机器学习与金融领域的亲密接触@Qing

机器学习与金融领域的亲密接触

  • 1. 主要应用
    • 1-1 小举例
    • 1-2 信息处理的简单应用
  • 2 AI与信用评级
    • 2.1 智能投顾与中产阶级
    • 2.2 智能投顾的优点
  • 3 智能投资
    • 3.1 智能投资简述
    • 3.2 理性看待智能投资
    • 3.3 人工智能投资的大家思考
  • 一只爬行的蜗牛论:

1. 主要应用

  • 用户画像构建风控模型—征信和反欺诈领域
  • 挖掘投资决策因子—投资领域
  • 为客户匹配个性化的投资组合—投资顾问领域

1-1 小举例

  • 20世纪90年代,一个基金经理要把市场当天产生的研报、舆情、新闻、交易数据等看完,大概需要10个小时,也就是两天的工作量。
    2010年,移动数据爆发之后,这个基金经理要把每天市场上产生的信息吸收掉,大概需要10个月的时间。
    2016年,还是这个基金经理,假如把当天市场上所有的信息看完,大概需要20年的时间,相当于整个职业生涯。
  • 通过机器学习技术可以在处理数百篇行业新闻,并将其中的关键信息结构化。其中的方法是提取关键词,并进行再组合。

1-2 信息处理的简单应用

  • 机器学习可以瞬间完成上市公司的公告、财务报表、官方发布、社交平台、证券行情、实时新闻、行业分析报告等海量异构数据的阅读,对于文本中的图片和表格需要OCR(光学字符识别)等技术解析。紧接着,进行关键实体信息的提取,发现埋藏在实体信息之间,如行业上下游关系、供应链关系、股权变更历史、定增与重大资产重组的关系、多张财务报表之间的数据交叉验证等数据关系,形成并呈现这些复杂关系的“知识图谱”。

2 AI与信用评级

  1. 机器学习基于大数据风控等技术可以做到秒级别的信用评级,对信贷服务效率和金融服务覆盖率的增加有着很大的帮助。
  2. 大数据风控:主要包括基于白名单的征信基于黑名单的反欺诈
    通过庞大的数据基础以及人工智能实现的人群画像技术,应用机器学习技术的企业,使风控风控线上化成为可能,许多企业如阿里,百度金融和京东金融等可以把金融服务在线上服务更多的人,帮大家管一管钱袋子。

2.1 智能投顾与中产阶级

  1. 知名财经作家吴晓波进行了一项“新中产消费调查”,发现人数可能达到1.8亿的“新中产”阶层,正在普遍陷入一种财富保值的巨大焦虑之中。
    高净值人群的财富一直享受着金融机构私人顾问的专属打理,那谁来保卫“新中产”的钱包,缓解他们的财富焦虑?
  • 智能投顾,也被称为机器人投顾、智能理财等,是指在人工智能和大数据的基础上,针对不同风险偏好和投资要求的用户,由计算机提供基于算法的投资管理建议,帮助投资者组建个性化的资产投资组合,实现个人资产配置的最优化。
  • 智能投顾的流程
  1. 首先洞悉投资者需要,即清楚地了解投资者自身及家庭整体的关键数据。比如投资者所处人生阶段、收入水平、历史投资经验和偏好。
  2. 详细描摹投资者阶段性的生活追求,如买房、买车、求学、育儿、养老等,以此搭配相应的投资周期以及考察投资回报期望。
  3. 考察投资者的风险偏好。以年龄、职业生涯所处阶段、收入结构、生活负担等作为基本参考纬度,确定投资者能承担风险的阈值。
  4. 智能投顾有资产的监察和控制能力,随着市场变化调整资产组合,需要不断更新投资方案,以匹配用户需求。
    机器学习与金融领域的亲密接触@Qing_第1张图片
    智能投顾示意图

引自《智能革命》,李彦宏

2.2 智能投顾的优点

  1. 借助人工智能技术,智能投顾可以低成本地将个性化专属财富管理方案提供给普通的中产阶层。一般智能投顾公司都没有特定的投资门槛,管理费用仅在0.15%~0.35%,用户投资金额越大,其收取的费用越低。这个费用相当于真人投资顾问费用的1/10。有的智能投顾公司可以将费用降低到真人顾问的1/20,甚至干脆免费。
  2. 机器顾问可以有效规避人性弱点。一般的投资者在战术性资产配置比如股票投资中,一旦被套就进入“假死”状态,只能等待解套;而一旦获取收益,又总不能及时落袋为安。机器顾问则不受情绪影响,设定盈利点和止损点后,可以自动严格地去执行,没有贪婪,也没有恐惧。
  3. 机器顾问的精力是无限的,它可以7×24小时不间断地、兢兢业业地通过数字化资产配置,为客户提供相对定制化的、模块化的服务,并及时基于投资者个人的需求偏好和市场的变化提出服务方案。

3 智能投资

3.1 智能投资简述

  • 真正的智能投资依然是基于数据驱动的。无论算法怎么迭代,怎么有创意,也不论逻辑关系设计得多巧妙,有了金融算法模型,还必须有大量的符合模型需求的经济、社会、特定行业变化等多维度的数据集,来验证算法模型的可行性和精准度。
  • 一个开放性的大数据环境对智能投资,或者金融信息分析都至关重要。因为从物理世界中获取数字化数据的成本极高,因此大数据环境简介制约了智能投资的发展。
  • 确定数据源后,依托成熟的大数据技术可对全网数据进行高速整合,提升数据运转效率,同时保持网络数据信息的完整性,进而运用先进的机器学习、人工智能、大数据分析等技术,对海量数据进行分析处理,挖掘金融资产的个性化特征。
  • 智能系统也可以以机器学习的方式,提炼某一企业的知识图谱,并实时自动更新。

3.2 理性看待智能投资

  1. 不管什么样的算法和模型,都要尊重金融规律和投资逻辑,波动不是机器投资引起的,而是市场预期变化引起的。背后做出洞察和决策的还是人,至少在我们可以预见的未来,这一点不会改变。
  2. 刘慈欣的短篇小说《镜子》中曾经描绘了这样的景象:当人类社会未来的一切都可以精确计算和预测,人类社会的发展也就走向停滞,最终便是文明的毁灭。
  3. 投资融合了人的本质欲望,甚至包含了助推人类社会不断发展的文化特质,投资过程带来的意义,远比最后的数字增长要大得多。

3.3 人工智能投资的大家思考

  1. 投资是技术、艺术和哲学的结合。大数据和人工智能技术,可以解决一些技术层面的问题。但是,投资有时候是一个艺术层面的问题,否则就没有巴菲特这样的古典投资大师的存在了。对于一个市场信号,不同的分析师会有不同的解读方式和方法。投资更多是一种只可意会不可言传的东西。
  2. 现在的人工智能技术可取得突破的地方,比如图像识别、语言识别、自然语义理解、用户画像、算法和辅助决策,这些都可以提炼出明确的信号,机器通过自我学习之后,可以做出判断。但投资决策最关键的部分是不明确的,是一些意中有、语中无的东西,我们目前的技术还没办法理解这种东西,也就没办法代替人做出洞察和判断。
  3. 目前用于投资的人工智能算法都大同小异,以前是逻辑回归、因果分析;后来
    有了深度神经网络,有了所谓的梯度决策树;再后来有了遗传算法。但这些算法的进步,都没有超出相关性分析的范畴,只可以实现一些短期记忆的东西,毕竟还没有达到人类大脑的反应程度,对于投资市场上一些可重复、可循环的投资决策,机器可以很好地去安排。但是,对于有一定缺陷的市场,或者说在投资艺术层面上有缺陷的市场,还需要人工干预。
  4. 投资的第三个层次就是哲学,也是自律。也即投资到底是为什么?我要有止损止盈的法则。这个方面可能机器反而可以更好地去掌握。其实,通过机器来止损止盈是很容易做到的。因为,人难免有情绪波动,有贪婪和自信。
  • 在金融投资市场,人仍然是最关键的决定性因素,尤其是在金融跟人工智能的融合创新正在加速的时期。

《智能革命》李彦宏

一只爬行的蜗牛论:

牛逼的人能给以能以强大的毅力给大家指明一条大道,开一代之先河。聪明的人能够审时度势,抱着牛逼人物的大腿,循着时代的台风,把自己送上天。常人能趋利避害,独善自身。我处于常人阶段,多读书,多学习,希望能够迈入智人阶段,最后有机会搏一搏牛逼人物的层次。

你可能感兴趣的:(AI,&,Mechine,learning)