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。金融科技初創(chuàng)廠商是智能手機、大數(shù)據(jù)、機器學(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)的銀行和金融機構(gòu)所效仿的潮流引領(lǐng)者。

　　機器學(xué)習(xí)和深度學(xué)習(xí)的最新進展確實推動了計算機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)一份報告，2019年，全球金融科技市場的價值為72.7億美元，預(yù)計到2025年將增長到354億美元。Statista公司預(yù)測，到2025年，通過機器學(xué)習(xí)，整個銀行業(yè)將能夠獲得全球1820億美元的商業(yè)價值。

　　這些數(shù)字確實令人難以置信，表明該行業(yè)已經(jīng)從機器學(xué)習(xí)中獲得了多少收益。

　　1.風(fēng)險管理

　　由于行業(yè)的性質(zhì)，金融行業(yè)始終面臨各種風(fēng)險。如果管理不當(dāng)，可能會給銀行等金融機構(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，最常見的是信用風(fēng)險和市場風(fēng)險。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。

　　銀行現(xiàn)在通過機器學(xué)習(xí)預(yù)測模型評估貸款申請人的信譽，以發(fā)現(xiàn)他們將來可能違約的可能性。那些沒有信譽較差的人不會得到任何信貸，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非常有風(fēng)險的行業(yè)領(lǐng)域，因為它可能會在人們最不期待的時候崩潰，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。機器學(xué)習(xí)和時間序列模型可以用來提前預(yù)測這些模式，以便在發(fā)生問題之前及時采取行動。TradingTechnologies公司和Kavout公司是這一領(lǐng)域的兩個著名公司，它們正在利用機器學(xué)習(xí)來識別復(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IBMWatson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，這些保險公司因欺詐索賠而面臨340億美元的損失。利用機器學(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)建基于機器學(xué)習(xí)的欺詐檢測系統(tǒng)，以檢測實時欺詐交易。當(dāng)這樣的系統(tǒng)看到異常交易時，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器學(xué)習(xí)可以以90%的準(zhǔn)確率檢測出30%以上的財務(wù)欺詐。

　　每天都有數(shù)以百萬計的人收到網(wǎng)絡(luò)釣魚電子郵件，成千上萬的人由于泄露了導(dǎo)致財務(wù)欺詐的財務(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，實現(xiàn)強大的安全性非常重要，并且它們現(xiàn)在正在使用智能監(jiān)控攝像頭來監(jiān)視本地和遠(yuǎn)程ATM上的活動。這些監(jiān)控攝像頭由計算機視覺和物聯(lián)網(wǎng)技術(shù)驅(qū)動，可以檢測可疑活動并發(fā)出警報。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)控攝像頭。

　　為了保護內(nèi)部部署，安全銀行還依靠指紋、視網(wǎng)膜、面部掃描等生物識別安全技術(shù)來對人員進行身份驗證，并防止未經(jīng)授權(quán)的人員進入限制區(qū)域。已實施生物識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。

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

　　4.客戶體驗

　　通過為客戶提供豐富的經(jīng)驗來贏得客戶，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，銀行不是一個非常人性化的舞臺，但是在在線和電話銀行時代，它開始逐漸發(fā)生變化。銀行現(xiàn)在正在嘗試通過利用機器學(xué)習(xí)將這種體驗提升到另一個水平。

　　申請銀行帳戶時最繁瑣的工作之一是KYC流程，客戶認(rèn)為這是間接費用，會延遲開設(shè)帳戶的時間?，F(xiàn)在，人們正在努力通過OCR和計算機視覺技術(shù)的幫助使KYC流程自動化來減少客戶的等待時間，從而更快地處理客戶文檔。事實上，歐洲銀行BilcoBilbaoVizcayaArgentaria（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)站和移動應(yīng)用程序上使用基于ML的聊天機器人和虛擬助手，為客戶提供按需幫助。據(jù)一份報告稱，到2022年，銀行可以使用聊天機器人實現(xiàn)高達90%的客戶互動自動化。美國銀行是銀行業(yè)巨頭之一，它已經(jīng)推出了一個虛擬助手Erica來幫助客戶查詢。

　　銀行也在利用機器學(xué)習(xí)建立智能機器人顧問，為客戶提供更加個性化的金融建議，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，這是一個雙贏的局面。

　　結(jié)論

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