没有合适的资源?快使用搜索试试~ 我知道了~
金融大数据应用新进展-从智能金融、普惠金融到宏观金融决策.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 89 浏览量
2021-10-27
20:58:24
上传
评论
收藏 2.19MB DOCX 举报
温馨提示
试读
18页
金融大数据应用新进展-从智能金融、普惠金融到宏观金融决策.docx
资源推荐
资源详情
资源评论
金融大数据应用新进展
从智能金融、普惠金融到宏观金融决策
波士顿咨询(BCG)的研究表明:不同的行业数据强度差异很大,金融行业的数据强度最
大,因此大数据的概念很受金融机构重视。麦肯锡近期的研究报告也称大数据、云计算以及
区块链等下一代金融颠覆性技术正逐步成熟。
一 大数据推动智能金融的兴起
人工智能并非新生事物,在经历几次起伏之后迎来一次新的高潮,许多国家从国家战略层面
来探索人工智能,美国政府曾组织多次关于人工智能的研讨会,广泛搜集意见,并且在
2016 年 6 月 6 号发布了《白宫人工智能未来计划》;日本提出“超智能社会”;2015 年 5
月 23 日中国四部委发布了《“互联网+”人工智能三年行动实施方案》。
(一)人工智能成为时尚
人工智能(Articial Intelligence,简称 AI)被用来代指一系列可以执行感知、学习、推
理和决策的计算机技术,目的是让机器能像人一样解决问题。AI 涵盖机器学习等学科,在
过去 15 年,得益于数据、算法和计算能力的改善,业界在 AI 领域取得了长足进展。
就目前的人工智能的布局来看,全球有 6000 多家人工智能公司(6038),美国人工智能
企业总数为 2905 家,占全球的 48%,约为一半,中国仅北京、上海、广州就有人工智能
公司 447 家,占全球的 7.4%
[1]
。
(二)人工智能与大数据
最近几年人工智能备受关注的一个重要原因就是大数据时代的到来,越来越多的数据产生了,
这些数据中蕴含着很多经验和模式。为了教给人工智能新的技巧,需要将大量的数据输入模
型,用以实现可靠的输出评分。目前,人工智能的突破主要依赖基于神经网络的机器学习。
机器学习主要在大数据中寻找一些“模式”,然后在没有过多的人为解释下,用这些模式来预
测结果。此方法意味着,数据量积累得越多,系统会越好。过去,人工智能的方法基本不受
益于数据量的提升;新的方法中,只有五分之一的贡献来自方法本身的改进,其余全依仗数
据量的提升。数据量推动系统从量变飞跃到质变
[2]
。
大量数据(特别是标识数据)的支持是人工智能最核心的需求。无论是模式识别还是神经网
络,不管是机器学习训练还是算法优化,都需要大量数据的“喂养”。例如,AlphaGo 的成
功之处,就在于其载有十几万份人类 6~9 段职业棋手对弈棋谱的数据库,AlphaGo 利用
其模仿人类常见的落子方式。通过大数据学习,人工智能算法发挥着越来越重要的作用,尤
其是近期深度学习的进展对感知智能(包括图像和语音识别)的精度提升贡献巨大。
大数据蕴含了丰富的信息维度,可以比喻为提供了必需的血液和能量,人工智能就好像“大
脑”,对这些信息进行分析识别和认知发现,具体的行业应用则好像“躯干”,基于信息执行决
策。国内外知名的互联网公司对人工智能都显示出高度的关注,认为人工智能和互联网大数
据的结合会产生很多创新点,是驱动未来技术和商业模式的引擎。这些互联网公司都投入大
量的人力和物力进行一些前沿性的研究和探索。
(三)金融+人工智能的智能金融的兴起
金融行业是一个数据密集型领域,除了数据量大之外,数据价值也非常高。AlphaGo 所代
表的人工智能在近几年大放异彩,所展示出的机器的深度学习能力让大数据处理呈现了新的
方向。业界人士对于人工智能在金融领域的应用充满了期待,希望机器可通过大量学习已有
的历史金融数据、策略、研报等,成为一个脑容量巨大、计算力超群的投资大师。国外金融
领域已经开始探索人工智能的应用。
一家新兴对冲基金 Aidyia 开发了自动交易机器人,该智能系统可以看到大量数据中蕴含的
人们不能轻易发现的模式和规律。计算机辅助交易虽不是什么新鲜事,但是该公司希望可以
开发智能软件,在没有人工指导或干预的情况下自行适应快速变化的交易市场。除了价格数
据和技术图形分析,该智能系统充分研究了现有数据,集合不同语言的新闻报道、基本因素
和经济数据,以及其他多个市场的价格和成交量,综合各种资料经过复杂验算,最终组合成
模型,就个股在未来一星期或一个月将出现的价格走势做出预测
[3]
。
Kensho 是美国一家基于大数据和人工智能的金融科技公司,专注于对各类事件对金融市场
的影响进行智能分析。该公司在 2014 年获得高盛的投资。“当油价高于 100 美元一桶时,
中东政局动荡会对能源公司的股价产生怎样的影响?”Kensho 的软件能很快给出答案,它
的诀窍是通过大数据分析和自主学习。而对冲基金的分析师即便能获得所有的数据,也要经
过数天的演算、推断,才能找到答案。
(四)国内智能金融的现状
在人工智能的热潮中,国内“人工智能+投资顾问”结合体形式的智能投顾初创企业也如雨后
春笋般不断冒出,虽然参差不齐,但也代表了智能金融在国内发展的一个方向
[4]
。智能投顾
的一个重要的特点就是通过大数据获得用户个性化的风险偏好及其变化规律。从市场规模来
看,国内的智能投顾行业在中国国内处于非常早期的阶段,仅有的几家知名平台也处于创业
期,远未形成规模。短期来看,智能投顾虽然能起到较大的辅助作用,但在绝大部分领域还
不能替代人力。
互联网金融的领跑者阿里巴巴率先布局智能金融
[5]
,把人工智能技术用到互联网小贷、保险、
征信、智能投顾、客户服务等多个领域。另外一家互联网巨头百度也积极在智能金融领域进
行尝试。在 2016 年 9 月的百度世界大会上,百度金融宣布百度金融科技将投入大量的人力
和物力来进行量化投资的研发。
(五)智能金融的展望
目前人工智能相对成熟的应用可以在图像识别和语音识别方面实现突破,来改善金融领域的
身份验证、客户服务以及反欺诈,蚂蚁金服已经在金融标准化委员会的指导下开始牵头制定
《互联网金融行业生物识别 个人身份验证技术要求》和《互联网金融行业生物识别 个人脸
识别安全应用框架》两项金融标准。
但是智能金融在一些重要的交易环节还不能完全实现自动化,目前和未来的一段时间内,智
能金融会主要以“人工智能+专业经验”的形式提供金融的决策支持
[6]
。
人工智能在金融应用中存在的交易风险也不能忽视,例如程序化高频交易会在市场下跌时根
据策略模型严格执行止损,而这容易加速下跌。2010 年,类似的事件使道琼斯工业指数在
36 分钟里暴跌 9%,被称为万亿美元的股市下跌。从技术的角度来看,人工智能在金融领
域的应用还处于尝试阶段。
人工智能对金融的深远影响还不能够预测,真正的应用场景还要认真地思考。
二 助力互联网金融,实现普惠金融
(一)普惠金融人群缺乏传统征信数据
近年来传统金融服务模式深受大数据技术的影响,后者不仅可以渗透到金融服务的每一个环
节,而且还能开拓出新的金融服务应用场景,从而拓展被服务人群,让普惠金融成为现实。
普惠金融中的一个重要挑战就是风险问题:例如,印度 2010 年发生了小贷危机,在印度微
贷最发达的省出现多人违约事件;截至 2016 年夏天的统计表明,中国的 P2P 企业平台已
经有一半出现问题。
许多消费者和小微企业因为缺乏信贷记录和合适的抵押品,在申请金融服务时困难重重。这
剩余17页未读,继续阅读
资源评论
科技互联人生
- 粉丝: 1147
- 资源: 18万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功