赋能数字经济：人工智能在金融行业的机遇和风险（英）

货币和资本市场与信息技术部门 为数字经济提供动力 人工智能在金融领域的机遇与风险 由ElBachirBoukherouaa和GhiathShabsigh编写 与合作 KhaledAlAjmi、JoseDeodoro、AquilesFarias、EbruS.Iskender、Alin T.Mirestean和RangacharyRavikumar DP/2021/024 2021 十月 货币和资本市场与信息技术部门 部门论文 为数字经济提供动力 人工智能在金融领域的机遇与风险 由ElBachirBoukherouaa和GhiathShabsigh编写 与合作 KhaledAlAjmi、JoseDeodoro、AquilesFarias、EbruS.Iskender、AlinT.Mirestean和 RangacharyRavikumar 版权所有©2021国际货币基金组织 为数字经济提供动力：人工智能在金融领域的机遇与风险DP/2021/024 作者：ElBachirBoukherouaa和GhiathShabsigh与 KhaledAlAjmi、JoseDeodoro、AquilesFarias、EbruS.Iskender、AlinT.Mirestean和RangacharyRavikumar1 出版编目数据IMF图书馆 名称：布赫鲁瓦、埃尔巴希尔。|Shabsigh，吉亚特。|AlAjmi，哈立德。|德奥多罗，何塞。|法里亚斯，阿奎莱斯。|伊斯肯德，EbruS. |米瑞斯汀，阿林。|拉维库马尔，牧场。|国际货币基金组织，出版商。 标题：为数字经济提供动力：人工智能在金融领域的机遇和风险/由ElBachirBoukherouaa和GhiathShabsigh与KhaledAlAjmi、JoseDeodoro、AquilesFarias、EbruS.Iskender、AlinT.Mirestean和RangacharyRavikumar合作编写。 描述：华盛顿特区：国际货币基金组织，2021年。2021年9月。|部门论文系列。|包括参考书目。标识符：ISBN9781589063952（纸质） 主题：LCSH：人工智能——经济方面。|机器学习——经济方面。|金融服务业——技术创新。 分类：LCCHC79.I55B682021 国际标准书号 978-1-59806-395-2（纸） JEL分类号： C40、C510、C550、E17、G21、G23、G280、O310、O330 关键词： 人工智能、机器学习、金融稳定、嵌入式偏见、金融监管、网络安全、风险管理，数据隐私 作者的电子邮件地址： GSabsigh@imf.org；EBoukherouaa@imf.org；KAlAjmi@imf.org；JDeodoro@imf.org；AFarias@imf.org；ESonbulIskender@imf.org；AMirestean@imf.org；RRavikumar@imf.org 部门论文系列介绍了基金组织工作人员对具有广泛区域或跨国利益问题的研究。本文所表达的观点是作者的观点，并不一定代表基金组织、其执董会或基金组织管理层的观点。 可以在线或通过邮件下达出版订单：国际货币基金组织，出版服务邮政信箱Box92780,Washington,DC20090,USAT. (1)202.623.7430Publications@imf.orgIMFbookstore.org图 书馆.IMF.org 1我们感谢AdityaNarain和其他IMF同事提出的宝贵意见，感谢JavierChang对制作的支持。 执行摘要 本文讨论了人工智能(AI)和机器学习(ML)在金融领域快速采用的影响。它强调了这些技术在金融深化和效率方面带来的好处，同时引发了人们对其在扩大发达经济体和发展中经济体之间数字鸿沟方面的潜力的担忧。本文通过提炼和分类它可能对金融体系的完整性和稳定性、政策挑战和潜在监管方法构成的独特风险，推进了关于这项技术影响的讨论。这项技术的不断发展及其在金融领域的应用意味着其优势和劣势的全部程度尚未完全了解。鉴于存在意外陷阱的风险，各国将需要加强审慎监管。 人工智能和机器学习是具有巨大社会和经济影响潜力的技术，带来新的机遇和利益。最近在计算和数据存储能力、大数据和数字经济方面的技术进步正在促进人工智能/机器学习在包括金融在内的广泛领域的快速部署。由于数字渠道的使用增加，COVID-19危机加速了这些系统的采用。 AI/ML系统正在改变金融业的格局。竞争压力通过促进效率和成本节约、重塑客户界面、提高预测准确性以及改善风险管理和合规性，推动人工智能/机器学习在金融领域的快速采用。人工智能/机器学习系统还提供了加强审慎监管的潜力，并为中央银行配备了新的工具来执行其货币和宏观审慎任务 。 然而，这些进步正在引发新的担忧，这些担忧源于技术固有的风险及其在金融部门的应用。担忧包括许多问题，例如AI/ML系统中的嵌入偏见、其结果的不透明性及其稳健性（特别是在网络威胁和隐私方面）。此外，该技术正在带来系统性风险的新来源和传播渠道，包括风险评估和信贷决策的更加同质化，以及可能迅速放大冲击的相互关联性的提高。 金融领域的人工智能/机器学习应该受到广泛欢迎，并做好准备以获取其利益并减轻金融系统完整性和安全性的潜在风险。准备工作包括加强监督当局的能力和监测框架，让利益相关者识别可能的风险和补救监管行动，更新相关法律和监管，以及扩大消费者教育。这些行动必须在国家人工智能战略的背景下采取，并涉及所有相关的公共和私人机构。 区域和国际层面的合作和知识共享变得越来越重要。这将允许协调行动以支持AI/ML系统的安全部署以及经验和知识的共享。合作对于确保欠发达经济体分享利益尤为重要。 内容 1. 2. A. B. C. D. E. 3. A. B. C. D. E. F. 4. 附件 盒子 框1.人工智能和机器学习能力6 专栏2.投资管理中的人工智能——示例用例8 框3.信用承保中的人工智能8 框4.监管合规中的人工智能——示例用例10 专栏5.监督中的人工智能——应用示例11 专栏6.中央银行中的人工智能——应用示例13 专栏7.解释“黑匣子”16 数字 图1.监管技术产品中使用的前五种技术9 图2.监督技术工具中使用的技术10 附件图1.1。机器学习范式22 附件图1.2。输入攻击示例23 附件图3.1。国家人工智能战略格局25 附件图3.2。国家人工智能战略的主要特点26 缩略语 人工智能人工智能 反洗钱/反恐融资反洗钱/打击资助恐怖主义 金融科技金融科技 机器学习机器学习 非线性光学自然语言处理 经合组织经济合作与发展组织 监管科技监管技术 苏普泰克监控技术 1.介绍 本文探讨了人工智能(AI)和机器学习(ML)在金融领域的应用以及由此产生的政策影响。1它提供了有关AI/ML系统的演变和功能、它们在金融部门的部署和用例以及它们给金融部门决策者带来的新挑战的非技术背景。 AI/ML系统在过去十年中取得了重大进展。尽管开发能够理解或学习人类执行的任何智力任务的机器并不是立即掌握的，但今天的人工智能系统可以执行非常好的任务，这些任务定义明确并且通常需要人类智能。学习过程是大多数AI系统的关键组成部分，采用ML的形式，它依赖于数学、统计学和决策理论。机器学习的进步，尤其是深度学习算法的进步是最近取得的大部分成就的原因，例如自动驾驶汽车、数字助理和面部识别。2 以金融科技（fintech）公司为首的金融部门一直在迅速增加对AI/ML系统的使用（方框1）。金融部门最近采用了大数据和云计算等技术进步 ，再加上数字经济的扩张，使得人工智能/机器学习系统的有效部署成为可能。最近对金融机构的一项调查（WEF2020）显示，77%的受访者预计人工智能将在两年内对其业务具有高度或非常高的整体重要性。麦肯锡(2020a)估计人工智能在银行业的潜在价值将达到1万亿美元 。 AI/ML能力正在改变金融业。3AI/ML系统正在重塑客户体验，包括与金融服务提供商的沟通（例如，聊天机器人）、投资（例如，机器人顾问）、借贷（例如，自动抵押贷款承销）和身份验证（例如，图像识别）。他们还在改变金融机构的运营方式，通过流程自动化、使用预测分析提供更好的产品以及提供更有效的风险和欺诈管理流程以及合规性来显着节省成本。最后，人工智能/机器学习系统为中央银行和审慎监管机构提供了新工具，以改善系统性风险监控并加强审慎监管。 COVID-19大流行进一步增加了金融部门对AI/ML采用的兴趣。英国央行(2020)和麦肯锡(2020b)发现，相当多的金融机构预计AI/ML在大流行之后将发挥更大的作用。主要增长领域包括客户关系和风险管理。银行正在探索如何利用其在大流行期间使用AI/ML处理大量贷款申请的经验来改进其承销流程和欺诈检测。同样，在大流行期间依赖场外密集监管活动的监管者可以进一步探索后大流行时代支持AI/ML的工具和流程。 AI/ML发展的快速进展可能会加深发达经济体与发展中经济体之间的数字鸿沟。AI/ML部署及其带来的好处主要集中在发达经济体和少数新兴市场。这些技然而，这些经济体正在落后，缺乏 1根据牛津词典，人工智能被定义为能够执行通常需要人类智能的智力任务的系统的理论和开发。ML是AI系统的学习组件，被定义为使用经验、算法和一些性能标准来更好地执行指定任务的过程。鉴于AI和ML高度重叠，并且本文中的大多数陈述都适用于这两个概念，因此这些术语通常被用作一对(AI/ML)。 2更多详情见附件1。 3这包括收入收益和成本节约。 必要的投资、获得研究的机会和人力资本。4弥合这一差距需要制定一个围绕四大政策支柱的数字友好型政策框架：投资基础设施；投资于支持性商业环境的政策；投资技能；和投资于风险管理框架（IMF2020）。 国家之间以及私营和公共部门之间的合作有助于降低数字鸿沟扩大的风险。迄今为止，全球倡议——包括制定减轻与人工智能相关的道德风险的原则（联合国教科文组织2021年；经合组织2019年），呼吁在数字基础设施投资方面进行合作（例如，参见谷歌和国际金融公司（2020年）），以及低收入国家提供的研究访问权（例如，参见AI4Good.org）——受到限制。多边组织可以在知识转移、增加投资、能力建设和促进同行学习方法以指导发展中经济体的数字政策努力方面发挥重要作用。同样，几个政府间人工智能工作组（例如全球人工智能伙伴关系和经合组织人工智能专家网络等）的成员资格可以扩大到包括欠发达经济体。 金融部门采用AI/ML带来了新的独特风险和挑战，需要解决这些风险和挑战以确保金融稳定。金融机构做出的基于AI/ML的决策可能不容易解释，并且可能存在偏见。AI/ML的采用带来了新的独特的网络风险和隐私问题。面对结构变化和通过广泛依赖少数AI/ML服务提供商而增加的互联性，AI/ML算法的稳健性也可能出现金融稳定性问题。第2章探讨了AI/ML在金融领域的采用以及可能的相关风险，第3章讨论了相关的政策问题，第4章提供了一些结论。 框1.人工智能和机器学习能力 预测。机器学习算法用于预测并受益于使用大型数据集。它们通常比传统的统计或计量经济学模型表现更好。1在金融领域，这用于信用风险评分、经济和金融变量预测、风险管理等领域。 自然语言处理。人工智能系统可以通过理解和生成人类语言进行交流。在深度学习和统计模型的推动下，自然语言处理已被用于金融领域 的聊天机器人、合同审查和报告生成等应用中。 图像识别。一些金融机构和金融科技公司正在使用面部和签名识别来协助执行某些反洗钱/打击资助恐怖主义(AML/CFT)要求（例如，对客户进行识别和验证以应付客户尽职调查过程），以及加强系统安全。 异常检测。分类算法可用于检测稀有物品、异常值或异常数据。在里面 金融部门、内幕交易、信用卡和保险欺诈检测以及AML/CFT是利用此功能的