点击蓝字，关注我们
图片：Peter Davis/Federal Reserve Bank of Boston
2024年11月15日，波士顿联邦储备银行，苏珊·M·科林斯(Susan M. Collins)在讲台上发表欢迎致辞。
机器学习、数据分析和人工智能的进步将如何影响金融服务的未来——以及它们对日常客户的影响？
这是经济学家和金融专家们在波士顿联邦储备银行第68届经济研究会议上探讨的核心问题。此次会议于周五和周六在该行举行，会议主题为：“金融的未来：创新的影响”。
与会者讨论了与技术创新相关的一系列话题，包括其对金融包容性和小企业的潜在影响，以及它可能对银行监管和货币政策的意义。会议的主题演讲集中在金融服务提供商使用人工智能（AI）最大化盈利的可能性和挑战。
波士顿联邦储备银行行长兼首席执行官Susan M. Collins在欢迎致辞中表示，鉴于美联储在美国货币和金融系统中的角色，研究人员“必须”探讨金融创新带来的机遇与风险。
“变化发生得非常迅速。这里讨论的技术不会停滞不前，而且很可能只会变得更加重要，”她说。“我们希望探索技术创新对传统和非传统金融中介机构，以及更广泛地对公众获取金融服务的潜在影响。”
研究人员在会议期间展示了四篇论文，并进行了两场专题讨论，探讨了银行监管中的技术应用和加密货币。以下是论文标题、所有论文和报告的链接，以及每个专题讨论的录像，均可在bostonfed.org上观看：
“Fintech, Financial Inclusion, and The Future of Finance,” Emily Williams (Harvard Business School)
“Regulation Meets Technology: Evolution of Small Business Lending in Underserved Areas since 2007,” Mattia Landoni (Federal Reserve Bank of Boston) and J. Christina Wang (Federal Reserve Bank of Boston)
“FedNow and Faster Payments in the US,” Charles M. Kahn (University of Illinois)
“Big Tech, Financial Intermediation and the Macroeconomy,” Fiorella De Fiore (Bank for International Settlements and the Centre for Economic Policy Research)
“Decentralized Finance (DeFi), Blockchain/Distributed Ledger Technology (DLT), and Smart Contracts: Hope or Hype?” panel session with Lin William Cong (Cornell University), Hanna Halaburda (New York University), and Christine A. Parlour (University of California, Berkeley)
“How Can Technology Make Regulation and Supervision Smarter and Regulators More Efficient?” panel session with Slavka Eley (European Labour Authority), Jermy Prenio (Bank for International Settlements), and Lawrence J. White (New York University)
在关于其论文的讨论中，波士顿联邦储备银行的高级经济学家Wang和Landoni探讨了在COVID-19大流行期间，与银行有现有关系的小企业如何更快地获得薪资保护计划（Paycheck Protection Program PPP）贷款。
Wang表示，金融科技公司和商户现金预支贷款人——许多提供高利率即刻贷款的公司——在2007年至2019年全球金融危机后，尤其在欠发达地区，成为重要的贷款人，因为银行普遍减少了贷款。然而，在大流行高峰期间，银行和这些新兴信贷来源都缩减了贷款规模。
Wang指出，当小企业寻求通过薪资保护计划获得紧急贷款时，已有银行关系的小企业比使用金融科技公司的小企业获得贷款的速度要快。Wang表示，信贷获取的时间延迟可能会影响依赖贷款支付员工的小企业，因此对贷款技术的进步需要更好理解，政府计划也可能需要更多考虑新贷款人的角色。
本次会议的主题演讲由加州大学伯克利分校哈斯商学院金融学教授Adair Morse进行。
在她的报告“AI创新与信用：益处与风险前沿AI Innovation for Credit: Frontiers of Benefits & Red Flags”中，Morse表示，贷款人可以通过多种方式使用AI来最大化盈利，包括定向营销、数据认证和创建更高效的“承保（underwriting）”模型，这些模型用于评估信用风险。
然而，Morse表示，AI在信用评估中的应用也带来了一些“警示信号（red flags）”，例如欺诈、价格串通和歧视。她指出，如果AI技术被用来收集和分析特定社区的详细数据，它们实际上可能成为“地方性贷款人（local lenders），取代社区银行。这可能对小企业造成问题，而小企业大约占美国所有私营部门就业的50%。
Morse表示，小企业通常依赖与地方银行建立的长期关系来获得贷款，尤其是在经济低迷时期。她提问，AI贷款人是否能支持社区的小企业需求，还是会优先考虑利润？
“我们必须全面思考AI，”她说。“我们有一些警示信号，我们应该关注这些信号…以便我们能够安全地进入这个新时代。”
更多关于会议参与者的信息，请阅读论文并观看报告，请点击阅读原文（访问bostonfed.org）
