如何利用 ChatGPT 来识别银行操作风险

在全球金融危机爆发后的十多年里,银行和监管机构对操作风险的警觉性不断提高。然而,银行和监管机构仍然面临着难以有效应对操作风险的挑战。据报道,自2011年以来,全球各大银行已经遭受了接近2,100亿美元的操作风险损失[1]。根据《巴塞尔协议II》,操作风险被定义为由于人员、内部流程、系统或外部事件造成的错误、违规、中断或损害而导致损失的风险[2]

传统的银行对操作风险的识别主要由风险官通过对大量的网络新闻进行筛查来实施。然而,这种方法过于依赖风险官的个人判断,存在主观性强、人工成本高以及准确率不高等问题。人工智能(AI)算法可以利用大数据和机器学习技术[3],自动化分析操作风险相关数据,从而实现更准确、高效的风险识别。然而,现有的AI算法需要依赖大量的数据,这对于中小微型企业来说是很难获得的。

如何利用ChatGPT

ChatGPT [4]作为OpenAI基于GPT-3.5架构开发的聊天型AI助手,它通过在大规模的语料库上进行训练,从而具有理解和生成自然语言的能力。ChatGPT可以用于回答问题、提供建议,也可以根据输入的提示或上下文生成有意义的文本。因此,ChatGPT可以被用于帮助中小微型企业搭建银行操作风险识别平台。

图1. 利用ChatGPT识别银行操作风险

使用ChatGPT来协助中小微型企业识别银行操作风险主要有两个思路:

  1. 生成训练数据:利用ChatGPT的文本生成能力可以生成大量和银行操作风险相关的文本数据。具体步骤如图1(A.1-A.4)所示,通过向ChatGPT提供一些已收集到的文本和其操作风险,指导ChatGPT生成大量新的文本数据。利用这些生成的训练数据,中小微型企业也可以训练自己的银行操作风险识别模型。图2给出了一个ChatGPT生成银行操作风险相关新闻的例子。
  2. 迁移学习:ChatGPT具备通用语言理解的能力,因此可以通过迁移学习将ChatGPT从通用任务迁移到银行操作风险的具体任务上来。操作流程如图1(B.1-B.2)所示。首先将收集或生成的相关文本输入给ChatGPT,然后告知其对应的银行操作风险,以帮助ChatGPT理解如何识别风险。之后就可以直接利用ChatGPT识别新的文本输入。图3给出了一个ChatGPT直接识别银行操作风险的例子。

图2. 利用ChatGPT生成数据
图3. 迁移ChatGPT直接识别风险

ChatGPT带来的影响

ChatGPT可以生成大量的有意义的训练数据,从而帮助中小微型企业克服数据少的难题。其次,ChatGPT强大的文本理解能力也可以大大提高操作风险的识别准确率和效率,并且可以减少人为主观因素的影响。引入ChatGPT到银行操作风险识别中可以带来一系列的影响和效果:

  1. 工程自动化和智能化:ChatGPT的使用可以自动化分析和识别大量银行操作风险数据,帮助银行快速发现潜在的操作风险。这种自动化和智能化的能力可以提高风险识别的效率和准确性,减少人工处理的工作量。
  2. 实时监控和预警:ChatGPT可以实时监测银行操作过程中的异常情况并发出预警。通过对操作数据的分析,它可以快速识别潜在的风险,并提醒相关人员及早采取风险控制措施,减少潜在风险带来的损失。
  3. 辅助决策和优化:ChatGPT可以为银行员工提供决策支持和建议优化。它可以分析操作数据,提供洞察和建议。这种辅助决策和优化的能力可以减少人为错误,提高操作的质量和效率。

但是在使用ChatGPT的时候也存在一些潜在的风险,其中最需要注意的就是隐私性的问题。在上文提供的可行方案中,都需要将自己公司或收集的数据输入给ChatGPT,而ChatGPT的隐私性和安全性尚未得到充分的评估。因此,在使用的时候需要特别注意隐私性的问题。

金融业现状

文章 [5] 指出ChatGPT等大语言模型在金融领域具有很大的潜力,并明确指出像ChatGPT这样的AI方法可以在监控和管理银行风险方面发挥重要作用。2021年11月启动的意大利国家AI战略计划中的11个优先事项中,就有金融领域的AI。在 2023 年 6 月荷兰阿姆斯特丹举行的 Money 20/20 金融科技会议上,全球银行和数字金融公司的高管赞扬了ChatGPT在内的生成式AI [6]

ChatGPT 和其他大语言模型也正在迅速被金融科技公司采用,例如Stripe、Klarna、Chime、SESAMm、Tractable,并且金融科技领域的AI市场正在以 28.6% 的速度扩张,到 2027 年将达到 317.1 亿美元 [7]。在线支付服务提供商Stripe长期以来一直使用AI来增强其产品和用户体验,包括帮助用户管理欺诈(如图4所示)和提高转化率。另外,文章 [8] 提出了一种基于GPT等方法的客户行为分类模型,用于欺诈检测。该模型的有效性在Prometeia Associazione的欺诈检测任务中得到了充分验证。在约450,000笔合成卡交易中,准确率高达95.5%,优于其他竞争对手。此外,该模型还在开源的贷款违约预测数据集上进行了测试,准确率达到了94.5%。

图4. Stripe 管理欺诈数据

包括大语言模型在内的生成式AI技术也正在引起银行业的兴趣,他们正在积极尝试ChatGPT式的解决方案,探索其在各个领域的潜力。德勤的分析认为到 2026 年,使用生成式AI可以将全球银行前台员工的生产力提高多达 27%–35%[9]。通过引入ChatGPT,SouthState Bank 的生产力得到了大幅提升。例如,以前平均需要 12 到 15 分钟的任务现在只需几秒钟[10]。在LinkedIn帖子[11]中也探索了在银行业使用ChatGPT的15个方式(表1给出了部分示例)。本文也给出了两个在银行业利用ChatGPT帮助识别银行操作分险的可行方案,如图2和图3所示。

撰写银行营销文案欺诈检测
自动化客户服务提供个性化的财务建议
表1. 银行业使用ChatGPT的部分例子

未来挑战和展望

可以预见,在不久的将来,越来越多的公司将会利用ChatGPT的文本理解和生成能力来帮助识别潜在的银行操作风险,会有越来越多的数据、模型、平台发布,以帮助整个银行业对抗操作风险。ChatGPT的文本理解能力可以被用于识别潜在的风险、快速搭建风险识别模型、帮助银行建立相应的识别平台,从而大大加强银行对操作风险的监测和管理能力。

可以相信,在ChatGPT的帮助下,我们能够更好地避免操作风险所带来的危害,其强大的文本理解和生成能力将为企业和金融机构提供更准确、高效的操作风险识别和管理手段,从而确保金融系统的稳健运行。

参考文献:

[1] https://www.bain.com/insights/how-banks-can-manage-operational-risk

[2] https://en.wikipedia.org/wiki/Basel_II

[3] https://zh.wikipedia.org/zh-hans/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0

[4] https://chat.openai.com

[5] https://www.nature.com/articles/d43978-023-00095-8

[6] https://tovie.ai/blog/generative-ai-in-finance-real-world-examples-of-llms-in-banking-in-2023

[7] https://fintech.global/2023/08/02/chat-gpt-and-other-llms-are-being-rapidly-adopted-by-fintech-companies

[8] https://arxiv.org/abs/2302.06375

[9] https://www2.deloitte.com/uk/en/insights/industry/financial-services/financial-services-industry-predictions/2023/generative-ai-in-investment-banking.html/#endnote-sup-1

[10] https://www.americanbanker.com/news/its-worth-all-the-hype-southstate-bank-deploys-chatgpt-like-tech

[11] https://www.linkedin.com/pulse/15-ways-we-using-chatgpt-banking-chris-nichols

在此感谢 InnoHK、香港特别行政区政府及人工智能金融科技实验室对本文的支持。
(AIFT 竭力但不能保证内容之准确和可靠,亦不会承担因任何不准确或遗漏而引起的任何损失或损害。)

分享此內容

宋林琦教授于日内瓦国际发明展获得2项银奖

地址

香港沙田香港科学园科技大道西 19号
11楼 1101-1102 及 1121-1123 室

产品及解决方案

人才

工作机会

关于我们

地址

版权所有 © 2024 人工智能金融科技实验室有限公司