CNCC2022第二届智慧金融论坛成功举办

8日下午1点30分至5点30分，CNCC2022第二智慧金融论坛（以下简称“论坛”）在线上举办，论坛由中国科学院计算技术研究所副研究员、中科苏州智能计算技术研究院院长助理敖翔担任论坛主席，深圳证券交易所总工程师喻华丽担任共同主席。作为大会122个技术论坛之一，有超过2000位来自科研院所、高校和企业的观众在线上观看，论坛单场点赞次数超过6.8万次。

论坛以“后疫情时代：复苏、挑战、协作共融”为主题，邀请武汉大学经济与管理学院教授李斌、腾讯金融科技数据分析与研究中心高级总监何秀强、浙江大学计算机学院人工智能系主任杨洋、蚂蚁集团资深算法专家张志强和浙江核新同花顺网络信息股份有限公司首席信息官谌明，分别就收益预测、智能营销、异常检测、隐私计算等主题展开分享与交流，并以圆桌论坛形式针对人工智能融合数字金融的、AI算法实施工业化、产业化落地等问题展开研讨，探讨数字经济时代人工智能交叉金融的发展新趋势，并凝聚人工智能在后疫情时代助力数字金融发展的共识。论坛报告及圆桌讨论环节由敖翔主持。

报告分享  

（图为李斌演讲实况）

（图为何秀强演讲实况）

杨洋题为《大规模图数据中的异常检测》的报告，介绍了基于图神经网络的异常检测方法研究进展，重点分析了能够对抗攻击的鲁棒图神经网络模型，并展示了在金融场景中的实际应用案例。

（图为杨洋演讲实况）

张志强题为《基于图学习的普惠金融实践》的报告，介绍了图学习技术在蚂蚁集团金融风控、财富管理、移动支付等一系列普惠金融场景的实践应用，并探讨了利用图学习技术提升各类金融服务包容性的方法。

（图为张志强演讲实况）

谌明题为《联邦学习在证券行业的应用》的报告，介绍了联邦优化算法在证券业智能营销、智能投研投顾、智能交易等场景中的应用，并讨论了联邦学习算法研究中存在的问题以及在证券行业落地的难点。

（图为谌明演讲实况）

Panel 环节  

报告分享环节后，论坛主席及所有讲者以“后疫情时代数字金融的机遇与挑战，AI与数字金融协作共融“为题展开讨论。

喻华丽认为，金融行业应当对标国家顶层规划，充分利用数字化赋能行业，夯实基础，实施数字治理。其次，创新是金融行业数字化转型的核心力量，应完善行业科技创新体系。同时，强化风险防范能力，并降低技术应用风险。最后，应当推进数字化人才培育工作，加强数字化队伍建设。

李斌认为，在基于机器学习的投资策略方面，模型在样本内、外数据上的性能存在偏差， AI技术大量投入使用可能造成金融市场的系统性风险，需要深入挖掘算法的不足之处。

何秀强认为，人工智能应用于金融业务场景中，存在场景数据稀疏，算法可解释性、稳定性与可靠性不足等问题。在技术层面，应加深对业务的了解，将专家经验融入模型，同时采取兜底策略保护算法的应用，进而促进人工智能技术与金融场景的深度融合。

杨洋认为，图学习既能够表示事件既定的关联，也能够挖掘表面上不相关事件的关联。利用图学习可充分融合不同数据源，实现多模态分析。例如投资场景中，通过挖掘公司与公司间的关联，预测市场价格指数等。

张志强认为，工业界与学术界在数据及系统的复杂程度以及问题的开放性方面存在一定的差异。工业场景问题通常需要细化拆分解决，在兼顾算法效果和效率的同时，还要考虑适应性及对抗攻击能力等问题，进而保证模型以及系统的稳定性。

谌明认为，金融行业的用户逐渐倾向于线上服务，为人工智能领域带来更多需求的同时，对数字服务质量的要求更加严格。充分利用联邦学习、隐私计算等技术，能够为金融机构降低大量人员成本的同时，有效提高线上服务质量。

（图为Panel环节实况）

随后，敖翔总结了嘉宾发言中提到的人工智能技术在数字金融中的广泛应用及存在不足，并邀请讲者指出未来3到5年数字金融科技发展路径。谌明提出，随着金融行业数字化程度的提高和共同富裕目标的设立，低收入群体财富管理、反欺诈等场景将会有更强劲的需求；张志强提出，工业场景应考虑以人为本的策略，将人的知识与机器学习模型结合，在人机交互方面将有更广阔的应用前景；杨洋提出，在数据融合、数据与模型共享方面，图学习与联邦学习的结合将会有值得期待的研究空间；何秀强提出，加强在金融场景内精准拆分需求和快速实验的能力，将有助于推进数字金融科技落地应用；李斌提出，AI与HI（Human Intelligence）的融合具有研究前景，在技术发展的同时，也应考虑融合业务端长期以来积累的场景化知识。

智慧金融论坛期待与各位关心人工智能赋能、使能数字金融发展的各界同仁共同聚焦后疫情时代人工智能与数字金融协作共融。