金融领域中的机器学习—现在和未来

http://sanwen.net/a/csioaoo.html

在移动银行，熟练的聊天机器人或搜索引擎出现之前，机器学习在金融领域就有广泛应用。由于交易量比较大，交易历史数据精确完备，以及金融领域的量化分析特点，金融领域是比较适合人工智能技术应用的领域。现在，金融领域出现了很多机器学习的应用场景，这主要是由计算能力的提高以及机器学习技术方法的普及推动的（比如谷歌的Tensorflow）。

今天，机器学习已经成为金融生态中不可或缺的组成部分，从贷款审批到资产管理，到风险评估。但是，很少有专业人士能够准确地知道机器学习在每天的日常金融应用中有多少应用模式。

TechEmergence非常荣幸能够和数百位人工智能领域和机器学习领域的专家和高管进行深入沟通，能够获悉现在的应用场景和应用模式。

在本文中，我们探讨了以下内容：

目前人工智能在金融领域的应用模式

未来人工智能在金融领域中的潜在应用模式

金融领域中应用人工智能技术比较知名的企业

机器学习在金融领域中的应用—目前的主要应用模式

以下是目前机器学习应用的主要领域。记住很多应用模式使用了多种人工智能方法—不仅仅是机器学习。

投资组合管理

术语“智能投顾”在5年前基本上还不为人所知，但是现在在金融领域已经很普遍了。该术语有点误导性，并不涉及到机器人。相反，智能投顾（比如Betterment，Wealthfront及其他类似的公司）都是一些算法，根据用户的目标和风险承受能力对投资组合提出相关建议。用户输入其目标（比如，65岁退休的时候有25万美元存款），年龄，收入，以及现在的金融资产状况。智能投顾将会根据用户输入的目标在各类资产和金融工具中进行搜索匹配。整个系统会根据用户目标的变化做出调整，并且会根据市场的变化进行实时调整，一切以满足用户投资目标为核心。智能投顾已经获得了千禧一代客户的青睐，这一代人并不需要传统的投资顾问提出投资建议，而且他们对人工投顾收取的费用也存在不满。

算法交易

回溯到1970年代，算法交易（有时候被称作是自动化交易系统，这是更加准确的描述）涉及到复杂的人工智能系统实施快速交易决策。算法交易系统通常每天会操作数千次或百万次交易，因此“高频交易”（HFT），通常被认为是算法交易的子类。很多对冲基金和金融机构并不会公开披露其交易所采用的人工智能模式，但是机器学习和深度学习在实时交易决策中正发挥愈加重要的作用。

欺诈识别

随着计算能力的增强以及互联网的普及，很多有价值的公司数据都存储在网络上，这就会存在数据安全风险。此前的金融欺诈识别系统主要依赖复杂且严格的规章制度，但是现在的欺诈识别不仅仅是风险因素清单，其能够积极地学习并且根据潜在的安全威胁进行调整。这就是机器学习在金融欺诈应用中的作用—但是在其他数据安全问题中也存在同样的原理。使用机器学习，系统能够识别特殊行为或异常行为，并且对其进行标注识别。这些系统存在的挑战是避免误报问题—在这种情况下风险被标注出来，但是却从来没有出现风险。几乎我们所有采访的人工智能领域的专业人士都认为在安全问题非常重要，在未来5到10年里真正自主学习系统是必须的。

贷款/保险承保

核保是金融业中机器学习最适合承担的工作，实际上金融业很多人都在担心机器将会代替现在绝大多数的核保岗位。尤其是在大型机构中（大银行和公开上市的保险公司），机器学习算法能够根据数百万消费者案例数据（年龄，工作，市场情况等）以及借贷或保险结果进行开发和培训（这个人是否违约，是否按时归还贷款，是否发生过车祸？）。利用算法可以评估未来的发展趋势，分析和判断能够影响未来借贷和保险状况的趋势（会有越来越多的年轻在某种状况下遭遇车祸？在过去15年中特定人群中是否违约率在上升）。这些结果都对公司产生重要影响—但是目前那些有资源和实力聘用数据科学家，并且拥有大量交易数据的大企业才能获取这些信息。

未来机器学习在金融领域中的价值

以下的应用模式是我们感觉比较有前景的。有些应用现在已经比较多了，其他的应用还处于初期阶段。

客户服务

聊天机器人和交互界面是风险投资重点关注的领域，也是企业资金预算投入比较多的领域之一（2016年人工智能高管调查中将该领域作为短期人工智能消费应用最具潜力的方向）。像Kasisto这类公司已经在开发金融领域的聊天机器人，帮助客户解答某些问题，比如“我上个月购物花了多少钱？”，或者“60天前我个人账户里的余额是多少钱？”。这种辅助功能必须通过自然语言处理引擎进行开发，也需要和金融领域的客户频繁交流才能完成。银行和金融机构需要这种聊天机器人，他们能够从传统银行机构那里获得更多客户，这些传统且古板的银行还要求客户登陆到在线银行端口，自己去寻找有用的信息。这种聊天体验（未来可能只有声音）在今天的银行业或金融业还不是标准配置，但是在未来5年可能会成为标准选择。这种应用将超越金融领域的机器学习范畴，可能会在各个领域各个行业成为专业化的聊天机器人。

证券2.0

用户名，密码，和安全问题在未来5年将不再是保障用户安全的标准模式。银行和金融领域的用户安全是非常重要的（你可能在登陆脸谱的时候就向一部分陌生人泄露了你的银行账户信息）。现在在欺诈领域正在开发和应用很多异常现象识别技术，除此以外未来的安全措施可能会要求进行面部识别，声音识别，或其他生物识别方式。

情绪/新闻分析

对冲基金一直在保守自己的秘密，关于情绪分析在投资过程中如何运用我们基本上看不到任何信息。但是，据称机器学习在未来将广泛应用于分析社交媒体，新闻趋势，和其他数据—不能仅仅是股票价格和交易数据。股票市场对人类很多方面做出反应，这些因素和股票代码没有任何关系，未来的希望在于机器学习能够复制，并优化人类对金融活动的“直觉”，这也是通过分析新的趋势和相关信息做出的。Ben Goertzel最近在《连线》杂志发表了一篇文章，分析了人工智能技术在对冲基金领域应用。Goertzel表示很多人认为机器学习在金融领域中的应用远不止股票和商品数据—人工智能对冲基金需要做的不仅仅是研究股票代码，还有更多。

销售/推荐金融产品

今天，自动化金融产品销售已经得到应用，其中一些可能不涉及机器学习。智能投顾可能会建议改变投资组合，而且也有很多保险推荐模式在某种程度上使用了人工智能技术，对车辆或居家保险计划提出建议。未来，更加个性化和标准化的应用和个人助手会出现，比人类投资顾问更值得信任，更客观，更可靠。就像亚马逊和Netflix能够比任何一个人类“专家”推荐更好的书籍和电影，个人金融助手能够根据个人的情况推荐合适的金融产品，就像我们将在保险行业看到的那样。