在移動(dòng)銀行，熟練的聊天機(jī)器人或搜索引擎出現(xiàn)之前，機(jī)器學(xué)習(xí)在金融領(lǐng)域就有廣泛應(yīng)用。由于交易量比較大，交易歷史數(shù)據(jù)精確完備，以及金融領(lǐng)域的量化分析特點(diǎn)，金融領(lǐng)域是比較適合人工智能技術(shù)應(yīng)用的領(lǐng)域?，F(xiàn)在，金融領(lǐng)域出現(xiàn)了很多機(jī)器學(xué)習(xí)的應(yīng)用場(chǎng)景，這主要是由計(jì)算能力的提高以及機(jī)器學(xué)習(xí)技術(shù)方法的普及推動(dòng)的（比如谷歌的Tensorflow）。
今天，機(jī)器學(xué)習(xí)已經(jīng)成為金融生態(tài)中不可或缺的組成部分，從貸款審批到資產(chǎn)管理，到風(fēng)險(xiǎn)評(píng)估。但是，很少有專業(yè)人士能夠準(zhǔn)確地知道機(jī)器學(xué)習(xí)在每天的日常金融應(yīng)用中有多少應(yīng)用模式。
TechEmergence非常榮幸能夠和數(shù)百位人工智能領(lǐng)域和機(jī)器學(xué)習(xí)領(lǐng)域的專家和高管進(jìn)行深入溝通，能夠獲悉現(xiàn)在的應(yīng)用場(chǎng)景和應(yīng)用模式。
在本文中，我們探討了以下內(nèi)容：
目前人工智能在金融領(lǐng)域的應(yīng)用模式
未來(lái)人工智能在金融領(lǐng)域中的潛在應(yīng)用模式
金融領(lǐng)域中應(yīng)用人工智能技術(shù)比較知名的企業(yè)
機(jī)器學(xué)習(xí)在金融領(lǐng)域中的應(yīng)用—目前的主要應(yīng)用模式
以下是目前機(jī)器學(xué)習(xí)應(yīng)用的主要領(lǐng)域。記住很多應(yīng)用模式使用了多種人工智能方法—不僅僅是機(jī)器學(xué)習(xí)。
術(shù)語(yǔ)“智能投顧”在5年前基本上還不為人所知，但是現(xiàn)在在金融領(lǐng)域已經(jīng)很普遍了。該術(shù)語(yǔ)有點(diǎn)誤導(dǎo)性，并不涉及到機(jī)器人。相反，智能投顧（比如Betterment，Wealthfront及其他類似的公司）都是一些算法，根據(jù)用戶的目標(biāo)和風(fēng)險(xiǎn)承受能力對(duì)投資組合提出相關(guān)建議。用戶輸入其目標(biāo)（比如，65歲退休的時(shí)候有25萬(wàn)美元存款），年齡，收入，以及現(xiàn)在的金融資產(chǎn)狀況。智能投顧將會(huì)根據(jù)用戶輸入的目標(biāo)在各類資產(chǎn)和金融工具中進(jìn)行搜索匹配。整個(gè)系統(tǒng)會(huì)根據(jù)用戶目標(biāo)的變化做出調(diào)整，并且會(huì)根據(jù)市場(chǎng)的變化進(jìn)行實(shí)時(shí)調(diào)整，一切以滿足用戶投資目標(biāo)為核心。智能投顧已經(jīng)獲得了千禧一代客戶的青睞，這一代人并不需要傳統(tǒng)的投資顧問(wèn)提出投資建議，而且他們對(duì)人工投顧收取的費(fèi)用也存在不滿。
回溯到1970年代，算法交易（有時(shí)候被稱作是自動(dòng)化交易系統(tǒng)，這是更加準(zhǔn)確的描述）涉及到復(fù)雜的人工智能系統(tǒng)實(shí)施快速交易決策。算法交易系統(tǒng)通常每天會(huì)操作數(shù)千次或百萬(wàn)次交易，因此“高頻交易”（HFT），通常被認(rèn)為是算法交易的子類。很多對(duì)沖基金和金融機(jī)構(gòu)并不會(huì)公開(kāi)披露其交易所采用的人工智能模式，但是機(jī)器學(xué)習(xí)和深度學(xué)習(xí)在實(shí)時(shí)交易決策中正發(fā)揮愈加重要的作用。
隨著計(jì)算能力的增強(qiáng)以及互聯(lián)網(wǎng)的普及，很多有價(jià)值的公司數(shù)據(jù)都存儲(chǔ)在網(wǎng)絡(luò)上，這就會(huì)存在數(shù)據(jù)安全風(fēng)險(xiǎn)。此前的金融欺詐識(shí)別系統(tǒng)主要依賴復(fù)雜且嚴(yán)格的規(guī)章制度，但是現(xiàn)在的欺詐識(shí)別不僅僅是風(fēng)險(xiǎn)因素清單，其能夠積極地學(xué)習(xí)并且根據(jù)潛在的安全威脅進(jìn)行調(diào)整。這就是機(jī)器學(xué)習(xí)在金融欺詐應(yīng)用中的作用—但是在其他數(shù)據(jù)安全問(wèn)題中也存在同樣的原理。使用機(jī)器學(xué)習(xí)，系統(tǒng)能夠識(shí)別特殊行為或異常行為，并且對(duì)其進(jìn)行標(biāo)注識(shí)別。這些系統(tǒng)存在的挑戰(zhàn)是避免誤報(bào)問(wèn)題—在這種情況下風(fēng)險(xiǎn)被標(biāo)注出來(lái)，但是卻從來(lái)沒(méi)有出現(xiàn)風(fēng)險(xiǎn)。幾乎我們所有采訪的人工智能領(lǐng)域的專業(yè)人士都認(rèn)為在安全問(wèn)題非常重要，在未來(lái)5到10年里真正自主學(xué)習(xí)系統(tǒng)是必須的。
核保是金融業(yè)中機(jī)器學(xué)習(xí)最適合承擔(dān)的工作，實(shí)際上金融業(yè)很多人都在擔(dān)心機(jī)器將會(huì)代替現(xiàn)在絕大多數(shù)的核保崗位。尤其是在大型機(jī)構(gòu)中（大銀行和公開(kāi)上市的保險(xiǎn)公司），機(jī)器學(xué)習(xí)算法能夠根據(jù)數(shù)百萬(wàn)消費(fèi)者案例數(shù)據(jù)（年齡，工作，市場(chǎng)情況等）以及借貸或保險(xiǎn)結(jié)果進(jìn)行開(kāi)發(fā)和培訓(xùn)（這個(gè)人是否違約，是否按時(shí)歸還貸款，是否發(fā)生過(guò)車禍？）。利用算法可以評(píng)估未來(lái)的發(fā)展趨勢(shì)，分析和判斷能夠影響未來(lái)借貸和保險(xiǎn)狀況的趨勢(shì)（會(huì)有越來(lái)越多的年輕在某種狀況下遭遇車禍？在過(guò)去15年中特定人群中是否違約率在上升）。這些結(jié)果都對(duì)公司產(chǎn)生重要影響—但是目前那些有資源和實(shí)力聘用數(shù)據(jù)科學(xué)家，并且擁有大量交易數(shù)據(jù)的大企業(yè)才能獲取這些信息。
以下的應(yīng)用模式是我們感覺(jué)比較有前景的。有些應(yīng)用現(xiàn)在已經(jīng)比較多了，其他的應(yīng)用還處于初期階段。
聊天機(jī)器人和交互界面是風(fēng)險(xiǎn)投資重點(diǎn)關(guān)注的領(lǐng)域，也是企業(yè)資金預(yù)算投入比較多的領(lǐng)域之一（2016年人工智能高管調(diào)查中將該領(lǐng)域作為短期人工智能消費(fèi)應(yīng)用最具潛力的方向）。像Kasisto這類公司已經(jīng)在開(kāi)發(fā)金融領(lǐng)域的聊天機(jī)器人，幫助客戶解答某些問(wèn)題，比如“我上個(gè)月購(gòu)物花了多少錢？”，或者“60天前我個(gè)人賬戶里的余額是多少錢？”。這種輔助功能必須通過(guò)自然語(yǔ)言處理引擎進(jìn)行開(kāi)發(fā)，也需要和金融領(lǐng)域的客戶頻繁交流才能完成。銀行和金融機(jī)構(gòu)需要這種聊天機(jī)器人，他們能夠從傳統(tǒng)銀行機(jī)構(gòu)那里獲得更多客戶，這些傳統(tǒng)且古板的銀行還要求客戶登陸到在線銀行端口，自己去尋找有用的信息。這種聊天體驗(yàn)（未來(lái)可能只有聲音）在今天的銀行業(yè)或金融業(yè)還不是標(biāo)準(zhǔn)配置，但是在未來(lái)5年可能會(huì)成為標(biāo)準(zhǔn)選擇。這種應(yīng)用將超越金融領(lǐng)域的機(jī)器學(xué)習(xí)范疇，可能會(huì)在各個(gè)領(lǐng)域各個(gè)行業(yè)成為專業(yè)化的聊天機(jī)器人。
用戶名，密碼，和安全問(wèn)題在未來(lái)5年將不再是保障用戶安全的標(biāo)準(zhǔn)模式。銀行和金融領(lǐng)域的用戶安全是非常重要的（你可能在登陸臉譜的時(shí)候就向一部分陌生人泄露了你的銀行賬戶信息）?，F(xiàn)在在欺詐領(lǐng)域正在開(kāi)發(fā)和應(yīng)用很多異常現(xiàn)象識(shí)別技術(shù)，除此以外未來(lái)的安全措施可能會(huì)要求進(jìn)行面部識(shí)別，聲音識(shí)別，或其他生物識(shí)別方式。
對(duì)沖基金一直在保守自己的秘密，關(guān)于情緒分析在投資過(guò)程中如何運(yùn)用我們基本上看不到任何信息。但是，據(jù)稱機(jī)器學(xué)習(xí)在未來(lái)將廣泛應(yīng)用于分析社交媒體，新聞趨勢(shì)，和其他數(shù)據(jù)—不能僅僅是股票價(jià)格和交易數(shù)據(jù)。股票市場(chǎng)對(duì)人類很多方面做出反應(yīng)，這些因素和股票代碼沒(méi)有任何關(guān)系，未來(lái)的希望在于機(jī)器學(xué)習(xí)能夠復(fù)制，并優(yōu)化人類對(duì)金融活動(dòng)的“直覺(jué)”，這也是通過(guò)分析新的趨勢(shì)和相關(guān)信息做出的。Ben Goertzel最近在《連線》雜志發(fā)表了一篇文章，分析了人工智能技術(shù)在對(duì)沖基金領(lǐng)域應(yīng)用。Goertzel表示很多人認(rèn)為機(jī)器學(xué)習(xí)在金融領(lǐng)域中的應(yīng)用遠(yuǎn)不止股票和商品數(shù)據(jù)—人工智能對(duì)沖基金需要做的不僅僅是研究股票代碼，還有更多。
今天，自動(dòng)化金融產(chǎn)品銷售已經(jīng)得到應(yīng)用，其中一些可能不涉及機(jī)器學(xué)習(xí)。智能投顧可能會(huì)建議改變投資組合，而且也有很多保險(xiǎn)推薦模式在某種程度上使用了人工智能技術(shù)，對(duì)車輛或居家保險(xiǎn)計(jì)劃提出建議。未來(lái)，更加個(gè)性化和標(biāo)準(zhǔn)化的應(yīng)用和個(gè)人助手會(huì)出現(xiàn)，比人類投資顧問(wèn)更值得信任，更客觀，更可靠。就像亞馬遜和Netflix能夠比任何一個(gè)人類“專家”推薦更好的書(shū)籍和電影，個(gè)人金融助手能夠根據(jù)個(gè)人的情況推薦合適的金融產(chǎn)品，就像我們將在保險(xiǎn)行業(yè)看到的那樣。
聯(lián)系客服
