【產學合作】創新人工智慧與大數據金融科技轉型！協助企業開展新局

前瞻技術產學合作計畫
計畫名稱：人工智慧與大數據在金融科技的應用研究
計畫主持人：國立台灣大學資訊工程系 許永真教授
合作企業：國泰金融控股公司
成果介紹：

科技新浪潮下，可見多家金融機構結合機器學習、大數據、AI人工智慧關鍵多樣技術優化內部流程、驅動新興應用客戶服務體驗，甚至延伸新商業模式，使其得以因應市場變化的彈性，然而如何同時兼顧服務創新、資安議題與法規合規成為金融產業新型態課題。

本計畫係由國立臺灣大學與創新金融服務國泰金融控股公司共同投入14項跨域合作議題，如機器學習、人臉辨識、影像辨識、自然語言處理、智能保單分析、反洗錢偵測、異常事件分析、顧客消費行為及心理分析，維運工作智慧化，語者辨認，以及法規遵循與探討等，目標為學術研究和業界應用作有效連結，運用資訊科技提升金融服務效率與品質，實現普惠金融，亦讓學生以產業的課題進行研究，促進產學雙方人才交流。

將人工智慧與大數據結合三大面向應用於金融產業「增進客戶體驗、強化風險辨識、改善公司營運」與三大應用情境「接觸客戶前、接觸客戶當下、接觸客戶後」。

圖片: 計畫應用整合架構

一、增強風險辨識，引領企業新布局

接觸客戶前

根據國發會資料顯示(註1)，台灣於2018年進入高齡社會，推估2025年邁入超高齡社會，少子化、高齡化的趨勢已經難以逆轉，人口老化帶來的經濟隱憂更不容忽視。

議題B-智能保單分析與健康促進整合平台
死亡機率為壽險核保之重要指標，本計畫對疾病史作分析與預測，改善現有技術及開發機器學習模型之壽險死亡機率模型，作為保險人員的重要參考資料。

議題J-台灣高齡專案：常見疾病發生率與生率趨勢預估
為在接觸客戶前更精準辨識保單風險與致病因子，根據被保險人之目前狀態與過去高齡常見疾病史來預測未來幾年內可能發生特定疾病機率的模型，提供保險公司來評估高齡社會相關保險商品之定價或客製化服務。
[註1]

接觸客戶後

隨科技日益發達，詐欺手法多樣，資安問題一直是金融科技要突破的關鍵，根據美國保險資訊學院研究顯示，每年產險被詐欺的金額，約占當年度理賠的10％；而信用卡同樣面臨挑戰，根據聯合信用卡中心資料顯示，2021年國人遭網路盜刷件數約60.25萬件，創下史上新高！

議題C-以人工智慧與社群網路進行理賠異常偵測
團隊著手開發理賠異常偵測演算法模型，以視覺化呈現社群網路分析連動關係，對於保單資料進行特徵提取，從機器學習的角度出發，建立出更複雜的網路結構。開發 FincGAN 框架解決了異質圖中的資料不平衡問題，另外，研究結合梯度提升決策樹與圖神經網路之預測模型，可有效的使用表格型資料及社群資訊，提升預測準度。
透過深度學習演算法設計出的理賠異常偵測系統將可節省判定時間及人力逐一審核成本，亦可大幅降低詐欺案件造成的不必要理賠支出的效果。

議題G-異常行為偵測
本計畫欲針對產險及信用卡建置異常監控與賠案品質巡檢，運用異常行為偵測與多元的機器學習演算法，建置具可靠之異常行為偵測模型，如：於理賠審查業務流程增加AI警示模組，在車險理賠審查業務流程可根據肇事地點、時間、天候、車禍現場狀況等資訊，判斷該車禍發生的可能性，輔助判別車險賠案詐保可能性。

議題D-網路銀行異常使用行為偵測研究
運用帳戶活動情況資料集，探究資料性質、並設計異常行為演算法。本研究歸納出網路銀行異常使用行為帳戶的一項關鍵特徵「異常使用行為帳戶具有群聚之現象」，同一犯罪集團帳號登入行為、登入裝置及IP位置有高度相似性，為更加理解異常帳戶的特徵，研究將進一步納入登錄紀錄外的資訊特徵進行分析與研究，導入更多面向帳戶資訊進行分析，將能有效提升異常行為帳戶偵測演算法效能，如：網路銀行中帳戶約定轉帳設定資訊等。

議題I-強化核保風險辨識能力
用多種傳統機器學習模型甚至是MLP、CNN或者其他現行常用的深度學習搜尋架構預測老年人未來疾病發生率，包含糖尿病、腦中風以及心臟疾病，為不同類型的保險提供發生率，將作為後續業界制定一律體檢門檻調整的依據。

二、以AI為核心，提升客戶體驗

接觸客戶前

議題E-以心理學角度探討投資型保戶理財決策歷程及後續應用建議
過去研究發現投資商品的績效、配息、與消費者的心理特質均會影響風險與收益的評估，其中心理特質包含情緒、風險承受度、與對於商品的主觀知覺。本研究目的為了解投資型保戶的投資決策歷程，預計研究成果將得到不同類型的保戶決定購買保單的原因，並希望能透過輕推理論設計保單選擇架構，讓企業產品決策更能貼近顧客需求，站在顧客和企業的角度探求可應用之開發創造雙贏。

議題K-精準行銷
孤兒保單情況層出不窮，本研究將建立明確保單調撥程序與配適模型，將使用客戶與業務員相關的資訊建立圖網路與社群網路分析的相關演算法進行觀察、分析與建模，找出業務員特色、傾向銷售保單種類、距離等方式，推薦合適的業務員給孤兒保單的客戶，提高保單促約率。

議題M-股票健檢及其應用
本研究以四個面向（盈餘品質、公司營運、公司價值、公司安全）來分析，萃取如公司品質、信用、流動性等重要指標，結合目前合作企業現有證券資料，以財務投資模型來彙整有利的預測因子的訊息以估算個股預期報酬率，並利用季報、月營收的綜合模型評分來建構高獲利的投資策略，將可應用在台股庫存電子報與股票快選 APP 等，提供投資人即時且完整評估公司價值。

接觸客戶當下

議題N-語者辨認
指將人類說話的聲音轉換為語音特徵後，利用演算法分析其中的聲紋相似度，以便對於語者的身分進行識別。本研究將基於 x-vector 架構，建構語者辨識系統，應用於人壽電話客服的身分驗證，來輔助電話核身流程，客戶透過電話進線至客服中心，與客服專員談話過程中，客服專員得快速辨識是否為本人，並將身份辨識結果呈現在客服工作台畫面中，供客服專員識別客戶身份，有效縮短客戶電話進線諮詢與身分核對時間，提高客戶體驗，計畫目前執行第二年語者辨認模型的等錯誤率 (EER)已低於15%，大幅超越原本計畫規定目標。

三、提高法令遵循應變效率、改善作業流程，優化公司經營

議題F-維運工作智慧化(AIOps)
隨著企業數位化轉型計畫持續推動，資訊系統規模變大、複雜度提高、監控數據量增加，現今維運人員要從海量監控數量中發現問題困難度提高。導入維運工作智能化 (AIOps)主動式監控設備狀態，可對核心系統資料庫及伺服器監測告警，該技術結合了監督式學習、非監督式學習、根因分析、時序分析等現代的機器學習技術和其他高級分析技術，可掌握維運工作智慧化的創新開發核心能力，提高資訊系統的穩定度。

議題H-法令遵循
因應數位經濟與大數據運用之發展趨勢，主管機關鼓勵業者透過新興科技形塑友善金融服務環境所推動之資料共享藍圖，本研究目的盼能蒐集不同國家的立法模式資料，研析金融集團內個人資料流通與個人資料保護之平衡。

議題L-文字探勘法說會與 FOMC 文本並建立投資決策指標
投資決策中「軟資訊」文字資料隱藏不少財務資訊，本研究目標判讀法說會與年報之隱含資訊，以及利用褐皮書的文字資料預測FOMC的利率決策。與過去文字探勘技術相比，最大優勢為可套用於不同方面之產業，利用機器學習建構自建半導體業情緒指標、使用語言處理計算工具衡量 FOMC 根據經濟狀況所釋出的資訊，有望能於該產業中得到更精確的成果。