前言

充满科技变革的金融领域

“金融科技”“金融智能”的概念近年来备受关注，但要论金融领域的“科技史”和“智能化”，绝非近年才诞生。1987年，中国引入了第一台自动柜员机（ATM）在珠海投入使用，这可以看作是最早的客户服务自动化；1991年，上海证券交易所陆续回收股民的纸质股票，开始了无纸化交易系统试运行；2008年，支付宝（中国）网络技术有限公司宣布注册用户突破1亿人，预示着第三方电子支付将会迎来蓬勃发展；2014年，起步于支付宝（中国）网络技术有限公司的蚂蚁金融服务集团（简称“蚂蚁集团”）成立，京东也打出了消费金融战略，互联网巨头纷纷发力个人金融领域，闯出了一条“金融场景+海量数据+技术实力”的金融科技之路，而传统银行、券商、保险也在纷纷谋求智能化转型。招商银行在2020年的年报中写道：

进一步创新和拓展“网络化、数字化、智能化”的内涵和外延，运用金融科技全面推进招商银行数字化转型升级。

这家零售金融业务营收收入占本公司营业收入的57.92% 的银行，在以零售金融为中心的客户服务数字化、智能化转型之路中成为国内银行的领先者。“以开放和智能为核心，持续提升科技基础能力”，是对当前金融行业智能化转型的诠释。

在过去的5年乃至10年里，金融科技与智能金融席卷而来，堪称金融行业最大的浪潮。身处充满变革的时代，我们既能够看到充满各种想象力的未来场景，又会对这些可能性感到困惑：金融行业如何将人工智能技术融入其中？在这个过程中，传统的金融模式需要在何种意义上重构？各种应用场景中，到底有哪些还处在想象力“泡沫”的阶段，哪些是即将成为现实的创新？

这是金融科技领域的每位从业者都要思考的问题。想要回答这些问题，需要从业者既懂金融，也懂人工智能技术。但现实情况是，金融行业本身就充斥着复杂的理论、经验，其需要融合金融学、经济学、数学、统计学等多个学科的知识。我的一位同事曾抱怨：“明明已经了解了金融市场的各种知识，但在具体项目中还是会感觉很多概念听不懂。为什么银行需要风控、券商需要风控、保险也需要风控，但是其方法、逻辑和具体技术却有相当大的区别？”我想，这也是令很多金融科技领域的算法工程师感到分身乏术的地方。

同样，我也听到过金融或商科背景的人感慨：“为什么人工智能需要这么多复杂的技术？机器学习、深度学习、强化学习又有什么关系？为什么自然语言处理的分支如此庞杂？为什么算法连这个需求都不能实现？”可以看到，掌握人工智能技术也需要了解计算机科学、数学、统计学等多个学科的知识，在具体落地时，我们还需要了解数据架构、分布式计算等多种技术。这就导致从整体上讲，我们虽然强调人工智能技术和金融的互相融合，但实际情况却是这两个领域都相当缺乏人才，更缺乏对两个领域都有深度理解的专家。

人工智能技术是金融体系进化的动力之一，但要用好这一技术，还需要理解金融体系本身的逻辑。在金融行业智能化转型的过程中我们要解决的问题很多、很杂，但是在金融领域已经形成一套完整的运行规则。如果不能深刻理解问题、痛点在哪儿，金融机构在转型的过程中很容易陷入僵局。传统金融领域的业务专家认为，那些领先的、顶级会议上的研究成果根本解决不了核心问题。除了技术实现之外，金融领域的组织管理、行业默契、监管合规等多重因素都需要在业务落地时予以考虑。而科技领域的技术专家则认为，有些成型的规则应该被颠覆，既然有更先进的解决方案，那么在落地时就不应该墨守成规。这就使得人工智能技术在赋能金融的过程中存在非常多的阻碍和挑战。

本书主题

在本书中，我尝试以“客户—资管—风控”的框架，梳理在金融领域中涉及的各种业务场景，探讨其智能化方向。本书的主题较为宽泛，但在写作过程中，我尽量将宏观的主题落到具体的业务之中。本书并未基于银行、券商、保险、信托、基金的划分来介绍各种金融公司中的落地应用，而是选择尽量关注要解决的核心业务问题，从核心业务问题中抽象出其技术需求，最后再解释具体业务落地时可能存在的差异性。从具体业务问题出发，提出金融领域中真正应该解决的是什么，再寻求智能化的解决方案——我认为这是人工智能技术和金融最可能实现的融合方式。要真正解决业务问题，既需要理解痛点在哪里、需求在哪里，也需要理解技术的上限在哪里、应用的难点是什么。本书尽力以一种算法工程师和金融从业者都能理解的语言梳理金融智能的脉络，并且着力建立一种整体的分析框架。虽然本书也提到很多具体的案例并探讨了案例的落地和实践，但从本书形成的最终目的看，这些案例仍只是辅助读者思考的工具。

希望本书能够帮助金融科技的从业者，在思考金融行业数智化转型时有更清晰的思维框架，不至于陷入谋一域而难谋全局的困境。阅读本书之后，我希望传统金融领域的从业者能够理解“技术”的语言，也希望技术领域的算法工程师能够理解“金融”的语言。

我相信，在未来会有越来越多金融领域的从业者深入理解数据架构、算法模型，以便解决业务中的难题；也会有越来越多的人工智能技术专家、算法工程师转向金融公司，将更多前沿技术带入金融领域之中，落地成能够为业务产生实质价值的项目。而我希望本书能成为辅助这个过程的一道桥梁。

本书特色

本书重在探讨技术在具体业务中的落地——不仅是关注过去和现在已有的，更关注未来可能的。也就是说，在本书涉及的应用场景、人工智能技术、工程实现中，我们关注的不仅是已经成熟技术的落地，更看向那些可能有戏但尚未成熟的数智化转型机会。例如，一方面虽然智能投研、智能投顾场景还很不成熟，但其中可能会出现大量创新的业务，因此本书详细探讨了其中涉及的各类技术以及落地方案。另一方面，在智能支付、“刷脸支付”业务中，虽然目前已有大量成熟应用，但是这方面的业务和其他金融场景落地的关联性较小，在未来还有突破性创新的可能性不大，因此在本书中并没有花大量笔墨进行阐述。

除了激动人心的落地实现，本书也阐述了很多并不成熟的尝试，甚至是失败的经验。从某种意义上讲，本书的形成是一次讨论，而不是一次授课。这样做是希望能够帮助金融科技从业者更深入地思考落地过程中可能存在的问题，帮助读者少走弯路。正如监督学习中既需要“正例样本”也需要“负例样本”，我相信既有成功落地的案例，也有并不完善的案例，才能够帮助读者更好地“拟合”金融智能化应该怎么做。当然，其中不免有不成熟的，甚至是偏颇的见解，但如果能够激发读者批判性思考，让读者探索还未成型的金融领域的技术创新，而不是局限于复制已有的应用案例，那本书的效果也就达到了。

本书中涉及的某些技术细节，对于金融从业者而言可能稍显艰深。在编写本书时，我尽量把较为复杂的技术单独作为一个模块，如果您在阅读过程中对于某些技术模块感到吃力，只需理解这一模块的目标、适用场景即可，技术细节上的处理不会影响整体内容理解。另外，针对具体的算法实现，本书并未在文中附上代码，这是因为我更希望本书的目的是帮助金融科技从业者搭建起金融中人工智能技术落地的思考框架。对算法的代码、原理感兴趣的读者，可以根据注释进一步阅读相关资料。

适合人群

本书主要适合三类读者：

第一类是金融领域的从业者。您可能在工作中需要涉及金融科技、金融智能等领域，期待了解具体技术在业务中的落地。希望本书能够帮助您更好地梳理人工智能技术在金融行业的应用，并了解更多关于人工智能技术的细节：人工智能技术能做什么、前沿领域在哪里、跟业务如何结合等。

第二类是身处互联网等科技行业且要从事金融或金融科技工作的技术人员，包括算法工程师、大数据工程师等。您可能缺少在金融行业的经验，如果要把各种金融知识全部掌握又感到吃力。本书能够帮助您抓住金融业务的核心，建立整体的认知框架，并且帮助您更深入地理解具体业务落地中存在的难点、痛点，发现值得改进的地方。

第三类是对金融科技领域感兴趣的爱好者、在校学生。本书能够帮助您建立金融智能的大致框架，能够让您理解金融科技行业目前的近况如何，各种技术用在了哪里，如何从业务和技术两种角度理解金融领域的推荐、问答、投研等场景中人工智能技术的落地，这能帮助您在未来的学习和工作中搭建起较为完善的知识体系。

限于本人的能力和水平，本书对于金融和人工智能技术的阐述、理解难免存在纰漏。如果各位读者在阅读过程中有任何问题、建议和指正，希望您能不吝赐教，与我进行探讨、交流。可通过发送邮件和我联系：jiajiden@usc.edu。