2020 無疑是特殊的一年，而 AI 在開年的這場”戰疫“中表現出了驚人的力量。站在“新十年”的起點上，CSDN【百萬人學AI】評選活動正式啓動。本屆評選活動在前兩屆的基礎上再度升級，設立了「AI優秀案例獎Top 30」、「AI新銳公司獎Top 10」、「AI開源貢獻獎Top 5」三大獎項。我們相信，榜樣的力量將成爲促進AI行業不斷髮展的重要基石，而CSDN將與這些榜樣一起，助力AI時代的”新基建“。
一、公司簡介
天雲數據，同時提供分佈式計算平臺產品和AI平臺基礎設施的科技廠商，擁有博士後工作站和國家級高新企業稱號，並於2016首批進入中關村前沿科技企業重點計劃。憑藉分佈式AI能力，天云爲國內多家大型金融機構如人行、光大、興業等提供信用業務計算與數據科學模型，連續四年榮獲中國Fintech50強。2018年起，致力於打造AI泛場景生態圈，在能源、物流、醫藥、軍工等領域均有成功落地項目。
二、案例詳情
產品詳情
爲了克服人工監測投入大、精度低、數據利用率低的缺陷，天雲數據綜合利用了知識圖譜和人工智能建模技術，構建了基於人工智能技術的證券領域風險監測服務平臺，爲監管科技注入新的血液，提供強有力的工具。
1、資管知識圖譜構建
主要創新點是首次提供一種證券資管領域的知識圖譜構建方法。基於圖數據庫技術，利用圖譜顯性表達企業、個人、產品及合約間存在的複雜關係網絡，而風險傳播模型可量化評估節點間的隱性風險，解決了當風險源實體遭受負面衝擊影響引發風險擴散時，對與之直接關聯或間接關聯的經濟實體所造成的影響進行量化評估的問題，從而達到幫助企業評估投資風險和預警市場系統性金融風險的目的。
2、風險傳播量化
在用圖譜定義了資管產品相關要素之間的關係之後，在構建的圖譜網絡中以某一要素作爲風險源起始點，利用BFS+WarShall算法，沿着風險傳播方向遍歷網絡，對風險路徑進行推演量化，根據不同路徑的風險傳播模型，計算出從風險源出發影響到每一個節點的風險值大小，最後按照風險值的大小排序以列表的形式顯示出來，並且展示出由這一個風險源輻射到的所有產品，公司，自然人等要素。
3. 採用AI模型識別異常交易
引入人工智能技術，利用股票交易相關的靜態數據和交易流水數據訓練AI機器學習模型，充分利用證券公司海量數據，獲得高精度異常交易監測模型，利用此模型發現涉嫌異常交易賬戶的精度大大提升，檢出的異常交易賬戶數量降低了兩個數量級，大大緩解了證券公司進行自查以及時候處理的投入。利用這一功能，監管方可針對性的對證券公司進行檢查，也可掌握異常交易的整體狀況；而證券公司可高效的作自查，提升合規水平，減少因違規被處罰的可能。
技術研發投入
研發主創團隊7人，副教授1人，博士3人，碩士4人（含一名海外留學背景碩士）
- 天雲CEO雷濤：項目架構設計
- 首席數據科學家呂慧：圖譜構建，風險傳播模型構建
- 高級顧問楊麗芳：圖譜構建算法指導
- 河北大學副教授劉帥奇：負責風險傳播模型優化
- 數據科學工程師陳俏均：負責資管項目圖譜構建及風險傳播模型
- 數據科學工程師李曉萌：負責資管項目圖譜構建；
- AI高級工程師高紅霄：智查系統模型特徵設計
三、典型應用場景
證券公司對股票異常交易進行自查：
證券公司可以將其服務的證券賬戶的交易流水數據和賬戶屬性數據導入平臺中，平臺利用上述數據進行預測，給出某一個賬戶是否從事過異常交易的概率，證券公司可根據投入的資源，選取涉嫌異常交易概率最高的數十或數百個賬戶進行管理、處置。某頭部券商試運營該平臺以來，逐步實現工作機制從無到有，標準要求從簡到詳，覈查手段從少到多，流程管理從粗到細，疑點挖掘從淺入深，先後確認 15 例違規事項，其中 5 例涉及違規，使用 他人賬戶，包含 3 個自然人賬戶，兩個產品賬戶，涉及資產超過 6億元，目前相關賬戶已妥善清理。
對證券基金資管業務的監管：
構建資管行業的圖譜網絡，通過該圖譜，對資管行業爆發風險時的影響範圍可以進行精確的計算，同時，可以對關聯交易、自融、資金空轉等違規進行查處。最後，利用該圖譜網絡計算出的各種網絡特徵，可進行機器學習建模，預測資管計劃發生流動性風險或兌付風險的概率，做到對風險爆發的事前預測。