AI对货币政策与金融风险的影响深度解析，周小川与肖远企观点呈现-粉丝头条网
界面新闻记者 |
界面新闻编辑 | 王姝
“我当年参加工作时做过几年银行柜员，在为客户服务时遇到解决不了的问题，需要向经理或同事请教，花费时间比较长，有时候一个业务可能耗时一两小时甚至更长时间才能解决。现在，银行柜员借助AI能高效解决客户的问题。”国家金融监管总局副局长肖远企10月23日在2025外滩年会上表示。
肖远企介绍，如今客户在银行柜台办理业务的体验已完全不同，自动化程度更高，客户更深地嵌入服务流程中，柜员也能借助AI更迅速、准确地解决客户的问题。
当日肖远企在年会上参与了“金融领域的AI治理与国际合作”的圆桌讨论，参与此次讨论的还有中国央行原行长周小川等人。周小川在谈及美联储主席鲍威尔记者会开场白对市场影响的现象时表示：“我也可以再补充一个例子，记者在看俄罗斯央行的政策态度时，会看埃尔维拉·纳比乌琳娜（现任俄罗斯央行行长）戴什么胸针”。
前述例子是AI影响金融市场的一个体现。今年，鲍威尔记者会的开场白（如Good afternoon或Hello everyone）被市场视为美联储货币政策的风向标，会引发金融市场的即时波动。
华尔街已有机构部署AI系统实时分析鲍威尔的嘴型。当捕捉到他发出“g”音（舌尖抵住上颚）的唇部动作时，系统会立即触发国债期货的空头头寸。这是因为“Good afternoon”的开场白通常预示着鹰派言论，可能强调加息或政策收紧以应对通胀。反之，若识别到发“h”音（嘴角向两侧拉伸）的唇形，则会自动加仓风险资产，因为“Hello everyone”可能传递鸽派信号，暗示将维持宽松政策或延缓加息。
在此次圆桌讨论中，周小川分享了AI对货币政策和金融稳定等方面的影响。他认为，AI对货币政策的影响还需要观察和研究。此外，人工智能可帮助预警金融风险，但落地仍有距离。
肖远企认为，AI在金融行业的应用微观上会带来模型稳定性风险、数据治理风险，行业层面则面临集中度风险、决策趋同风险。
AI对货币政策的影响还需要观察和研究
周小川认为，人工智能对各行各业的影响程度可能有所不同。在金融领域，尤其是银行系统，基于过去几十年信息化与IT建设的深厚基础，人工智能不仅为行业带来新的发展机遇，更有望实现显著的边际改善。
“过去银行系统积累了海量数据，这些数据可用于机器学习、深度学习，使传统模型转向智能推理模型。”周小川表示，“客户行为也在发生深刻变化。过去客户与银行打交道时，许多人习惯与人沟通，不习惯与机器互动。但近十多年的变化显示，越来越多人习惯与机器打交道，不太愿意或认为没有必要人工介入。”
在回应AI对货币政策的影响时，周小川表示，这可能还需要更长时间的观察和研究。周小川介绍，在其担任央行行长期间，国际清算银行（BIS）曾在一次会议上专门讨论过AI相关模型是否对货币政策产生影响。当时讨论的最终结论是，这种影响尚不明显。一方面，AI可以在物价和微观行为的数据收集、处理、模式识别和推理方面影响货币政策决定。但另一方面，各方也觉得货币政策基本上是慢变量，它随经济周期或经济变化而调整，而经济周期或经济变化不会太快。
“尽管IT行业、新涌现的AI有助于更准确判断形势，使宏观调控响应更精准，但似乎并不是那么重要。”周小川称。
不过周小川认为，人工智能可帮助预警金融风险，但落地仍有距离。“央行关心的经济金融稳不稳定定问题，往往有一个积累过程，然后可能突然到‘明斯基时刻’爆发。现在很多人说可能有泡沫，但我们并不清楚它会在何时破裂。我们需要从历史经验、长期数据、多次事件中学习，大致预知什么样的泡沫积累在什么时点、什么触发环境下爆发的概率是多大。”周小川表示。
据界面新闻记者了解，“明斯基时刻”由经济学家海曼·明斯基提出，指的是经济长期繁荣后，市场过度乐观和债务高企，导致资产价值突然崩溃、金融危机爆发的转折点。其核心逻辑是：稳定会滋生不稳定，当经济向好时，投资者倾向于承担更多风险、借更多债，一旦现金流无法覆盖债务，抛售潮便会触发资产价格螺旋式下跌，瞬间从繁荣转向危机，2008年全球金融危机便是典型例证。
“金融不稳定风险的发生一般来得非常迅速，比如之前硅谷银行的倒闭就非常突然。我们是否可以从历史上金融稳定数据、金融机构健康性的变化中，通过机器学习和深度学习，推理预知金融不稳定的出现？”周小川如是提出问题。
周小川的答案是肯定的，他认为AI在这方面可以进行探索。周小川表示，过去金融系统依赖的是大量结构性数据，不太需要情感数据或长文本。但分析历史事件、泡沫积累、明斯基时刻的出现、事后处理及对错评估时，需要更广泛运用人工智能处理非结构性数据、多模态信息甚至社会情绪，但距离真正应用还有相当距离。
周小川提醒，从监管的角度看，监管希望各类金融机构如果运用AI，应提供透明、可解释的模型。但实际上AI发展特别是机器学习、深度学习必然带来模型的黑箱特性。未来监管可能需要面对黑箱模型产生的结果。此外，如果AI模型大量运用短期高频数据，学习结果很可能也是高频、短期、技术性的，可能与金融稳健和宏观调控所需要的面向基本面、长远稳定性的要求不一致。
AI在金融行业应用的三个领域及四项风险
肖远企介绍，AI在金融行业主要用于优化业务流程和对外服务，目前应用主要集中在三个领域：
一是中后台运营的智能化，覆盖了数据收集、加工、信息甄别与识别以及客户评估等多个环节。
二是应用于客户交流。许多金融机构在客户关系管理，包括营销、维护和问题解答等方面，普遍应用了AI技术。
三是应用于金融产品提供方面。AI的应用带来了双重效益：对内，它帮助金融机构降低成本、提高效率；对外，为客户和利益相关者提供更个性化、更精准的金融产品与服务，更有效地解答问题和满足客户需求。
谈及AI应用所带来的风险，肖远企表示，从历史上看，过去几轮科技革命在金融领域主要带来的是增量风险和边际风险——风险的成因、路径和形态有所变化，但金融行业面临的根本性风险，如信用风险、市场风险、流动性风险和操作风险并未发生革命性改变。
肖远企认为，AI应用在微观层面主要有两类增量风险：其一是模型稳定性风险。这一轮AI应用高度依赖模型支撑业务拓展，因此模型的稳定性和可靠性变得至关重要。其二是数据治理风险。这涉及数据来源的选择、数据质量的把控以及事后的评估与监测程序。
行业层面主要有两类增量风险：一是集中度风险。金融行业在AI模型技术上可能会依赖少数技术开发能力强、稳定性高、资源投入大的服务提供商。同时，大型金融机构在资源投入上比小型机构更具优势，可能导致市场集中度提高；二是决策趋同风险。由于所使用的模型和数据相对标准化和集中，金融机构在决策依据上可能趋同，进而导致行业整体决策同质化。如果趋同性过高，可能引发“共振”效应。
据悉，本次年会的主题为拥抱变局：新秩序·新科技，年会由中国金融四十人论坛（CF40）与清华大学联合主办。
