袁先智：理论与实践融合，发掘金融科技新场景

中关村互联网金融研究院

2024-12-22 17:09发布于北京

观点

2024年12月17日，在第8届中关村“番钛客”金融科技国际创新大赛总决赛上，中山大学特聘教授袁先智受邀担任评委，并发表了题为《金融科技支持实践落地解决方案的经验与挑战分享》的主题演讲。袁先智教授指出，金融科技作为一门快速崛起的新兴学科，其核心价值体现在运用先进技术手段解决传统金融机构所面临的众多挑战。例如，通过运用特征提取技术，构建全息画像，为中小型微型企业提供更为精准的风险管理和信用评估服务。针对数字货币市场的现状，袁教授认为，比特币作为区块链技术应用的一个范例，其底层的共识机制对于深入理解数字资产的价值具有至关重要的作用。然而，我国对数字货币实施了较为严格的监管政策，这在某种程度上限制了区块链技术在我国的发展和进步。金融科技的进步不仅体现在技术的更新换代，更在于对金融行业运作模式的深层次变革。袁教授最后强调，未来的金融科技应当更加重视理论与实践的融合，持续发掘新的应用场景与技术解决方案，以便更有效地服务于实体经济。

中山大学特聘教授袁先智

关于金融科技应当如何应用的问题。仅仅因为人工智能（AI）技术的存在，并不意味着它就应当被不加选择地应用于金融科技领域；而应当以解决实际金融问题为出发点，有目的地运用人工智能技术，而非盲目追求技术的引入。

我们建立的针对城投平台和产业实体发债公司的主体（信用）评估系统/工具, 称为“Hammer 系统”（译作“翰墨”）能够针对具有中国特色的城投公司和实体公司进行有效的发债主体的信用资质进行全面的评估。在当前中国金融领域，众多挑战浮现，从贷款业务至区块链技术应用，诸多问题亟需解决。以中小微企业信用评估为例，传统风险管理体系难以满足贷款需求，构建全息画像成为解决该问题的有效途径。此外，还存在一项创新性事物，基于我们建立的“翰墨系统”（Hammer），我们能够支持城投平台或实体公司的债券发行需要针对发债主体进行有效的信用评估。对于债券发行公司的评估，如何区分最佳与最差公司，这一现象在中国尤为突出，运用金融科技的大数据技术手段进行对应风险特征提取可以实现这一目标。

关于区块链技术，因为国家金融监督管理总局对比特币的理解不足，导致监管上的犹豫不决，这在一定程度上阻碍了中国数字经济的发展进程。金融科技行业的迅速发展成为一个独立的学科领域，其与金融数学、金融工程存在本质区别。一个新兴学科的形成需满足两个基本条件：首先，它必须能够解决传统金融机构无法处理的问题，例如中小微企业发债以及比特币等新兴场景的应对策略。实际上，尽管我国拥有庞大的人才储备，但似乎在知识与实际应用之间存在着明显的鸿沟。另外，金融科技学科本身应当承担何种使命？它应当培养学生处理传统评估方法无法应对的诸如针对发债主体的信用评估等问题，以及如何为新兴场景下的比特币、数字资产进行合理定价，这些背后所涉及的理论知识，我们可以称为共识博弈（Consensus game，翻译为“共识博弈”）（参见下面文献[4]中的讨论），这是金融科技学科和行业不可缺少的。

针对金融科技本身，这里还有一个核心问题：在应用全息画像（或叫，知识图谱），技术或人工智能算法进行数据集整合处理时，风险特征提取的难度和对应的科学基础理论的支持程度如何？该问题的难点在于，大数据时代尚未形成一套完善的推断理论体系。目前，主要依赖于传统统计学中的推断理论，但这些理论在应对大数据环境时可能并不完全适用。因此，由于缺乏一个明确的推断理论框架，特征提取的过程变得尤为复杂和杂乱（无章）。这正是人类在大数据分析领域所面临的关键挑战之一，也是金融科技这门学科需要发展的基础理论部分。

关于目前比较流行的“高度关联”这一概念时，若其尚未构建起一套完整的理论体系，任何试图解释的尝试，例如统计学中的回归分析，都不能被视为因果关系的阐释，充其量是具有“（高度）关联”的解释。尽管如此，但是在经济学领域，特别是在计量经济学中却持有不同观点，认为这不仅涉及因果关系，还包括内生性与外生性的因素的区分和解释应用，我自己认为此看法似乎略显牵强。原因何在？数学统计学或计算机数学之所以未能解决非线性问题，正是大数据技术得以兴起的背景。

金融市场主要涵盖三大领域。在教学过程中，需向学生阐明下面三种场景：即公司若需进行贷款、发行债券或股票交易，应如何进行相应的风险评估和定价处理。其它的数据公司比较同花顺数据平台公司也是为金融市场提供对应的金融市场，经济等方面的数据，起到中介的作用，这些活动旨在为金融市场提供支持。在针对诸如股票市场的分析时，要保持谨慎（因为具有典型的中国特色），因对其上市公司的财务和公司运作机制了解有限。然而，在中国的贷款和资本发债市场，金融科技能够协助完成这些任务。

在当今时代，中国撰写的学术和业界文献中很少包含从国家至政府再到业界的灰黑样本。金融分析其实需要有个底线，这样才能确立一个基准，这就要求构建灰黑样本。中国存在刑事诉讼处罚的非结构化样本。比如，证监会有明确表述的针对违规公司行为的刑事诉讼处罚公告，基于金融科技大数据分析的方法，我们是可以利用这些非结构化的刑事诉讼处罚公告作为不良样本，建立有效的风险特征？另外，针对城投平台领域，连这种非结构化的刑事诉讼处罚公告的不良样本都不存在，这是我们面临的挑战！因此，针对城投，需要构建不同于产业实体发债公司的评估方法。另外一个例子就是包商银行的破产，揭示了银行倒闭的两个基本要素，资产负债率和对应的资本允足率指标是非常重要的。如同人的性别和年龄，银行倒闭的关键在于其负债规模、资本充足率等关键指标，这些指标直接体现了其经营金融业务的金融风险水平和能力。在中国，缺乏不良样本是一个极具挑战性的课题。在过去的十年中，我们团队从行业视角出发，撰写了多篇理论与实践相结合的学术论文，探讨了人工智能如何帮助我们构建数据体系，特别是利用非结构化数据中的刑事触发因素来替代真实的负面样本，这一研究已取得了显著的成果。

我们构建了一套针对发债公司的信用评级体系，旨在对所有公司进行信用评估，并设立相应的违约期限机构，即主体违约指标。在实施过程中，也面临将业界实际操作与理论研究相结合的挑战。在中国现行情况下，如果评级是比较科学的，比如基于我们的翰墨评估，其实我们在国内尚未观察到任何一家被评为A级或以上信用等级的公司发生倒闭事件。例如，尽管部分位于河南省的城投公司被评定为3A级信用等级，但在我们进行的专业评估中，其信用等级可能仅为2B或3B。这一现象揭示了国内信用评级体系存在的混乱与不一致性。关于信用特征提取的研究，我们有下面两部专著（参见下面文献[1]和[2]）：第一部专著详细阐述了全息画像技术，由清华大学出版社出版；第二部专著则专注于上市公司及发债公司的特征提取，探讨了如何构建样本并形成特征提取的理论科学标准框架。

在2016年7月18日，我们的大数据金融科技团队与重庆银行携手合作，成功地对中小微企业贷款项目进行了实施（参见后面文献[3]中的信息）。众所周知，银行业每年的贷款总额高达200万亿，然而，有效的信用评估体系却显得匮乏，反观其内控管理体系却异常严格，风险评估方面却显得不足。自2017年至现正，我们开发团队参与了全国超过40家商业银行在主持中小型普惠贷款的风险管理体系的构建工作。下面文献[1] 中教材的第三章专注于人工智能在全息画像的风险特征提取框架建立讨论，而关于区块链的讨论则在第四章展开。鉴于中国已将区块链定性为非法货币，影响了学术界的正常研究，故而删除了原计划在书中第三章的第三节和第四节内容。另外一件与数字资产相关的事情是，在2023年8月，财政部颁布了数字资产纳入财务报表的规定。所谓上表，即指将数字资产纳入资产负债表中。尽管我国将数字资产视为非法，但其作为数据资产的一个类别，其子类的纳入实践操作却面临诸多困难。尽管比特币与以太坊在中国不被认定为法定货币，但作为财产，它们依然受到法律的保护。中国法院已裁定以太坊为合法财产，因此，有关其为非法虚拟货币的观点亟需重新评估。

银行业绩评估的关键在于评估方法的选择。由于国内公司的运营模式与国际存在差异，因此，需要将基于刑事诉讼处罚的公告的描述性文字解析为对应公司不良行为的至少12种不同的事件就是，这也是一件挑战的事情和工作。这些事件的解析基于三个核心要素：公司的管理状况、金融资产状况以及财务分析。只有将这些描述性文字转化为具体的指标，而非直接用于回归分析，才能形成有效的评估指标体系。

区块链技术的重要性何在？该技术催生了一种新的社会现象，即原来传统的遵循“先到先得”的原则可能会被去中心化的共识机制打破，即，区块链的挖矿机制导致了一种可能是“后来者先得”的现象，即挖矿者尽管可能不是第一给最新成功挖掘到区块，但是第一个获得超过50%人认可的挖矿团队，他（的团队）就是获得（新）区块（即比特币）奖励的队伍！这种现象体现了金融数字化和金融科技领域中数字资产的一种新场景。以比特币挖矿为例，它展示了“后来者先得”的经济学原理。这些现象可以通过共识博弈理论（Consensus）来阐释（参见下面文献[4]中的比较系统的讨论）。共识博弈理论究竟是什么，它要求我们将合作博弈与非合作博弈的概念扩展到更广阔的层面。

最后，讲一下2024年获得物理学Nobel(诺贝尔)奖辛顿教授(Prof. Hinton)的核心工作的工具使用。在1985年，辛顿采用了吉布斯抽样（Gibbs sampling）方法，该方法基于分子与分母的比值计算。辛顿在1985年发表的论文中引用了吉布斯分布理论，其研究在人工智能领域具有里程碑意义。辛顿与约翰·霍普菲尔德因在人工神经网络应用于机器学习领域的基础性发现和创新，共同荣获2024年诺贝尔物理学奖。其实，我们建立的金融科技的大数据方法也是通过使用吉布斯抽样（Gibbs sampling）方法来完成的。数字资产领域作为金融科技的一个新兴分支，其技术进步带来了新的概念，例如对共识机制和激励机制的定义。在这一领域，可以从博弈论的角度来理解共识。

好，谢谢大家，我今天就讲到这个地方，希望对大家有帮助。

文献 [1]: 金融科技实务教程 (作者：林健武、袁先智、马小峰等)，清华大学出版社/金融-科学技术-高等学校-教材, 2023年3月出版。

文献[2]: 金融科技大数据风控方法介绍: 解释性、隐私保护与数据安全 (作者：李华，袁先智，赵建彬)，科学出版社， 2023年6月出版。

文献[3]: 重庆银行发布"数e融" , 2016年7月18日（https://xueshu.baidu.com/usercenter/paper/show?paperid=1b0y0cg0em6406101j6r0ax0hd614086&site=xueshu_se）：摘要：7月18日,重庆银行和成都数联铭品科技有限公司联袂宣布,双方团队通过将近一年的研究开发,联合打造的大数据金融风控平台"HoloCredit"上线（即， “好企贷”产品）.同时, 双方还基于该平台推出 "数e融" 系列产品, 其中首发的是针对小微企业授信的具体场景应用产品 "好企贷": 在大数据模型评分体系的基础上,将申请,审核,放款等流程搬到了线上,开启小微贷款"大数据时代".

关键词：数E 银行重庆研究开发数据模型分体系平台产品

年份：2016。

文献[4]: 袁先智. 共识博弈与区块链生态共识均衡 [J]. 运筹学学报（中英文）, 2024, 28(3): 1-26. Xianzhi Yuan. Consensus game and consensus equilibrium in blockchain ecology [J]. Operations Research Transactions, 2024, 28(3): 1-26.

查看原图 62K