又到了我们的闭着眼睛学FRM时间，这次要跟大家一起学习的文章叫“人工智能与机器学习”。从题目就可以知道，这又将是一篇科普性的文章。
不论是人工智能（AI）还是机器学习（machine learning），其本质都是利用大数据去发现更多的规律，利用这些规律帮助我们做出更好的决策。
这篇文章一共有四个章节，分别讲述人工智能的驱动因素、四个案例以及对微观经济、宏观经济带来的影响。重点在于第二章节的四个案例，需要大家特别关注哦！
一、 驱动因素
作者将驱动人工智能的驱动因素可以分为供给与需求两个部分。
从供给端来看，金融部门的各项技术进步，以及来自各个平台，能被用于金融领域的信息越来越多。
就需求端而言，一些有前瞻性的公司正在使用人工智能提高生产效率。而其他没有用到的公司则会因为 “军备竞赛”，不得不跟上对手的步伐。此外，随着环境的变化，监管也变得越来越复杂，这也将促进监管使用新的分析工具。
作者认为，在未来，人工智能还会受到以下因素的影响：
(1)数据获取的及时性
(2)数据质量的提高
(3)数据分析工具的进步
(4)数据分析速度的提升
(5)万物互联时代的到来；
二、人工智能与机器学习的使用案例
1.
面向客户的应用
信用评级
将机器学习用于信用评级可以加速贷款决策，同时可以控制增量风险的出现，提高贷款评级的准确性。此外，使用机器学习还可以让我们获得更多的数据来源，帮助一些在传统方法下无法获得融资的客户办理信贷业务。
优点：快速分析大量数据，降低信用分析的成本（特别是就个人而言），帮没有信用历史的客户取得贷款。
缺点：使用复杂的算法，缺乏透明度；使用非传统财务数据，可能存在一定偏差，导致做出错误的信贷决策。
保险政策
人工智能与大数据的使用可以帮助保险部门进行承保、处理索赔。目前，一些保险公司正在积极利用机器学习来改进保险产品的定价和营销方式，如车险就可以预先通过大数据分析打破第一年平均售价的局限，获得价格优势。
聊天机器人
聊天机器人是帮助客户解决问题的虚拟助手。而且机器学习的算法会在日常使用中随着信息的积累不断改进。机器人会从一开始的只能简单回答客户问题，到越来越倾向于给客户提供建议并促使客户采取行动。此外，金融机构也可以通过机器人与客户聊天的过程中获得更多客户信息。
2.
运营方面的应用
作者首先提到人工智能与机器学习可以提高资本优化的效率、准确性和速度。主要体现在最优化RWA（risk weighted assets）、MVA（margin valuation adjustment）以及降低初始保证金上。
在对模型风险的管理上，人工智能与机器学习能通过大数据更好地进行回测解决过度拟合问题；使用压力测试分析金融危机，应对系统性风险。
在应对市场冲击成本方面，机器学习可以创造交易机器人自动交易，降低交易成本。
3.
交易与组合管理方面的应用
在交易方面，公司期待人工智能与机器学习可以使用数据提高销售能力。利用人工智能与机器学习进行交易，可以帮助公司更加积极管理风险敞口，符合监管要求。
在投资组合中，人工智能和机器学习被用来识别价格波动的信号。机器学习是驱动量化交易的一个因素。但当前我们很难进行精准的量化交易，原因在于：
（1）公司之间不愿共享信息
（2）对于量化投资的定义不一致
（3）量化模型中仍然存在一定的主观因素
4.
合规监管方面的应用
（1）RegTech:使用机器学习与NLP相结合，用于检测交易者的行为，提高透明度。帮助金融机构遵守监管。
（2）宏观审慎：随着需要报告的数据数量和频率增加，金融机构需要更多的资源来完成报告。机器学习的应用将有助于提高数据质量和数据处理效率,降低报告成本。
（3）SupTech：SupTech包含于Regtech，特指应用于监管部门的技术（比如央行）。机器学习可以帮助监管部门识别系统性风险和风险传播的渠道。
（4）欺诈行为监控：监管部门将人工智能和机器学习应用于反洗钱与打击恐怖主义融资上。
三、对微观经济的影响
1.对金融市场的影响：人工智能与机器学习可以提高信息处理的效率，减少信息不对称，提高市场有效性。
2.对金融机构的影响：可以提高金融机构的运营效率和盈利能力，同时可以降低成本与风险。鼓励机构之间进行协作。
3.对于监管的影响：因为人工智能和机器学习正处于发展的阶段，所以该领域缺乏统一的国际监管标准。目前监管当局更多的强调人工智能的灵活性，以及要考虑到每一个阶段的风险。
四、对宏观经济的影响
人工智能与机器学习对于宏观经济的影响体现在：
1.可以提高金融服务的效率
2.能够促进合作，形成新的规模效应
3.一些非金融机构也开始使用人工智能与机器学习，应用范围变广。
4.对系统性金融机构集中度的影响存在两种可能性，一是导致业务分散化，更多专业性服务涌现，降低大银行的系统重要性。另一种可能性大型银行应用了机器学习后，市场力量进一步加强，其系统重要性会增加。
5.人工智能的使用会降低市场交易的相关系数，帮助维持金融的稳定性。但高频交易从另一个方面增加市场的脆弱性。
6.网络效应与金融机构之间的关联加强。
文章的最后，作者提到一些关于人工智能和机器学习在其他方面的影响，比如用在保险领域，会降低道德风险与逆向选择。
下面是小编给大家提供的全文的思维导图，更多详细内容欢迎收听李老师的课程哦~
如果想要更多精彩内容，大家可以到喜马拉雅电台来听李老师的讲解哦，扫描下方的二维码即可直达！
配图来源网络
戳原文，直接购买「2020品职FRM课程」
