AI对金融领域的影响

Source details

Canonical URL: AI对金融领域的影响

Other formats

Bibliographic details

Authors: Jeff Kearns
Published: December 20, 2023

概述

人工智能（AI）工具和运用这些工具的人才，被描述为“全球金融机构和中央银行的新必备资产”。
OpenAI的ChatGPT于2022年11月首次亮相，其“用户数量迅速突破了1亿”。
文章强调：AI带来新的潜力，同时也带来新的风险，包括盗窃、欺诈、网络犯罪增加，乃至可能出现投资者当前无法想象的金融危机。

金融业采用与支出

全球AI系统的软件、硬件和服务销售额：
- 今年将攀升29%，达到1660亿美元。
- 到2027年将达到4000亿美元。
金融业在AI方面的支出：
- 到2027年将达到970亿美元。
- 复合年增长率为29%。
- 金融业在五大行业中增速最快。
企业与人才动向：
- 2023年6月，摩根大通（JPMorgan Chase & Co.）发布了3600 条AI相关的招聘信息。
- 摩根大通“每年在技术上的支出超过150亿美元”，并在技术领域部署了“约30万名员工中的近五分之一”。
- 摩根大通的一个AI研究小组雇用了200名员工，AI支持了数百种用途，包括市场调研、营销、风险管理和欺诈预防。
资产管理与对客户的AI应用：
- 东方汇理（Amundi SA）管理着2万亿欧元（2.1万亿美元）的资产，并为其“超过1亿的客户中的部分客户”定制投资组合，使用基于AI的工具推断客户行为并提供实时情绪指标。
对冲基金与生成式AI：
- 对总资产达到2500亿美元的基金的调查显示，近一半的基金将ChatGPT用于其专业之中；超过三分之二的基金使用它来撰写营销文案、总结报告或准备文件。

中央银行与监管应用

中央银行与监管机构的AI应用实例：
- 巴西央行：建造了一个原型机器人，用于下载并通过机器学习对消费者对金融机构的投诉进行分类。
- 印度储备银行：今年聘请了麦肯锡（McKinsey）和埃森哲（Accenture）来帮助在其监管工作中部署AI并开展相关分析。
- 国际清算银行（BIS）的Aurora项目：表明神经网络可以通过探测传统方法无法识别的交易模式和异常情况来帮助发现洗钱活动。
- 加拿大央行：构建了一个机器学习工具，用于检测监管提交文件中的异常情况，从而自动化乏味工作并让员工腾出时间进行后续分析。
- 欧央行（ECB）：使用AI自动对来自1000万家企业和政府实体的数据进行分类、抓取网站以实时跟踪产品价格，帮助银行监管机构查找和解析新闻报道、监管报告和公司文件，还在探索大型语言AI模型以帮助编程、测试软件并改善公众沟通。
监管机构与标准制定者的观点：
- 巴塞尔银行监管委员会（BCBS）指出AI可提高贷款决策和反洗钱效率，但同时列举风险，如理解不透明模型结果、潜在偏见和更大的网络风险。委员会秘书长尼尔·埃索（Neil Esho）表示，“用于判断什么是安全和健全的，并能够区分负责任和不负责任的创新的监管程序，无疑需要得到改善”。
- 欧央行的米里安·穆法基尔（Myriam Moufakkir）表示，清理并使海量、尤其是非结构化数据易于理解是关键问题，AI可以辅助人类进行重要数据区分。

金融稳定性与系统性风险

关键风险与担忧：
- 美国证券交易委员会主席加里·根斯勒（Gary Gensler）警告：“AI可能引发金融危机”。他管理的美国股票市场规模为46万亿美元，占“全球总市值五分之二”。
- 根斯勒指出，AI可能会加剧金融脆弱性，因为它可能促进羊群效应（即个体市场参与者做出与其他人类似的决策），因为他们从基础模型或数据加总工具得到了相同的信号。
- 伦敦政治经济学院的乔恩·丹尼尔森（Jon Danielsson）指出：在复杂或前所未见的情形下，人类仍能利用经济学、历史、伦理学和哲学等多领域知识做出更明智决策，这也是人类当前优于AI之处。
- 柏林欧洲政策中心的安塞姆·库斯特斯（Anselm Küsters）警告，AI工具可能加剧“多重危机”（polycrisis），因为它们基于过去数据训练，可能无法反映前所未有的现实，并可能迅速放大负面反馈循环。
学术与政策层面的结论：
- 深度学习带来“前所未有的预测能力”，但早期制定的金融监管规则“很可能不足以应对金融领域广泛采用深度学习技术所带来的系统性风险”。
- 欧央行的穆法基尔总结道：“我们目前还不知道对央行人士来说什么才是明智的做法……我们现在才刚刚开始。”

政策导向与优先事项（文章中提出的重点）

在安全、道德和合规框架内使用AI，优先避免滥用。
改善监管程序以区分“负责任和不负责任的创新”并更新监管规则以应对采用深度学习的系统性风险。
对央行来说，识别AI在监管、反洗钱、市场监测和宏观审慎政策中的潜力，同时评估并缓解网络风险、模型不透明性和偏见问题。
在危机或前所未有情形下，慎重对待基于历史数据训练的AI预测，关注算法在危机期间可能带来的额外系统性风险与放大效应。
增强对AI在金融稳定层面可能产生的“羊群效应”和宏观系统性脆弱性的研究，并在必要时考虑宏观审慎政策干预的新思路。

来源：IMF《金融与发展》杂志页面“AI对金融领域的影响”（作者：杰夫·基恩斯，2023年12月）。