智能金融系统 ： AI 如何改变金融

BIS工作文件 No1194 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 June2024 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 BIS工作文件由货币和经济组织成员撰写国际清算银行部，并不时由其他机构 经济学家，并由世行出版。这些论文是关于主题的兴趣和技术性。他们表达的观点是他们的观点 作者，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。 ©国际清算银行2024。保留所有权利。未经许可，不得复制或翻译，但可引用原文时转载简短摘录。 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 AKorinek 弗吉尼亚大学&GovAI MStein BIS牛津大学 Abstract 庞大的加工和聚合 金融体系的核心在于信息转化为价格信号，协调经济参与者。从简单的簿记到人工智能（AI），历史上每一次信息处理的进步都对金融部门产生了深刻的影响。我们以此框架来分析生成式AI（GenAI）和新兴AI代理，以及更推测性的通用人工智能（AGI）将如何影响金融领域。我们重点关注金融机构的四大功能：资金融通、保险、资产管理以及支付。同时，我们评估了AI技术进步对金融稳定性和审慎政策的影响。此外，我们探讨了AI可能对实体经济产生的溢出效应，分别考察乐观和颠覆性两种AI情景。为了应对AI技术进步对金融体系的变革性影响，我们提出了一种基于广泛认可的AI治理基本原则的金融监管升级框架。 ：E31，J24，O33，O40。JEL代码 ：人工智能、生成人工智能、金融系统、金融机构- 关键词 。 我们感谢在ECB和GovAI研讨会上提供的宝贵意见和建议的参与者DouglasAraujo、FernandoPerez-Cruz、FabianaSabatini、DavidStankiewicz和AndrewSutton，以及EllenYang提供的 研究协助。联系人：Aldasoro（联系方式未提供）inaki.aldasoro@bis.org)，甘巴科尔塔(leonardo.gambacorta@bis.org)，科里尼克(an-ton@korinek.com)，Shreeti(Vatsala.Shreeti@bis.org)和斯坦(stein.merlin@gmail.com此处表达的观点仅为作者个人意 见，并不一定代表国际清算银行的意见。 1Introduction 如同生物体的神经系统，金融系统处理大量分散的信息并将其汇总为价格信号 ，从而协调经济中的所有参与者，并指导稀缺资源的分配。它不仅促进了资本的高效流动，还通过管理风险、保持流动性和支持稳定性来维护经济体系的整体健康。当金融市场和中介机构运作良好时，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“神经系统故障”的情况，并利用金融系统的智能来增强社会福利。 处理经济中所有必要的信息并协调众多参与者的行为是一项明显复杂的问题。作为经济的大脑，金融市场和中介机构长期扮演着这一角色。在任何特定时间点上，它们的能力在很大程度上由当时可用的信息处理技术所塑造。例如，多年来，诸如电信和互联网等技术进步不断增强了金融市场的信息处理能力：能够更高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，金融市场的吸引力不仅在于前沿的信息处理技术，还在于精尖的人才。最近，金融系统的信息处理能力通过快速发展的人工智能（AI）得到了显著提升。 在本文中，我们通过信息处理进步的视角描述了金融部门的发展，并特别关注人工智能（AI）。我们评估了不同代次的AI（包括机器学习[ML]、生成型AI[GenAI]以及AI代理的出现）为金融部门带来的机遇与挑战。此外，我们还讨论了AI对金融稳定的影响以及AI可能对实体经济造成的风险。鉴于这些见解和AI日益增加的应用，我们探讨了对金融部门监管的影响。 在人类历史的长河中，信息处理方法的演变轨迹——人工智能作为其中的一部分——与商业、贸易和金融的发展紧密相连。在这一部分中，2我们详细描述这一轨迹。历史上，金融系统要么激发变革，要么成为变革的对象。 在技术发展的弧线中，或是作为新技术的早期采用者。从古代苏美人的算盘到复式簿记，信息处理技术和金融的发展常常相辅相成。在过去的一个世纪里，信息处理领域最显著的进步是在20世纪50年代发明了计算机。这使得许多对金融系统运行非常有用的分析和会计功能得以自动化。随着计算能力的不断提高 ，出现了更复杂的技术，能够处理非传统数据，如机器学习模型，最近则是通 用人工智能（GenAI）。 每一代信息技术都在金融系统中留下了显著的足迹，并开辟了效率和创新的新途径。我们在第section部分讨论了一些这些方面。3总体而言，人工智能增强了金融系统处理信息、分析数据、识别模式和进行预测的能力。早期基于规则的系统已经用于自动化交易和欺诈检测。随着技术的进步，金融领域中人工智能的应用案例变得更加复杂。机器学习和深度学习模型广泛应用于资产定价、信用评分和风险分析。虽然通用人工智能（GenAI）仍处于起步阶段，但金融系统已经开始采用它以提高后台处理、客户服务和合规性。 同时，随着技术日益复杂，金融系统面临的风险和挑战也变得更加复杂。这些挑战包括复杂机器学习模型的透明度不足、对大量数据的依赖、消费者隐私安全、网络安全以及算法偏见等问题。生成式人工智能（GenAI）加剧了部分这些挑战，并增加了对数据和计算能力的依赖。此外，还存在市场集中度和竞争方面的担忧，因为GenAI模型主要由少数几家主导公司开发。 在金融系统中使用人工智能（AI）还与金融稳定性的其他潜在更严重的风险相关。例如，在1987年的美国股市崩盘中，早期基于规则的计算机交易系统就已经与级联效应和羊群行为有关。随着机器学习模型的应用，均匀性、模型羊群行为和网络连接性带来的风险进一步加剧。从监管者的角度来看，使用高级AI技术还带来了额外的挑战：复杂交互的泛滥以及固有的不可解释性使得及时发现市场操纵或金融稳定性风险变得更加困难。随着通用人工智能（GenAI）的发展，副驾式操作和机器人理财顾问可能会意味着决策过程中的更多不确定性。 变得更加同质，可能增加系统性风险。 在节4该报告中，我们强调了人工智能在金融系统中使用的一个重要方面：实体经济中断带来的金融溢出风险。我们描绘了两种情景：一种是在广泛采用人工智能导致生产率提升且影响较为温和的情况下；另一种则是更具破坏性的场景，可能导致显著的劳动力市场替代。我们讨论了这两种情景对经济的潜在影响及其政策含义。 鉴于这些情况，在第5我们讨论未来如何对人工智能进行监管。首先，基于社会福祉、透明度、问责制、公平性、隐私保护、安全性和人类监督的程度以及人工智能系统的稳健性，我们提供了通用的监管原则。此外，我们还基于美国、欧盟和中国的实践经验，对比讨论了不同的监管模式，并强调了在如何监管人工智能融入全球金融系统方面迫切需要国际协调的必要性。 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 金融体系的发展与信息处理技术的发展息息相关。因此，为了理解人工智能对金融的影响，有必要同时考察计算方法的历史发展及其与货币和金融领域并行发展的关系。计算硬件和软件的进步推动了高级分析、机器学习和生成式AI的演变。在过去每次技术变革中，金融系统要么成为变革的催化剂，要么成为技术的早期采用者。 计算的起源可以追溯到古代苏美尔人和算盘，这是已知最早的计算设备。这是最早将数字系统设计用于解决财务需求的实例之一。法律也由商业和金融需求的变化所驱动：《赫姆鲁比法典》，最早的法律条文之一，早在约公元前18世纪就制定了管理金融交易的法律。th公元前几百年。同样，中世纪的意大利城邦率先采用了复式簿记，这一会计上的重要发展开启了 通往前所未有的商业和金融扩张的大门。事实上，双式记账法至今仍支撑着监管、税收、治理、合同法律以及金融监管体系。 计算随着时间的推移，分析工具取得了惊人的进展，速度不断加快。这些进展中最重要的一个发生在上个世纪：计算机的发明。毫不奇怪，金融行业是最早采用和使用计算机的领域之一。例如，1954年推出的IBM650，部分是因为它在金融领域的效率提升而广受欢迎。在现代计算的早期阶段，能力仅限于基本算术、逻辑和符号操作（例如遵循“如果-然后”规则）来解决问题。随着计算能力的增加，分析能力得到了发展，使得人工智能从基本的计算机系统中诞生并得以发展。 人工智能人工智能广义上是指执行通常需要人类智能的任务的计算机系统(罗素和诺维格,2010).1艾伦·图灵和约翰·冯诺依曼奠定了理论基础，阐述了后续计算和人工智能发展中的核心原则。图灵(1950),冯·诺伊曼等人。(1945),冯·诺依曼(1966).在20世纪的大部分时间里，人工智能主要由强人工智能（GOFAI）和这些开创性贡献之后发展起来的专家系统所主导。2强人工智能（GOFAI）在20世纪50年代末出现，并在20世纪80年代之前一直是主导范式。在此期间，人工智能研究人员专注于基于逻辑规则和符号表示开发基于规则的系统，以模拟人类智能。尽管这些系统在基本金融功能（如风险管理、基础算法交易规则和信用评分、欺诈检测）方面非常有用，但在模式识别、处理不确定性及复杂推理方面远远不及人类水平的能力。硬件的进步使小型桌面计算机得以普及，例如20世纪80年代和90年代的个人电脑。能够存储数据并使用电子表格和其他计算机程序进行基本数据分析的能力导致了金融领域的广泛应用和效率提升（finance）。Ceruzzi,2003). 1Theterm人工智能最早是由数学家约翰·麦卡锡(JohnMcCarthy)于1956年在达特茅斯学院(DartmouthCollege)的一个神话中创造的。 2GOFAI代表“传统人工智能”（GoodOldFashionedAI），这一术语由哲学家约翰·豪格尔森提出，用于指代基于将人类知识和推理过程编码为一组规则和符号的经典符号人工智能。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) .机器学习算法可以自主地学习和执行任务，例如分类和预测，而无需明确阐述背后的规则。就像早期的信息处理进步一样，机器学习很快就被金融领域采纳 ，尽管在早期，其用途受限于计算能力。早期的机器学习实例依赖大量结构化和标记的数据。3 图1:解码AI 资料来源：作者插图。 最先进的人工智能系统基于深度神经网络，这是一种受人脑启发而运作的算法 。4深度神经网络是具有普遍函数逼近能力的模型，能够学习任何训练数据集中的系统关系，包括越来越复杂且未结构化的数据。 3结构化数据是指组织有序的定量信息，存储在关系数据库中，并且易于搜索。它通常包括井然有序的文字和数字信息。非结构化数据是指未基于预定义模型组织的信息。它可以包含以文字和数字格式呈现的信息，但也可以包含音频和视频。非结构化数据的一些示例包括电子邮件和演示文稿等文本文件、社交媒体内容、传感器数据、卫星图像、数字音频和视频等。 4在这样的系统中，人工神经元的输入层接收来自环境的信息，而输出层则传达响应；在这两层之间是“隐藏”层（因此称为深度学习），在此处通过权重连接对前一层的信息进行大部分处理 。 数据集(Hornik等人。(1989),Goodfellow等人。(2016)Broby(2022) ,Huang等人。 (2020).这些发展使金融机构能够分析包括新闻流和社交媒体情绪在内的terabytes的信号。从总体上看，这导致市场越来越快速和动