中科院羅平演講全文：自動(dòng)撰寫金融文檔如何實(shí)現(xiàn)，用 AI 解救“金融民工” | CCF-GAIR 2017

本文作者：叨叨

2017-07-09 22:22

專題：GAIR 2017

導(dǎo)語：特別是做低級的投行從業(yè)者，他們每天都在撰寫各種金融文檔、各種募集說明書

雷鋒網(wǎng)(公眾號：雷鋒網(wǎng))按：光鮮亮麗的投行工作看似有著羨煞旁人的超高回報(bào)，但在幾百頁“金融文檔”的日常重壓之下，會(huì)被瞬間秒回原形。在雷鋒網(wǎng)?CCF-GAIR 2017 的第二天，中科院計(jì)算所副研究員、微信人工智能首席科學(xué)顧問、博士生導(dǎo)師羅平教授帶來了題為《人工智能在智能投行中的應(yīng)用》的分享，講解了如何用 AI 來解救金融民工，給金融文檔的復(fù)核和撰寫帶來福音。

以下為羅平演講速記全文整理，雷鋒網(wǎng)在不改變原意的基礎(chǔ)上做了精編：

非常榮幸參加 CCF-GAIR 2017 金融科技專場，特別是外地的同事，到這兒來的都是真愛，而且是一種緣分。為什么這樣說？昨天晚上我坐在飛機(jī)上，本來飛機(jī)已經(jīng)停了一兩個(gè)小時(shí)了，準(zhǔn)備要飛了，結(jié)果北京下冰雹。我覺得可能沒有緣分跟大家見面了，但是它最終還是飛過來了，得以順利跟大家見面。

剛才主持人說希望跟大家講講干貨，我是做技術(shù)的，切入到金融行業(yè)，希望能跟大家分享一些技術(shù)方面的干貨。

我的演講主題是《AI在智能投行中的應(yīng)用》，任何的技術(shù)要切入到一個(gè)非常具體的場景才有價(jià)值。我們看看智能投行場景需要解決什么問題。

首先投行是做什么的呢？

其實(shí)投行是一個(gè)金融的媒介，它實(shí)際上是資金需求方和投資方的媒介，讓資金能夠順利的給到資金需求方。投行基本的工作有幾個(gè)步驟：

• 承攬

• 盡調(diào)與承做

• 發(fā)行與承銷

• 后續(xù)督導(dǎo)

這是從前臺(tái)到后臺(tái)的順序。

知乎上有一個(gè)調(diào)查：整個(gè)金融行業(yè)什么樣的職位最苦逼，排在第一名的是投資銀行家，他們非常的苦，他們苦在哪兒呢？投行的從業(yè)者門檻非常高，每個(gè)人都必須要有光鮮的背景，都是海歸、或名校畢業(yè)。

但是實(shí)際上他們每天都做著非常苦逼的工作，特別是事業(yè)初期的投行從業(yè)者，每天都在撰寫各種金融文檔、各種募集說明書，包括債券募集說明書、IPO或者資產(chǎn)證券化說明書。這些說明書平均都是500頁以上，撰寫起來非常的痛苦。而且這些東西都有 Deadline，你不能錯(cuò)過，錯(cuò)過要等好幾個(gè)月才能重新審批。這么大的工作量，他們非常非常的痛苦。

同時(shí)，金融監(jiān)管機(jī)構(gòu)對文檔的質(zhì)量要求非常高，有三個(gè)詞：真實(shí)、準(zhǔn)確、完整，這是他們必須做到的基本原則。如果你沒有做到這個(gè)要求會(huì)有什么后果呢？

因?yàn)楣_的金融文檔是具有一定法律效力的，公布出來的行業(yè)數(shù)據(jù)有錯(cuò)誤，可能會(huì)承擔(dān)訴訟的連帶責(zé)任。監(jiān)管部門也會(huì)對文檔質(zhì)量有非常高的要求。文檔質(zhì)量往往關(guān)乎IPO是否能成功；文檔質(zhì)量也是證監(jiān)會(huì)考評每個(gè)投資銀行的重要指標(biāo)。如果級別從A降到B，投行每年將支付更多的監(jiān)管費(fèi)用，這是很大的一筆運(yùn)營成本。

那么，我們來看看一些報(bào)道出來的金融文檔出錯(cuò)的例子，大量的例子實(shí)際上是沒有報(bào)道出來的。

2011年，高盛的一個(gè)私募產(chǎn)品，里面存在數(shù)字方面的錯(cuò)誤，帶來超過?4500 萬美金的賠償訴訟。另外，國內(nèi)某銀行在財(cái)報(bào)中公布“負(fù)債8億億”，實(shí)際上是8萬億。該新聞上就有投資者質(zhì)問：財(cái)報(bào)這么不負(fù)責(zé)任，我們也無法信賴所提供的金融服務(wù)。所以，金融文檔撰寫的操作風(fēng)險(xiǎn)高，所面臨的聲譽(yù)損失和經(jīng)濟(jì)損失非常大。

所以，撰寫這些文檔的投資銀行家們壓力山大。

最苦逼的是什么呢？這個(gè)市場每年都在壯大，也就是說，投行從業(yè)者每年的工作量都在增加。這確實(shí)是一個(gè)深刻的痛點(diǎn)。我們看看能不能用AI技術(shù)來消除這些痛點(diǎn)。

我們給這項(xiàng)技術(shù)取了一個(gè)很酷的名字，叫做庖丁解文。大家都知道一個(gè)成語叫庖丁解牛。我們希望AI技術(shù)能夠像庖丁一樣，干凈利落的把金融文檔結(jié)構(gòu)化。

這項(xiàng)自然語言結(jié)構(gòu)化的技術(shù)有三個(gè)特點(diǎn)：

• 瞬時(shí)：全自動(dòng)的，都是機(jī)器自動(dòng)做，沒有人工干預(yù)

• 精準(zhǔn)：非常準(zhǔn)確

• 深度：要把所有的語義，特別是金融數(shù)據(jù)間的勾稽關(guān)系，都解析出來。

我給大家舉一個(gè)例子：大量的金融文檔中都有一些對公司各種財(cái)務(wù)指標(biāo)的描述。

實(shí)際上，這句話要讓機(jī)器去理解，是非常難的事情。大家都知道，現(xiàn)在機(jī)器翻譯是做得很好的，但其實(shí)機(jī)器翻譯沒有做任何理解，它可以把這句話翻譯成英文，但是你要是詢問：2014年公司第一大客戶的營業(yè)額是多少，翻譯程序是回答不了的。

如果要精確問答這樣的問題，機(jī)器需要做什么呢？需要把自然語言的描述都結(jié)構(gòu)化。我們研發(fā)的深度結(jié)構(gòu)化技術(shù)包含兩個(gè)層面：

• 第一個(gè)層面是 Text2Tuple，從文本到元組。元組是時(shí)間、財(cái)務(wù)指標(biāo)、值的三元組，比如說：2013、2014、2015年第一大客戶的營業(yè)額分別是多少錢，我們需要提取出來。

• 第二個(gè)層面是 Text2Equ，我們需要把文本中這些比例數(shù)字，如60%、58%、55%，解釋為語義相同的計(jì)算公式；同時(shí)文中提到“呈現(xiàn)逐漸下降的趨勢”，所以，也需要提取出這個(gè)不等式的關(guān)系。

這就是我們的核心技術(shù)：從非結(jié)構(gòu)化的文檔中自動(dòng)提取出對應(yīng)語義的元組和公式。因此，我們研發(fā)的模型，輸入為非結(jié)構(gòu)化或半結(jié)構(gòu)化的文本，輸出為可供計(jì)算機(jī)搜索、比對、分析的結(jié)構(gòu)化的數(shù)據(jù)。這其實(shí)是自動(dòng)構(gòu)建知識圖譜的核心技術(shù)。有了知識圖譜，后續(xù)可以支撐很多應(yīng)用。

我們現(xiàn)在關(guān)注的是金融文檔復(fù)核的應(yīng)用。什么是文檔復(fù)核呢？簡言之，就是對金融文檔中的數(shù)字的勾稽關(guān)系進(jìn)行復(fù)核。任何公開的募集說明書都包含大量的數(shù)字，同樣的一個(gè)財(cái)務(wù)指標(biāo)，它可能會(huì)在文字和表格中被多次描述。由于，撰寫過程可能多次修改原始數(shù)據(jù)；這將導(dǎo)致數(shù)據(jù)前后不一致的情況。

復(fù)核文檔，英文叫 Authorized Reading，是投行業(yè)的一項(xiàng)重要工作。有了深度結(jié)構(gòu)化技術(shù)，我們將能將這項(xiàng)工作完全自動(dòng)化。

舉一個(gè)實(shí)際的例子，文本中提到：發(fā)行人的固定資產(chǎn)在2014年是紅色的數(shù)字；但是在表格中，2014年的固定資產(chǎn)對應(yīng)不上。這顯然是一個(gè)錯(cuò)誤。

因此，我們研發(fā)了一個(gè)自動(dòng)復(fù)核的產(chǎn)品，AutoDoc。使用起來很簡單，用戶只需上傳需要復(fù)核的金融文檔，經(jīng)過自動(dòng)解析和比對，機(jī)器會(huì)自動(dòng)標(biāo)注出數(shù)據(jù)不一致的地方。

效果怎么樣呢？我們在1000個(gè)已公開的債券募集說明書上進(jìn)行測試和人工確認(rèn)。測試結(jié)果是令人驚訝的。

我們發(fā)現(xiàn)這1000個(gè)募集說明書里面，有68.92%的文檔存在錯(cuò)誤，平均包含4.26個(gè)錯(cuò)誤。

有了這樣的測試，我們在4月26日把這個(gè)功能發(fā)布在微信公眾號 “債有主”上。到目前為止，已經(jīng)有近1000份募集說明書上傳。我們的數(shù)據(jù)是：98.4%的文檔存在錯(cuò)誤，平均每個(gè)文檔中有6.5個(gè)錯(cuò)誤。

我們解密一下這項(xiàng)功能背后究竟是什么樣的技術(shù)。實(shí)際上，我們打造一個(gè) NeuSALG 的平臺(tái)，什么是 SALG 呢？就是 Semantic Acquisition和 Language Generation。這個(gè)平臺(tái)最核心的一點(diǎn)是打造一個(gè)通路平臺(tái)，溝通標(biāo)注、訓(xùn)練、預(yù)測、反饋4個(gè)部分。只有數(shù)據(jù)在通路中反復(fù)扭轉(zhuǎn)，系統(tǒng)的性能才會(huì)越來越好。

其實(shí)，性能的突破并不是單點(diǎn)的突破，需要從底層深度學(xué)習(xí)框架、模型能力、數(shù)據(jù)等各方面發(fā)力。這也是我們多年研究的積累。比如，在優(yōu)化算法方面，今年我們在 KDD 上發(fā)表了一項(xiàng)研究，能夠動(dòng)態(tài)確定隨機(jī)梯度下降每輪所需數(shù)據(jù)的大小，這一研究能夠減少多機(jī)多卡的環(huán)境下進(jìn)行訓(xùn)練的通信開銷，從而減少訓(xùn)練時(shí)間。這將大幅度提供模型的迭代速度。

最后，我想給大家一些對 FinTech 和 AI 的思考。我覺得金融科技應(yīng)該特別關(guān)注金融業(yè)務(wù)場景的中后臺(tái)，其實(shí)金融這個(gè)領(lǐng)域非常大，它有各式各樣的業(yè)務(wù)場景。

比如說，在投行領(lǐng)域，從前臺(tái)到后臺(tái)的流程是承攬、盡調(diào)與承做、發(fā)行與承銷或者后續(xù)督導(dǎo)。承攬的工作，通常需要跟發(fā)行人和客戶打交道，這是靠關(guān)系、靠人脈的，這個(gè)環(huán)節(jié)機(jī)器做不了，而機(jī)器能做的是中后臺(tái)的業(yè)務(wù)。又比如，二級市場的資金業(yè)務(wù)，從交易、風(fēng)控到清算與結(jié)賬。

我覺得金融科技應(yīng)該在中后臺(tái)的業(yè)務(wù)領(lǐng)域里面發(fā)揮作用。

為什么？我們發(fā)現(xiàn)，金融中后臺(tái)的這些工作有兩個(gè)特點(diǎn)：第一是每天都做同樣的事，重復(fù)的做；第二個(gè)特點(diǎn)是：單次工作的難度相對較低。例如：對一句話進(jìn)行復(fù)核，這是很簡單的事情。

但是，整個(gè)任務(wù)的難度是兩個(gè)方面的乘積， W是完成單次任務(wù)的難度，Dur是持久性難度系數(shù)。

我們需要指出：單次完成任務(wù)的難度，需要區(qū)分人和機(jī)器的差異。我們看看，人擅長什么，機(jī)器擅長什么。機(jī)器擅長計(jì)算、存儲(chǔ)、檢索，只要插上電，機(jī)器就能完成。但是，機(jī)器不擅長下棋、不擅長聽、說、寫、理解。阿爾法狗做的事情是把下棋這個(gè)事情轉(zhuǎn)換成一個(gè)計(jì)算的問題，一旦完成這樣的轉(zhuǎn)換，人是永遠(yuǎn)都不能夠戰(zhàn)勝機(jī)器的。

但是對于人來講，下棋是非常難的，計(jì)算、邏輯推理稍微簡單一點(diǎn)；最簡單的是聽說讀寫，就是每個(gè)人的基本功能，但是這個(gè)事情恰恰是機(jī)器難以做到的。

當(dāng)前AI技術(shù)的成功，實(shí)際都是“弱人工智能”的勝利，它實(shí)質(zhì)是將所謂的“智能”功能轉(zhuǎn)化為計(jì)算的問題。

所以，我們現(xiàn)在想做的事情，實(shí)際上是把人類的聽說讀寫和理解的智能功能轉(zhuǎn)換成計(jì)算的過程。如果完成了這樣的轉(zhuǎn)換，那么機(jī)器就能反復(fù)運(yùn)行，一切都會(huì)變得簡單。

因此，我們的愿景是：把 paperwork 變成 happywork；釋放人力，讓投資銀行家們完成更多創(chuàng)造性的有價(jià)值的工作。

謝謝大家！

總結(jié)

以上是生活随笔為你收集整理的中科院罗平演讲全文：自动撰写金融文档如何实现，用 AI 解救“金融民工” | CCF-GAIR 2017的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。