人工智能（AI）成为当下金融科技的“风口”，这将对未来金融交易、策略研究以及市场预测带来哪些革命性的影响呢？
近日，天云大数据CEO雷涛在与华尔街见闻对话时表示，AI在金融领域的应用将深入到反欺诈、防风险、智能投顾、降低交易成本以及大规模削减黑天鹅事件。随着AI金融的进一步普及，未来人人都可能成为基金管理者。 实习生张研协助整理对话实录。
以下为对话实录：
华尔街见闻：很多人认为，大数据能够增强获客环节，金融本质包括盈利和风险控制，您怎么看大数据和金融之间的关系？
雷涛：应该说不是简单获客，这个大家认为大数据都跟数据采集相关，怎么去获取更多的数据源，怎样更了解你，这个很多时候被妖魔化，我觉得大数据解决的并不是说偏向天平的哪一端，金融实际上是在信息不对称中盈利，一边是风险，一边是利润，我们怎么找到中间最好的平衡点，这决定了怎样去风险度量和定价，所以定价定在哪里是最科学的，这是大数据要解决的。
用数据资源不当获利确实缺少了对个体的尊重，现在没有以市场化的行为去约束他，所以会有监管和我们这种技术型企业。我们在大型银行里面做的最多的是两件事：第一是基础设施类建设，第二是在反欺诈和防风险，好像我们信用卡上的风险一体化平台，这些都是偏后端、偏风险和欺诈领域。
华尔街见闻：现在很多中小型金融服务商开始将社交数据放入征信体系里，可能会冲击银行的征信体系，您看好这种新型的信贷评估体系吗？
雷涛：首先如果用信用这个概念的话，一定是你能够把结果和输入项建立关联，不是你主观臆断的。我买了一个iPhone，就应该给我的信用额度提高吗？只有大量的违约数据才能支撑一个好的科学模型，一个信用卡违约数据是16个月以上才能暴露出来的，额度风险、欺诈风险也至少在2到6月之间才能暴露出来。现在的社交数据在信贷评估体系的应用多数都是主观想的，他没有每月数据，比较客观的不是说你购买了什么就能证明，没有违约行为却受到歧视。
核心是要建立违约数据和输入项之间的映射关系，比如说为什么大型金融机构有较好的风控能力，是因为它有历史沉淀，它有大量的违约或者不违约的人群，这些数据的是他的资产，这些资产和行为数据对应上，才能建立所谓的信用模型，信用模型不是光靠行为数据就能建立了。
行为数据是非常有效的，但你怎么去纳入到这个模型里来，需要有一个科学机制，依赖大量的输入项起作用，如果还是依照BI（商业智能）思路主观判断，强调自己设定的规则，AI和模型就没有存在的必要，
华尔街见闻：大数据和人工智能技术怎样运用到金融交易中？
雷涛：我觉得大数据分两个层面，第一个层面，它的基础设施实施数据处理，这会对交易层面产生很深刻的影响，因为以前在量化交易中更多的是明确规则的一些数据处理，当然明确规则带来的风险就是黑天鹅。越明确指向性的规则，一定会有一个其他规则跟它冲突，某一个现象就会颠覆他所有的利润。
现在，新的分布式计算带来一些优势，挂单数据、交易的场景化的数据，还有市场冲击成本等等都通过分布式计算进行优化，可以把锯齿做得更平滑一些，让你成本更低，这些都是传统数据库解决不了的。
第二个层面，它更多地体现在投研，不是比你更快，而是比你更聪明，它研究我们怎么能够在过载的信息里提炼出来我们所要的内容。
华尔街见闻：有观点认为，未来金融市场上，下单的交易员最终会被取代，但是策略师不会，您怎么看？
雷涛：其实策略师我觉得取代可能会更快一些。我们给路透社做了一个小引擎，就是对策略师的一个替代。他们当时有十来个人阅读上市公告，因为一级市场的资金跟上市公告很相关，而上市公告需要有金融背景的人才能够理解，这个原来是人工阅读看，一年有几十万份，这个引擎替代了这十几个阅读公告的人。可以看到机器对于投研而言有很大价值，任何一个分析师是不可能用他有生之年把一个月的财经新闻全部看完，这意味着必须有一种技术化的手段帮你提炼加工，找到所需要的内容，包括写分析报告，这些都是投研团队干的事，在路透已经逐渐被取代。
智能投顾实际上解决的就是资产端和资金端撮合匹配的问题，因为我们的可交易的标准化产品少，对人来说，如果只有100个资产属性，自己去调配调拨还能应付，现在有100万个资产属性，怎样配置呢？而机器人做各种交易组合的可能性就大很多。我最希望机器人做的就是这个，根据你的个性化的需求匹配，供给你个性化的内容。
华尔街见闻：AI在金融行业当中的应用现在处于什么阶段？
雷涛：原本在普惠金融的时代，科技力量更多的是在做支撑，还是卖原有的产品，原有的货币基金、移动支付、移动互联网的一些方法就是帮你去优化成本，但是提交的还是传统金融产品。然而从AI开始出现了一个新的趋势，叫作自主金融服务，金融产品本身发生变化，现在开始数据作为一个新的生产资料参与了产品生产。
以前高净值的私人银行用户才能享受某些服务，现在2万美金这个档次的用户也可以去选择个性化的服务需求，可以拥有自己的利率，根据流动性的需求，配多少货币基金，根据风险承受偏好配多少股多少债，AI在这个层级上发挥了它的价值，因为它可以在资产的撮合匹配这种方式之下，算得更精细化啊，更更个性化。
之前的BI阶段没能形成闭环，它把数据交给人自己去做决策，啤酒和尿布是最典型的BI故事，啤酒和尿不湿的销量有相关性，我可以把啤酒放在尿不湿旁边来提高销量，但是也可以把啤酒放得更远来提升其他商品的销量。而AI他是要用数据自动化弥补了判断这个环节。
华尔街见闻：AI现在有什么阶段性发展问题吗？
雷涛：现在是最火热的，也是最挑战的问题是认知计算，比如AlphaGo是一个很典型的事件。他把一些人类无法量化的内容，充分、客观地表达出来了。什么是大局观？这个我们很难去量化，AlphaGo实际上表达了一个你原来不能够表达的复杂的概念，图像也是如此，现阶段相机里就那么几个参数，这些简单的参数是很难描述一个复杂事物的，所以机器现在试图用一种新的数学表达方法，把一些非线性的表达不是用一个简单的公式，而是一个复杂的网络模型来表达出来。
华尔街见闻：您觉得人机交流未来会呈现一个什么样的状态？
雷涛：人机或者说跟虚拟社会的一种接触方式，会更自然，更立体，比如举个例子吧，比如说我们在搜索，以前你要有关键词，现在可以不用关键词，用看到的内容，去找相似的内容。我们的机器每天自己会写财经日报，每天它会自己找到一个主题，机器会从网上传一些文章，然后写个缩略，自己聚合。
华尔街见闻：AI在金融业当中的应用未来会呈现一个什么趋势？
雷涛：不用想那么多，这就是从规则和经验导向转向数据驱动的过程，据说这么多经济学和诺贝尔奖描述了不到4%的经济学现象，那么还有96%谁在描述，要抛弃既有规则，用一些数据科学的手段。
华尔街见闻： AI发展会不会更倾向机构投资者，而对散户产生不利影响？
雷涛：真正好的系统应该是提供能力给散户，其实它事实上是把一种能力下沉给了个体了，以后人人就是基金，每个人自己组合一个自己的基金，比如我排行靠前了，大家都可以去跟他。实际上是通过AI把这种能力扁平化、碎片化地服务到个体，将个体都变得更强大。现在这些券商像大智慧也好，万得也好，越来越多的信息能力都释放给了散户。
华尔街见闻：AI发展到最后会不会不再出现金融危机了，能这么理解吗？
雷涛：黑天鹅模式可能会被颠覆，比如今年的英国公投、美国大选都被看成是黑天鹅，但事实上不是黑天鹅，美国大选所有民调的数据都认为希拉里会赢，因为民调都是抽样的，都是用传统的方法出来的，很多印度人、俄罗斯人用了Twitter,Facebook全量数据去预测，都是特朗普获胜，所以数据覆盖维度和数据处理方法决定了你的结果。有一本书叫《Burst（爆发）》可以看一看，他的结论是人的行为是可预测的，不属于随机分布，你下一个时间该干什么，其实不取决于你的主观意愿，其实你是受各种因素的被动因素的支配，信息量越大，你越被动，最难控制的主观意识其实可以被预测。
华尔街见闻： AI的发展会对用户隐私产生什么样的影响？
雷涛：真正大数据手段不会有隐私问题，因为以前你要用BI的思路，业务端的人要读这个标签，那客户的隐私都暴露了，现在中间隔了一层，你用算法，算法是看不到的，所以自己产品有隐私的这个屏蔽问题，因为AI反而是只要用大数据的，它可以跟踪到每一个个体。但是这个他是什么物理身份？虚拟的你和物理的你之间，用AI的方法，抽样散列，然后加噪音，做了一个不可逆的过程。所以他把物理世界里和虚拟的已经彻底隔离了。
华尔街见闻：能否深入谈一下区块链技术对“去中心化”产生的根本影响？
雷涛：现在区块链概念层面上面多一些，他解决了一个最根本的问题定义问题。区块链算是一个方向方法，他是一个解决问题的思路和业务框架，在这个业务框架下，未来会有更多的技术来参与解决。实际上这个领域里最核心的技术是复杂网络，就像鱼群，你看似没有中心，但是它协调一致，变一个什么动作刷就马上变化，每一个小鱼他只需要通知周边这几个，而不是广播给所有的整个鱼群。而现在的区块链定义就是他在传播和连接上缺少技术机制，所以导致了我更新一个数据，所有节点都得同步更新，所有节点都要存我的数据，每个人变化都要在所有节点上发生，那这个肯定是在信息化结构上的根本问题。
（更多精彩财经资讯， 点击这里下载华尔街见闻App )
欢迎大家继续关注慧邮件邮件营销平台，也可以在我们的慧邮件官网了解更多邮件营销技巧，大数据知识，也可以通过电话：400-666-5494联系到我们，更多精彩知识、活动等着你。