How AI is changing the financial services industry?
来源：人工智能大健康
有目的、有計劃地引進、研製、製造和購買相關人工智慧產品將為金融機構的未來發展帶來巨大優勢。人工智慧在金融領域的應用，主要分為以下幾個方面：自動生成報告、人工智慧輔助、金融搜索引擎和智慧投資顧問。
第一，自動生成報告。投行業務及證券業，都需要撰寫大量文書，這些文書工作往往具有固定的格式或模板，例如研究報告、招股說明書、投資意向書等。
這些報告的撰寫，通常需要花費投行工作者，大量的時間和精力，但這類工作在很多情況下，往往只是一些數據整理，以及文本替換的工作。由於格式較為固定，這些文書中的大量內容，可以利用模板生成，比如公司股權變更、會計數據變更等。
具體而言，自動報告生成主要有三個步驟：
第一步為數據處理，透過爬蟲等電腦程式，對年報、時事新聞及數據、行業分析報告和法律公告等材料，進行收集和整合；
第二步是數據分析，運用知識圖譜中，常用的知識提取，對實體新聞進行處理，提取邏輯主幹，結合其他關鍵資訊，再將其嵌入模板；
第三步是生成報告，經過數據的分析處理，報告便可生成。如有必要，可以對自動生成的報告，進行人工審核和微調。
第一步為數據處理，透過爬蟲等電腦程式，對年報、時事新聞及數據、行業分析報告和法律公告等材料，進行收集和整合；
第二步是數據分析，運用知識圖譜中，常用的知識提取，對實體新聞進行處理，提取邏輯主幹，結合其他關鍵資訊，再將其嵌入模板；
第三步是生成報告，經過數據的分析處理，報告便可生成。如有必要，可以對自動生成的報告，進行人工審核和微調。
第二，人工智慧輔助。在過去，量化交易只是簡單地運用電腦來進行輔助，分析師的任務，主要是選取某些指標作為變量，利用機器來觀察數據分布及計算結果。
隨著機器學習與預測算法的結合程度不斷加深，人工智慧輔助系統根據歷史經驗，和新的市場資訊，可以更加準確地預測金融市場的走向，創建出更符合實際的最佳投資組合。
隨著機器學習與預測算法的結合程度不斷加深，人工智慧輔助系統根據歷史經驗，和新的市場資訊，可以更加準確地預測金融市場的走向，創建出更符合實際的最佳投資組合。
相對於之前電腦只進行簡單的統計計算，現在的人工智慧系統，已經能夠透過機器學習等技術，進行海量數據的處理和分析。同時，結合自然語言搜索、使用者介面圖形化，及雲端計算後，人工智慧助手可以將問題與實踐，與市場動態結合，提供即時更新的研究輔助。
此外，人工智慧不會像人類一樣，受到情緒的影響，可以從根本上杜絕投資決策過程中恐懼、衝動和貪婪等非理性情緒因素的干擾。
自然語言處理是電腦科學領域，與人工智慧領域中的一個重要方向。它研究能實現人與電腦之間，用自然語言進行有效通信的各種理論和方法。自然語言處理並不是一般地研究自然語言，而在於研製能有效地，實現自然語言通信的電腦系統，特別是其中的軟體系統。
當然人工智慧輔助也存在一定的問題，例如當「黑天鵝」等特殊事件發生時，機器學習和自然語言處理，無法發揮出其相應的功能。因為這類特殊事件往往屬於新型事件，人工智慧系統無法從歷史數據中，找出相關模式。如果讓人工智慧在這類事件發生時去管理資產，就存在很大的風險。
第三，金融搜索引擎。資訊的甄別和篩選，對於金融行業來說尤為重要，但其工作量和工作難度往往較大。金融搜索引擎正是為了數據和資訊的收集、整理、分析而生，其實質就是資訊平台，為供需雙方提供撮合和對接服務。
對於資訊處理，人工智慧不僅能夠做到有序分級的收集、儲存，還能夠依據某些算法，克服主觀判斷傾向帶來的影響，從而更好地利用那些，真正會對資產價格產生影響的資訊。
例如，金融搜索引擎 Alphasense，能夠從大量數據噪聲中，尋找有價值的資訊，透過對文件和新聞的研究，整合投資資訊，並進行語義分析，從而提高工作效率。
此外，金融交易並不是在金融搜索引擎上直接進行，因此不會形成閉環，當然這也可能造成金融交易把控性的不足，但透過大數據風控系統，加強對第三方平台的監管，可以在一定程度上彌補該缺點。
第四，智慧投資顧問。傳統的投資顧問模式，需要高素質的理財顧問，來幫助投資者規劃符合其投資風險偏好、某一時期資金需求，以及某一階段市場表現的投資組合，因此費用高昂，使用者往往局限在高淨值人群中。
智慧投顧與傳統的人類投顧相比，具有透明度高、投資門檻低、個性化等獨特優勢。智慧金融正在以一種人機結合的方式，提供個性化的輔助決策工具。
在邏輯鏈條形成的過程中，智慧投顧以最少的人工干預方式，幫助投資者進行資產配置及管理，讓投資人更容易獲得數據，和分析層面的支持，從而將更多的精力，投入更加重要的工作。借助電腦和量化交易技術，智慧投顧平台可為經過問卷評估的客戶，提供量身訂製的資產投資組合建議。
沒有留言:
張貼留言