AI在金融领域的应用现状与影响 - AI已广泛嵌入金融行业主要业务 应用仍处于早期阶段 作用为辅助性 无法取代人的决策 [1][6] - AI在金融行业主要用于优化业务流程和对外服务 应用集中在中后台运营 客户交流与提供金融产品三个领域 [2] - 金融系统积累的海量数据为AI应用提供良好基础 可用于机器学习 深度学习 使传统模型转向智能推理模型 [3] AI带来的边际变化与机遇 - AI为金融系统特别是银行系统提供新的发展机会 并将带来较大边际变化 [4] - AI应用带来双重效益 对内帮助金融机构降低成本 提高效率 对外使机构能提供更个性化 更精准的金融产品与服务 [2] - 通过机器学习金融稳定数据的历史变化 推理预知金融不稳定风险的出现 是一个重要探索方向 [3] - 国务院发布《关于深入实施"人工智能+"行动的意见》 明确将重点推动"人工智能+"产业发展 在金融等领域推动新一代智能终端 智能体等广泛应用 [2] AI应用带来的增量风险 - AI带来显著的效率提升 但也带来新的系统性风险来源 以及新的风险传导渠道 [5] - 微观层面 单家金融机构主要面临模型稳定性风险和数据治理风险两类新型或增量风险 [5] - 宏观层面 金融业主要面临集中度风险和决策趋同风险两类增量风险 [5] - 集中度风险体现在金融行业可能依赖少数AI服务提供商 大型机构资源优势可能导致市场集中度提高 [5] - 决策趋同风险体现在因模型和数据标准化 金融机构决策依据可能趋同 引发行业整体决策同质化 可能引发"共振"效应 [5] - 若AI模型大量运用短期高频数据 学习结果可能与金融稳健和宏观调控所需的长远稳定性要求不一致 [5] AI对货币政策的影响 - 国际清算银行讨论认为AI对货币政策的影响尚不明显 [7] - AI可在物价和微观行为的数据收集 处理 模式识别和推理方面影响货币政策决定 [7] - 货币政策属于慢变量 随经济周期调整 响应太快可能引发不必要波动 AI对其影响需更长时间观察和研究 [7]