中證報價
2024-11-15 
人工智能在場外衍生品業(yè)務的應用和展望
編者按：為深入貫徹落實中央金融工作會議精神和《國務院關(guān)于加強監(jiān)管防范風險推動資本市場高質(zhì)量發(fā)展的若干意見》，扎實推進證券行業(yè)高質(zhì)量發(fā)展，中證報價投教基地推出“防風險 促發(fā)展”專題，分享場外衍生品在強化證券行業(yè)風險防控能力，做好五篇大文章，為經(jīng)濟社會發(fā)展提供高質(zhì)量服務方面的探索與實踐成果。
作者：廣發(fā)證券股權(quán)衍生品業(yè)務部課題組
人工智能（AI）是研究開發(fā)模擬人腦思維的理論、方法、技術(shù)及應用的一項前沿性學科，該項技術(shù)從20世紀50年代萌芽，再到2022年11月OpenAI公司發(fā)布聊天機器人程序ChatGPT的標志性事件發(fā)生至今，隨著數(shù)據(jù)量爆炸式增長、算力迅速提升和新算法的不斷涌現(xiàn)，人工智能的研究領(lǐng)域不斷擴大，正逐步成為驅(qū)動新一輪科技革命的戰(zhàn)略性技術(shù)。黨中央、國務院一直高度重視人工智能發(fā)展。2023年4月28日，中共中央政治局會議指出，要重視通用人工智能發(fā)展，營造創(chuàng)新生態(tài)，重視防范風險。習近平總書記多次強調(diào)“要深入把握新一代人工智能發(fā)展的特點，加強人工智能和產(chǎn)業(yè)發(fā)展融合，為高質(zhì)量發(fā)展提供新動能”。近年來，人工智能在境內(nèi)外被廣泛應用到銀行、保險、證券等金融領(lǐng)域。這一趨勢對于場外衍生品而言，既是機遇也是挑戰(zhàn)。場外衍生品市場作為金融市場的重要組成部分，具有非標準化、靈活性高、精細化、業(yè)務鏈條長等特點，業(yè)務開展中涉及反洗錢、市場趨勢判斷、風險和運營管理以及大量的數(shù)據(jù)處理。人工智能，特別是其機器學習和深度學習技術(shù)，與場外衍生品市場的業(yè)務需求高度契合。但是人工智能在具體應用中也面臨一系列挑戰(zhàn)，包括但不限于：數(shù)據(jù)采集環(huán)節(jié)客戶隱私和知識產(chǎn)權(quán)保護問題，數(shù)據(jù)處理環(huán)節(jié)的數(shù)據(jù)質(zhì)量問題，模型輸出結(jié)果的可解釋性難題，以及模型治理層面的安全與合規(guī)挑戰(zhàn)等。
本文總結(jié)了人工智能在境內(nèi)外場外衍生品領(lǐng)域的主要應用場景，通過分析其在場外衍生品應用方面遇到的挑戰(zhàn)，從宏觀和微觀兩個層面對人工智能在場外衍生品領(lǐng)域的應用進行展望。
境內(nèi)外場外衍生品業(yè)務中人工智能的主要應用場景
以境內(nèi)場外期權(quán)為例，一般而言，其交易全流程包括：客戶業(yè)務申請與資質(zhì)審查、協(xié)議簽署、交易詢報價、交易達成、交易對沖執(zhí)行、交易簿記和報送、盯市管理和追保、合約終止及結(jié)算。具體流程如下圖所示：
圖1 場外衍生品的標準交易流程[1]
本文將參考上述環(huán)節(jié)分別展開人工智能在場外衍生品領(lǐng)域的應用介紹。
▍人工智能在客戶盡調(diào)和準入環(huán)節(jié)的應用
場外衍生品客戶盡調(diào)和準入是業(yè)務的初始環(huán)節(jié)，該環(huán)節(jié)涵蓋客戶交易目的核查、資金來源審核、投資者適當性要求匹配及協(xié)議簽署等關(guān)鍵內(nèi)容。目前，人工智能的主要應用場景包括反洗錢、客戶資料完備性識別和合同解析等。
1.反洗錢
反洗錢（Anti-Money Laundering,簡稱“AML”）是所有金融業(yè)務活動中（包含場外衍生品）客戶盡調(diào)的關(guān)鍵。伴隨金融交易的數(shù)字化和全球化趨勢，傳統(tǒng)上主要依賴于人工識別的AML工作方法，面臨著如審核負擔過重、新式洗錢手段層出不窮的挑戰(zhàn)，這也導致目前金融機構(gòu)識別并上報可疑交易活動的比率偏低，削弱了機構(gòu)對洗錢可疑活動的識別分析能力。在這種背景下，2023年6月21日，谷歌云宣布推出反洗錢人工智能（AML AI）[2]，這款產(chǎn)品綜合機器學習（ML）方法生成客戶風險評分替代了傳統(tǒng)的交易警報機制。基于銀行提供的日常經(jīng)營數(shù)據(jù)，評分模型對交易模式、網(wǎng)絡(luò)行為和了解你的客戶（KYC）數(shù)據(jù)進行綜合分析，識別篩選高風險零售客戶及企業(yè)客戶。AML AI可通過處理具有較高復雜度的大規(guī)模數(shù)據(jù)集，以適應不同評分對象的個體差異，以此提供更準確的結(jié)果。資料顯示該產(chǎn)品已由匯豐銀行投入測試使用，匯豐銀行反饋稱其用于追蹤虛假線索的調(diào)查時間大幅減少，AML AI提高了該銀行在反洗錢識別、檢測和預防洗錢活動的能力。
境內(nèi)具體應用方面，中國工商銀行BRAINS是該銀行運用大數(shù)據(jù)和人工智能技術(shù)，按照“風險為本”要求打造的覆蓋反洗錢工作全流程的智能反洗錢系統(tǒng)[3]。該系統(tǒng)以大數(shù)據(jù)分析、人工智能等技術(shù)為支撐，實現(xiàn)了基于客戶維度開展身份識別及風險評級，系統(tǒng)支持大額可疑監(jiān)控、甄別及上報閉環(huán)，還能提供統(tǒng)一的客戶全景視圖展示信息全貌。系統(tǒng)涵蓋客戶、產(chǎn)品和機構(gòu)評級，可疑監(jiān)控等多項流程，服務銀行、基金等九類不同行業(yè)客戶，每日監(jiān)控7000萬筆交易，協(xié)助機構(gòu)大幅提升可疑交易上報率和可疑交易信息上報質(zhì)量。
2.客戶資料識別
機器人流程自動化(Robotic Process Automation，簡稱“RPA”) 是一種基于人工智能和機器學習技術(shù)的自動化軟件，能夠模擬人類在計算機上執(zhí)行的操作，通過自動化處理大量重復、規(guī)則明確的日常事務，實現(xiàn)提升工作效率、減少人為錯誤和降低成本的目的。RPA被視為人工智能在業(yè)務流程自動化領(lǐng)域的一種應用，即AI人工智能助手的一種。在場外衍生品客戶盡調(diào)和準入過程中，有證券公司積極應用RPA技術(shù)幫助提升資料收集、校驗等環(huán)節(jié)的執(zhí)行效率，減少操作差錯，如在客戶資料提交界面，運用RPA方法校驗客戶準入資料的完備性。
3.金融合同自動解析
摩根大通（J.P.Morgan）近年來在人工智能、自動化交易等領(lǐng)域投入大量研發(fā)資源，在一份2018年發(fā)布的策略更新報告中，詳細介紹了該集團digital everything的科技戰(zhàn)略。摩根大通創(chuàng)建了人工智能卓越中心（XAI COE），由人工智能研究所領(lǐng)導，將研究人員和從業(yè)者聚集在一起，開發(fā)和共享技術(shù)、工具和框架，通過在頂級AI/ML場所發(fā)布來推進最先進的技術(shù)。[4]2017年初，摩根大通開發(fā)了一款金融合同解析軟件COIN（Contract Intelligence），這款工具利用機器學習技術(shù)驅(qū)動，并運行在摩根大通的私有云平臺上。COIN只需要幾秒鐘就可以完成原先律師和貸款審核人員每年需要上萬小時才能完成的工作，并且大大減少了以往人工分析可能出現(xiàn)的錯誤。摩根大通曾經(jīng)每年由于人為失誤造成的合同錯誤超過12000例，而COIN的應用則大大減少了這類錯誤的發(fā)生。
▍人工智能在產(chǎn)品定價和交易對沖環(huán)節(jié)的應用
場外衍生品定價模型方面，由于缺乏相對高流動性的市場，場外期權(quán)的價格往往直接由量化模型計算得到。場外衍生品對沖方面，一般是利用希臘字母Delta、Gamma、Vega、Theta等為對沖交易設(shè)定風險敏感性參數(shù)，基于希臘字母的計算和量化模型構(gòu)成衍生品交易的基礎(chǔ)。模型使用過程中，同樣存在風險，其風險主要來源包含模型使用不當、模型設(shè)計錯誤、不正確的模型輸入和假設(shè)、模型實現(xiàn)差錯、模型由于市場變化不再適用等。如何降低模型風險的研究一直在進行中。早在2008年，摩根大通量化策略分析師Hans Buehler開始考慮用一種基于數(shù)據(jù)驅(qū)動的新方法開展衍生品對沖，依靠機器學習技術(shù)來對沖衍生品，而不是用傳統(tǒng)的Black-Scholes等模型。Buehler的真正目標是讓機器學習如何為復雜的場外衍生品形成可復制的投資組合，他將其稱為“深度對沖”，并在一篇題為《Deep hedging》的論文中描述了這種方法。深度對沖模型使用強化學習方法將對沖交易的投資決策建模為神經(jīng)網(wǎng)絡(luò)模型輸出，模型使用的特征集包括：對沖工具交易成本、市場動量信號、新聞輿情信號及歷史對沖數(shù)據(jù)等。該模型不依賴于特定的市場模型及前提假設(shè)，能夠?qū)⒔灰坠ぞ叱杀尽⒘鲃有约s束、買賣價差等真實市場信號納入同一神經(jīng)網(wǎng)絡(luò)進行分析處理。Buehler通過實證分析認為基于該深度對沖模型的對沖結(jié)果相對經(jīng)典Heston模型有一定的比較優(yōu)勢[5]。基于上述研究成果，2018年以來摩根大通開發(fā)使用Flow Trader(數(shù)據(jù)驅(qū)動對沖算法的一個分支)以對沖標準普爾500指數(shù)和歐洲斯托克指數(shù)(Euro Stoxx)，據(jù)其全球股票主管杰森?西佩爾(Jason Sippel)稱，約70%的Euro Stoxx指數(shù)期權(quán)交易是機器自動完成[6]。
場外衍生品對沖交易可能受到宏觀經(jīng)濟因素的影響。2023年，摩根大通推出一個人工智能驅(qū)動的鷹鴿模型（Robo-Fedwatchers），旨在破譯美聯(lián)儲的政策信息并發(fā)現(xiàn)潛在的交易信號[7]。摩根大通的最新成果顯示，當兩次聯(lián)邦公開市場委員會(FOMC)會議之間，發(fā)言人鷹派傾向的三個月平均值上升10個百分點時，短期利率大約會上漲10個基點。當模型顯示美聯(lián)儲發(fā)言人在兩次會議之間的鷹派立場上升時，下一份FOMC政策聲明就會變得更加鷹派，這會導致一年期美債收益率上漲。相關(guān)模型的訓練數(shù)據(jù)是過往25年以來的美聯(lián)儲聲明和央行官員們的講話，使用的是基于ChatGPT的語言模型，根據(jù)摩根大通所謂的“鷹鴿指數(shù)”（Hawk-Dove Score）對政策信號進行了從寬松到緊縮的評級，再將具體評分與一系列資產(chǎn)表現(xiàn)掛鉤。通過預測政策的變化，發(fā)出可交易的信號。
▍人工智能在衍生品中臺運營環(huán)節(jié)的應用
基于AI大語言模型的虛擬客服以其強大的自然語言處理能力和深度學習能力，在金融行業(yè)（包括衍生品業(yè)務）得到了廣泛應用。2023年3月，彭博發(fā)布一篇關(guān)于Bloomberg GPT開發(fā)情況的研究論文《Bloomberg GPT: A Large Language Model for Finance》[8]，文章詳細介紹了這一全新的大規(guī)模生成式人工智能（AI）模型。該大語言模型（LLM）專門針對各類金融數(shù)據(jù)進行訓練，以全方位支持金融領(lǐng)域的自然語言處理（NLP）任務。金融領(lǐng)域的復雜性和獨特的術(shù)語使其需要特定領(lǐng)域的模型。該模型為目前已知的最大的領(lǐng)域特定數(shù)據(jù)集，建立了500億參數(shù)。為訓練Bloomberg GPT，彭博構(gòu)建了一個全面的數(shù)據(jù)集“FINPILE”，主要由英文金融信息組成，包括新聞、文件、新聞稿、網(wǎng)絡(luò)爬取的金融文件，以及從彭博檔案庫中提取的社交媒體消息。同時彭博將FINPILE 與公共數(shù)據(jù)集進行疊加，成為了包含超7,000億詞例(tokens) 的大型訓練語料庫，其中彭博“FINPILE” 貢獻了3635億詞例(tokens)，占比51.27% ，且該部分的數(shù)據(jù)質(zhì)量更高。彭博基于BLOOM 訓練了一個500 億參數(shù)的純解碼器（decoder-only）因果語言模型，其在金融任務上的表現(xiàn)明顯優(yōu)于現(xiàn)有的類似規(guī)模的開放模型，同時在一般NLP基準測試中的表現(xiàn)仍持平或更好。該模型將幫助彭博改進現(xiàn)有的金融NLP任務，如市場情緒分析、命名實體識別、新聞分類和問題回答等。此外，還將調(diào)動彭博終端上的海量數(shù)據(jù)，將人工智能蘊藏的潛力帶到金融領(lǐng)域。
隨著國內(nèi)大語言模型技術(shù)的逐漸優(yōu)化，其在金融領(lǐng)域（包括金融衍生品）的客服和輔助研究等場景逐漸落地。根據(jù)觀察，近兩年國內(nèi)部分交易商基于國內(nèi)大語言模型開發(fā)的人工智能小程序，可供符合資質(zhì)的用戶及公司內(nèi)部授權(quán)用戶自助查詢其場外衍生品的交易信息，包括標的信息、衍生品規(guī)模、資金保證金情況、合同以及合約狀態(tài)、授信限額等。該工具的使用有效提高了衍生品業(yè)務的運營效率，同時方便內(nèi)部授權(quán)員工隨時查詢其服務客戶的交易情況，更加高效及時地服務客戶。
▍人工智能在風險管理環(huán)節(jié)的應用
構(gòu)建場外衍生品的風險監(jiān)控指標體系(如風險價值潛在未來暴露、交易對手違約風險等)及相應的履約保障機制同樣需要基于復雜的模型，相關(guān)領(lǐng)域人工智能模型得到了廣泛運用。
在構(gòu)建高效率的風險監(jiān)控體系方面，AI/ML已在一定程度上成為提高效率和生產(chǎn)力同時降低成本的代名詞。這些技術(shù)能夠以更快的速度處理和分析大量非結(jié)構(gòu)化數(shù)據(jù)，極大減少人為干預程度，降低運營、監(jiān)管和合規(guī)成本。根據(jù)全球?qū)徤鞅O(jiān)管機構(gòu)的要求，AI/ML驅(qū)動的風險管理解決方案也可用于模型風險管理（回溯測試和模型驗證）和壓力測試。AI/ML解決方案幫助金融機構(gòu)提高預測精度、優(yōu)化變量選擇過程，并進行更細致的數(shù)據(jù)分割[9]。這些解決方案被用于信用風險建模、欺詐檢測和交易員行為監(jiān)控。2024年3月，Johnson金融集團宣布與Derivative Path公司開展合作，使用云平臺推進利率衍生品創(chuàng)新,包括風險管理。其中，Derivative Path是一家資本市場技術(shù)和衍生品服務的提供商，其使用人工智能等數(shù)據(jù)開發(fā)的云平臺 Derivative Edge包含利率、外幣和商品風險管理，可在衍生品交易的整個生命周期（從結(jié)構(gòu)化到合規(guī)性）提供一對一的端到端支持[10]。
人工智能應用于場外衍生品面臨全球挑戰(zhàn)
鑒于人工智能在各領(lǐng)域應用過程中產(chǎn)生的風險日益暴露及其影響的不斷提升，境內(nèi)外關(guān)于人工智能的監(jiān)管立法逐步增多，且多國監(jiān)管口徑逐步趨于一致。代表性的事件包括：
（1）2023年5月25日，新西蘭信息專員辦公室（OPC）發(fā)布《生成式人工智能指南》，指出生成式人工智能對新西蘭公民個人信息的使用應遵守新西蘭2020年《隱私法》；
（2）2023 年 7月10 日，中國網(wǎng)信辦等七個部委聯(lián)合發(fā)布《生成式人工智能服務管理暫行辦法》，該辦法明確規(guī)定其立法目的是促進生成式人工智能健康發(fā)展和規(guī)范應用；
（3）2023年11月，英國召開AI安全峰會，28個國家發(fā)布《布萊切利宣言》推動全球在人工智能方面的合作，共同識別風險以制定跨國政策緩釋風險；
（4）2024年5月21日，歐盟理事會批準《人工智能法》，這一全球首部人工智能領(lǐng)域綜合性監(jiān)管法規(guī)遵循“基于風險”的方法，旨在規(guī)范人工智能的應用，側(cè)重于制定與數(shù)據(jù)透明、分類分級監(jiān)管和問責制度有關(guān)的規(guī)則，保護公民基本權(quán)利。該法將在2024年8月2日正式生效。
我們參考境內(nèi)外相關(guān)人工智能立法規(guī)制，并結(jié)合人工智能在場外衍生品領(lǐng)域的應用實際，總結(jié)出人工智能在場外衍生品領(lǐng)域應用可能存在以下幾個方面的挑戰(zhàn)：
▍模型數(shù)據(jù)采集質(zhì)量與隱私權(quán)保護的挑戰(zhàn)
人工智能，尤其是機器學習（ML）需要大量的數(shù)據(jù)進行訓練和優(yōu)化，但這些數(shù)據(jù)可能存在質(zhì)量問題、隱私保護問題等，尤其金融機構(gòu)使用非自研的第三方人工智能服務，或者同一金融機構(gòu)不同部門均需要使用同一客戶信息進行人工智能系統(tǒng)數(shù)據(jù)處理等情況下，涉及數(shù)據(jù)來源的合法性、授權(quán)是否充分、隱私保護是否到位等問題。數(shù)據(jù)安全和隱私保護涉及多項法律，需要預防AI應用中侵犯個人隱私、泄露商業(yè)秘密、傳播虛假信息等情況發(fā)生。歐盟理事會批準通過的《人工智能法》包含六項基本原則，其中關(guān)鍵的一點即為隱私和數(shù)據(jù)治理原則，要求人工智能提供者要開展數(shù)據(jù)治理，涉及使用數(shù)據(jù)訓練模型的高風險人工智能系統(tǒng)必須加入訓練、驗證和測試數(shù)據(jù)集。根據(jù)《中華人民共和國個人信息保護法》，機構(gòu)在收集和處理個人信息時必須明確目的、方式和范圍，確保數(shù)據(jù)安全，防止數(shù)據(jù)泄露或非法使用，并需要獲得數(shù)據(jù)主體的同意。另外，跨境場外衍生品業(yè)務等可能涉及數(shù)據(jù)跨境傳輸?shù)那闆r下，還需要注意符合《中華人民共和國網(wǎng)絡(luò)安全法》、《中華人民共和國數(shù)據(jù)安全法》等法律及《促進和規(guī)范數(shù)據(jù)跨境流動規(guī)定》等規(guī)范性文件的要求，針對信息類別、數(shù)量與傳輸?shù)赜蚵男邪踩u估和備案批準手續(xù)，確保數(shù)據(jù)傳輸活動的合規(guī)和安全。
▍人工智能模型輸出的可解釋性和透明度挑戰(zhàn)
AI深度學習模型由于其復雜的內(nèi)部結(jié)構(gòu)常被視為“黑箱”，給監(jiān)管機構(gòu)和用戶理解及驗證模型決策過程帶來挑戰(zhàn)。基于算法“黑箱”的存在，如AI在場外衍生品運營環(huán)節(jié)的應用中，因客戶對AI輸出的過程無法獲知，若結(jié)果與實際情況差異較大，則可能降低客戶體驗。《人工智能法》的另一重要原則為透明度原則，即人工智能系統(tǒng)的開發(fā)和使用方式應允許適當?shù)目勺匪菪院涂山忉屝裕瑫r應使用戶意識到他們與人工智能系統(tǒng)的交流或互動，以及適當告知用戶該人工智能系統(tǒng)的能力、限制以及對其權(quán)利的可能影響，并要求在全生命周期的運行中，提供者對于人工智能的使用與運行進行日志留檔，并提供給外界必要的透明度和相關(guān)信息。
▍人工智能技術(shù)的穩(wěn)健性和安全性挑戰(zhàn)
人工智能技術(shù)本身也可能存在一些技術(shù)風險，例如算法的準確性和穩(wěn)定性、網(wǎng)絡(luò)安全等問題，尤其是生成式AI技術(shù)的應用，其產(chǎn)生的內(nèi)容可能會出現(xiàn)“編造”的內(nèi)容，且從數(shù)據(jù)輸入到結(jié)果產(chǎn)生并未形成可以完全驗證準確的閉環(huán)，從而對使用者產(chǎn)生信息誤導。尤其在場外衍生品定價、風險控制等領(lǐng)域的AI應用中，前述問題致使模型結(jié)果產(chǎn)生重大偏差將可能導致金融機構(gòu)對沖受損，甚至出現(xiàn)風險暴露或風險交叉。《人工智能法》要求金融機構(gòu)建立完善的技術(shù)風險管理制度和技術(shù)保障措施進行防范和管理，人工智能系統(tǒng)的開發(fā)和使用方式應盡量減少意外傷害，必須在隨附使用說明中聲明準確性指標，且能夠抵御錯誤、故障，抵御有意利用系統(tǒng)漏洞第三方的攻擊，并在出現(xiàn)問題時保持穩(wěn)健。
人工智能在場外衍生品應用的展望
隨著AI的廣泛應用，場外衍生品市場面臨著前所未有的變革和機遇。目前，從盡調(diào)準入到交易結(jié)算，AI逐步嵌入場外衍生品的各個業(yè)務環(huán)節(jié)，可以預見未來相關(guān)應用會更加廣泛。為促進AI高效發(fā)展并確保其在金融行業(yè)的安全有效服務，可以從宏觀和微觀兩個維度對其應用進行展望。
圖2 AI在場外衍生品業(yè)務流程中的應用
▍宏觀維度：頂層設(shè)計保障行業(yè)行穩(wěn)致遠
1、人工智能應用監(jiān)管機制更加健全
2023年中央金融工作會議明確指出要加快建設(shè)金融強國，全面加強金融監(jiān)管，有效防范化解金融風險。2024年1月16日，習近平總書記在省部級主要領(lǐng)導干部推動金融高質(zhì)量發(fā)展專題研討班上發(fā)表重要講話強調(diào)，中國特色金融發(fā)展之路，既遵循現(xiàn)代金融發(fā)展的客觀規(guī)律，更具有適合我國國情的鮮明特色，與西方金融模式有本質(zhì)區(qū)別。參考2023年國家網(wǎng)信辦聯(lián)合多部委發(fā)布《生成式人工智能服務管理暫行辦法》，辦法明確生成式人工智能服務實行包容審慎和分類分級監(jiān)管理念，在該理念指引下未來金融行業(yè)人工智能應用相關(guān)監(jiān)管機制有望進一步健全，打造堅持發(fā)展和安全并重、促進創(chuàng)新和風險治理相結(jié)合的人工智能應用框架。
2、人工智能基礎(chǔ)設(shè)施建設(shè)不斷推進
從AI的發(fā)展歷史可知，智能算力是AI規(guī)模發(fā)展的基礎(chǔ)，而云算力是最優(yōu)解決方案。不同機構(gòu)各自研發(fā)的算力利用率較低，集中算力可以減少AI模型不同研發(fā)機構(gòu)的重復投入。2023年4月，國家（上海）新型互聯(lián)網(wǎng)交換中心（SHIXP）發(fā)布全國首個算力交易集中平臺——上海算力交易平臺，滿足各行業(yè)對大模型的需求，試運行期間14家算力產(chǎn)業(yè)鏈相關(guān)單位與SHIXP簽約并入駐平臺。金融業(yè)對于人工智能的算力需求與日俱增，行業(yè)主體有望借力人工智能基礎(chǔ)設(shè)施建設(shè)東風，進一步深入人工智能應用場景。
▍微觀維度：最佳實踐服務企業(yè)風險管理實現(xiàn)經(jīng)營目標
1、構(gòu)造AI模型治理和風險監(jiān)測框架
金融企業(yè)構(gòu)建完善的內(nèi)部治理結(jié)構(gòu)，有利于將AI應用決策過程貫穿企業(yè)經(jīng)營管理和風險合規(guī)治理的全過程，使得AI應用更加符合企業(yè)的戰(zhàn)略與風險管理目標。例如，在組織架構(gòu)方面：企業(yè)可以通過設(shè)立建立AI數(shù)據(jù)治理委員會（或作為IT治理委員會的分會），涉及使用數(shù)據(jù)訓練模型的高風險人工智能系統(tǒng)須加入訓練、驗證和測試數(shù)據(jù)集，這些數(shù)據(jù)集須經(jīng)過適當?shù)臄?shù)據(jù)治理和管理實踐。在模型管理方面：企業(yè)可以對內(nèi)部使用的AI模型進行分類分級，建立、實施、記錄、維護和定期對模型庫進行評審回溯，用以識別和分析與人工智能相關(guān)的風險。通過積極探索運用AI模型治理有益舉措，監(jiān)督AI項目的決策、研發(fā)、測試和實施全流程，確保其滿足透明性和可解釋性、穩(wěn)健性和安全性等原則，更好地服務企業(yè)戰(zhàn)略目標與風險管理需要。
2、探索AI合規(guī)與效率的平衡點
金融企業(yè)完善AI相關(guān)的合規(guī)管理機制，包括數(shù)據(jù)來源的合規(guī)性、數(shù)據(jù)和系統(tǒng)的知識產(chǎn)品歸屬及授權(quán)的合規(guī)性，系統(tǒng)權(quán)限合規(guī)性、跨境數(shù)據(jù)使用的合規(guī)管理、系統(tǒng)使用履行報備程序的合法性等。通過這些措施，滿足AI系統(tǒng)的合規(guī)性和道德性等原則。
3、著力培育員工AI專業(yè)素養(yǎng)
AI技術(shù)日新月異，未來金融企業(yè)有望進一步加強對高級管理人員和員工的AI知識和技能培訓。對于AI系統(tǒng)的使用，人的作用并非僅體現(xiàn)在控制輸入和使用輸入，而是需要相關(guān)人員，尤其是系統(tǒng)負責人等管理人員能夠理解系統(tǒng)局限性，并在適當情形下放棄或否決其產(chǎn)出，做到對于系統(tǒng)的干預和監(jiān)督，必要時停止系統(tǒng)。通過提高員工對AI的理解和操作能力，可以更好地利用AI工具進行風險管理和決策支持，同時減少誤操作和技術(shù)風險。
圖片
【免責聲明】本文信息僅用于投資者教育之目的，不構(gòu)成對投資者的任何投資建議，投資者不應當以該等信息取代其獨立判斷或僅根據(jù)該等信息作出決策。本文信息力求準確可靠，但對這些信息的準確性或完整性不作保證，亦不對因使用該等信息而引發(fā)或可能引發(fā)的損失承擔任何責任。
相關(guān)推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內(nèi)容相關(guān)的任何行動之前，請務必進行充分的盡職調(diào)查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產(chǎn)生的任何金錢損失負任何責任。
