管业务的投标的限制极为明确，因此银行资管投标的工作无法有效应用于金融标的之中。

第二，在开展负债端监管过程中，可依靠业务流程来制约客户的理财购买行为。确保可购买理财产品的行为只能在銀行APP以及银行实体柜面上。

（二）金融业务数据因素

金融业务数据的典型特征就是数据量大、数据结构复杂，价值密度低以及维度较高的特征、 同时金融数据中包含的噪声具备极高的波动性，因此对金融数据的深度挖掘、分析存在极大阻碍。金融机构对于客户数据来源有着极高的要求，但由于保密因素金融企业的理论成果并未进行报道。

1、内部数据

银行资管业务发展进程中积累的业务数据中，大多数数据实现了数字化，但对于相关数据缺乏内生性需求的分析，同时在数据在并未经历数据清洗以及结构化储存后，内部数据在后期清洗以及存储过程中应用成本相对较高。银行资管业务中的部分业务模块职能是由母行内部门代为行驶，在子公司化发展后，以往积累的销售数据以及客户原始数据无法被子公司继承，有获取渠道的堵塞导致人工智能技术应用层次被制约。

2、外部数据

银行资管业务的开展过程中是需要在投资端区域投资大量的外部标准资产，而投资工作的开展需要确保有完整准确的外部数据。现阶段标准资产的公开市场数据的获得可通过第三方数据供应商渠道获得，而标准资产中的另类数据的数据来源并不可靠，数据质量难以保证。在缺乏母行技术的科技支撑下，子公司的数据库搭建管理将成为银行资管业务的重要工作环节之一。

（三）银行资管架构因素

由于在银行资管业务发展初期，资产管理业务的定位层次明确，各个银行机构之间的资管业务模块也存在相同性，在银行内部实现了独立的事业部机制。不同银行机构之间资产管理工作开展过程中业务开展流程存在不同，资管业务范围存在差异性，同时资管业务中的资源配置也存在差异性。正是由于不同银行组织机构的差异性，因此资管业务领域弄并未引入人工智能技术的通用模板，只能根据银行资管业务的实际情况开展差异化设计。

（四）银行资管技术因素

资管业务发展于金融板块之中，在历经数十年的发展历程，银行资管业务规模的迅速扩展，给各个银行资管业务开展带来不均衡的发展水平，因此在不同机构中的管理能力以及人员配置水平发展阶段存在加大的差异性。非银行机构的监管力度以及行业标准化程度相对较高，因此大多数非银行机构仅需满足入行门槛即可。由于部分非银行机构已经走到市场前列因此已经积累一定量的研究城规，对于银行资管而言人工智能技术的应用还需要付出更多的发展成本。

二、银行资管业务应用人工智能的策略

（一）明确银行资管业务的发展定位，梳理人工智能技术的应用框架

银行资管业务的未来发展以成为体内运营的传统模式以及体外运行的子公司模式，一旦银行资管业务发展模式确定后，继而确定银行资管机构的市场定位以及发展定位。

第一，传统运行模式银行资管业务应用人工智能技术所花费的应用成本相对较高，同时给银行资管业务所带来的收益带来制约。传统模式下的银行资管对于人工智能技术的应用有着应用场景需求，如可借助人工智能技术对负债端客户的偏好需求进行分析，在业务后期发展过程中根据银行资管业务的实际发展情况加深人工智能技术的应用程度。

第二，子公司运行模式的银行资管业务，银行可向全能型发行发展，实现人工智能技术的自上向下的规划设计，确保人工智能技术最大化应用至业务范围之中，同时也要将未来发展业务纳入应用设计范围之中。人工智能技术的应用可与管理端与业务端产生规模效应，实现落地成本的有效降低。

（二）深层次挖掘人工智能应用点，确定人工智能应用的整体框架

1、人工智能技术应用至客户行为分析

该应用技术被应用于专注于C端互联网企业应用实践，早期的银行资管业务处于业务垄断地位，但并未对银行客户群体的需求狂进行分析。客户分析中应用人工智能技术主要是为能够从大量金融数据中挖掘目标客户以及银行潜在的客户群体。人工智能技术应用至客户行为分析之中，可应用于产品营销设计之中，可设计较为自然的人工智能技术应用场景，实现在负债端热点的人工智能技术的实践应用集中。

2、人工智能技术应用至智能量化投资

在该领域中应用人工智能技术，可确保银行投资系统能够从海量数据中自动、高效的挖掘价值信息，并智能将其应用至投资交易管理之中。我国已建成的智能投研平台已不在少数，尤其是在非银行金融机构中智能投研平台建设成功的案例极多。如在2015年建立的天弘基金投研云系统以及在2016年嘉实基金成立的人工智能投资中心等。

人工智能技术应用至金融领域的权益二级市场，俨然已经是人工智能技术应用至金融市场的应用热点，因此在监管政策适当放宽的条件下，银行资管子公司需要该市场领域提前布局，寻找该市场的阶段性有效指标，挖掘投资领域中的主要矛盾。

（三）人工智能技术应用内部制度的建设

虽在金融领域中应用人工智能技术以成为业内人士的普遍认知，但不同金融机构对于人工智能技术的认识程度以及在机构内部的推广程度有着较大的差异性，为此需要在银行资管子公司内部建立切实可行的人工智能应用推广制度。内部推广制度建设过程中需要考虑到探索业务与外部技术公司的合作方式、分析探索性业务的考量标准，同时还要考虑项目结果未能满足预期标准的退出机制。

（四）提前开展数据积累工作

第一，投资端数据处理工作开展中非标准资产的公开渠道并不多，公开信息量较为缺乏，因此需要银行利用信贷市场以及金融市场对数据资源及采集、汇总，实现非标准资产数据的有效积累。

第二，监管会对母行以及子公司的系统数据将进行隔离，因此负债端数据处理工作开展的重点为需要最大化利用母行的客户数据资源，实现对银行子公司的数据积累。可借助人工智能技术对母行负债端已有的客户数据进行客户偏好分析以及客户分布分析等，以此为基础指引银行子公司开展市场化营销工作，同时可借助人工智能技术对设计满足监管标准的母子协同制度，最大程度利用母行已有的客户资源。

（五）实现技术储备与技术合作

第一，实现银行资管业务的数字化覆盖，全面提升资管业务开展效率，降低数据保存应用成本。

第二，加强针对资管业务人员的人工智能知识培训力度，通过培训战略性人员全面推进人工智能技术在银行资管业务中的应用范围。

第三，明確人工智能技术与数字化项目的差异性，确保银行资管业务的开展能够以开放的心态与智能服务厂商进行合作。

结语

银行金融业务板块的发展趋向就是资管业务，由于资管业务具备较为独立、完整的资产负债架构以及业务模块，因此银行资管业务中的资产业务、负债业务以及风控业务都可作为应用人工智能技术的重要场景，需实现人工智能技术在银行资管业务的有效应用，提升资管业务开展效率，为传统银行资管转型提供技术保障。

参考文献：

[1]耿志强.人工智能与金融深度融合的激励性法律规制——以智能投顾为切入[J].人工智能法学研究，2018（02）：69-86+160-161.

[2]陈鹏，杨军志.基于BIM与人工智能技术结合的智慧建筑综合管理平台设计及应用[J].智能建筑，2018（12）：25-28.