机器学习在互联网金融中的应用
机器学习是一种不用显式编程就能为计算机提供学习能力的人工智能。它背后的科学既有趣也有应用价值。许多创业公司以机器学习为核心技术，这已经给互联网金融生态系统带来了冲击。
互联网金融公司所使用的机器学习有许多不同种类。我们来看看其中的一些机器学习应用及使用它们的公司。
◆ ◆ ◆
信用评分及不良贷款预测分析
贷款行业中的公司正在利用机器学习来预测不良贷款并建立信用风险模型
以下是一些使用这种应用的公司:
LendingClub: Lending Club是世界上最大的连接借贷双方的在线市场。他们用机器学习来预测不良贷款。
Kabbage:Kabbage Inc 是一家亚特兰大的在线互联网金融与数据公司。公司通过一个自动化借贷平台直接向小企业和消费者提供资金。Kabbage团队专注于构建下一代机器学习和建立信用风险模型及分析现有的投资组合。
LendUp:LendUp做的是改善发薪日贷款业务。目前也开始开放它的数据库允许其它机构通过它的API提供类似服务。它利用机器学习和算法来找出15%最有可能偿还贷款的人。它收取这些人29%或更高的利息，不含有隐藏费用或隔夜利息。
◆ ◆ ◆
准确的决策
通过让机器处理数据并做出决策（如与信用相关的），机器学习技术可以大大提高财务处理和决策的效率与速度。
一些使用这种应用的公司是：
Affirm:Affirm是一家技术与数据驱动的金融公司。他们通过挖掘大量的数据而成功地重写了信用评估规则。为了防止欺诈和建立信用数据，该公司使用机器学习模型。
ZestFinance:ZestFinance利用机器学习技术和大规模数据分析来处理大量数据并做出更准确的信贷决策。ZestFinance通过利用机器学习和大规模的大数据分析以一种完全不同的方式来承保。
BillGuard:BillGuard是一个给其用户提醒不良收费者的个人财务安全公司。公司的特长是大数据挖掘，机器学习算法，安全及消费者网站用户体验（Web UX）。
◆ ◆ ◆
内容/信息的提取
信息提取已经成为机器学习的主要应用。它涉及从网页内容，如文章、新闻和文件等中提取信息。
以下是几家使用这些应用的公司：
Dataminr：Dataminr是一家领先的实时信息发现企业。Dataminr把来自Twitter和其它公开来源的实时信息转化成可操作的信号，为在金融领域的客户实时识别出最相关的信息。它利用复杂的机器学习算法爬取社交媒体和其它来源来识别显著的或有新闻价值的帖子，然后实时向其客户推送。
AlphaSense：AlphaSense是金融搜索引擎，用于为专业人士解决信息丰富度和碎片的基本问题。它利用专有自然语言处理和机器学习算法，提供了一个强大的、高度差异化、具有直观用户界面的产品。
◆ ◆ ◆
欺诈检测与身份识别管理
根据IBM的研究表明，每年欺诈令金融行业损失大约800亿美元；单是美国信用卡和借记卡发行商的损失就有24亿美元。
“我们能够运用人类领域之外的复杂逻辑分析巨大的数据流。”IBM研究部的机器学习技术团队经理这样说到。
在机器学习的帮助下，可以高效而有效地实现欺诈检测技术。创造的解决方案能分析历史交易数据来建立一个模型，以检测诈骗的模式。一些公司还使用机器学习进行生物识别。
以下为工作在此领域的一些公司：
Feedzai：Feedzai运用机器学习和大数据让商业变得更安全。Feedzai机器学习模型比传统方法提早30%检测到欺诈。
Bionym：Bionym已经研发出了利用机器学习算法实现心电图的生物认证设备。
EyeVerify：EyeVerify软件识别“眼纹”，通过机器学习科技识别眼白中的静脉纹路。
BioCatch：BioCatch是为移动和网络应用提供生物行为识别、认证和恶意软件检测解决方案的领先供应商。银行和电商网站使用BioCatch，有效减少了高风险的交易有关的摩擦并保护了用户免受网络威胁，如账户侵权、侵占客户浏览器的恶意软件（MitB）和远程访问的恶意攻击（RAT）。
◆ ◆ ◆
建立交易算法
机器学习可用来建立交易决策算法。交易算法，也称作高频交易，是利用自动化系统从海量数据中识别真实信号来捕捉标的股票市场的动态。机器学习提供了强大的工具从表面上的市场趋势中提取模式。
KFLCapital：KFL Capital的预测产品源于算法结果、预测模型和程序。该公司采用机器学习算法确定金融数据中非随机的价格模式。
Binatix：Binatix是一家学习型的交易公司，这可能第一家使用最先进的机器学习算法来发现模式的公司，提供了投资上的优势。
原文发布时间为：2016-05-04
本文来自云栖社区合作伙伴“大数据文摘”，了解相关信息可以关注“BigDataDigest”微信公众号