王楠　李卓

摘要：结合交易所现状和交易所战略发展规划研究人工智能技术对交易所未来发展的影响。研究认为人工智能对交易所市场监管、信息系统、品种研发、对外联络、内部管理等具有深刻影响;同时，应用人工智能技术存在风险，需要从技术和安全角度采取切实措施、提前防范;建议交易所成立人工智能事业部统筹人工智能应用规划，集中推进交易所市场监管、舆情监控、市场服务等人工智能项目试点，建立交易所知识共享平台探索创新业务模式。

关键词：人工智能技术应用发展影响科技监管

DOl：10.19766/j.cnki.zgzqqh.2019.01.001

得益于计算机处理速度和存储技术的提高，机器视觉、自动驾驶、智能交互等一系列应用逐步落地，人工智能（Artificial Intelligence，AI）发展进人新阶段，它正深刻改变人类生产和生活方式。全球各重要经济体纷纷制定人工智能发展规划，布局未来人工智能发展，期望抢占先机。我国从国家层面系统布局、主动谋划，党的十九.大报告对新时代人工智能发展提出了明确要求，连续两年将人工智能写人政府工作报告，并制定新一代人工智能发展规划。

2017年，中国人民银行印发《中国金融业信息技术“十三五”发展规划》，要求积极研究人工智能技术在金融领域的相关应用，探索借助人工智能技术推动客户服务、经营管理、金融监管模式创新，实现对金融业务创新有力支撑和持续驱动。2018年，中国证监会印发的《稽查执法科技化建设工作规划》，表示将加强大数据平台的建设，有序推进监管科技在证监系统试点和应用，加强行业科研体系和科研能力的建设。

本文认为未来交易所应该是具有金融属性的科技公司，业务核心是技术与数据，人工智能技术将给交易所的发展带来新的机遇和挑战。一方面，人工智能技术促进交易所业务创新，特别是为穿透式监管提供新思路、新方法;另一方面，新技术在资本市场中的应用可能导致金融风险传递复杂、违法违规行为隐蔽，为市场稳定运行带来负面影响。围绕金融市场整体布局，本文充分吸收借鉴其他金融机构的先进经验，梳理交易所相关业务应用人工智能技术的可行性路径，分析潜在风险及防范措施，为建设创新型交易所、提升交易所科技竞争力提供参考。

一、人工智能简介

（一）人工智能的定义

人工智能的定义是多层次和多维度的，最重要的方面是让机器能够“像人类一样”理解、思考、学习和行动，即用计算机模拟人的智能与行为。其中，思维处于顶层，行为处于底层，人工智能依据人的表现和理性决策两个不同维度加以实现。基于对人的观察与假设的方法源自经验科学，目的是使得机器“像人”一样地行动和思考，如图灵机器和脑认知科学是此类方法的终极目标。基于规则和最优化的方法利用数学和工程学方法，目的是让机器用最“合适”的方法处理问题，如数理逻辑推理机和全自动机器是此类方法的最终实现。

人工智能是一门多领域交叉的系统性学科，研究对象包括数学、统计学、脑科学、心理学、语言学、哲学、计算机软硬件等在內的自然科学、社会科学以及工业工程领域。按照发展程度，人工智能可以划分为弱人工智能、强人工智能以及超级人工智能。弱人工智能基于大数据、互联网等现有智能技术，改善人类经济社会发展所需的技术条件和发展功能。强人工智能和超级人工智能则主要基于量子计算、脑科学以及类脑智能的实现和发展，国际上认为该阶段要到2050年前后才能实现。因此，本文主要讨论交易所在弱人工智能阶段中基于现有智能化技术的发展路径与应用探索。

（二）人工智能的发展与特点

人工智能发轫于20世纪50年代前后，伴随着神经学、控制论、信息论、符号学、计算机科学等一系列学科的发展与计算机的发明。1956年，马文明斯基、约翰·麦卡锡以及克劳德·香农等人发起达特茅斯会议，讨论如何用机器来模仿人类学习以及其他方面的智能，并首次提出了人工智能”的概念。自此人工智能技术发展迅速，先后经历三次快速发展期（见下图）。

第一次快速发展期（1956年—20世纪70代初）的主要贡献是计算机高级编程语言、工业机器人、规模化生产的计算机以及开创了模式识别与自然语言处理领域。这段快速发展期维持了十年时间，但当时计算机有限的内存空间和处理速度不足以解决任何实际问题。由于缺乏进展，人工智能项目可获得的资助逐步减少，人工智能的发展进入第一次停滞。

随着集成电路的发展以及个人计算机的普及，人工智能再次迎来发展期（20世纪80年代初）。这段时期的主要贡献是专家系统、知识工程、遗传算法以及神经网络，一时间相关论文研究呈爆炸性增长。然而这段时期没有出现实用的产品和功能，随后人工智能再次进人沉寂。

经历两次“寒冬”之后，人工智能在大数据、云计算和互联网（特别是移动互联网）的合力推动下进入第三次快速发展期（21世纪以来），并向各领域全面渗透，落地创新产品与应用。当前主要贡献包括机器学习、深度神经网络、自然语言处理、搜索与推荐、机器视觉等，主要应用产品包括自动驾驶、人脸识别、智能交互、机器翻译、语音识别与合成、搜索引擎与推荐系统等。

当前人工智能的特点主要是深度学习、交叉融合、人机协同、群智开放和自主控制。深度学习是实现对大数据的建模、学习并自我演化，把握事物运行一般规律;交叉融合指的是人工智能融入传统行业并激发新技术、新产品、新产业的兴起;人机协同是通过可穿戴设备等实现人机一体化，机器辅助人类完成决策;群智开放在互联网环境下实现海量人类智能与机器智能相互赋能增效;自主控制是对机器系统智能化、自主化的具体要求，实现对机器及业务远程、自动、精准的控制。

人工智能正呈现高速发展态势，快速向各领域全面渗透，过去五年全球数据生成量年均增长41%，市场规模年均增长43%，融资额年均增加70%左右。预计到2030年，人工智能将在我国产生10万亿元的产业带动效益，其中在金融行业，通过人工智能技术在风险控制、资产配置、智能投顾等方向的应用预计将带来约6000亿元人民币的降本增益效益。人工智能将成为经济发展的新引擎，形成从宏观到微观各领域的智能化新需求，重构生产、分配、交换、消费等各个经济活动环节。

二、当前金融领域主要应用的人工智能

目前，金融领域利用人工智能的主要业务包括知识管理、客户服务、市场营销、身份验证、风险管理、资产管理和反洗钱等。人工智能相关应用贯穿银行、证券、保险等领域，其应用按技术类别划分如下。

（一）语音识别和自然语言处理

此类技术广泛应用于智能客服、语音数据挖掘、舆情监测等。智能客服通过实时语音识别、语义分析，准确理解客户需求，完成远程客户服务、业务咨询和业务办理，减轻人工服务的压力，降低企业运营成本;语音数据挖掘将智能客服的录音数据结构化，贴上相应类别标签，挖掘数据特征，建立分析模型，为知识管理、营销推送等业务提供数据与技术支持;舆情监测收集网络中舆情数据，运用文本挖掘技术侦测网络舆情信号，及时发现并遏制扰乱市场稳定的信息源。

成熟案例包括银联智能客服机器人，上证所的网络“黑嘴”侦察等。

（二）计算机视觉与生物特征识别

此类技术广泛应用于身份识别和认证、安全防控、业务延伸服务等。身份识别和认证利用终端摄像头和麦克风采集客户面部和声音信息，通过对比原始记录特征对客户进行识别、认证;安全防控多利用摄像头监控，利用计算机视觉技术识别人員和行为，及时发现风险并进行预警;业务延伸服务主要利用此类技术实现远程开户与登录、客户身份或类型识别，以提供个性化服务为最终目的。

成熟案例包括互联网银行的远程开户系统，蚂蚁金服保险平台的消费保险理赔环节等。

（三）机器学习与知识图谱

此类技术广泛应用于资产管理、市场监察、风险分析、授信决策等。市场或机构会生成海量数据，如行业数据、用户行为数据、语音和图像数据等，把经过清洗和结构化处理的数据利用机器学习算法进行模型训练，可以检测数据中的不一致性，从而进行风险管理和预警，或者实现资产管理。机器学习还可以结合用户的交易数据和行为数据预测用户行为，评估用户资金情况，进而完成授信决策或实现智能投顾。

成熟案例包括智能投顾平台，东方证券的智能投教应用系统，招商银行信用卡风控审批系统等。

上述人工智能技术在实现金融相关业务并非单独实现，更多地结合不同业务场景特点与相关技术完成整合，本文接下来结合交易所业务探索人工智能技术在交易所的应用。

三、交易所应用人工智能初探

结合人工智能的特点和技术可行性，围绕交易所相关业务工作内容，本文认为人工智能在市场监管、信息系统、品种研发、对外联络、内部管理五个方面具有深度应用的可行性。

（一）市场监管

交易所是资本市场的一线监管者，须严格防范市场交易、结算、交割、制度规则中的潜在风险。特别是2008年全球金融危机以来，经济环境愈加动荡和复杂，新技术陆续应用到金融场景，使原有的金融业务边界越发模糊，市场监管难度日益增加。

人工智能技术使得计算机主动地从海量交易数据中挖掘重点或疑似违规账户，帮助市场监管业务扩大覆盖范围、提升监管效率、提高审查成效。市场监管、重大风险防范是交易所工作的重中之重，智能风险监控系统建设应包括以下方面。

1.风险预防

投资者画像是人工智能在市场监察中的重要应用实现。投资者画像是对投资者或者关联投资者的背景资料、资金情况、交易行为、风险偏好等一系列的量化描述，涉及的维度多达上百条。通过机器学习和知识图谱对投资者多重维度、属性构建其数据模型，辅助监察部门精准、高效地锁定风险潜在对象，建立市场参与者诚信档案。

交割仓库智能监控系统是人工智能在交割业务的应用场景。交割仓库遍布全国大部分省市自治区，监管难度较大、人员数量不足制约业务扩展。结合视频图像识别技术和物联网技术，可以实现远程查库、风险评估的自动化和实时化，提高交割仓库智能监管水平。

结算业务中的模拟测算系统是进行人工智能升级的应用场景，例如保证金模型的风险参数选取。保证金模型既要切实守住风险底线又要有效保障市场效率，而风险参数的设置需要考虑市场中跨期或跨品种的持仓组合、合约交割风险等情况。利用机器学习对交易所历史数据进行重演，得到满足各交易所实际的保证金模型风险参数，有利于提升业务创新能力和市场服务效率。

2.违规识别

违规账户组关联关系识别是人工智能实现违规识别的取证技术手段之一。为规避持仓限额等限制措施，一些违规账户组开设多个账号进行交易，扰乱市场秩序，容易引发风险。关联关系识别是利用机器学习和关联规则等技术实现趋同交易、实控组管理等功能，识别违规账户组信息并对其违规行为进行数据采集等工作。

网络“黑嘴”监控是保护中小投资者、打击网络诈骗的重要科技手段之一。所谓“黑嘴”实则通过微博、论坛、即时通信软件等网络媒介或发布虚假信息、影响行情走势，或夸大投资收益，诱导投资者上当受骗。文本挖掘技术和网络爬虫技术实现对网络评论实时监控，收集相关言论作为证据，并通过官方平台发布“黑嘴”名单。

（二）信息系统

交易电子化以来，信息系统一直是各交易所核心基础设施，其中包括交易系统、结算平台、市场监察系统、交割管理系统、办公系统等。信息系统运行过程中生产的海量数据为业务创新提供了基础。

支撑各项业务的信息系统日益庞杂，各个业务间耦合度增加，系统运维的要求不断提高，异常处理的时间窗口逐步减少，常规化运维需要投人更多人力，应急处理效率却未见提升。

智能化运维是系统运行中心应对日益复杂的信息系统的主要着力点。信息系统在运行时产生海量检测日志，系统运维分析这些日志发现问题，将系统从异常恢复正常。然而，随着信息系统模块增多、速率提高、耦合加强，基于专家系统的自动化运维也逐渐出现更新不及时的状况。基于机器学习、关联规则、文本挖掘的智能运维方案通过分析、检测、学习系统运行日志，构建运维操作的闭合回路，最终实现对系统故障的预测。

（三）品种研发

品种创新是提高交易所核心竞争力的关键因素，是关系交易所发展的重大战略问题。品种研发不仅包括农产品、工业品、指数等期货期权品种的筛选、调研、设计、论证、上市等众多环节，还应包含上市运行后的功能发挥、运行评估、风险处置等记录。

品种知识库是包含品种自筛选以来所有信息的归集，包括模式选取、流程设计、调研座谈等一系列资料。它利用知识图谱技术将现有数据有机地、可视化地呈现出来，运用关联规则挖掘品种特性与共性，为研究品种构建多维度画像。它跟踪品种研发思路、市场开发策略，将其形象地记录并能向前追溯，为交易所品种创新提供丰富素材。

智能合约开发系统是对品种从合约设计到上市维护期间各项参数的量化分析。合约主要条款指标设置、调整需要经过专业论证，运用机器学习的方法对指标参数进行模拟仿真、复盘重演等操作，根据交易环境得出优化数值。该系统联合风险监控系统提供手续费、保证金等调整依据，降低市场不确定性因素给交易所带来的风险隐患。

（四）对外联络

交易所对外联络的业务包括会员服务、市场服务、新闻信息、对外合作等，涉及交易所同外部机构的信息交互。人工智能技术在一定程度上能够提升交易所市场和会员服务水平，积极主动地应对社会舆论，加快对外开放、国际合作步伐，向社会树立良好形象。

1.智能客服与自媒体运营

智能客服与自媒体平台收集会员、机构、个人在业务规则、信息技术、投教活动等提出的常见问题，并不断学习强化自动回复质量，提高文字、语音识别与理解水平，加强问题精确指引和相关活动精准推荐。语音识别、文本挖掘、推荐系统、知识图谱以及机器学习等技术合力为交易所提供基于电话、邮件、即时通信工具、新媒体等媒介的优质客户服务。

2.智能投教系统

投资者权益保护是资本市场长期健康稳定运行的基石。做好投资者合法权益保护工作最为基础的环节就是要做好投资者教育。智能投教系统利用知识图谱将期货知识系统地构建起来，通过搜索引擎或推荐系统向投资者提供查询或推送服务，并持续性地维护投资者关系，了解客户需求，提高用户黏度。

3.机器翻译、同声传译及会议速记

机器翻译、同声传译及会议速记根据不同应用场景和需求，可以应用于国内外相关法律制度规则的互译、面向“一带一路”国家和地区的文件互译、国际论坛或大会的同声传译或字幕、各项会议座谈快速记录等。此类应用的实现取决于语音识别和自然语言处理技术的发展，它不仅能做到声频或视频的留痕留迹，还能降低同声传译成本、提升论坛宣传效果。

4.舆情监测

舆情监测主要指利用文本挖掘技术和网络爬虫技术实时、自动地对网络中出现的关于交易所重大事件、突发事件、敏感新闻等进行监测，以便供相关部门追踪反馈、快速响应、及时处理。此外，利用关联规则等相关技术实现对社会热点话题的传播路径预测，做好舆情研判工作，化解网络负面舆论，适度宣传正面案例，展示交易所良好形象。

（五）内部管理

人工智能技术在服务交易所内部管理方面，通过收集整合办公数据，提升办公自动化程度，提高业务部门工作效率与后勤保障能力，释放员工工作活力，降低管理运行成本。

人力资源管理工作向专业化、精细化、信息化推进，人工智能技术同人力资源的结合帮助实现这些目标。员工发展计划因人而异，利用知识图谱构建员工画像，配合专业团队提供专项培训、完善绩效考核;招聘环节中建立人才专家库，接人大型招聘网站，利用关联规则挖掘优秀人才、筛选合格简历、匹配岗位需求。

行政后勤保障工作中的安保监控、资产管理等方面工作可以通过人工智能技术加以提升。办公区域实施监控全覆盖，利用图像识别、智能传感器和物联网技术实现无感门禁、行为检测、灾害识别、资产状态监控等。智能化办公区域提供自动化、全时性的服务，能够提升交易所形象、减少资源消耗、保持环境整洁、提升员工效率。

四、交易所应用人工智能的风险与防范

人工智能技术目前仍处于发展阶段，各类问题和矛盾依然较为突出，交易所运用此类技术应注意防范问题、化解风险。

（一）存在风险

1.技术风险

人工智能技术仍然在不断发展完善中，虽然在图像语音识别、网络舆情监测等部分场景展开商业应用，但总体而言仍处在探索阶段，准确率较低。一方面，受制于自然语言处理技术本身限制，文本、语音等语义理解方面的准确率距离实际使用还有较大差距;另一方面，交易所数据量很大但训练集样本较少，以违规账户组关联关系识别为例，明确界定为违规账户组的个数只占账户组合的很小一部分。

2.安全风险

首先，现行人工智能技术基于大数据构建参数模型，数据安全保障数据不被盗取、模型不被攻破。其次，移动互联和物联网需要越来越多节点接人交易所网络，网络安全保障智能化系统平稳运行。最后，人工智能项目一般满足实时性、自动化、全天候，质量安全保证软件程序运转平稳，降低引人次生风险概率。

（二）防范与应对

1.技术方面

技术部门与业务部门协作做好交易所人工智能建设发展规划，探索具体可行的发展路径;积极追踪人工智能领域最新进展，尝试利用新技术解决业务需求;加强同高科技企业、高等院校合作，提高基础科研水平。

2.安全方面

加强信息系统基础设施建设，提升数据存储、网络通信、项目管理能力;内部加强保密教育培训，修订制度与流程规范，严格做好保密工作;通过学习、合作掌握核心技术，提高人工智能项目自主研发能力。

五、总结及建议

人工智能技术是新一轮科技革命中的重要方面，交易所应用人工智能技术具有特殊优势和切实需求。首先，交易所电子化信息系统完善，各主要业务均已具备相对成熟的系统模块，为开展人工智能項目提供基础。其次，交易所数据资料密集但数据利用率不高，科技监管与风险防范相结合的需求强烈。最后，当前交易所存在人员不足、经验不足等问题，人工智能技术能够辅助部门、员工提升工作效率、强化自我学习。

综上所述，交易所应顺应国家战略，抓住人工智能发展的机遇，从以下几点开展先行试点工作。

（一）成立人工智能事业部，合理组织各部门人员结构

人工智能技术全面服务交易所业务是一项统筹性、系统性、创造性工程，建议由交易所高层负责统筹组建人工智能事业部，从各业务部门抽调资深专家参与前期准备，自上而下地完成交易所人工智能规划设计。

实现人工智能技术向业务赋能，需进一步合理组织各业务部门人员知识结构。建议对现有员工进行持续的人工智能教育，开展一线员工的技能升级与培训，加深中层管理人员对人工智能的理解，合理化主要业务部门相关技术人员比例。

（二）围绕监管科技、舆情监控、智能客服等场景开展人工智能试点

科技监管是交易所市场监管重要的发展方向，舆情监控平台、智能客服已在宣传领域、金融机构取得广泛应用以及较好效果。建议围绕上述重点成熟的试点场景进行实施，各个部门共同承担人工智能项目推进所需要的资源支持，组建项目小组，并由人工智能事业部直接管理;设计效果反馈机制，试点项目内反复测试并迭代升级，在实战中锻炼团队，积累经验。

人工智能核心技术与安全问题要求交易所提升自身内在创造力并兼顾执行力。建议对内鼓励内部创新孵化，招募优秀人工智能技术人才，努力成为行业人工智能应用领先团队;对外建立沟通合作机制，关注行业动态，加强交易所间的沟通合作，加快项目落地速度。

（三）各业务部门合力共建交易所知识共享平台，挖掘新业务模式

知识共享平台建设是科技监管、舆情监控、智能客服等应用的基础，也是各部门梳理业务逻辑、总结工作经验、释放群体智能、开展部门培训的重要方式。建议各部门共建交易所知识共享平台，以品种知识库为试点，利用知识图谱归集品种各类信息，构建各品种多维度画像。

人工智能技术给现有业务模式带来降本增益价值的可能，还将催生出新的业务模式。建议在交易所各业务场景下提升专用型人工智能技术水平，注重布局发展所需的交叉知识积累，发掘探寻创新型业务。

参考文献

[1]袁国铭，李洪奇，樊波。关于知识工程的发展综述[J].计算技术与自动化，2011，30（1）：138—143.

[2]刘则渊.科学知识图谱：方法与应用[M].北京：人民出版社，2008.

[3]STUART J R，PETER N.Artificial Intelligence： A Modern Approach[M].Pearson，2010.

[4]約翰·马尔科夫.与机器人共舞：人工智能时代的大未来[M].杭州：浙江人民出版社，2015.

[5]陈林博，何支军，颜挺进.面向证券交易结算的智能运维研究与实践[J].交易技术前沿，2018（30），

[6]张榆.上交所详述科技监管“三样武器”[N].财新网，2018—03—21.