人工智能概论-智能金融.pptVIP

************目前，智能投顾在金融领域中的应用主要集中于大类资产配置、投资研究分析、量化交易三个方向。大类资产配置中的智能投顾，是指将人工智能技术应用于股票类、债券类、商品类等不同种类大类资产的投资中，并在组合中配置不同类别的资产，同时根据投资者和市场形势进行动态调整。相比于传统的投顾，智能投顾有着更低的成本，使得普通投资者也能够享受专业经理人的投顾服务。同时，智能投顾充分发挥了人工智能算法优势，由机器自动执行，因此配置和执行更为高效。美国Betterment和WeaIthFront等投资公司，已经通过“智能投顾”系统为投资者提供金融投资服务，具有高效、实时、价格低廉等优势，获得了新一代投资者的青睐。智能金融投资研究分析中的智能投顾，是指将人工智能技术应用于金融数据研究与分析，以期获得更多、更大的金融投资收益。尽管，目前金融数据正在变得越来越透明且及时，然而从海量数据中提取能够提供于投资与决策的有价值数据，却变得越来越困难。譬如，金融数据可能是存在数据库中的数字、符号等结构化数据，也可能是文本、图片、视频、各类报表、PDF、网页等非结构化数据。利用人工智能技术，可以帮助投资者进行金融研究和分析，更快的从海量数据中发现不同信息的逻辑关系，更加精准快速得做出投资决策。Kensho公司通过人工智能对海量数据进行挖掘和逻辑链条分析，解决了投资研究、分析问题。智能金融量化投资是指通过数量化和计算机程序化方式发出交易指令，以获取稳定收益为目的的交易方式，目前已经几乎覆盖了投资的全过程，包括量化选股、量化择时、股指期货套利、商品期货套利、统计套利、算法交易，资产配置，风险控制等。将知识图谱等人工智能技术应用于量化投资的数据系统，可以在更广的数据场景下支持风险识别、机会提示、事件分析等高级能力。人工智能算法可以应用在投资规划、组合选择、量化择时等模块的模型训练、因子选择、参数调优中。人工智能训练处理的量化投资模型可以进行自动化交易指令的下达、执行，并能对每个交易和执行进行评价、分析和优化。WaterBridge公司已经利用人工智能手段取代了交易员，并将智能投顾系统应用于量化交易系统的决策、交易和分析。智能金融金融分析预测与监控是指运用人工智能、计算机、大数据等技术，以及线性代数、概率论、数理统计等数学工具对风险资产及金融衍生品的理论价格做出定量分析，并运用了运筹学的思想方法对投资方法及企业融资策略做出比较和分析，进而聚焦于金融市场的趋势预测、风险监控、压力测试等。智能金融10.2.3智能金融预测与监控具有自主学习、自我训练特征的人工智能技术能够从零散、长期的历史金融数据中获得更多信息，辅助识别非线性关系，给出价格波动、市场预测及其时效性。此外，人工智能技术还能对大型、离散、半结构化和非结构化的金融数据集进行分析，综合市场行为、监管规则、其他金融事件和趋势变化，进行反向测试、模型验证和压力测试，避免低估风险，提高金融市场预测性和防御性。智能金融以人工智能技术驱动的美国基金RebellionResearch公司，基于贝叶斯机器学习，结合预测算法，有效地通过自学习完成了全球44个国家在股票、债券、大宗商品和外汇上的交易。RebellionResearch曾成功预测了2008年席卷全球的股市崩盘，2009年9月预测了希腊债券F评级结果，比Fitch公司提前了1个月。香港的Aidyia人工智能系统将遗传算法、概率逻辑等多种技术混合，致力于美股市场分析，会在分析大盘行情以及宏观经济数据后，做出市场预测，并对金融交易活动进行表决。日本MitsubishiGroup发明的人工智能Senoguchi系统，每月10日会预测日本股市在30天后将上涨还是下跌，经过4年左右的测试，该模型的正确率高达68%。智能金融同时，利用人工智能技术建立的高质量的风险控制模型，可以自动分析包含大量强特征和弱特征的数据，自动判断交易风险，大幅提高信贷业务的准确率，降低坏账率，实现良性金融业务和业绩的大幅增长。实际上，风险预测、风险监控、风险控制和信用评估一直是困扰金融领域的难题，人工智能技术的加持，会对分散、单一、弱征兆的风险信号提前进行智能侦测、评估。人工智能技术能够识别异常交易和风险主体，检测和预测房价、工业生产、失业率、金融压力、市场波动、流动性风险，抓住可能对金融稳定造成的威胁。智能金融随着世界经济的快速发展，金融活动逐渐频繁，金融领域的违法犯罪活动也日益增多，尤其是金融类电信诈骗、网络贷款欺诈等金融诈骗行为，已经成为最为高发的新型诈骗手段。36