Details

В данном исследовании на примере банка Lanzhou Bank рассматривается влияние искусственного интеллекта (ИИ) на операционную деятельность и управление городскими коммерческими банками. Авторы применяют методы анализа литературы, изучения конкретного кейса и количественного эмпирического анализа (с использованием макроэкономических показателей Всемирного банка за период 2010–2024 гг.), включая построение корреляционной матрицы, метод главных компонент и прогнозирование по модели ARIMA. Результаты исследования выявили ряд ключевых закономерностей. Ставки по кредитам и депозитам демонстрируют практически идеальную положительную корреляцию (0,9988), что указывает на ограниченные возможности для независимого ценообразования. Между ставками по кредитам и плотностью филиальной сети наблюдается сильная отрицательная корреляция (-0,9708), свидетельствующая о снижении отдачи от расширения физической сети отделений. Анализ главных компонент показал, что первая главная компонента (PC1), определяемая процентными ставками и активностью на рынке капитала, демонстрирует устойчивую тенденцию к снижению. Прогноз по модели ARIMA предсказывает дальнейшее падение показателя PC1 примерно до -2,40 к 2029 году, что означает сохранение низких процентных ставок и дальнейшее сужение чистой процентной маржи. В ходе исследования также были выявлены проблемы, характерные для Lanzhou Bank: доля проблемных кредитов составляет 1,80% (выше, чем у банков-аналогов); внедрено лишь семь сценариев использования ИИ; наблюдается острый дефицит специалистов междисциплинарного профиля; существуют проблемы разрозненности данных («информационные колодцы»); а также отмечается низкая интерпретируемость моделей. На основе полученных результатов предлагаются адресные меры по четырем направлениям: создание единой платформы управления данными и внедрение технологий «объяснимого ИИ» (XAI); совершенствование интеллектуальной системы контроля рисков с опорой на принцип «сначала опора на собственные силы, затем — сотрудничество»; внедрение системы двойного наставничества; а также развитие «зеленого» финансирования на базе ИИ с учетом региональных преимуществ. Данные рекомендации служат практическим руководством для Lanzhou Bank и могут быть полезны для других городских коммерческих банков центральных и западных регионов Китая.

This study takes Lanzhou Bank as a case study to examine the impact of artificial intelligence on the operation and management of city commercial banks. Using literature analysis, case study, and quantitative empirical methods based on World Bank macro indicators from 2010 to 2024, the study conducts correlation matrix analysis, principal component analysis, and ARIMA forecasting. The findings reveal several key characteristics. Lending rates and deposit rates show an almost perfect positive correlation of 0.9988, indicating limited room for independent pricing. Lending rates are strongly negatively correlated with branch density at -0.9708, suggesting diminishing returns from physical branch expansion. Principal component analysis shows that the first principal component, PC1, driven by interest rates and capital market activity, has shown a sustained downward trend. ARIMA forecasting predicts that PC1 will continue to decline to approximately -2.40 by 2029, meaning that low interest rates will persist and net interest margins will be further compressed. The study also identifies several problems at Lanzhou Bank: a non-performing loan ratio of 1.80%, which is higher than that of peers; only seven AI application scenarios; severe shortages of compound talents; data silos; and poor model explainability. Based on these findings, the study proposes targeted countermeasures across four dimensions: establishing a unified data governance platform and introducing explainable AI; improving the intelligent risk control system and following the “self-reliance first, collaboration later” path; establishing a dual-mentorship system; and developing AI-driven green finance based on regional advantages. These recommendations provide practical guidance for Lanzhou Bank and reference value for other city commercial banks in central and western China.