高教社2025金融监管科技教学课件第六章 人工智能技术.pptxVIP

第六章人工智能监管技术

Outline人工智能技术概述人工智能的关键技术人工智能技术与金融监管2

人工智能技术概述01

人工智能的定义智能体应用人工智能是机器创造出的一种智能形式，旨在模拟人类的思考和行为过程。在计算机科学领域，人工智能被定义为对智能体的研究，目的是模拟人类的智能行为。智能体是指能够模拟人类智能的计算机系统，能够进行自主学习、推理、理解自然语言等复杂任务。在金融监管领域，通过模式识别和机器学习等技术，人工智能可以自动化地识别和防范金融欺诈和风险，为金融监管提供强大的技术支持。1.1人工智能概念4

起步发展期：1955年—20世纪60年代初。人工智能概念提出后，相继取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序等，掀起人工智能发展的第一个高潮。反思发展期：20世纪60年代末—70年代初。接二连三的失败和预期目标的落空（例如，无法用机器证明两个连续函数之和还是连续函数、机器翻译闹出笑话等），人工智能的发展走入低谷。应用发展期：20世纪70年代初—80年代中。20世纪70年代出现的专家系统模拟人类专家的知识和经验解决特定领域的问题，实现理论到应用的突破，在医疗、化学等领域取得成功，推动人工智能走入应用发展的新高潮。人工智能的历史进程1.2人工智能技术的发展历史5

人工智能的历史进程1.2人工智能技术的发展历史低迷发展期：20世纪80年代中—90年代中。随着人工智能应用规模扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。稳步发展期：20世纪90年代中—2010年。网络及互联网技术的发展加速了人工智能的创新研究，推动技术加速走向实用化。深蓝超级计算机战胜国际象棋世界冠军、“智慧地球”概念提出等事件，都是这一时期的标志性事件。蓬勃发展期：2011年至今。大数据、云计算、物联网等技术与图形处理器等计算平台的发展，推动了以深度神经网络为核心的人工智能技术飞速发展，跨越了科学与应用的技术鸿沟；图像分类、语音识别、无人驾驶等技术实现了从“不能用、不好用”到“可以用”。6

人工智能在金融监管中的应用集中于识别异常交易和风险主体。检测和预测市场波动、流动性风险、金融压力、房价、工业生产、GDP以及失业率等，抓住可能对金融稳定造成的威胁。澳大利亚证券及投资委员会（ASIC）、新加坡货币管理局（MASP）、美国证券交易委员会（SEC）等国际监管机构，正用人工智能开展可疑交易识别。具体通过从证据文件中识别提取利益主体，分析用户交易轨迹、行为特征及关联信息，更高效准确打击地下洗钱等犯罪活动。国际金融行业应用1.3人工智能技术在金融监管领域的应用历史7

国内人工智能在风险控制和管理上的应用主要包括以下三个方面：一是数据收集和处理；二是风险控制和预测模型；三是信用评级和风险定价。案例：中国银行推出贸易融资业务反洗钱核查项目，运用图像识别、机器学习等人工智能技术，审核效率与质量得到极大提升，银行人工成本大幅降低。国内金融行业应用1.3人工智能技术在金融监管领域的应用历史8

人工智能的关键技术02

聚类逻辑回归支持向量机贝叶斯分类决策树集成学习2.1机器学习常用算法10

在“无监督学习”任务中研究最多、应用最广。聚类目标：将数据集中的样本划分为若干个通常不相交的子集（“簇”,cluster）。聚类既可以作为一个单独过程（用于找寻数据内在的分布结构）,也可作为分类等其他学习任务的前驱过程。2.1机器学习聚类11

假定样本集，包含m个无标记样本，每个样本是一个n维的特征向量，聚类算法将样本集D划分成k个不相交的簇。其中，，且。相应地，用表示样本的“簇标记”（即clusterlabel）,即。于是，聚类的结果可用包含m个元素的簇标记向量表示。聚类：形式化描述2.1机器学习12

2.1机器学习聚类性能度量，亦称为聚类“有效性指标”（validityindex）。直观来讲：我们希望“物以类聚”，即同一簇的样本尽可能彼此相似，不同簇的样本尽可能不同。换言之，聚类结果的“簇内相似度”（intra-clustersimilarity）高，且“簇间相似度”（inter-clustersimilarity）低，这样的聚类效果较好。