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

在移動銀行，熟練的聊天機器人或搜尋引擎出現之前，機器學習在金融領域就有廣泛應用。由於交易量比較大，交易歷史資料精確完備，以及金融領域的量化分析特點，金融領域是比較適合人工智慧技術應用的領域。現在，金融領域出現了很多機器學習的應用場景，這主要是由計算能力的提高以及機器學習技術方法的普及推動的（比如谷歌的Tensorflow）。

今天，機器學習已經成為金融生態中不可或缺的組成部分，從貸款審批到資產管理，到風險評估。但是，很少有專業人士能夠準確地知道機器學習在每天的日常金融應用中有多少應用模式。

TechEmergence非常榮幸能夠和數百位人工智慧領域和機器學習領域的專家和高管進行深入溝通，能夠獲悉現在的應用場景和應用模式。

在本文中，我們探討了以下內容：

目前人工智慧在金融領域的應用模式

未來人工智慧在金融領域中的潛在應用模式

金融領域中應用人工智慧技術比較知名的企業

機器學習在金融領域中的應用—目前的主要應用模式

以下是目前機器學習應用的主要領域。記住很多應用模式使用了多種人工智慧方法—不僅僅是機器學習。

投資組合管理

術語“智慧投顧”在5年前基本上還不為人所知，但是現在在金融領域已經很普遍了。該術語有點誤導性，並不涉及到機器人。相反，智慧投顧（比如Betterment，Wealthfront及其他類似的公司）都是一些演算法，根據使用者的目標和風險承受能力對投資組合提出相關建議。使用者輸入其目標（比如，65

演算法交易

回溯到1970年代，演算法交易（有時候被稱作是自動化交易系統，這是更加準確的描述）涉及到複雜的人工智慧系統實施快速交易決策。演算法交易系統通常每天會操作數千次或百萬次交易，因此“高頻交易”（HFT），通常被認為是演算法交易的子類。很多對衝基金和金融機構並不會公開披露其交易所採用的人工智慧模式，但是機器學習和深度學習在實時交易決策中正發揮愈加重要的作用。

欺詐識別

隨著計算能力的增強以及網際網路的普及，很多有價值的公司資料都儲存在網路上，這就會存在資料安全風險。此前的金融欺詐識別系統主要依賴複雜且嚴格的規章制度，但是現在的欺詐識別不僅僅是風險因素清單，其能夠積極地學習並且根據潛在的安全威脅進行調整。這就是機器學習在金融欺詐應用中的作用—但是在其他資料安全問題中也存在同樣的原理。使用機器學習，系統能夠識別特殊行為或異常行為，並且對其進行標註識別。這些系統存在的挑戰是避免誤報問題—在這種情況下風險被標註出來，但是卻從來沒有出現風險。幾乎我們所有采訪的人工智慧領域的專業人士都認為在安全問題非常重要，在未來5到10年裡真正自主學習系統是必須的。

貸款/保險承保

核保是金融業中機器學習最適合承擔的工作，實際上金融業很多人都在擔心機器將會代替現在絕大多數的核保崗位。尤其是在大型機構中（大銀行和公開上市的保險公司），機器學習演算法能夠根據數百萬消費者案例資料（年齡，工作，市場情況等）以及借貸或保險結果進行開發和培訓（這個人是否違約，是否按時歸還貸款，是否發生過車禍？）。利用演算法可以評估未來的發展趨勢，分析和判斷能夠影響未來借貸和保險狀況的趨勢（會有越來越多的年輕在某種狀況下遭遇車禍？在過去15年中特定人群中是否違約率在上升）。這些結果都對公司產生重要影響—但是目前那些有資源和實力聘用資料科學家，並且擁有大量交易資料的大企業才能獲取這些資訊。

未來機器學習在金融領域中的價值

以下的應用模式是我們感覺比較有前景的。有些應用現在已經比較多了，其他的應用還處於初期階段。

客戶服務

聊天機器人和互動介面是風險投資重點關注的領域，也是企業資金預算投入比較多的領域之一（2016年人工智慧高管調查中將該領域作為短期人工智慧消費應用最具潛力的方向）。像Kasisto這類公司已經在開發金融領域的聊天機器人，幫助客戶解答某些問題，比如“我上個月購物花了多少錢？”，或者“60天前我個人賬戶裡的餘額是多少錢？”。這種輔助功能必須通過自然語言處理引擎進行開發，也需要和金融領域的客戶頻繁交流才能完成。銀行和金融機構需要這種聊天機器人，他們能夠從傳統銀行機構那裡獲得更多客戶，這些傳統且古板的銀行還要求客戶登陸到線上銀行埠，自己去尋找有用的資訊。這種聊天體驗（未來可能只有聲音）在今天的銀行業或金融業還不是標準配置，但是在未來5年可能會成為標準選擇。這種應用將超越金融領域的機器學習範疇，可能會在各個領域各個行業成為專業化的聊天機器人。

證券2.0

使用者名稱，密碼，和安全問題在未來5年將不再是保障使用者安全的標準模式。銀行和金融領域的使用者安全是非常重要的（你可能在登陸臉譜的時候就向一部分陌生人洩露了你的銀行賬戶資訊）。現在在欺詐領域正在開發和應用很多異常現象識別技術，除此以外未來的安全措施可能會要求進行面部識別，聲音識別，或其他生物識別方式。

情緒/新聞分析

對衝基金一直在保守自己的祕密，關於情緒分析在投資過程中如何運用我們基本上看不到任何資訊。但是，據稱機器學習在未來將廣泛應用於分析社交媒體，新聞趨勢，和其他資料—不能僅僅是股票價格和交易資料。股票市場對人類很多方面做出反應，這些因素和股票程式碼沒有任何關係，未來的希望在於機器學習能夠複製，並優化人類對金融活動的“直覺”，這也是通過分析新的趨勢和相關資訊做出的。Ben Goertzel最近在《連線》雜誌發表了一篇文章，分析了人工智慧技術在對衝基金領域應用。Goertzel表示很多人認為機器學習在金融領域中的應用遠不止股票和商品資料—人工智慧對衝基金需要做的不僅僅是研究股票程式碼，還有更多。

銷售/推薦金融產品

今天，自動化金融產品銷售已經得到應用，其中一些可能不涉及機器學習。智慧投顧可能會建議改變投資組合，而且也有很多保險推薦模式在某種程度上使用了人工智慧技術，對車輛或居家保險計劃提出建議。未來，更加個性化和標準化的應用和個人助手會出現，比人類投資顧問更值得信任，更客觀，更可靠。就像亞馬遜和Netflix能夠比任何一個人類“專家”推薦更好的書籍和電影，個人金融助手能夠根據個人的情況推薦合適的金融產品，就像我們將在保險行業看到的那樣。