百度金融高级科学家吴健民：智慧金融助力金融机构迎接 AI 新时代 | CCF-GAIR 2

本篇文章2301字，读完约6分钟

7月7日，由雷·(公开号:雷·)主持的第二届ccf-gair全球人工智能与机器人峰会如期在深圳召开。作为上午金融技术专题会议的最后一篇报道，百度金融资深科学家吴建民发表了主题为“智能金融:帮助金融机构迎接人工智能新时代”的演讲。

吴建民老师先后在雅虎北京R&D中心和腾讯工作，从事分布式机器学习算法和搜索相关工作。他于2014年加入百度，目前负责百度金融在智能客户获取、大数据风险控制和财务描绘方面的工作，以及人工智能技术在百度金融的登陆。

金融技术的现状人工智能技术服务于金融机构的业务和创新

银行业务

金融技术的需求包括用户形象、精准营销、风险管理和智能客户服务

保险

风险评估和定价、交叉销售、客户流失管理和索赔欺诈检测。同时，还有基于情景的保险产品设计和基于用途的风险定价。

证券业

人工智能技术主要用于股票价格预测、客户关系管理、投资景气指数预测等。

资本市场大幅增加了对金融技术的投资

埃森哲的报告显示，2015年全球金融技术投资显著增加，显示出地区结构差异。每个地区的投资增长率为:

北美为44%，欧洲为120%，亚太地区为300%，中国超过400%。

百度金融的七大技术方向和三步走战略；

下面逐一介绍五个主要的技术应用方向:

智能客户获取智能客户获取的核心是通过三个步骤降低客户获取成本，实现用户需求的准确定位和满足:

为了描述用户的财务状况和需求，有必要做到全面、准确和及时。

产生与场景自然契合的动态创意

通过响应模型准确匹配金融产品和用户需求

首先，用户肖像是一个标签系统，可以根据业务需求进行扩展。百度数据准确描述了用户的财务属性。例如，如果用户经常出现在加油站或高速公路的收费站，他很可能有一辆车，所以他可以被标记为“有一辆车”。这是衡量用户资产的一个非常重要的指标。

其次，根据需求情景、生活阶段、生活质量、消费水平等。确定了智能创意的构成，优化了响应速度。

最后，根据用户的基本信息、信用需求、网络行为、风险偏好因素、产品配额、利率和收益率等。，客户群由响应模型匹配。

激活老客户也是一个非常重要的方向。一个原因是获得新客户的成本越来越高，大约是3000-4000元。老顾客重复使用信件有很高的价值。一般来说，一个信用用户重复使用信件3-5次才能获得利润。如何有效激活老客户的重复使用是一个非常重要的问题。这需要激励高质量的库存客户，优化客户群。以百度钱包的个性化补贴为例，该服务通过在支付过程中向用户提供补贴来鼓励用户使用钱包进行支付。该策略的核心是计算补贴金额。我们通过模型估计用户的支付响应率，并根据支付响应率计算出最优补贴金额。最优补贴额同时优化两个目标:1 .付款率尽可能高，2。补贴成本尽可能低；通过数学规划方法，得到最优补贴成本。

大数据风险控制百度经常谈论风险管理，而不是风险控制。金融是一个有风险的行业。与控制风险相比，我们需要准确衡量风险和价格风险。

大数据信用报告模式面临两方面的挑战:

大数据的特点是高维、稀疏、异构和弱相关。高维稀疏性是由于用户行为的多样性和差异性。异构性主要是由于用户行为大数据在不同产品线(如电子商务、搜索和社交网络)上的积累，表现出不同的分布和结构。弱相关性意味着与PBOC信贷数据相比，大数据变量与金融情景的相关性较弱。但大数据的优势在于，用户的互联网行为会产生许多可以利用的微弱信号。如何利用大量的弱信号建立一个具有强风险识别的模型是我们需要解决的问题。

另一方面，它是一个信用样本。主要的挑战是缺乏样本。小额贷款公司和金融机构的坏账是核心数据。每个人都希望所有的坏账数据都可以作为一个具有良好判别能力的模型。然而，目前没有共享坏账数据的机制，所以问题是缺少样本。大样本波动是另一个挑战。

主要解决方案包括三个方面:

通过集成学习和boosting方法，融合弱特征生成具有强区分度的模型；

通过深度学习和降维解决高维稀疏问题；

半监督学习用于解决样本太少的问题，通过少量的标记样本和大量的未标记样本产生一个具有良好泛化能力和稳定性的模型。

完成认证申请的用户需要通过活体识别、声纹识别和手写签名方案来准确识别自己的身份，这些方案基于百度的paddlepaddle深度学习平台。

定量投资关于定量投资，百度利用人工智能技术实现大数据驱动的定量投资策略。包括投资目标调查、目标筛选、投资组合设定和投资组合动态调整四个步骤。

以搜索数据为例，搜索与股票的市场关注度高度相关，一只股票的搜索量与上证综指的走势有很强的相关性。有了民意因素，我们可以通过搜索量来判断买家和卖家的节能量。基于地图的时间空数据可以帮助我们判断资产质量。例如，通过分析商业地产周围的人流和人像，我们可以有效地评估商业地产的价值。

智能客户服务是金融业务的最后一步。百度金融通过人工智能技术提高了金融业务客户服务的效率，一年内单次服务的成本降低了80%。这80%来自三个方面的工作:

智能客服机器人的构建通过问题预测、检索和多轮对话实现了问题的自动服务。最后，财务问题的解决率接近90%，解决率由客户的实际反馈给出。

对于智能客服机器人尚未解决的问题，它们得到人工客服的支持。人工智能通过语音输入和客户意向预测帮助我们提高客户服务效率；

智能语音质量检测也是一项客户服务成本。假设有5%的客户服务质量抽查率，相应的客户服务成本将增加5%。通过使用人工智能来提高质量检查的效率，我们可以智能地自动检测客户服务沟通是否令人满意，并覆盖100%的关键业务。

这些功能基于百度的自然语言处理和语音技术。雷锋网

雷锋原创文章。严禁擅自转载。详情请参考转载说明。