放大
缩小
默认当下，机器学习和人工智能技术正在金融行业的管理、决策和风控环节发挥日益重要的作用。金融企业通过这些技术分析海量数据，发现规律，从而在诸多领域实现传统方法难以完成的预测，包括欺诈检测、信用评分、定制化服务以及自动化交易等。随着金融市场日益复杂，金融业正朝向数据化、智能化、定制化的方向大步前进，机器学习和人工智能相关技术成为其中的关键解决方案。为此，我报对该领域内的专家陈治佐进行了专访。
陈治佐于上海交通大学信息与通信工程专业硕士毕业后，进入到某国有大型商业银行工作十余年。陈治佐在该行基层工作三年后，返回总行先后从事数据分析和合规管理工作。工作同时，陈治佐亦在职取得中国人民大学金融硕士学位，并获得国际金融风险管理师（FRM）资格证书。
陈治佐在该行工作期间，先后独立开发了多个重要的机器学习模型，覆盖了资产负债管理、网络银行、合规管理以及反洗钱等多项业务条线。针对该行客户体量庞大、人力资源紧张的现实挑战，陈治佐认为传统反洗钱方法在应对海量账户筛查时效率偏低，急需借助高效且可解释的智能模型提升识别能力，并基于有监督学习的机器学习技术，主导开发了专门筛查疑似洗钱账户的可疑账户监测模型。该模型上线后首次运行即以超过90%的准确率识别出百余个高风险账户，为该行部署智能监测系统和后续优化升级奠定了坚实基础，获得了总行有关领导的高度肯定。
陈治佐在理论方面亦有重要建树。在其《基于现金流的深度强化学习资产负债管理框架》论文中，创新性地提出将现金流模型与强化学习框架相融合，从而构建序列化决策的资产负债管理新方法。在此之前的同类型研究当中，多数集中于基于强化学习的资产管理，对负债的作用鲜有考虑；即使有所考虑，也集中于股权类资产的交易。陈治佐提出的现金流框架，能充分利用强化学习的相关特点，对资产和负债进行统一管理，并且同时覆盖了股权类和债务类资产，实现了重要突破，一经提出便得到业内专家和学者的高度认可。
随着时代发展，科技在推动金融管理体系升级中的作用日益关键。陈治佐在金融科技领域的深入探索，从理论到实践上，从智能管理、效益和效率提升到风险控制精细化，其所研发的模型与提出的方法具备广泛的适用性，为金融机构提升智能化、数字化水平提供了有力支撑，为金融机构应对复杂监管挑战、推动高质量发展以及适应未来数字化时代提供了借鉴与参考。
（王珍）
放大
缩小
默认
