量化金融分析師（AQF）|人工智能，一場(chǎng)傳統(tǒng)金融業(yè)的風(fēng)暴

金融是最適合人工智能的領(lǐng)域之一，大數(shù)據(jù)收集和分析能力是金融行業(yè)量化金融分析師的關(guān)鍵所在，而人工智能的超級(jí)運(yùn)算能力無(wú)疑這類型工作的較優(yōu)選。

目前金融報(bào)表、金融量化分析、智能客服、金融輿情分析、風(fēng)控等應(yīng)用逐步采用人工智能技術(shù)。

1.比你更懂你自己的智能客服

AI不僅能識(shí)人，也能待客、答疑。用支付寶、逛京東，人們發(fā)現(xiàn)越來(lái)越多的平臺(tái)開(kāi)始用機(jī)器人代替人工客服，回答客戶提問(wèn)，或是接收語(yǔ)音指令。測(cè)試數(shù)據(jù)顯示，支付寶客服平臺(tái)小螞答完成5輪問(wèn)答所需時(shí)間大概為1秒鐘，比人工客服的效率高30至60倍，每天可以處理200萬(wàn)—300萬(wàn)的用戶咨詢。2017年，小螞答客戶滿意率比人工客服還高出了3個(gè)百分點(diǎn)。

人工智能技術(shù)還讓信貸過(guò)程變得越來(lái)越“聰明”。幾年前，馬金瑜回青海創(chuàng)業(yè)，經(jīng)營(yíng)高原蜂蜜和藏族手工藝品等特產(chǎn)，還在網(wǎng)上開(kāi)了一家微店。開(kāi)店之初，她與當(dāng)?shù)啬撩褡錾舛际乾F(xiàn)金結(jié)賬，每次進(jìn)貨基本上都把所有的現(xiàn)金“抽干”。小生意艱難維持的時(shí)候，微店支付業(yè)務(wù)的工作人員告訴她，可以直接在微店APP申請(qǐng)小微貸款。

“貸款前，智能信貸不需要繁瑣的觸客、初審和錄入，貸款人只要簡(jiǎn)單填寫十幾個(gè)信息，系統(tǒng)就能在線迅速搜集、加工、分析數(shù)據(jù)，發(fā)放貸款前后只要15分鐘。授信后，智能信貸流程并未結(jié)束，會(huì)時(shí)刻監(jiān)測(cè)微店業(yè)務(wù)數(shù)據(jù)，跟蹤學(xué)習(xí)用戶和企業(yè)行為模式變化，預(yù)測(cè)客戶貸中風(fēng)險(xiǎn)，據(jù)此調(diào)整客戶授信額度。”品鈦?zhàn)x秒科學(xué)決策副總裁任然如是說(shuō)。“因此，我們可以充分相信人工智能。”

2.更場(chǎng)景化、高頻化和個(gè)性化的金融行業(yè)

而在我國(guó)，人工智能技術(shù)已經(jīng)初步滲入到量化金融分析師、金融科技的各個(gè)領(lǐng)域，從智能客服到反欺詐，從商家營(yíng)銷到貸款模型，從財(cái)經(jīng)資訊推送到智能投顧。不但互聯(lián)網(wǎng)公司發(fā)力人工智能，銀行業(yè)也利用人工智能改造傳統(tǒng)的信貸流程和理財(cái)模式。家家人工智能的時(shí)代，什么樣的技術(shù)運(yùn)用才算得上是真正的“智能”？業(yè)內(nèi)普遍認(rèn)為，一般的系統(tǒng)只能根據(jù)設(shè)計(jì)者確定好的程序去運(yùn)轉(zhuǎn)，是一個(gè)相對(duì)靜態(tài)的模型。而人工智能是一類像人類一樣思考、學(xué)習(xí)和決策的系統(tǒng)。利用基于大數(shù)據(jù)的深入學(xué)習(xí)，機(jī)器能合理感知、規(guī)劃、推理和自我優(yōu)化，進(jìn)行理性決策。

比如，過(guò)去銀行一天可以接待成百上千人，但是像純線上銀行，卻可以應(yīng)付上千萬(wàn)人的需求。金融服務(wù)也從通用化的服務(wù)，演化到千人千面的服務(wù)。未來(lái)人工智能不僅會(huì)改變金融，還將使得金融變得更加的場(chǎng)景化，高頻交易。

>>>點(diǎn)擊學(xué)習(xí)CFA+AQF量化金融雙證班課程

3.人工智能并不是唯一解

大數(shù)據(jù)是人工智能實(shí)現(xiàn)的基礎(chǔ)，人工智能對(duì)于精確數(shù)據(jù)的需求會(huì)越來(lái)越強(qiáng)烈，驅(qū)動(dòng)著開(kāi)放平臺(tái)的建立?！度斯ぶ悄芾碡?cái)市場(chǎng)專題分析》指出，各個(gè)巨頭將打破單一的生態(tài)循環(huán)，將更多的渠道和產(chǎn)品納入自己的開(kāi)發(fā)平臺(tái)之上，以便獲取更多的數(shù)據(jù)，多維度地理解用戶需求，做出相應(yīng)的匹配，量化金融分析師從而完成對(duì)數(shù)據(jù)的整合和加工。預(yù)測(cè)未來(lái)5年機(jī)構(gòu)之間會(huì)加速滲透，雙方協(xié)同發(fā)展的基礎(chǔ)集中在算法、流量、創(chuàng)新技術(shù)開(kāi)發(fā)與市場(chǎng)教育。

不過(guò)機(jī)器并不完美，人工不能缺席。任然介紹，機(jī)器學(xué)習(xí)模型基于歷史數(shù)據(jù)進(jìn)行學(xué)習(xí)、預(yù)測(cè)，相對(duì)穩(wěn)定，但市場(chǎng)和數(shù)據(jù)總是變化的，在實(shí)際運(yùn)行中難免出現(xiàn)舊數(shù)據(jù)源不穩(wěn)定、新增數(shù)據(jù)源和客群變化等極端情況。在這種不穩(wěn)定的情況下，放任人工智能模型自行迭代，可能會(huì)導(dǎo)致模型準(zhǔn)確度和穩(wěn)定性不足的問(wèn)題。這時(shí)候需要一些人工參與，替換數(shù)據(jù)或者調(diào)整數(shù)據(jù)在模型中的權(quán)重。

4.人工智能+金融的發(fā)展前景

當(dāng)前對(duì)人工智能觀點(diǎn)大多數(shù)還在闡述如何拼數(shù)據(jù)層面，而在數(shù)據(jù)、算法層面之外，更特別的一點(diǎn)是人工智能幫助小企業(yè)打通了數(shù)據(jù)孤島，完成了數(shù)據(jù)共享，提升了信用評(píng)估體系的完善和貸后管理能力。簡(jiǎn)單地說(shuō)，就是當(dāng)前大部分金融企業(yè)仍然處于數(shù)據(jù)并不全面的尷尬境地，隨著量化金融分析師、人工智能技術(shù)在行業(yè)內(nèi)的普及推廣，同一個(gè)用戶的借貸數(shù)據(jù)得以共享，整個(gè)行業(yè)的貸后管理水平都能夠隨著數(shù)據(jù)的全面完善得以提高。

金融專家顏水成則在進(jìn)一步打破數(shù)據(jù)孤島問(wèn)題上提出了自己的預(yù)測(cè)，在他看來(lái)，未來(lái)國(guó)家層面可以建立起一個(gè)龐大的語(yǔ)音庫(kù)，這個(gè)庫(kù)可以支持所有的圖像和語(yǔ)音的公司，即完成數(shù)據(jù)的共享化。