文/郭家宏


圖說：台灣人工智慧學校執行長暨玉山銀行科技長陳昇瑋，在 FinTech Taipei 2019 分享 AI 金融趨勢。（Credit： TechOrange 科技報橘，攝影：郭家宏）

一年一度的 FinTech Taipei 2019 開展，235 家機構齊聚，包含 5 家海外獨角獸，遠道來台與台灣金融、新創產業作深度交流。今（30）日台灣人工智慧學校執行長暨玉山銀行科技長陳昇瑋親臨現場，為我們分享人工智慧在金融業的應用趨勢。

全球股市有 8 到 9 成的交易由程式執行，十大對沖基金有 6 個導入 AI

陳昇瑋首先談到，AI 已是國家層級的議題，到了 2030 年，全球的 AI 產值將會是兆元美金的等級。談論到各產業導入 AI 的狀況，陳昇瑋表示，金融業比多數的產業更早導入 AI，因為在監理的要求下，金融業的資料比多數產業成熟，AI 導入較為容易；製造業的特性是資料乾淨，因為資料來源是自家工廠，容易分析；但零售業的資料就很「亂」，因為資料來源從消費者來，但每個人行為差異極大，對零售業來說，分析這類資料是不小的挑戰。

而在金融產業中，陳昇瑋以證券交易為例，談論 AI 與機器學習的特徵與應用現況。分析證券市場時，交易員必須學習基本面分析、技術面分析、特徵工程等技術與交易規則；但規則對 AI 來說並不是必需的，只需要提供財報、籌碼等市場資訊，AI 就可以自己做預測，自己找出金融市場的交易規則。陳昇瑋引用數據，AI 用財經新聞做預測隔日股價漲跌的話，準確度可達 80% 到 85%；雖然看起來還不錯，但把時間拉長到 5 天以上，準確度就會降低到五成以下，因此還有優化的空間。

話雖如此，目前全球股市已經有 8 到 9 成交易是程式執行的，而全球十大對沖基金中，有 6 個導入 AI 協助交易，代表 AI 已在證券交易佔有一定的份量。除了證券交易，AI 也被用在產業分析，用來預測股價。例如有分析師使用 AI，分析消費者 email 裡的收據，推測零售業的銷售狀況；也有人透過衛星照片，分析賣場停車場的狀況，推測消費者的數量，預測零售業的股價。

資料有限制，AI 難以幫金融業者做長期市場預測

接著陳昇瑋談論 AI 用於市場分析的限制。陳昇瑋認為，要用 AI 取得高度預測準確性，前提是「過去發生的事未來還會發生」；問題是市場常會有過去沒發生過的事件，例如中美貿易戰，而 AI 開始應用於金融的時候，它也沒經歷過殖利率倒掛。因此陳昇瑋提醒，雖然 AI 可以幫助金融業者預測市場與證券價格，但不要抱太大的期望，因為資料有限制；目前 AI 可以協助做短期交易（例如當沖），但難以預測長期趨勢，這仍需要人類分析師的協助。

那金融業需要如何在 AI 時代建立競爭力？又需要怎樣的人才？陳昇瑋表示，以前金融業比的是資產規模，但現在比的是資料，除了比資料量，使用資料的能力也是金融業者的競爭力關鍵。關於人才，以前金融業需要財務工程的人才，現在需要的則是機器學。習人才；除此之外，金融業者有文字分析、客服需求，還需要自然語言分析的人才。

AI 和 Excel「都是工具」，未來所有人都要懂 AI

陳昇瑋以玉山金控為例，關於金融業者導入 AI 的實際狀況。在玉山金控，除了傳統的資訊處（IT 單位），玉山金控還新增了「智能金融處」，是全台金融業第一個 AI 單位，使用 PyTorch、Tensoeflow 等 AI 工具，為金控建立 AI 競爭力。

以票據分析為例，過去必須用人工處理，但玉山金控導入 AI 自動處理，省下 4200 小時的工時成本；在信用卡盜刷行為判定中，AI 讓準確度提升三倍，客服單位也因此少打了七成的確認電話；而在房價預估中，透過 POI（Point of Interest）技術，使用者只要輸入房屋地址、樓高等資訊，系統就會抓出房屋周遭的店家與設施，例如警局、學校、垃圾處理廠，對房屋估價，讓估價時間從兩天縮短成三分鐘。只不過該項技術只能取得部分資訊，內部裝潢等細節無法判斷，仍需要人類房仲出場。

在演講的最後，陳昇瑋表示，2019 年是大 AI 的起點；人類在 1970 年代經歷第三波自動化，現在則是 AI 驅動的第四波自動化。第三波的自動化是機械、電子的自動化，挑戰藍領階級的工作；但在四波自動化中，機器首次具有「幫人類做決策」的能力，意味白領工作的自動化，挑戰相關的從業者。陳昇瑋表示，AI 和 Excel 一樣「都是工具」，未來所有人都要懂 AI，才不會被淘汰。