面向人工智能时代的
经济风险管理
周利敏
人工智能技术与思维可为经济风险管理提供新思路，主要应用于信用风险评估、投资风险管理、财务风险预测、市场风险预测与金融风险预测等领域，这一管理模型由风险分析—风险预测—风险代理—风险模拟—风险决策五要素构成。虽然人工智能技术本身还并不成熟，但能很好地弥补人类对经济风险复杂性、多元性、巨量性和易变性等分析的不足。通过分析百度公司、用钱宝公司、新加坡华侨银行、万事达卡等国内外机构运用人工智能进行经济风险管理的实践，可发现它在预防经济风险方面的独特优势和某些缺陷。人工智能这一跨学科管理工具的成效正得到越来越广泛的社会肯定，成为实践和研究的新趋势。
一、人工智能引领经济风险管理转型
当前，世界经济正处于后工业经济发展阶段，其显著特征就是大量结构化和非结构化数据呈几何级数剧增，使得经济活动的复杂性与不确定性大大提高，经济风险也日益增加。就金融、经济与企业领域而言，强调源头治理与风险规避是现代经济发展的基本特征，也即重视“风险源—预防—预警—预控”管理的基本逻辑，因为一旦重大经济风险发生，对其而言往往就是致命打击；就各国而言，防范重大经济风险一直是国家的基本职责。人工智能为经济发展带来了新的发展机遇，也为经济风险防范提供了新思路，因此成为企业和国家高度关注的重大议题。
2017年12月，特朗普政府在《国家安全战略报告》中宣称美国将优先考虑对经济增长至关重要的新兴技术即人工智能技术，使之成为经济风险管理的新工具。2019年1月，习近平在省部级主要领导干部防范化解重大风险专题研讨班上提出，要运用大数据与人工智能等先进技术妥善应对经济领域可能出现的重大风险。2019年2月，习近平在中央政治局第十三次集体学习会上再次强调防范化解金融风险是金融工作的根本性任务，人工智能是化解金融风险的重要工具。
随着近年来人工智能在全球范围内蓬勃发展，国外与国内学界对其在经济风险领域的作用开展了研究，代表性视角主要有以下几种。“变革论”：林恩（Lynn）等学者通过对金融领域存在的信用风险、市场风险、操作风险和合规风险（监管科技）等分析，发现人工智能在风险管理中具有变革作用。“应用论”：主要是对经济风险管理中如何运用人工智能进行了实践介绍和应用探索。“手段论”：沙阿（Shah）研究发现，在财务管理中采用人工智能可有效避免危机，已有证据证实了它也是应对金融危机的有效手段。“预测论”：费特希（Fethi）和佩斯游累士（Pasiouras）发现，近年来在银行破产预测研究中已使用人工智能技术（如神经网络、支持向量机和多准则决策辅助技术）。埃达尔（Erdal）和埃金奇（Ekinci）针对银行倒闭与经济增长这一特定主题，建立了有效的人工智能金融风险零预测模型。“预警论”：艾丁（Aydin）和卡夫达尔（Cavdar）在多层前馈神经网络（MLFNs）与人工神经网络（ANN）技术基础上开发了金融危机预警系统，已在土耳其金融危机实践中得到应用。马滕斯（Martens）发现在商业风险管理中，诸如神经网络和支持向量机之类的人工智能模型已广泛用于风险预警系统中。“风险论”：丹尼尔森(Danielsson)等学者认为人工智能有可能破坏金融体系的稳定，从而创造新风险并放大现有风险，它本身就存在一定的技术和社会风险。
纵观国内外相关研究发现，已有研究大多基于经济风险某一环节或具体领域展开研究，整体性与系统性风险管理（预防、预警与预控）研究稀缺；研究领域局限于金融风险或银行风险，从学科角度看经济风险管理研究尚未全面展开；相较于国外研究，国内无论是研究数量与质量，还是研究深度与广度都较为欠缺，且与国外学界对话不足。基于此，本文拟研究的主要问题有：人工智能如何在经济领域具体应用，如何构建人工智能经济风险管理理论模型，国内外有哪些典型案例，如何反思其实践应用，它具有怎样的应用前景等。综合成一个问题就是：如何运用人工智能管理经济风险。本文将通过建构理论模型与分析典型案例的质性方法加以研究。
二、人工智能经济风险管理的应用领域
随着经济行为日益具有非线性和不确定性，经济风险越来越复杂和难以预测。人工智能作为一种新的风险管理技术，日益被广泛应用于信用风险评估、投资风险管理、财务风险管理、市场风险预测与金融风险预测等领域。
(一) 信用风险评估：定性因素的非结构化处理
就现代经济而言，信用风险评估一直是经济领域的关键主题，尤其是2007年金融危机以来，学术界和商业界对此产生了新的兴趣。就比较而言，在传统统计模型信用评估中，定性因素代表难以量化或者无法量化的方面，对个人信用评估非常困难，然而，人工智能却能使之变得容易。与传统方法相比，人工智能信用评估模型具有更好的性能，尤其是分类准确性大大提高。信用评估最重要的是确定贷款人是否已偿还先前贷款和当前财务状况，这样才能区分“好的”与“坏的”债务人，这一任务具有重复性与非结构性特征，两者远远超出了人类能力。就特点而言，人工智能信用评估具有速度性和准确性等优势，提供了判断系统、统计模型与简单直观经验等技术。相关研究发现，人工神经网络和支持向量构建的银行信用风险预测模型，能有效区分与评估债权人，大大改善信用评估过程与评估等级。
(二) 投资风险管理：混合决策的独特优势
从特点来看，经济投资具备跨时间和跨领域等特点，决策者需要在风险情况下，为金融组织确定最佳投资方案。投资组合管理是非常重要的经济活动，涉及许多复杂的决策过程。目前拥有数量众多的金融工具，可以合成的投资组合呈天文数字，尽管这些工具不约而同存在较大局限，而从最新发展来看，人工智能具有相对优势，利用人工智能进行证券投资选择已得到很好的应用发展。从比较来看，与传统模型相比，人工神经网络性能优于其他传统方法，尤其是反向传播神经网络，它过滤信息并确定投资机会，能有效应用于投资风险分析，决策者可以更安全地选择金融项目。从组合来看，人工智能决策支持系统可以整合模糊理论，有效解决投资风险组合问题，帮助决策者选择经济项目并进行风险管理。人工智能混合系统是一种高效与强大的学习系统，将智能技术、常规计算机系统、电子表格和数据库等集成组合在一起，对投资组合管理的效率大大高于传统方式。
(三) 财务风险管理：复杂因素的简化方案
在微观的原因层面，金融危机往往可归因于财务管理不善。由于当前巨量非结构化数据的出现，传统财务管理方式已无法有效应对，通过人工智能可以全过程与全方位监督财务管理，能有效避免或降低财务风险的发生，因此，它在财务风险管理中具有越来越重要的价值。在复杂性层面，金融市场是复杂的非线性系统，人类难以理解各种复杂因素及其相互作用，人工神经网络为半结构性和结构性因素提供了解决方案，它描绘了公司的真实财务状况，还可以预测外汇市场、银行流动性、通货膨胀和其他金融风险，为处理、决策与预测财务风险提供了强大的解决方案，许多银行已使用这一系统改善财务决策及风险防范。在功能方面，由于节省了成本和提高了管理效率，人工智能（AI）对于财务风险控制系统特别有效，它提供了丰富的数据和清晰易懂的风险分析，从而能对财务风险进行微观与审慎监督。在发展层面，随着单一人工智能向混合人工智能发展，可以将不同计算能力和计算系统结合起来，有效确定企业现金流的趋势及方向，为解决财务风险提供高技术与可接受的解决方案。
(四) 市场风险预测：实用的正回报技术
就应用来说，资本市场的人工智能技术非常实用，它广泛应用于市场风险各个领域。例如，在资本市场中，遗传算法技术（GAS）成功解决了复杂投资组合优化问题，实现了投资收益最大化与风险最小化结合。就重要性来说，各国金融公司使用它解决涉及直观判断或常规分析技术无法解决的数据模式难题，尤其是人工神经网络技术，它改变了金融证券市场各个方面，某种程度上模仿了人脑处理特征，能从不完整数据中得出结论，甚至可以从过去错误中学习，由此，即使在看跌的市场行情中，使用这一技术也能产生正回报。就前景来说，人工智能在市场决策中具有巨大潜力，许多学者与专家认为它最终将胜过最好的交易者和投资者，可用于预测市场、交易商品、评估债券、信用风险评估、抵押贷款风险评估、预测破产和市场投资策略等，但也要注意加强适当的市场风险数据管理，提高公司市场的透明度和员工必要的技能培训等。
(五) 金融风险预测：更强大的预警功能
从发展来看，最近二十多年来，全球金融环境更加复杂，金融崩溃往往是“系统性”崩溃，住房、银行与其他部门崩溃交织在一起，共同破坏整个经济系统的稳定性。人工智能具有风险预测功能，在金融领域具有光明的应用前景。从比较来看，传统统计方法仅能检查金融危机是否会在24个月内爆发，人工智能预警系统则可以预测每天的意外风险，它对股价指数、汇率和利率演变等进行日常监控，在危机发生之前就可以发现异常行为，进而发出预警信号。从应用来看，机器学习和人工智能是金融服务业与金融机构正在寻求的更强大的风险分析方法，它能管理和挖掘风险监管报告中越来越多的结构化与非结构化数据，从而实现有效的金融风险管理。它还能克服“人为因素”对金融发展的影响，为客户提供便宜、高效与个性化的服务，确保金融系统的稳定运行。
三、模型建构：人工智能时代的经济风险管理
随着人工智能时代的到来，在经济领域几乎所有与风险有关的技术都可以通过人工智能来主导，并且已经运用于经济风险管理领域，为相关研究提供了丰富的实践素材。本文通过借鉴吸收国内外人工智能风险管理理论、技术与经验，在实践与理论的基础上，建构有效的分析模型。这一模型可由风险分析、风险预测、风险代理、风险模拟及风险决策等五个基本维度构成。
(一) 风险分析维度：经济大数据、动态变量与智能分析
传统经济风险评估模型包括（线性、多元和二次）判别分析、因子分析和逻辑回归等方法，无法快速准确处理巨量结构化与非结构化数据。经济发展过程中存在许多难以量化或无法量化的定性因素，这些定性因素纳入评估模型非常困难。与传统方法相反，人工智能不必假定数据分布的结构性特征，它可以一次生成、处理与分析结构化与非结构化大数据，从而智能分析经济发展及风险状况，进而帮助人们快速准确做出决策。例如，金融市场中巨量的动态数据具有灵活性和客观性特征，人工神经网络与线性分析方法的结合可为银行和制造业信用管理、处理巨量数据提供技术支持。在公司财务风险管理中也常常引入人工智能数据挖掘技术，主要通过检测财务数据、信用评估和公司绩效预测等方式，用以防范企业内部欺诈、职业欺诈，预防审计欺诈与供应链等管理领域的潜在风险。在金融危机期间运用人工智能还能有效降低金融风险的冲击。
(二) 风险预测维度：神经经济学、神经网络与机器学习
人工智能擅长分析复杂且难以理解的经济现象，适用于宏观经济风险预测、预警和预防，被许多学者公认为经济风险领域热门的预测技术。20世纪90年以来，经济学就已经开始引入人工智能新方法，例如神经网络、模糊逻辑、遗传算法、机器学习及其他先进方法，这一新的研究领域称为神经经济学。其中最典型的风险预警技术是人工神经网络与机器学习，受生物神经系统和大脑结构启发，人工智能神经网络成为经济领域大量原始技术的主要灵感来源，它是一种非参数人工智能模型，比传统类别分析和逻辑回归等线性预测模型更加准确。在财务风险方面，它也比逻辑回归模型具有更好的预测能力。机器学习也适用于经济风险预测，通过与深度学习、模糊逻辑和神经网络等结合，可以更好地进行经济风险预测。
(三) 风险代理维度：计算机代理、仿真模拟与人机合智
在短短的几十年中，人类已经从以机器为基础的工业社会到以信息为基础的智能社会，人工智能也越来越多地应用于风险管理领域。就技术而言，人工智能通过自动化、数据驱动、算法学习程序与决策辅助等工具，使计算机代理人类行为成为经济风险决策者。例如，在金融风险方面，它通过机器代理将仿真模拟和博弈论结合，建构金融风险市场最优管理模型，能有效管理复杂的金融风险项目。就模型而言，人工智能风险代理模型能有效合并市场风险、信用风险和运营风险等模型，可以预防财务对冲风险、拍卖市场和股票市场等风险。就应用而言，除金融领域外，它还常常用于供应链风险管理中，对生产网络中的企业可进行破产风险分析，有效确定和预防公司破产风险。它也能有效研究经济低迷时资源需求和资源供应中的固有风险，进而分析更为复杂的经济问题。就特点而言，人工智能风险代理具有“人机合智”特点，克服“人类智能”与“机器智能”固有局限，同时融合了二者优势[16]，因此，在经济风险领域得到越来越广泛的运用。
(四) 风险模拟维度：意见汇总、专家模拟与关系建模
虽然尼克·博斯特罗姆（Nick Bostrom）最初的模拟论是在没有参考AI技术及随之而来的风险情况下提出来的，但这并不妨碍两者之间存在的重要联系，人工智能模拟对风险管理产生了重要影响，其中最重要的是将应对“传统”经济生存风险置于更优先的地位。沙阿（Shah）对英国和美国大量财务管理失败导致的财务与金融危机案例研究表明，人工智能模拟风险可有效避免金融危机。从性质来看，人工智能是一种专家风险管理系统，可以汇总不同专家意见进行模拟决策，在实践中影响着实际决策。例如，在股票交易市场，它能量化股票交易中的风险现状及交易者敏感性，为股票风险提供模拟决策服务。从技术来看，人工智能使用计算机复制人类大脑及神经系统过程，模拟动态与复杂市场环境，并对项目风险结果、风险感知及隐藏的交互关系建模，从而减少风险损失和实现投资收益最大化目的。另一种人工智能技术即模糊认知地图，能识别经济因素之间的因果关系，分析风险传播的复杂性和不确定性，同时根据专家看法进行建模，模仿专家风险推理与风险决策，帮助决策者更主动地规避经济风险。
(五) 风险决策维度：智能代理、智能模拟与精准决策
近几年来，运用人工智能进行经济风险决策已得到广泛研究，人工智能技术如数据挖掘、智能代理与智能模拟等能有效降低获取、管理和分析风险大数据的成本，它是一种更强大、更有效与更灵活的经济风险决策技术。人工智能可有效处理结构化和非结构化数据，通过分析巨量信息来支持风险决策，这一特点决定了其算法的正确程度。同时，它能对低噪声和无噪声数据源进行清理，为经济风险预防提供精准决策。从预测的准确性、适应性和稳健性来说，它也能够及时预测信用风险和迫在眉睫的危机，为决策者提供动态和准确策略。尽管人工智能可为企业、行业及政府提供重要的经济风险辅助决策功能，但是不同的风险感知影响了人类对人工智能风险决策支持的态度，因此，这一技术还没有得到有效与广泛的使用，可能会对全球金融机构及银行信贷造成严重危机。同时，人们是否应该对超出人类监督能力的人工智能建立信任机制，用以防止风险决策可能带来的不可逆转的后果，这是目前人类思想观念需要面对的一个重要挑战。
以上五个维度构成了人工智能风险管理的五个基本过程，即由风险分析—风险预测—风险代理—风险模拟—风险决策构成的管理模型，因风险处理与检查总结等环节更偏重于人类的主体性行动，所以在这一框架当中并未体现。人工智能并不能替代所有的人类风险管理环节，它主要侧重于利用人工智能技术与思维辅助人类决策，与传统的风险管理既有相似之处，也存在明显差异。例如，传统经济风险管理还强调风险回避、风险分散、风险分摊、风险转移与风险控制等策略，这些具有明显的人为决策和主观能动性特点，这是人工智能无法替代的，它更多地是发挥弥补人类对经济风险复杂性、多元性、巨量性和易变性等分析不足的作用。
四、人工智能在经济风险管理中的案例应用
人工智能目前已经被运用于银行与股票等金融领域的风险管理中，在预防市场风险，以及信用、外汇、流动性、破产和网络攻击等因素带来的经济风险中发挥了重要作用，国内外也出现了一些成功运用人工智能的典型案例。
(一) 百度公司：信用风险智能预防
由于买卖双方的不确定性和交易风险，信用风险在经济领域一直非常重要。尤其2007年金融危机后，信用评分已成为企业、电子商务和金融市场可持续性发展的关键要素，但也是非常难以管理与评估的领域。人工智能方法优于传统统计方法，有望克服传统依赖静态数据和有限统计检验等方法局限，驱动信用风险评估的重大变革。2016年7月，百度与美国热情金融公司（ZestFinanc）合作开发人工智能信用风险评估系统，它将机器学习与大数据分析结合，核心是利用人工智能挖掘大数据并开发信用评估模型，通过分析搜索方式、网页浏览习惯与客户行为模型等21种风险因素，确定个人信用等级及是否发放小额贷款。新兴人工智能技术如决策树（DT）、支持向量机（SVM）、遗传算法（GA）和人工神经网络（ANN）等对于优化信用风险评估非常有利[9]，百度通过利用这些人工智能技术能迅速发现赌博、访问违禁品销售网站及刺激营销网站等高风险网络行为，进而对客户进行评级并确定是否为优质客户，从而将放贷风险降至最低。
(二) 用钱宝公司：借贷风险智能预防
点对点贷款的出现为小额信贷提供了一个诱人选择，它作为金融行业新的选择正在迅速增长，但由于缺乏专业的借款人信誉信息，仍具有很高的投资风险。同时，由于信息不对称、贷款无抵押及缺乏严格规章制度等，都增加了点对点放贷风险，人工智能可以通过对巨量弱特征数据的挖掘，为点对点借贷风险评估提供一种全新方法。用钱宝公司移动端人工智能APP于2015年7月上线，仅一年半时间，单月交易笔数就突破了100万①，用钱宝公司即采用了机器学习来自动分析巨量强特征和弱特征数据以判断交易风险。在金融行业中，除了传统强特征数据外，还存在巨量弱特征数据，如金融交易、客户信息、市场分析、风险控制和投资顾问等信息，这些数据以非结构化方式存在，无法转换成结构化数据分析。人工智能风险预警模型能有效挖掘、抓取与分析几百个甚至几千个维度的巨量弱特征或非结构化数据，可有效分析与评估借款人信誉并以此作为借贷依据。
(三) 新加坡华侨银行：洗钱风险智能预防
人工智能为风险管理提供了智能专家系统，为金融风险提供了快速与完善的解决方案。2016年10月，新加坡华侨银行开始运用人工智能与机器学习技术，大大提高了预防金融犯罪风险的准确度。通过人工智能技术过滤过去一年企业交易大数据，同时将企业交易活动进行风险分类，提高了辨别可疑交易风险的正确率。银行分析专家每天审查数百件可疑交易，需要一件一件审查与判断，通常花费较长时间才能完成。人工智能可快速处理巨量交易信息，准确评估金融交易风险，帮助企业进行科学的风险决策。人工智能不将每笔交易视为单独活动，而是通过分析金融交易市场中的各项指标，如产品、客户与风险等，从这些相互关联指标中找出反常的交易行为。同时，它具备动态调整与演进式（evolutionary）演算功能，通过对一段时间中的交易行为变化进行学习、调整与识别，能准确找出可疑交易以达到降低洗钱风险的目的。
(四) 万事达卡：欺诈风险智能预防
打击金融欺诈一直是信用卡公司的基本任务，在信息经济时代，数字化对网络隐私和安全造成了严重威胁。就信用卡安全而言，人类是最薄弱环节，而人工智能可避免人为因素干扰，进而科学防范欺诈风险。万事达卡融合了机器学习及自然语言处理等人工智能技术，通过机器学习清除恶意用户，其预防核心是人工智能内存数据库系统，它使用了200多个变量来预防金融欺诈。万事达卡核心处理系统还包括生物识别技术、深度学习和其他新兴人工智能方法，自2016年以来，它避免了约10亿美元的欺诈损失。戈德斯拉希（Ghodselahi）和阿米尔马迪（Amirmadhi）研究发现，目前正在探索的人工智能方法如人工神经网络、运筹学、混合智能方法、模糊逻辑和支持向量机等，尤其是混合智能方法，比单一机器学习方法提高了金融信息分类效果与欺诈风险预测性能。
(五) 其他实践
在美国，第一个以人工智能驱动股市风险预警的是Rebellion基金，它成功预测了2008年股市崩盘，并在2009年给希腊债券评级F（当时惠誉评级还是A），比官方降级提前了一个月，证明这一预测方法具有超强的前瞻性。2016年3月，信而富发布消费信贷市场人工智能算法战略，为没有信贷数据和征信纪录的“爱码族”提供消费信贷服务，主要是通过人工智能模型对客户及其财务与付款历史数据进行筛查，并对其信用进行风险评估，进而确定对方是否为真实借款人。同时，信而富通过机器与申请人进行借款互动，根据申请人提交的资料自动匹配并进行审核，在短短五分钟之内就完成了授信。易道博识在互联网金融及其他领域开发了人工智能技术，为公司运行、风险控制与反欺诈提供了新的技术支撑。身份欺诈一直都是互联网金融面临的最主要挑战之一，传统金融反欺诈风险控制模型无法应对日益复杂的互联网欺诈技术。易道博识在深度学习技术基础上，2017年研发了智能OCR人脸识别等技术，然后与公安系统巨量高清照片库连接，在此基础上建立了远程开户身份验证系统，已被广泛应用于银行、证券与P2P借贷等业务的反欺诈风险领域。为了防止金融欺诈，融360于2017年4月推出了人工智能牛，它将金融数据、大数据与人工智能整合，通过人脸识别技术高效完成身份识别与审批放款等烦琐流程。人工智能牛通过扫描即可识破各类诈骗信息，还可以与用户直接交流股票、债券与房屋等投资问题，为民众推荐投资组合及预测投资风险等。
五、人工智能风险管理反思与应用展望
由于人工智能的快速发展，它已广泛应用于许多经济领域，对经济市场、金融机构和风险监管等产生了重大影响。人工智能已成为经济风险管理的新趋势，它在预防经济风险方面具有独特优势，也存在某些缺陷。在结论部分，文章进一步强调以下几个观点。
第一，就“特点—功能”而言，人工智能具有永久性、可重复性、文档化、完整性、及时性、广度性、效率一致性和决策一致性等特征，它大大降低了经济风险分析的复杂性和预测成本，能够帮助个人、企业和政府在复杂的经济环境中进行更科学的风险决策，从而提高企业生产力，创新经济发展动能。同时，随着全球化及国际在线贸易的快速发展，经济的不确定性和复杂性日益增加，生成了巨量经济数据，人工智能的出现与进步降低了获取、管理和分析这些经济大数据的成本，数据挖掘与模糊神经网络等人工智能技术能实现经济风险管理过程的最优控制。
第二，从“应用—前景”角度来看，人工智能为经济发展带来了巨大变化，它创造了一系列创新服务，如智能顾问、智能贷款、智能监控、智能警告及智能客户服务等，已成功纳入经济风险管理领域。例如，在财务和贷款等风险管理中，人工神经网络和混合智能等新兴人工智能技术已广泛得到应用。在一些重要的国际在线业务领域，由于节省了风险管理成本和提高了运营效率，人工智能在在线业务风险预防中得到了有效应用。在其他重要经济领域中，人工智能已被学者或实践证明为有效的预防技术。因此，建议企业、政府与社会组织在经济领域采用人工智能技术，从而有效预防、预警与预控经济风险。
第三，在“预测—管理”层面，使用人工智能预测与管理，既可以切实维护股东利益，也能形成正确的企业运营策略，从而在高度动荡的经济环境中实现可持续发展。随着经济全球化与复杂化日益加强，有些企业管理层或操控人使用了复杂的经济方案并打着“优化税务的幌子”，力图掩盖其实际的经营状况，使得圈外人预测企业风险越来越困难。不仅中小股东往往对其风险难以正确把握与科学判断，而且所有关联方（投资者、银行家和利益相关者）都可能遭受重大经济损失，这不利于企业与投资风险的预防、预警与预控。因此，需要建立一种新型的人工智能风险管理策略，不仅使风险管理建立在最先进技术基础之上，而且能有效了解企业真实状态与分析其风险。
第四，就“决策—代理”而言，经济风险防范是一种特殊的经济协作方法，企业之间实现协作非常困难。同时，随着现代经济日益复杂，管理者承受越来越大的风险压力，不确定性的经济风险可能导致巨大损失，如何减轻管理者风险决策压力，一直是经济领域探讨的重要议题，但始终无法得到有效解决。人工智能的出现，促进了经济形态、工作方式和经济生活的重大变化，改进了宏观和微观风险管理过程，不仅可替代管理者风险防范能力与职责，还能有效避免人为因素的失误，使得管理者在风险管理中的压力大大减少。但是人工智能替代人类决策，也可能造成新的经济风险，会对人类在经济领域中的主导地位造成重大冲击，这也是需要高度关注的议题。
第五，从“不足—陷阱”角度来看，人工智能既能预防经济风险，也造成了许多新的经济风险，除了常见的威胁人类主体地位与失业问题外，还包括可能会造成的全球性经济风险。目前还没有一个简单方法可以有效解决，因为人工智能导致的经济风险问题非常复杂，需要针对不同类型风险进行具体研究，才能有效避免自身导致的经济风险。而且，人工智能技术本身也并不成熟，还存在许多局限。例如，虽然人工神经网络是风险决策系统中的有用技术，但其功能类似于黑匣子，需要用户提供更多专业知识，才能理解这一复杂模型，而且预测和分类缺乏透明性也一直是其主要局限。此外，聘用人工智能专家、购买安装软件和维护系统等问题，也一直影响其在经济风险领域中的实用成效。
“灾害—风险—危机—安全”虽然是不同领域与不同学科的专业术语，但它们之间也存在许多相似之处，这些年来学者们一直主张跨学科研究也是基于这一原因。对于人工智能经济风险管理而言，它同样也是一个跨学科问题，其基础主要有逻辑学、统计学、经济学、认知心理学、语言学、控制论和计算机工程等，这一跨学科管理工具的成效正得到越来越广泛的社会肯定。
引用本文
周利敏. 面向人工智能时代的经济风险管理——兼论典型案例. 北京行政学院学报, 2020(4): 85-92.
ZHOU Li-min. Economic Risk Management in the Era of Artificial Intelligence: Typical Cases Study. Journal of Beijing Administration Institute, 2020(4): 85-92.
基金项目：国家社会科学基金重点项目（19ASH009）
特别说明：参考文献和图表略，需要请查看原文出处
