《人工智能与金融.docx》由会员分享，可在线阅读，更多相关《人工智能与金融.docx（7页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、人工智能与金融 近年来，随着人工智能被媒体热炒，各个领域都在畅想与人工智能相结 合之后，本行业会发生哪些改变。作为最为暴利，也最为趋利的金融行 业，自然会对人工智能的作用和影响进行分析，并试图利用人工智能技 术为自己谋取暴利。就金融行业本身来说，与人工智能有关的无非以下几个部分：一是结合客户的理财理念配置客户的资产；二是根据客户个人的大数据分析对客户进行分级和给予信誉评价；三是反欺诈、虚假信息账号，反洗钱等工作；四是投资和交易领域，用人工智能做算法交易、自动化交易、风险控制；五是金融咨询，利用人工智能为客户提供金融方面的知识咨询。就以上几个领域来说，只要用于机器学习的样本足够大，算法没有纨漏,
2、 那么，人工智能会比普通金融业从业者更靠谱，而且机器不像人那样具 有个人喜好，甚至会骗人。只要人工智能本身的技术足够成熟，且没有 人为设置后门，那么，客户也可以给予人工智能更大的信任。何况，就 目前的情况看，人脑对于人工智能还具有一定优势的是感性认识，比如 情感，艺术等等，在理性认识上，特别是在数据分析和计算能力上，人 工智能相对于人脑具备绝对优势。因此，就金融行业来说，人工智能逐步取代人类交易员是大势所趋。在华尔街，过去的金融交易高度依赖人与人之间的直接沟通，然而现在 已经有高达70%的股市交易通过自动交易算法完成。这些先进的机器 人交易员，很多是由人工智能的前沿技术研究提供支持的,其能力远
3、远 超出执行简单的日常交易。人工智能在共同基金和养老金管理这发起的大型交易中，会检测判断, 然后抢购股票，以图赢利。人工智能还会试图通过在系统中设满投标圈 套，然后又迅速撤出的方式蒙蔽其他交易员。在2013年发表在科学杂志自然上的一篇论文中，一群物理学家研 究了全球金融市场，确定了 一个充满成群掠夺性算法的竞争性机器的 新兴生态环境的出现，并指出机器人交易的进展已经超出了人类设计 者的理解和控制。正是由于人工智能在金融领域的大量应用，在股市持续保持上升的 2012年和2013年，华尔街却依旧宣布大量裁员。在2000年前后， 华尔街的公司在纽约雇佣了 15万金融工作者。而到了 2013年，虽然
4、无论交易量还是行业利润都相对于本世纪之初大幅上涨，但华尔街的公 司的雇员已经减少到了 10万人。在国内中央财经大学主办的2018中国金融科技前沿论坛，也有专 家表示，传统券商领域大概有5万多个工作会被机器取代，以及资产管 理也有很多，现在人工智能管理出来之后，非常多的工作机会将会被流 失，还有私人银行的财富管理工作、投资银行工作、销售工作都会被取 代。诚然，人工智能替换掉中国金融行业的部分工作岗位是大势所趋。不过, 铁流对于人工智能应用于中国股市的前景并不看好。毕竟,此前谷歌曾 经开发过一款人工智能炒股系统，然后将该系统应用于中国A股，之后 亏的一塌糊涂，不得不退出A股战场了。基于人工智能的金
5、融反欺诈金融行业是人工智能等技术落地应用的重要领域。人工智能不仅极大地 提升了金融服务的效率，降低了交易成本，更帮助金融机构在业务、风 控、运营、审计、人力等前中后台场景中进行了智能化转型。11月18日，在成都召开的第八届中国智能产业高峰论坛”和在北京 召开的“2018人工智能大数据精英会”上，顶象技术专家们就人工智 能技术助力金融反欺诈进行了探讨和交流。人工智能反欺诈的核心技术：深度画像提起用户画像想必都不陌生。作为建立在一系列现实世界中真实用户数 据之上的模型，用户画像技术通过对年龄、性别、婚姻、教育、工作、 家庭等个人特征及消费偏好、浏览、社交、投资、购买等信用特征进行 采集和积累，在明
6、确的业务应用场景下，根据提前设定好的算法进行画 像和分析，将这些多种类型的数据抽象成一个标签化的用户模型，以形 成能触及到用户的根本需求。传统的用户画像基于业务场景和需求制定，虽然能够直接用于业务策略, 但是对多用户的采集分析，一个个单点很难定义彼此的关联关系。因此 形成的是单一维度标签，在跨领域使用、泛化拓展和表达上比较差。而 利用关联网络技术进行分析和挖掘，则能有效弥补传统用户画像的不足。11月18日，在第八届中国智能产业高峰论坛上，顶象技术首席科 学家施亮表示，利用基于关联网络的图算法对特征、信息、标签等进行 分析，能够直观的体现目标网络的结果和预测。顶象技术首席科学家施亮 他表示，基于
7、关联网络，不但能够进行常规的网络分析，还可以进行图 嵌入学习、无监督和半监督学习等。施亮着重介绍了顶象的关联网络应用技术一深度画像。该技术基于关 联网络构建的图神经网络算法，同时考虑拓扑关系和节点自有属性的学 习表征，能够使用多种核函数聚集邻居节点的表征信息，可应用半监督 学习和无监督学习表征等。1. Sample neighborhood2. Aggregate feature information 3. Predict graph context and labe from neighborsusing aggregated information神经网络算法示意图(出自：Inducti
8、ve Representation Learning on Large Graphs )施亮表示，通过深度画像技术，再辅助端数据建模和数据采集保护技术, 能够有效识别和防控各类金融欺诈行为。顶象端数据建模和数据采集保护技术主要通过力度、触面、仰角、手势、 触点间隔等设备端的基础数据和生物操作特征数据，从而建立同人识别 模型，帮助运营者识别操作者的个人操作习惯。深度画像技术在金融反欺诈中的具体应用 金融机构面临的业务风险方方面面：有利用虚假身份、虚假资料进行 骗贷的普通人和企业；有进行洗单、合谋套现、虚假的商户；还有对银 行卡进行克隆、变造、失窃等进行诈骗的不法分子；更有网络诈骗、洗 钱交易、非
9、法集资等各种违法犯罪行为等。目前，主流的风控方案是端防护（风险采集）+数据服务（信息核验、 黑白名单等）+风控策略（反洗钱、反欺诈、评分卡等策略）+机器学 习（反欺诈、信用评估等模型）。这样的方案通过单样本风险实现纵深 监测，兼具了灵活性与复杂性。但会忽视样本之间的关系，忽略团伙风 险和跨数据等风险。顶象技术人工智能专家黄亚军顶象技术人工智能专家黄亚军在2018人工智能大数据精英会上表 示，基于顶象深度画像技术，通过对用户交易记录、申请记录以及设备 访问数据等的分析与挖掘，形成账号、交易、手机号、设备等关系数据 的关联网络，能够有效弥补以上的不足。黄亚军通过零售银行欺诈、银行收单商户欺诈等案例，详细讲述了深度 画像技术在反欺诈中的应用。一个疑似手机欺诈的网络挖掘案例人工智能推动金融智能化人工智能的主要技术可以在金融中找到相关的应用。以金融风控为例， 人工智能可以实现对风险及时有效的识别、预警与防范。除利用人工智能做金融欺诈检测与防控外，利用人工智能进行合同处理、 资料验证审批、资文归档等低创造力高重复性的工作；以智能语音客服 为方式，以数据学习为技术支撑的客服类人工智能；依靠算法，参与股 票市场与期货市场的人工智能交易等。人工智能承载不仅是金融行业的智能化，更推动经济以及社会的新变革。