智能金融系统：人工智能如何改变金融（英）

BIS工作文件 编号1194 智能金融系统：AI如何改变金融 作者：IñakiAldasoro，LeonardoGambacorta，AntonKorinek ，VatsalaShreeti和MerlinStein 货币和经济部 2024年6月 JEL分类:E31,J24,O33,O40 关键词：人工智能，生成AI，AI代理，金融系统，金融机构 国际清算银行工作文件由国际清算银行货币和经济部门的成员撰写，并不时由其他经济学家撰写 ，并由银行出版。这些论文涉及的主题是热门主题，具有技术性。其中表达的观点是作者的观点 ，不一定是国际清算银行的观点。 该出版物可在BIS网站（www.bis.org）上获得。 ©BankforInternationalSettlements2024.Allrightsreserved.Briefexcerptsmaybereplicatedortranslatedprovidedthesourceisstated. ISSN1020-0959(打印) ISSN1682-7678(在线) 智能金融系统：AI如何改变金融 我Aldasoro BIS LGambacorta BIS&CEPR VShreeti BIS AKorinek 弗吉尼亚大学&GovAI MStein 牛津大学 Abstract 在金融系统的核心是将大量信息转化为协调经济参与者的价格信号。纵观历史，信息处理的进步，从简单的簿记到人工智能（AI），已经改变了金融部门。我们使用这个框架来分析生成AI（GeAI）和新兴AI代理以及更多推测性的人工智能将如何影响金融。我们专注于金融系统的四个功能：金融中介、保险、资产管理和支付。我们还评估了人工智能的进步对金融稳定和审慎政策的影响。此外，我们研究了人工智能对实体经济的潜在溢出效应，考察了乐观和破坏性的人工智能情景。为了解决人工智能进步对金融系统的变革性影响，我们提出了一个基于成熟的人工智能治理一般原则来升级金融监管的框架。 果冻代码：E31，J24，O33，O40。 关键词：人工智能，生成人工智能，金融体系，金融机构- 。 我们感谢欧洲央行和GovAI研讨会的研讨会参与者以及DoglasArajo，FeradoPerez-Crz，FabiaaSabatii ，DavidStaiewicz和AdrewStto提供的有益意见和建议，以及ElleYag提供的研究帮助。联系人:Al-dasoro(iaialdasoro@bis。org），甘巴科尔塔（莱昂纳多。gambacorta@bis.org），科里内克（a-to@orie。com ），Shreeti（Vatsala。Shreeti@bis。组织）和斯坦（斯坦。merli@gmail.com).这里表达的观点仅是作者的观点，而不一定是国际结算银行的观点。 1Introduction 就像活的有机体的大脑一样，金融系统处理大量分散的信息，并将其汇总为价格信号，以促进经济中所有参与者的协调并指导稀缺资源的分配。它不仅使资本有效流动，而且通过管理风险，维持流动性和支持稳定，有助于经济体系的整体健康。当金融市场和中介机构运转良好时，它们是进步和福利的基本来源。相反，金融政策和监管的作用是纠正“大脑故障”的情况，而是利用金融系统的智慧来增强社会福利。 处理所有必要的信息并协调经济中无数参与者的行动是一个非常复杂的问题。作为经济的大脑，金融市场和中介机构长期以来一直发挥着这种作用。在任何给定的时间点，他们这样做的能力在很大程度上取决于可用的信息处理技术。例如，多年来，电信和互联网等技术进步不断增强了金融市场解决经济问题的能力：可以更有效地处理更多信息的大脑更适合解决日益复杂的任务。因此，毫不奇怪，金融市场一直吸引着尖端的信息处理技术和尖端的人才。最近，人工智能 （AI）的快速发展增强了金融系统的信息处理能力。 在本文中，我们通过信息处理的进步来描述金融部门的演变，特别关注AI。我们评估了不同类型的AI为金融部门带来的机遇和挑战，包括机器学习（ML），生成AI（GeAI）和AI代理的出现。我们还讨论了人工智能对金融稳定性的影响以及人工智能导致的实体部门中断的风险 。鉴于这些见解和越来越多的人工智能采用，我们讨论了对金融部门监管的影响。 Overthecourseofhumanhistory,thetransportofmethodforinformationprocessing —ofwhichAIispart—hasbeencloselylinkedwithdevelopmentsincommerce,tradeandfinance.Insection2wedescribethistransportindetail. 在技术发展的过程中，或者本身就是技术的早期采用者。从古代苏美尔人的算盘到复式记账法,信息处理技术与金融的演进往往是齐头并进的。在上个世纪，信息处理领域最重要的进步是1950年代计算机的发明。这允许许多分析和会计功能的自动化，这对金融系统的运作非常有用。随着计算能力随着时间的推移而增加，出现了更复杂的技术，允许处理非传统数据，如机器学习模型和最近的GeAI。 每一代信息处理技术都在金融系统上占据了巨大的足迹，并为效率和创新打开了新的大门。我们将在第3节中讨论其中的一些内容。总的来说，人工智能增强了金融系统处理信息、分析数据、识别模式和做出预测的能力。早期的基于规则的系统已经被部署用于自动交易和欺诈检测。随着技术的进步，人工智能在金融领域的用例变得更加复杂。机器学习和深度学习模型广泛用于资产定价，信用评分和风险分析。虽然GeAI还处于起步阶段，但金融系统已经在采用它来增强后端处理、客户支持和监管合规。 与此同时，随着技术变得越来越复杂，金融体系面临的风险和挑战也越来越多。挑战包括复杂的机器学习模型缺乏透明度，对大量数据的依赖，对消费者隐私的威胁，网络安全和算法偏见。GeAI加剧了其中一些挑战，并增加了对数据和计算能力的依赖。由于GeAI模型是由少数占主导地位的公司生产的，因此对市场集中度和竞争还有其他担忧。 在金融系统中使用人工智能还可能给金融稳定带来更严重的风险。甚至早期的基于规则的计算机交易系统也与级联效应和羊群效应有关，例如，在1987年美国股市崩盘中。使用机器学习模型，统一性，模型羊群和网络连通性的风险只会加剧。此外，从监管机构的角度来看，使用先进的人工智能技术带来了进一步的挑战：复杂互动的扩散和固有的缺乏可解释性使得很难及时发现市场操纵或金融稳定风险。有了GeAI，副驾驶和机器人咨询可能意味着做出决定。 变得更加同质，可能增加系统性风险。 在本文的第4节中，我们强调了人工智能在金融系统中的另一个重要方面：实体经济中断带来的金融溢出风险。我们描绘了两种情景，一种是人工智能的广泛使用导致生产率提高 ，并产生很大的良性影响，另一种是更具破坏性的情景，带来了巨大的劳动力市场位移。我们描述了对经济的潜在影响，并讨论了这两种情况的政策含义。 鉴于这些情况，在第5节中，我们讨论了人工智能应该如何监管。首先，我们提供基于社会福利、透明度、问责制、公平性、隐私保护、安全性、人类监督程度和人工智能系统稳健性的人工智能监管一般原则。我们还根据美国，欧盟和中国的经验，对不同的监管模式进行了比较讨论 ，并强调迫切需要就如何监管人工智能融入全球金融体系进行国际协调。最后，在第6节中，我们总结并讨论了进一步研究的一些途径。 2解码人工智能 金融系统的演进与信息处理技术的演进是齐头并进的。因此，为了理解人工智能对金融的影响，研究计算方法的历史发展与货币和金融的并发发展是有帮助的。计算硬件和软件的进步推动了高级分析、机器学习和生成AI的发展。在过去的每一次技术变革中，金融体系要么是变革的催化剂，要么是技术的早期采用者。 计算的起源可以追溯到古代苏美尔人和算盘，这是第一个已知的计算设备。这是最早为满足财务需求而设计的数字系统之一。商业和金融需求的变化也推动了法律的发展：最早的法律法令之一《汉穆拉比法典》早在18世纪就制定了管理金融交易的法律。th世纪BCE 。同样，中世纪的意大利城邦开创了复式记账，这是会计领域的开创性发展，开启了 商业和金融空前扩张的大门。事实上，直到今天，双重记账一直是监管、税收、治理、合同法和金融监管的基础。 计算随着时间的推移，分析工具取得了巨大的进步。其中最重要的进步发生在上个世纪：计算机的发明。毫不奇怪，金融部门是最早采用和使用计算机的部门之一。例如，1954年推出的IBM650之所以受欢迎，部分原因是它在金融领域带来了效率的提高。在现代计算的早 期，功能仅限于基本的算术，逻辑和符号操作（例如，遵循“if-the”规则）来解决问题 。随着计算能力的增强，分析能力不断发展，并允许AI从基本计算机系统中出现。 人工智能人工智能广泛指的是执行通常需要人类智能的任务的计算机系统（Russell和Norvig ，2010）。1AlanTuring和JohnvonNeumann奠定了理论基础，描述了将成为随后的计算和人工智能进步的基石的原则（Turing（1950），vonNeumann等人（1945），vonNeumann（1966））。在20世纪的大部分时间里，人工智能由GOFAI和专家系统主导，这些系统是在这些开创性贡献之后开发的。2GOFAI出现于20世纪50年代末，并在20世纪80年代继续成为主导范式。在此期间，人工智能研究人员专注于开发基于规则的系统，以模拟基于逻辑规则和符号表示的人类智能。虽然对基本财务职能非常有用(例如Procedre风险管理，基本的算法交易规则和信用评分，欺诈检测），它们在模式识别，处理不确定性和复杂推理方面远非人类水平的能力。硬件进步启用了小型台式计算机，例如1980年代和1990年代的个人计算机。使用电子表格和其他计算机程序存储数据和执行基本分析的能力导致了金融领域的广泛采用和效率提高（Cerzzi，2003）。 1人工智能这个术语最早是由数学家约翰·麦卡锡在现在是1956年达特茅斯学院的神话工作室。 2GOFAI代表“良好的老式AI”，这是哲学家JohnHaugeland创造的术语 指经典的符号AI，基于将人类知识和推理过程编码成一组规则和符号的想法（Haugeland，1985）。 机器学习下一波进展来自机器学习(ML)，这是人工智能的一个子领域(图1)。ML算法可以自主学习和执行任务，例如分类和预测，而无需明确阐明基础规则。就像早期信息处理的进步一样，ML很快就在金融领域被采用，尽管在早期，它的实用性受到计算能力的限制。ML的早期例子依赖于大量的结构化和标记数据。3 图1:解码AI 资料来源：作者插图。 最先进的机器学习系统是基于深度神经网络的，深度神经网络是以人脑启发的方式运行的算法。4深度神经网络是通用函数逼近器，可以在任何一组训练数据中学习系统关系，包括越来越复杂的非结构化 3结构化数据是指存储在关系数据库中并易于搜索的有组织的定量信息。它通常包括组织良好的文本和数字信 息。非结构化数据是不基于预定义模型组织的信息。它可以包括文本和数字格式的信息，也可以包括音频和视频 。非结构化数据的一些示例包括文本文件,如电子邮件和演示、社交媒体内容、传感器数据、卫星图像、数字音频 、视频等。 4在这样的系统中，人工神经元的输入层从环境接收信息- 在这些层之间是“隐藏”层（因此是深度学习中的“深层”），其中大多数信息处理都是通过与先前层的加权连接进行的。 数据集(Hori等人(1989)，Goodfellow等人。(2016)Broby(2022)，Hag等人。（2020年 ））。这些发展使金融机构能够分析数TB的信号，包括新闻流和社交媒体情绪。在总体上 ，这导致了越来越快节奏和动态的市场，优化了定价和估值。但是，由于这些模型动态地适应新数据，通常没有人为干预，因此它们在决策过程中有些不透明（Gesle