第一章：金融知识工程导论
大家好，我是这门课的主讲人。在金融科技领域摸爬滚打了十几年，我越来越觉得——知识工程才是金融智能化的真正底座。今天咱们就来聊聊，到底什么是金融知识工程，它凭什么这么重要。
1.1 知识工程到底是什么？
先别急着背定义。我习惯这么理解：知识工程就是把人类专家的经验，变成机器能理解、能执行的东西。
说白了，你想想看——一个干了20年的风控老手，他一眼就能看出某笔贷款有问题。这种「直觉」背后是什么？是他脑子里积累了成千上万条规则、模式、异常信号。知识工程要做的，就是把这些东西结构化、形式化，让计算机也能学会。
我个人习惯把知识工程拆成三个层次：
- 知识获取：从文档、数据库、专家口中「挖」出知识
- 知识表示：用规则、本体、知识图谱等方式存起来
- 知识推理：让机器基于已有知识做判断、给建议
嗯，这里要注意——很多人把知识工程等同于知识图谱，其实不对。知识图谱只是知识表示的一种手段。我在项目中遇到过不少团队，一上来就建图谱，结果业务问题都没搞清楚，白费功夫。
1.2 金融领域的知识有什么特点？
金融知识和医学知识有点像——错了是要赔钱的，甚至是要坐牢的。我总结了几条核心特点：
| 特点 | 说明 | 举个例子 |
|---|---|---|
| 高时效性 | 知识会快速过时 | 去年的监管政策，今年可能就废了 |
| 强合规性 | 必须符合法规要求 | 反洗钱规则不能自己随便改 |
| 多源异构 | 数据来源五花八门 | 公告、研报、行情、社交舆情 |
| 因果性强 | 不只是相关，更要讲因果 | 利率上调 → 债券价格下跌 |
| 可解释性要求高 | 不能黑箱操作 | 风控拒绝贷款，必须说清楚原因 |
为什么会这样？因为金融是强监管行业。我曾经帮一家银行做知识工程项目，他们最关心的不是模型准不准，而是「监管问起来，你能不能讲清楚为什么这么判断」。这一点，做知识工程的朋友一定要刻在脑子里。
1.3 知识工程在金融中的应用场景
讲完理论，咱们来点实际的。知识工程在金融领域到底能干什么？我挑三个最典型的场景说说。
1.3.1 风控场景
风控是知识工程落地最成熟的领域。我举个例子：
规则示例：
IF 申请人年龄 < 22 AND 无房产 AND 工作年限 < 1年
THEN 风险等级 = 高
置信度 = 0.85
依据 = 《个人信贷风控指引》第3.2条你看，这不只是规则，还带了置信度和法规依据。这就是知识工程和普通规则引擎的区别——知识是有来源、有上下文、可追溯的。
我在项目中遇到过一件事：某银行的反欺诈系统误杀率太高，客户投诉不断。后来我们一查，发现规则库里有一条「同一IP登录多个账户 → 判定为欺诈」，但没考虑家庭共享IP的情况。这就是知识不完整导致的。后来我们引入了知识图谱，把设备指纹、地理位置、社交关系都加进去，误杀率降了40%。
核心要点：风控知识工程的关键是「规则 + 图谱 + 推理」三位一体。光有规则不够，光有图谱也不够。
1.3.2 投研场景
投研这个场景，说白了就是「信息过载」。一个研究员每天要看几十份研报、上百条公告、无数条新闻。知识工程能帮上什么忙？
- 自动抽取关键事件：比如「公司A收购公司B」「CEO离职」「业绩预增」
- 构建产业链知识图谱：上游原材料涨价 → 中游成本承压 → 下游利润变化
- 推理传导路径：美联储加息 → 人民币贬值 → 出口企业受益
我建议做投研知识工程的朋友，一定要重视时序推理。金融事件是有先后顺序的，A事件发生后，B事件大概率会在什么时间窗口内发生。这种知识，传统的关系数据库很难表达，但知识图谱加上时间属性就能搞定。
一个小技巧：投研知识工程不要追求「全」，要追求「准」。我见过太多团队想把所有数据都塞进图谱，结果图谱又大又乱，根本没法用。先聚焦一个赛道，比如新能源、半导体，做深做透。
1.3.3 客服场景
智能客服大家都不陌生。但传统的FAQ机器人有个硬伤——它只能回答「直接问题」，回答不了「推理问题」。
举个例子：
用户问：「我信用卡逾期了，会不会影响我以后贷款买房？」
传统FAQ：找不到匹配问题，回复「请转人工」。
知识工程驱动的客服：
推理路径：
1. 信用卡逾期 → 征信记录不良（规则R-102）
2. 征信不良 → 房贷审批可能被拒（规则R-205）
3. 逾期天数 > 30天 → 影响程度为「严重」（规则R-307）
输出回答：
「您好，信用卡逾期超过30天会被记录在征信报告中，
这可能会影响您未来2-5年内的房贷审批。
建议您尽快还清欠款，并保持后续良好还款记录。」你看，这就是知识推理的魅力。机器不是查答案，而是「想」出来的答案。
避坑指南：我曾经帮某金融公司做客服知识工程，他们要求所有回答都要有「法规依据」。结果发现很多知识库里的法规已经废止了，但没人更新。所以——知识工程一定要有生命周期管理，知识是会「过期」的。
1.4 本章知识体系总览
说了这么多，咱们用一张图把本章的核心逻辑串起来：
这张图把咱们今天讲的内容串起来了。你想想看——从知识获取到表示到推理，再到金融知识的特殊要求，最后落到三个具体场景。这就是金融知识工程的完整逻辑链。
我个人习惯在开始一个知识工程项目前，先拿这张图跟业务方对齐。搞清楚「我们现在在哪个环节？要解决哪个场景的问题？」——方向对了，后面才不会白干。
好了，第一章就到这里。记住一句话：知识工程不是技术问题，首先是认知问题。你理解了金融业务，理解了知识是怎么产生、怎么流转、怎么失效的，技术只是实现手段。
公众号:蓝海资料掘金营，微信deep3321