酷应用

深度 | 详解人工智能+金融的全局、热点与前景（附 40个在推特上的FINTECH专家）

百家作者：AI100 2017-06-20 01:46:12

作者 | 茗君

整理 | AI100(ID：rgznai100)

以上两张图显示的是瑞银（UBS）位于康涅狄克州斯坦福德城的交易大厅，它约有23个篮球场那么大，最多可容纳1400名交易员。在08年金融危机之前，这里人声鼎沸，每天能够为瑞银创造大量利润。而八年之后，交易所大厅的人数骤减，变得非常萧条。

计算机所带来的程序化交易是这一变化的重要因素之一。

程序自动化已经代替了金融行业许多的人力工作。而当今人工智能的发展究竟又会对金融行业产生怎样的影响呢？

本文将从以下几个方面为您全面解读人工智能+金融的全局、热点和前景：

总览：机器学习横扫金融圈？！

合规
欺诈防范
文书处理
金融决策
交易

深度1：人工智能+量化投资

深度2：聊天机器人的应用

深度3：区块链的应用

深度4：计算机视觉的应用

特别关注：安全问题

应用解读：纳斯达克投资人工智能

关注：40个在推特上的FINTECH专家

▍总览：机器学习横扫金融圈？！

说到机器学习和金融的联系，你想到了什么？

首先，机器学习已经不再是科技公司的专属，金融领域已经在追赶这一潮流。普华永道、摩根大通、Man GLC对冲基金等机构都已经有了“机器学习主管”这一职位。而从2019年开始，CFA（特许金融分析师）考试这一金融行业的“黄金标准”也将引入人工智能的专业知识。对于一些主要使用算法进行量化交易的对冲基金来说，机器学习的影响也是巨大的。

摩根大通数字财富管理全球负责人Kelli Keough谈到：“通常来说，金融科技（Fintech）公司是比较任务驱动的——对于解决单个问题，他们单一和明确的目标；而大型金融机构则需要全局观：人们需要大型金融机构解决他们多种金融需求，并寻求整合体验。所以，我们考虑应用金融科技公司的技术，将他们带入市场并进行整合。”

不论是新兴的金融科技（Fintech）公司还是一些敏锐的老牌公司，都已经开始应用机器学习。

目前，你可以在合规、欺诈防范、文书处理等以下领域看到机器学习的进展：

合规

例如，Intelligence Voice这一英国公司就将它的机器学习会话录音设备卖给了几个大银行，帮助他们监管交易员的电话并探测是否存在内幕交易等不法行为。另外像Xcelerit和Kinetica等公司则为银行和投资公司提供实时的风险和资本需求监测。

欺诈防范

欺诈防范是机器学习的另一个擅长点。不论是初创公司（支付领域的Feedzai、保险领域的ShiftTechnology等），还是巨头如IBM都在提供这一服务。更不用提有些公司还在自主开发。例如，英国的初创银行Monzo建立了一个快速终止欺诈者交易的模型，使得他们的预付卡欺诈率从2016年6月的0.85%下降到了2017年1月的0.1%。

文书处理

人工智能的自然语言处理更是在处理大量金融文件上发挥了作用。例如，2016年6月，摩根大通部署的相关软件可以在几秒内处理12000份商业合同，相比之下，律师和贷款工作人员需要36万个小时。

苏黎世保险今年三月开始使用人工智能审核人身索赔文书（如医疗报告），已节约了4万个工作小时，并提高了审核准确度。日本保险公司FukokuMutual Life Insurance也于今年一月份开始使用人工智能能并取代了34名员工，预计每年将节省1.4亿日元（约合100万英镑）。

软银甚至开始使用IBM Watson系统对学生求职申请中的价值观问答进行打分，将打分时间缩短到了原先的四分之一。

金融决策

从更高端的层面来说，机器学习可以自动化一些金融决策，比如信用风险评估和投保资格评估。

ZestFinance公司从2009年开始做信用打分自动化，在今年的早些时候，该公司推出了可以帮助借款人做出信用评估决定的工具。有些人的传统信用信息非常少，而这款工具可以处理大量的数据以补充资料，如支付历史、和借款网站的互动等等。

Lemonade是另一家科技保险初创公司，它利用机器学习来卖保单和管理索赔。

交易

更前沿的机器学习应用是交易。机器学习可以分析市场数据，选择和交易投资组合。例如，高盛的量化投资策略部门就在用机器学习语言处理程序处理数千份公司报告，还可以根据报告中的积极/消极词汇的平衡进行“情绪评分”，并帮助选取股票。

Kensho是高盛投资的一家初创公司，它利用机器学习和相似数据预测自然灾害对市场价格的影响。

以上总览已经大致勾勒出了目前人工智能在金融领域的应用，以下的几个深度话题则将进一步解读人工智能+金融的应用热点和前景。

▍深度1：人工智能+量化投资

不论是新老量化基金都在追赶人工智能潮流。

Castle Ridge资产管理公司可以说是多伦多的“暴发户”，自2013年成立以来，它的平均年收益达到了32%。它运用模拟进化生物学的机器学习系统来做投资决策。公司的CEO Adrian de Valois-Franklin提及，这个系统的敏感度非常得高，通过分析暗示少量内幕交易的信号，它已经在收购声明发出前找准了24起收购。

Man AHL是一家成熟的拥有188亿美元估值的量化基金提供商。自2009年开始它就在做机器学习的研究，并在2014年将技术应用于理财。

不过呢，也有些优秀的量化基金对机器学习持怀疑态度。

Aspect Capital的Martin Lueck就谈到他认为机器学习被高估了，他的公司觉得其应用有限。Two Sigma的联合创始人DavidSiegel和Winton Capital的David Harding也都认为机器学习被高估了。

但是，机器学习还是在很多领域具有改变“游戏规则”的潜力，对金融领域，大概也是一样。Quantenstein的Jonathan Masci是一名机器学习基金经理，他曾经研究了数年基于传统规则的计算机视觉，也花了数年教计算机识别“鼻子”。

2012年，他发现机器学习可以让计算机通过观察数百万的鼻塞来“学习”鼻子的样子，他才发现自己的工作黯然失色。他认为，和这个例子类似的，机器学习也终将打败由人所设定的规则和传统的交易策略。

▍深度2：聊天机器人的应用

许多银行和金融机构已经将聊天机器人运用在了客服上。

伦敦智库Nesta的期货负责人Harry Armstrong表示，聊天机器人可以减少银行的客服成本；因为聊天机器人可以访问和处理大量数据，它们也可以帮助客户更好地浏览不同的产品和报价，并最终帮助人们更好地理财。

万事达卡和Capital One都已经推出了会话式代理，可以一天24小时随时随地和客户对话。埃森哲咨询公司预测，不到三年，聊天机器人就会成为客户和银行交流的主要方式，它还推出了一个概念性的虚拟贷款顾问Colette。

科技公司IPSoft创造了一个虚拟认知客服人员Amelia：

IPSoft的CEO Chetan Dube认为，聊天机器人最早只是被用作简单的问答对话（Q&A），但现在像Amelia这样复杂的虚拟代理人已经可以承担全套咨询和客服工作。

▍深度3：区块链的应用

区块链可以说是比特币的数字“脚手架”。区块链是数千台机器上运行的分散式虚拟账目，其中每一笔交易都通过网络共识（network consensus）进行记录。这些交易最初应用于比特币，但实际上任何可靠和安全的交易所都可以使用这一结构来交易债券、股票等等资产。

许多银行、保险公司和金融机构已经开始投资区块链的研究。一个简明的例子是银行间转账。传统转账方式冗长并需要不少文书甚至中介，而区块链不需要中间人，可防篡改，还非常快速。

区块链的支持者认为，区块链的应用是无限的：从快速、免费的国际支付，到自动信用评级，再到数字资产所有权证明等等。

《区块链革命》（Blockchain Revolution）的作者以及区块链研究所（BlockchainResearch Institute）的联合创始人DonTapscott和Alex Tapscott认为，区块链的介入，将会大幅改变保险业和风险管理行业。

“想一下OTC衍生品市场（场外交易市场），它现在的账面总值大约是600万亿美元，但是不数字化、不透明，并过度依赖中央结算系统。把所有的衍生品转移到区块链中可以快速透明地进行交易，并减少交易对手风险和系统风险。”

除此之外，区块链还可以为银行和金融机构扩大客户群。IBM全球区块链市场拓展副总裁Jesse Lund谈到，区块链可以增加交易透明度，同时不会牺牲用户隐私和信息安全，因此可以提升金融系统的信任程度，并帮助金融机构扩大客户群体。当今世界上甚至有一半人是表明没有银行账户的。

▍深度4：计算机视觉的应用

计算机视觉是当今人工智能领域的一大热门。计算机视觉是从单个或系列图像中提取、分析和识别有用信息，可被应用于控制过程（如无人驾驶、工业机器人）、事件检测（如视觉观察、运动跟踪）、信息组织（标记收据、图像记录）和环境建模（地理空间分析、医学影像分析）。人工智能的进步，使得计算机视觉的应用越来越广泛：

而计算机视觉对于金融领域的价值可以体现在以下几个方面：

保险业

对保险业来说，计算机视觉可被利用于车祸的严重程度判断，甚至可以在将来帮助保险公司更好地理解无人驾驶并评估无人驾驶车辆的保险额度。例如，伦敦最大的汽车保险公司之一Ageas正在使用伦敦初创公司Tractable提供的技术，以评估车辆损坏，甚至标记潜在的欺诈性索赔。这一技术，可以在几秒钟内进行高效评估。

银行业

计算机视觉最易被应用到银行的合规、应付账款、承销、分行网络等领域。

在合规方面，欧洲的一些银行，如BBVA，已经开始利用计算机视觉来改变客户识别流程。客户在手机上用自拍和一段录音就可以开设账户。数据库中不再需要去储存许许多多重复的名字和生日。

银行的后台通常需要许多文书工作，计算机视觉也可以帮助提高文书处理准确率和吞吐量，并减少工作时间。

在银行分行，计算机视觉可以帮助监测客户的情绪反应并提高工作质量。

今年三月，富国银行宣布它们的一万三千台ATM机将不再需要借记卡而是需要智能手机生成的代码完成操作。这一决定主旨是为了打击银行卡诈骗行为，而在将来，计算机视觉可能会进一步取代智能手机代码：只需要面孔和行为特征，银行就可以授权交易。

投资

首先，利用计算机视觉，房地产投资组合也可以被更好地监控和评估，这对经纪人的定价和项目融资都有好处。

更广泛来说，计算机视觉可以让资本市场投资者获取许多数据，例如人们的零售模式、全球水储备、石油储备、贫困水平测绘以及国家经济指数，从而帮助他们做出投资决策。

▍特别关注：安全问题

当然，随着人工智能越发广泛地在金融领域得到应用，安全也是一个重要的议题。正如机器学习承保平台ZestFinance的CEO和创始人Douglas Merrill提到，人脑有盲点，AI也是。最好的机器学习系统如果只是摄入和训练坏的数据也会输出坏的结果。

网络安全HackerOne的联合创始人Alex Rice则提到，金融机构特别容易受到不信任危机的影响。安全问题会造成银行的客户流失、生意受损，对银行和金融机构的伤害是巨大的。在越发依赖数据、网络和人工智能的情况下，安全问题需要金融行业尤为重视。

读过以上几个话题，相信您已经对人工智能+金融有了更深入的理解。下面，我们会为您深入解读一例人工智能具体在合规、欺诈防范和交易上的综合应用。

▍应用解读：纳斯达克投资人工智能

如今，金融犯罪的复杂性在日趋提升，为了应对这点并更有效监督交易行为、防止市场滥用，股票交易所运营商纳斯达克也不得不增强它的监管平台。此外，纳斯达克也希望能建立更好的风险监控标准，以监控无法被传统词语搜索工具探测出的通信风险。基于这些，纳斯达克决定应用人工智能。

在Digital Reasoning公司认知计算平台的帮助下，纳斯达克得以根据通信模式识别交易员通信中的消息走漏。该系统还可以通过数据分析更好地了解交易员的意图和行为，并发现潜在的欺诈。

在应用Digital Reasoning的技术之前，纳斯达克已经花了约一年的时间评估所有主要电子通信监管技术提供商。纳斯达克的产品管理、风险和监管解决负责人Michael O'Brien说，传统的关键词搜索工具无法有效地发现包含串通、操纵市场意图的通信，而且虚假误报太多。

目前，结合Digital Reasoning平台和纳斯达克自己的AI监管技术SMARTS，纳斯达克在监管40个市场、100个监管机构以及65个全球市场的100个市场参与方。

据O'Brien说，DigitalReasoning和SMARTS都可以汇集交易和通信数据，并提供有关异常交易的深度上下文分析。数据还将汇入打分系统，最具风险的数据会引起分析师的注意。

纳斯达克和Digital Reasoning目前还有一个正在进行的概念项目：分享银行客户群体并促成两个系统之间信息。在该计划中，被Digital Reasoning识别为包含串通、操纵或其它非正常语言的通信也将在SMARTS界面中被标记。

这样一来，SMARTS系统的分析师也可以看到相关不寻常的通信信息：他们可以在SMARTS界面中访问通信元数据，或是立即连接到DigitalReasoning中查看完整信息。

“传统电子通信监管平台使用的是关键词搜索技术，”O'Brien表示，“DigitalReasoning的认知计算技术是在此基础上的一大进步。”

▍关注：40个在推特上的FINTECH专家

以下列表由IPCOnline发表，囊括了值得在推特上关注的40个世界顶尖的Fintech专家。该列表涵盖的Fintech领域有：人工智能/机器学习、区块链、支付、数字银行、大数据等等。

该列表中的第一个分数综合了Onalytica和IPCOnline的打分，第二个打分则基于Moz Social Authority（一个推特影响力打分）和KloutGlobal Social Score两个打分。

参考资料：

“传递华尔街转型的两张照片：从完美象征到一片萧条”，来源：凤凰网财经
“Machine-learning promises to shake up large swathes of finance”，来源：The Economist
“Chatty bots and AI bank managers: getting inside fintech’s future”，来源：WIRED / J.P. Morgan Re-Think Business系列文章
“Computer Vision—The Impact onFinancial Services”，来源：Hacker Noon，作者David Mort
“Nasdaq invests in artificial intelligence”，来源：ZDNet，作者：Bob Violino
“Softbank uses AI to assess students’ job applications”，来源：The Asahi Shimbun，作者：SHINYATOKUSHIMA
“AI adopted by Zurich Insurance to assess personal injury claims”，来源：E&T
“Insurer Ageas has started processing claims using artificial intelligencefrom London startup Tractable”，来源：City A.M.

招聘

AI100现招聘技术编辑、实习生，有意向请将简历投往：puge@ai100.ai

咨询请联系微信greta1314

课程结合实例介绍使用TensorFlow开发机器学习应用的详细方法和步骤，着重讲解了用于图像识别的卷积神经网络和用于自然语言处理的循环神经网络的理论知识及其TensorFlow实现方法，并结合实际场景和例子描述了深度学习技术的应用范围与效果。所有案例均来自讲师团队工作中的亲身实践，所选案例均是深度学习的经典应用，非常具有代表性。

点击下方“阅读原文”查看更多内容。