雷火竞技首页

人工智能赋能金融的效率提升与风险治理
发布时间:2026-04-17
 当前,人工智能技术正以前所未有的速度渗透至金融行业的核心环节。从智能投顾、信用评估到风险监测与交易决策,大模型和AI Agent(人工智能代理)的应用不断拓展,效率提升效果显著。然而,模型幻觉、数据安全、算法同质化以及责任归属不清等问题也随之浮现,引发监管层与业界的广泛关注。4月11日,由中国人民大学国际货币研究所(IMI)、北京雁栖湖应用数学研究院(BIMSA)联合主办,中国人民大学深圳金融

  当前,人工智能技术正以前所未有的速度渗透至金融行业的核心环节。从智能投顾、信用评估到风险监测与交易决策,大模型和AI Agent(人工智能代理)的应用不断拓展,效率提升效果显著。然而,模型幻觉、数据安全、算法同质化以及责任归属不清等问题也随之浮现,引发监管层与业界的广泛关注。4月11日,由中国人民大学国际货币研究所(IMI)、北京雁栖湖应用数学研究院(BIMSA)联合主办,中国人民大学深圳金融高等研究院、中国人民大学金融科技研究所共同协办的“大金融思想沙龙”(第274期)暨“BIMSA智能经济论坛”(第2期)在线上成功举办。与会专家结合最新实践与研究,从技术应用、风险识别与治理机制等角度展开了深入讨论。

  人工智能正以前所未有的深度赋能金融领域,多位专家从不同角度肯定了其在提升效率方面的巨大潜力。中国人民大学财政金融学院应用金融系主任、教授吴轲指出,金融以信息处理为核心,是AI落地的最适宜领域之一;其团队构建的“人大—新华”A股行业分类体系,通过“文本嵌入—聚类划分—行业命名—实证检验”四步法,形成26个一级、102个二级、271个三级行业分类,有效解决了传统分类滞后、区分不足等问题。清华大学至善书院院长、北京雁栖湖应用数学研究院数字经济实验室研究员汤珂也强调,大模型作为信息提供方,能高效完成金融信息的提取与理解,并突破传统线性因子模型的局限,优化因子设计,克服均值方差测量难题,提升选股效果;同时他主张采用人机协同框架,但由人类承担最终决策责任。复旦-斯坦福中国金融科技与安全研究院执行院长、复旦大学经济学院教授刘庆富则指出,多模态数据的应用已在气候风险测度、遥感期货定价、财务舞弊预警识别等场景深度赋能金融业务。中国民生银行风险管理部巴塞尔协议III及智能风控管理中心处长刘吕科补充道,大模型正从获客营销向风险管理纵深推进,不仅能缓解信息不对称、提升运营效率,也逐渐成为对抗“黑灰产”的防御工具。这些观点共同表明,AI在投研、风控、决策等场景中的效率提升作用已得到广泛验证。

  然而,在效率提升的同时,专家们也敏锐地指出了AI在金融应用中面临的多重风险与现实挑战。吴轲提醒,当前AI正从问答助手向自主调用工具的Agent形态演进,可能带来信息泄露、越权调用等新型风险;其研究还发现,在部分金融文本场景中,匿名化处理会严重削弱模型的信息提取能力,其代价甚至超过缓解前瞻性偏差的收益。国家金融与发展实验室副主任杨涛则从技术、监管与客户层面深入剖析:模型幻觉与准确性不足易引发错误决策,算法黑箱使得责任追溯困难,消费者信任难以建立,而模型同质化可能加剧金融市场系统性风险。汤珂特别指出,大模型联网使用需警惕前瞻性偏误风险。刘庆富聚焦“可信AI”与虚假信息治理,认为大模型面临幻觉放大、数据偏见、不可解释等难题。刘吕科结合银行实务,直言大模型在授信审批中无法独立承担不良贷款的追责,当前仅能作为辅助决策的“体检报告”,面临数据合规、算法伦理偏见及权责界定三大难题。由此可见,从技术缺陷到制度空白,AI+金融的风险治理已成为不可回避的紧迫议题。

  面对上述挑战,专家们从治理体系、基础能力与社会接受度等层面提出了系统性的应对方向。杨涛呼吁加快健全相关法律法规与标准体系,夯实数据、算法、算力基础,建立权威的第三方评估机制,同时强化金融消费者保护,提升监管智能化水平,并对智能体支付等前沿场景推动理论政策快速研究。刘庆富提出,金融机构应构建包含顶层设计、数据治理、模型治理与内容治理四位一体的可信AI应对体系。AIGC虚假信息治理应坚持发展与安全并重,从单纯的内容管控转向落实主体责任,实现“可识别、可追溯、可问责”,通过源头强制标识、平台强化审核、模型合规监管及公众素养提升“四端”协同发力。汤珂强调,大模型必须具备可解释性并融入经济学理论知识,保障数据安全、遵循人工智能伦理是其获得更多应用的核心前提。刘吕科指出,大模型技术的业务落地需与社会大趋势同步,其发展高度取决于社会接受度与配套措施的完善,并建议在压力情形下考察分类稳定性,基于知识图谱构建企业关联风险指数。吴轲教授也提醒,未来应警惕过度数据挖掘、算法合规、版权侵权、AI Agent安全及劳动力冲击等风险,在效率、准确性与安全之间取得平衡。综上所述,唯有技术应用与风险治理同步推进,才能让人工智能在金融领域行稳致远。