在過去的十年中，金融行業(yè)采用了很多前所未有的尖端技術(shù)。這種轉(zhuǎn)變在很大程度上歸因于2008年金融危機(jī)之后出現(xiàn)的許多初創(chuàng)企業(yè)，它們遵循技術(shù)優(yōu)先的方法來創(chuàng)建金融產(chǎn)品和服務(wù)，其目標(biāo)是改善客戶體驗(yàn)。金融科技初創(chuàng)廠商是智能手機(jī)、大數(shù)據(jù)、機(jī)器學(xué)習(xí)（ML）、區(qū)塊鏈等新技術(shù)的早期采用者，被認(rèn)為是被更傳統(tǒng)的銀行和金融機(jī)構(gòu)所效仿的潮流引領(lǐng)者。

機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的最新進(jìn)展確實(shí)推動(dòng)了計(jì)算機(jī)視覺和自然語言處理的界限。金融科技公司將不遺余力地利用這些突破來改善金融服務(wù)。根據(jù)一份報(bào)告，2019年，全球金融科技市場的價(jià)值為72.7億美元，預(yù)計(jì)到2025年將增長到354億美元。Statista公司預(yù)測，到2025年，通過機(jī)器學(xué)習(xí)，整個(gè)銀行業(yè)將能夠獲得全球1820億美元的商業(yè)價(jià)值。

這些數(shù)字確實(shí)令人難以置信，表明該行業(yè)已經(jīng)從機(jī)器學(xué)習(xí)中獲得了多少收益。以下深入研究金融行業(yè)中機(jī)器學(xué)習(xí)中斷的示例和真實(shí)案例研究。

1. 風(fēng)險(xiǎn)管理

由于行業(yè)的性質(zhì)，金融行業(yè)始終面臨各種風(fēng)險(xiǎn)。如果管理不當(dāng)，可能會(huì)給銀行等金融機(jī)構(gòu)和客戶造成麻煩，在最壞的情況下也可能導(dǎo)致銀行徹底倒閉?？偸谴嬖阢y行的多種風(fēng)險(xiǎn)，最常見的是信用風(fēng)險(xiǎn)和市場風(fēng)險(xiǎn)。現(xiàn)在，大多數(shù)銀行已開始利用人工智能來最大程度地降低此類風(fēng)險(xiǎn)。

銀行現(xiàn)在通過機(jī)器學(xué)習(xí)預(yù)測模型評(píng)估貸款申請人的信譽(yù)，以發(fā)現(xiàn)他們將來可能違約的可能性。那些沒有信譽(yù)較差的人不會(huì)得到任何信貸，從而減少了因違約貸款而造成的銀行損失。ZestFinance公司是該領(lǐng)域領(lǐng)先的金融科技初創(chuàng)企業(yè)，它已通過使用機(jī)器學(xué)習(xí)分析設(shè)法將默認(rèn)率降低了20%。

股票市場總是被視為一個(gè)非常有風(fēng)險(xiǎn)的行業(yè)領(lǐng)域，因?yàn)樗赡軙?huì)在人們最不期待的時(shí)候崩潰，讓人們和投資組合經(jīng)理無所適從。然而，崩潰并不是突然發(fā)生的，事實(shí)上，導(dǎo)致崩潰的微觀和宏觀因素很多，但人類卻無法提前發(fā)現(xiàn)這些蛛絲馬跡。機(jī)器學(xué)習(xí)和時(shí)間序列模型可以用來提前預(yù)測這些模式，以便在發(fā)生問題之前及時(shí)采取行動(dòng)。Trading Technologies公司和Kavout公司是這一領(lǐng)域的兩個(gè)著名公司，它們正在利用機(jī)器學(xué)習(xí)來識(shí)別復(fù)雜的交易模式。

EquBot公司還有另一種有趣的方法，該方法使用IBM Watson抓取市場上的各種新聞和社交媒體帖子，并創(chuàng)建市場情緒分析以預(yù)測趨勢。

2. 欺詐管理

世界各地的銀行和保險(xiǎn)公司都面臨著經(jīng)常性的金融欺詐企圖，造成了巨大的損失。僅在美國，2019年，這些保險(xiǎn)公司因欺詐索賠而面臨340億美元的損失。利用機(jī)器學(xué)習(xí)分類模型可以有效地檢測到這些欺詐性索賠。土耳其一家保險(xiǎn)商AKSigorta公司使用其預(yù)測模型，可以在8秒內(nèi)標(biāo)記出可疑的索賠，以便進(jìn)一步審查，這有助于他們將此類虛假索賠的發(fā)現(xiàn)率提高了66%。

信用卡被盜和銀行詳細(xì)信息被盜造成的交易給銀行和客戶造成巨大損失。為了遏制此類欺詐，許多公司正在構(gòu)建基于機(jī)器學(xué)習(xí)的欺詐檢測系統(tǒng)，以檢測實(shí)時(shí)欺詐交易。當(dāng)這樣的系統(tǒng)看到異常交易時(shí)，或者阻止它，或者通過OTP尋求客戶確認(rèn)。Datavisor這樣的公司聲稱其機(jī)器學(xué)習(xí)可以以90%的準(zhǔn)確率檢測出30%以上的財(cái)務(wù)欺詐。

每天都有數(shù)以百萬計(jì)的人收到網(wǎng)絡(luò)釣魚電子郵件，成千上萬的人由于泄露了導(dǎo)致財(cái)務(wù)欺詐的財(cái)務(wù)詳細(xì)信息而成為他們的犧牲品?，F(xiàn)在，許多著名的電子郵件服務(wù)提供商已經(jīng)集成了機(jī)器學(xué)習(xí)分類系統(tǒng)，以檢測并阻止此類網(wǎng)絡(luò)釣魚電子郵件。僅Gmail一分鐘就阻止了1000萬個(gè)垃圾郵件和惡意電子郵件，從而大大減少了網(wǎng)絡(luò)釣魚欺詐的可能性。

3. 安全性

對于銀行來說，實(shí)現(xiàn)強(qiáng)大的安全性非常重要，并且它們現(xiàn)在正在使用智能監(jiān)控?cái)z像頭來監(jiān)視本地和遠(yuǎn)程ATM上的活動(dòng)。這些監(jiān)控?cái)z像頭由計(jì)算機(jī)視覺和物聯(lián)網(wǎng)技術(shù)驅(qū)動(dòng)，可以檢測可疑活動(dòng)并發(fā)出警報(bào)。UncannyVision就是這樣一家領(lǐng)先的公司，它為ATM提供此類基于人工智能的監(jiān)控?cái)z像頭。

為了保護(hù)內(nèi)部部署，安全銀行還依靠指紋、視網(wǎng)膜、面部掃描等生物識(shí)別安全技術(shù)來對人員進(jìn)行身份驗(yàn)證，并防止未經(jīng)授權(quán)的人員進(jìn)入限制區(qū)域。已實(shí)施生物識(shí)別證券的一些受歡迎的銀行包括蘇格蘭皇家銀行、富國銀行、美國銀行，巴克萊銀行。

實(shí)際上，它不僅用于內(nèi)部安全，而且還使用生物識(shí)別功能對通過智能手機(jī)訪問銀行服務(wù)的客戶進(jìn)行身份驗(yàn)證。它在密碼之上增加了一層額外的安全保護(hù)功能，以確保正確的用戶正在使用他們的移動(dòng)應(yīng)用程序。

4. 客戶體驗(yàn)

通過為客戶提供豐富的經(jīng)驗(yàn)來贏得客戶，可確保他們在幾乎一生中都繼續(xù)使用銀行服務(wù)。傳統(tǒng)上，銀行不是一個(gè)非常人性化的舞臺(tái)，但是在在線和電話銀行時(shí)代，它開始逐漸發(fā)生變化。銀行現(xiàn)在正在嘗試通過利用機(jī)器學(xué)習(xí)將這種體驗(yàn)提升到另一個(gè)水平。

申請銀行帳戶時(shí)最繁瑣的工作之一是KYC流程，客戶認(rèn)為這是間接費(fèi)用，會(huì)延遲開設(shè)帳戶的時(shí)間?，F(xiàn)在，人們正在努力通過OCR和計(jì)算機(jī)視覺技術(shù)的幫助使KYC流程自動(dòng)化來減少客戶的等待時(shí)間，從而更快地處理客戶文檔。事實(shí)上，歐洲銀行Bilco Bilbao Vizcaya Argentaria（BBVA）大大簡化了KYC流程，客戶只需上傳自拍照照片或視頻即可輕松開設(shè)帳戶。

一旦客戶被接納，處理他們的定期詢問并在需要時(shí)提供幫助是很重要的。近年來，銀行已經(jīng)成功地在其網(wǎng)站和移動(dòng)應(yīng)用程序上使用基于ML的聊天機(jī)器人和虛擬助手，為客戶提供按需幫助。據(jù)一份報(bào)告稱，到2022年，銀行可以使用聊天機(jī)器人實(shí)現(xiàn)高達(dá)90%的客戶互動(dòng)自動(dòng)化。美國銀行是銀行業(yè)巨頭之一，它已經(jīng)推出了一個(gè)虛擬助手Erica來幫助客戶查詢。

銀行也在利用機(jī)器學(xué)習(xí)建立智能機(jī)器人顧問，為客戶提供更加個(gè)性化的金融建議，這不僅對他們有利，而且增加了銀行轉(zhuǎn)換的可能性。對于客戶和銀行來說，這是一個(gè)雙贏的局面。

結(jié)論

機(jī)器學(xué)習(xí)確實(shí)是世界走向的未來，這僅僅是開始。在不久的將來，金融領(lǐng)域?qū)⒖吹礁鄤?chuàng)新性的機(jī)器學(xué)習(xí)采納方式，而這是人們現(xiàn)在無法想到的。
責(zé)編AJX