人工智能+金融科技AI+FinTech

人工智能+金融科技AI+FinTech人工智能+金融科技AI+FinTech第1頁人工智能+金融科技主流應(yīng)用投資銀行和賣方研究嘗試自動匯報生成公募、私募基金在經(jīng)過人工智能輔助量化交易金融智能搜索財富管理企業(yè)在探索智能投顧方向人工智能+金融科技AI+FinTech第2頁自動生成投研匯報當(dāng)前，自動匯報生成主要利用自然語言處理(NLP)中兩種技術(shù)：1）自然語言了解(NLU)：將日常話語消化了解，并轉(zhuǎn)化為機器可后續(xù)處理結(jié)構(gòu);2）自然語言生成(NLG)：將由機器拆分好結(jié)構(gòu)化數(shù)據(jù)以大家能看懂自然語句表示出來。咱們能夠?qū)⑦@兩種技術(shù)了解看成對日常對話這一原料拆分加工和整裝成可了解自然語句——最終產(chǎn)品。人工智能+金融科技AI+FinTech第3頁自動生成投研匯報真正生成匯報還需要利用以上技術(shù)完成3個步驟：

1）處理海量異構(gòu)數(shù)據(jù)將投行分析師需要閱讀年報，彭博新聞社實時新聞以及數(shù)據(jù)，行業(yè)分析匯報，以及法律公告等資源進行消化。其中對于文本中圖片和表格需要OCR(光學(xué)字符識別)等技術(shù)解析；

2）分析數(shù)據(jù)這一過程包括利用知識圖譜中常見知識提取與實體關(guān)聯(lián)將其關(guān)鍵邏輯主干抽出，結(jié)合事件地點等原因，將關(guān)鍵信息嵌入預(yù)先設(shè)計好匯報模板中；

3）文章生成經(jīng)過處理海量異構(gòu)數(shù)據(jù)與分析數(shù)據(jù)過程后，即可生產(chǎn)新聞，券商分析研報，上市招股書，企業(yè)年報，定增公告，甚至基金研究員開每日晨會所需投資提議書也都能夠用類似方式生成。人工智能+金融科技AI+FinTech第4頁自動生成投研匯報用戶只需選擇符合其需求模板確定主題與關(guān)鍵信息，以及匯報展現(xiàn)形式，便可生成基礎(chǔ)內(nèi)容。而且投行分析師能夠進行校對與人工二次編輯，加入有價值觀點與結(jié)論，并提升匯報精準(zhǔn)度。自動匯報生成已經(jīng)被廣泛利用到新聞行業(yè)中，代表科技企業(yè)有美聯(lián)社投資AutomatedInsights已為美聯(lián)社自動生成出10多億篇文章與匯報。法國企業(yè)Yseop能夠每秒生產(chǎn)3000頁內(nèi)容，支持英語，法語，德語等各種語言，產(chǎn)品廣泛用于銀行、電信企業(yè)客戶服務(wù)部門以及財經(jīng)新聞網(wǎng)站。

不過一些科技企業(yè)已經(jīng)不但僅滿足于為新聞行業(yè)提供自動匯報生成服務(wù)。NarrativeScience由西北大學(xué)新聞系和計算機科學(xué)系聯(lián)合創(chuàng)建，意在經(jīng)過給定主題數(shù)據(jù)分析，自動生成文章匯報。該企業(yè)著名數(shù)據(jù)分析平臺Quill能夠分析結(jié)構(gòu)化數(shù)據(jù)，將人工智能與大數(shù)據(jù)進行技術(shù)融合，了解這些數(shù)據(jù)主要性，從而產(chǎn)生簡短文字表述或結(jié)構(gòu)化匯報內(nèi)容。Quill主要面向?qū)ο鬄椤鹑诜?wù)提供商。NarrativeScienceCEOFrankel表示“咱們目標(biāo)是替換人工做絕大個別基礎(chǔ)工作，讓機器來處理數(shù)據(jù)和信息”。人工智能+金融科技AI+FinTech第5頁人工智能怎樣輔助量化交易量化交易從很早開始就利用機器進行輔助工作，分析師經(jīng)過編寫簡單函數(shù)，設(shè)計一些指標(biāo)，觀察數(shù)據(jù)分布，而這些僅僅把機器當(dāng)做一個運算器來使用。直到近些年機器學(xué)習(xí)崛起，數(shù)據(jù)能夠快速海量地進行分析、擬合、預(yù)測，大家逐步把人工智能與量化交易聯(lián)絡(luò)得愈發(fā)緊密，甚至能夠說人工智能3個子領(lǐng)域：機器學(xué)習(xí)自然語言處理知識圖譜貫通量化交易一直。人工智能+金融科技AI+FinTech第6頁人工智能怎樣輔助量化交易1)機器學(xué)習(xí)：從數(shù)字推測模型人工智能+金融科技AI+FinTech第7頁人工智能怎樣輔助量化交易1)機器學(xué)習(xí)：從數(shù)字推測模型量化交易分析師們對財務(wù)、交易數(shù)據(jù)進行建模，分析其中顯著特征，利用回歸分析等傳統(tǒng)機器學(xué)習(xí)算法預(yù)測交易策略。這種方式有兩個主要弊端，其一是數(shù)據(jù)不夠豐富，僅限于交易數(shù)據(jù)，更主要是它受限于特征選取與組合(FeatureEngineering)，模型好壞取決于分析員對數(shù)據(jù)敏感程度。另外一個做法是，模仿教授行為，選擇某一領(lǐng)域特定教授，復(fù)制他們決議過程，并導(dǎo)入可重復(fù)計算框架。

全球最大對沖基金橋水聯(lián)合(BridgewaterAsspcoates)早在年就開啟一個新人工智能團體，該團體約有六名員工，由曾經(jīng)供職IBM并開發(fā)了認知計算系統(tǒng)WatsonDavidFerrucci領(lǐng)導(dǎo)。據(jù)彭博新聞社報道，該團體將設(shè)計交易算法，經(jīng)過歷史數(shù)據(jù)和統(tǒng)計概率預(yù)測未來。該程序?qū)殡S市場改變而改變，不停適應(yīng)新信息，而不是遵照靜態(tài)指令。而橋水基金創(chuàng)始人也曾公開表示，其旗下基金持有大量多倉和空倉，投資120種市場，持倉組合高達100各種，而且以人工智能方式考慮投資組合。人工智能+金融科技AI+FinTech第8頁人工智能怎樣輔助量化交易1)機器學(xué)習(xí)：從數(shù)字推測模型RebellionResearch是一家利用機器學(xué)習(xí)進行全球權(quán)益投資量化資產(chǎn)管理企業(yè)，RebellionResearch在年推出了第一個純?nèi)斯ぶ悄?AI)投資基金。該企業(yè)交易系統(tǒng)是基于貝葉斯機器學(xué)習(xí)，結(jié)合預(yù)測算法，響應(yīng)新信息和歷史經(jīng)驗從而不停演化，利用人工智能預(yù)測股票波動及其相互關(guān)系來創(chuàng)建一個平衡投資組合風(fēng)險和預(yù)期回報，利用機器嚴(yán)謹超越人類情感陷阱，有效地經(jīng)過自學(xué)習(xí)完成全球44個國家在股票、債券、大宗商品和外匯上交易。

倫敦對沖基金機構(gòu)Castilium由金融領(lǐng)域大佬與計算機科學(xué)家一同創(chuàng)建，包含前德意志銀行衍生品教授、花旗集團前董事長兼首席執(zhí)行官和麻省理工教授。他們采訪了大量交易員和基金經(jīng)理，復(fù)制分析師、交易員和風(fēng)險經(jīng)理們推理和決議過程，并將它們納入算法中。人工智能+金融科技AI+FinTech第9頁人工智能怎樣輔助量化交易1)機器學(xué)習(xí)：從數(shù)字推測模型在量化交易方面人工智能初創(chuàng)企業(yè)有日本Alpaca，旗下交易平臺Capitalico利用基于圖像識別深度學(xué)習(xí)技術(shù)，允許用戶很輕易地從存檔里找到外匯交易圖表并幫忙做好分析，這么一來，普通人就能知道明星交易員是怎樣做交易，從他們經(jīng)驗中學(xué)習(xí)并作出更準(zhǔn)確交易。同時Alpaca也推出AlpacaScan作為對美國股票市場實時反應(yīng)K線圖工具，拋棄二進制濾波局限意在提供給交易員用來識別潛在市場改變趨勢日常必需工具。

坐落在香港Aidyia致力于用人工智能分析美股市場，依賴于各種AI混合，包含遺傳算法(geneticevolution)，概率邏輯(probabilisticlogic)，系統(tǒng)會分析大盤行情以及宏觀經(jīng)濟數(shù)據(jù)，之后會做出自己市場預(yù)測，并對最好行動進行表決。與其類似企業(yè)還有Point72Asset，RenaissanceTechnologies，TwoSigma。人工智能+金融科技AI+FinTech第10頁人工智能怎樣輔助量化交易2)自然語言處理：把握市場動態(tài)當(dāng)量化交易分析師發(fā)覺數(shù)字推測模型不足后，開始考慮引入新聞，政策，社交網(wǎng)絡(luò)中豐富文本并利用自然語言處理技術(shù)分析，將非結(jié)構(gòu)化數(shù)據(jù)結(jié)構(gòu)化處理，并從中探尋影響市場變動線索。

率先使用自然語言處理技術(shù)人工智能對沖基金是今年6月份在倫敦新設(shè)對沖基金CommEq。CommEq投資方法結(jié)合了定量模型與自然語言處理(NLP)，使計算機能夠如人類一樣經(jīng)過推斷和邏輯演繹了解不完整和非結(jié)構(gòu)化信息。

除此之外，也有采取自然語言處理技術(shù)金融科技企業(yè)，如由李嘉誠與塔塔通訊投資SentientTechnologies利用自然語言處理，深度學(xué)習(xí)(DeepLearning)等各種AI技術(shù)，進行量化交易模型建立。人工智能+金融科技AI+FinTech第11頁人工智能怎樣輔助量化交易2)自然語言處理：把握市場動態(tài)其中最為著名是號稱”取代投行分析師“投資機器人——Kensho。Kensho是一家致力于量化投資大眾化人工智能企業(yè)，旗下有一款產(chǎn)品Warren被稱之為金融投資領(lǐng)域“問答助手Siri”。Kensho結(jié)合自然語言搜索，圖形化用戶界面和云計算，將發(fā)生事件關(guān)聯(lián)金融市場，提供研究輔助，智能回回復(fù)雜金融投資問題，從而加速交易時間，降低成本，用動態(tài)數(shù)據(jù)與實時信息，及時反應(yīng)市場動態(tài)。

這一技術(shù)也被廣泛利用于風(fēng)控與征信。經(jīng)過爬取個人及企業(yè)在其主頁、社交媒體等地方數(shù)據(jù)，一來能夠判斷企業(yè)或其產(chǎn)品在社會中影響力，比如觀察App下載量，微博中提及產(chǎn)品次數(shù)，在知乎上對其產(chǎn)品評價;另外將數(shù)據(jù)結(jié)構(gòu)化后，也可推測投資風(fēng)險點。這方面我國很多互聯(lián)網(wǎng)貸款，征信企業(yè)都在大量使用自然語言處理技術(shù)，比如宜信，閃銀等。另外一些企業(yè)則利用這些技術(shù)進行B端潛在客戶搜尋，如Everstring，并將信息出售給其上游企業(yè)。人工智能+金融科技AI+FinTech第12頁人工智能怎樣輔助量化交易3)知識圖譜：降低黑天鵝事件對預(yù)測干擾機器學(xué)習(xí)與自然語言處理技術(shù)經(jīng)常會在一些意外(如“黑天鵝”事件)發(fā)生時候預(yù)測失敗，比如911、熔斷機制和賣空禁令等等。人工智能系統(tǒng)沒有碰到過這些情況，無法從歷史數(shù)據(jù)中學(xué)習(xí)到相關(guān)模式。這時候假如讓人工智能管理資產(chǎn)，就會有很大風(fēng)險。

另外，機器學(xué)習(xí)擅長發(fā)覺數(shù)據(jù)間相關(guān)性而非因果性。很有名一個例子是早在1990年，對沖基金FirstQuadrant發(fā)覺孟加拉國生產(chǎn)黃油，加上美國生產(chǎn)奶酪以及孟加拉國羊數(shù)量與標(biāo)準(zhǔn)普爾500指數(shù)自1983年開始10年時間內(nèi)均含有99%以上統(tǒng)計相關(guān)性，1993年之后，這種關(guān)系莫名其妙消失了。這就是因為自學(xué)習(xí)機器無法區(qū)分虛假相關(guān)性所造成，這時候就需要教授設(shè)置知識庫(規(guī)則)來防止這種虛假相關(guān)性發(fā)生。人工智能+金融科技AI+FinTech第13頁人工智能怎樣輔助量化交易3)知識圖譜：降低黑天鵝事件對預(yù)測干擾知識圖譜本質(zhì)上是語義網(wǎng)絡(luò)，是一個基于圖數(shù)據(jù)結(jié)構(gòu)，依據(jù)教授設(shè)計規(guī)則與不一樣種類實體連接所組成關(guān)系網(wǎng)絡(luò)。知識圖譜提供了從“關(guān)系”角度去分析問題能力。就金融領(lǐng)域來說，規(guī)則能夠是教授對行業(yè)了解，投資邏輯，風(fēng)控把握，關(guān)系能夠是企業(yè)上下游、合作、競爭對手、子母企業(yè)、投資、對標(biāo)等關(guān)系，能夠是高管與企業(yè)間任職等關(guān)系，也能夠是行業(yè)間邏輯關(guān)系，實體則是投資機構(gòu)、投資人、企業(yè)等等，把他們知識圖譜表示出來，從而進行更深入知識推理。人工智能+金融科技AI+FinTech第14頁人工智能怎樣輔助量化交易3)知識圖譜：降低黑天鵝事件對預(yù)測干擾當(dāng)前知識圖譜在金融中應(yīng)用大多在于風(fēng)控征信，基于大數(shù)據(jù)風(fēng)控需要把不一樣起源數(shù)據(jù)(結(jié)構(gòu)化，非結(jié)構(gòu))整合到一起，它能夠檢測數(shù)據(jù)當(dāng)中不一致性，舉例來說，借款人張三和借款人李四填寫是同一個企業(yè)電話，但張三填寫企業(yè)和李四填寫企業(yè)完全不一樣，這就成了一個風(fēng)險點，需要審核人員格外注意。

最早應(yīng)用知識圖譜在金融領(lǐng)域Garlik就是這一代表。這家企業(yè)年成立于英國，關(guān)鍵組員來自南安普頓大學(xué)(UniversityofSouthampton，是語義網(wǎng)關(guān)鍵研究機構(gòu)之一)，主要業(yè)務(wù)是在線個人信息監(jiān)控。Garlik搜集網(wǎng)絡(luò)和社交媒體上個人信息，當(dāng)發(fā)生個人信息偷竊時會及時報警。Garlik總計融資2469千萬美金后被美國三大個人信用統(tǒng)計企業(yè)之一Experian收購，其技術(shù)被用于個人信用統(tǒng)計、信用偷竊分析。Garlik關(guān)鍵技術(shù)之一是大規(guī)模語義數(shù)據(jù)庫，前后開源公布了3store,4store,5store等高性能數(shù)據(jù)庫。人工智能+金融科技AI+FinTech第15頁人工智能怎樣輔助量化交易3)知識圖譜：降低黑天鵝事件對預(yù)測干擾除此之外還有Dataminr，這家基于Twitter及其它公開信息實時風(fēng)險情報分析企業(yè)。致力于從數(shù)據(jù)爆炸社交網(wǎng)絡(luò)提取精簡且價值風(fēng)險情報與挖掘關(guān)鍵信息，如輿情熱點、金融相關(guān)非交易信息、公共機構(gòu)安全預(yù)警、企業(yè)安全等，并直接向客戶推送。除此之外，Dataminr還加入早期預(yù)警系統(tǒng)，并實時推送警報

而以投資關(guān)系為例，知識圖譜能夠?qū)⒄麄€股權(quán)沿革串起來，方便地展示出哪些PE機構(gòu)在哪一年進入，進入價格是多少，是否有對賭條款，這些信息不但能夠判斷該機構(gòu)進入當(dāng)初估值，企業(yè)未來發(fā)展情況(企業(yè)成長節(jié)奏)，還能夠看清PE機構(gòu)投資偏好，投資邏輯是怎樣變更發(fā)展。人工智能+金融科技AI+FinTech第16頁人工智能怎樣輔助量化交易3)知識圖譜：降低黑天鵝事件對預(yù)測干擾當(dāng)前知識圖譜在工業(yè)界還沒有形成大規(guī)模應(yīng)用。即便有個別企業(yè)試圖往這個方向發(fā)展，但很多仍處于調(diào)研階段。咱們認為這其中難點在于怎樣與特定領(lǐng)域機構(gòu)建立起一套合作方式，怎樣將合作變成一個可輕易編程界面，讓領(lǐng)域教授能夠經(jīng)過系統(tǒng)以一個非常簡單方式進行行業(yè)邏輯建模，而他邏輯能夠經(jīng)過系統(tǒng)實時得到驗證，使其深入更新，只有經(jīng)過教授與機器反重復(fù)復(fù)迭代，形成閉環(huán)，才會服務(wù)好用戶。

全球估值第四高，被稱為“下一個獨角獸”企業(yè)——Palantir曾推出一個基于知識圖譜金融數(shù)據(jù)分析平臺—PalantirMetropolis，能夠整合多源量化資料，并提供一套方便易用分析工具來滿足復(fù)雜研究需求，其中組件能夠進行復(fù)雜搜索，可視化編輯與分析，有非常豐富人機交互能力。當(dāng)前Palantir將結(jié)構(gòu)化客戶內(nèi)部數(shù)據(jù)，關(guān)聯(lián)相關(guān)數(shù)據(jù)，讓客戶自己創(chuàng)建分析規(guī)則整合并優(yōu)化模型，量化處理數(shù)據(jù)，從而處理客戶特定需求。人工智能+金融科技AI+FinTech第17頁金融搜索引擎券商/私募基金研究員在進行研究工作時候需要搜集海量信息，再整理和分析其中內(nèi)容，如上下游分析，對標(biāo)企業(yè)研究，競爭對手研究，企業(yè)亮點/風(fēng)險點分析等等。然而當(dāng)前絕大多數(shù)證券分析師所利用輔助研究軟件如Bloomberg數(shù)據(jù)終端只處理了基礎(chǔ)數(shù)據(jù)問題，而沒要考慮到信息量過載問題。這使得研究員在面對大量基礎(chǔ)數(shù)據(jù)與爆炸信息時無法尋找到最有準(zhǔn)確有價值信息，也無從提升其工作效率。

金融搜索引擎背后關(guān)鍵技術(shù)是高質(zhì)量知識圖譜和大量業(yè)務(wù)規(guī)則，幫助實現(xiàn)聯(lián)想、屬性查找、短程關(guān)系發(fā)覺。探索引擎，如分面瀏覽器，也是在知識圖譜基礎(chǔ)上，則提供了人機協(xié)作界面，讓人對數(shù)據(jù)探索過程能夠很方便地被統(tǒng)計、迭代、重用。人工智能+金融科技AI+FinTech第18頁金融搜索引擎另外推薦系統(tǒng)也非常有用，幫助金融用戶聚焦在關(guān)鍵數(shù)據(jù)上，更省時省力地做投前發(fā)覺和投后跟蹤。其中語義搜索就是提供不一樣類型查詢(比如企業(yè)、基金、事件等)，如智利地震對銅期貨影響，中東危機對整體貨幣市場影響等。再將信息切片后再聚合，提供縱覽可視化元素，比如影視傳媒相關(guān)定增平均市值和融資市盈率。語義搜索將復(fù)雜查詢交給用戶完成，如尋找VR上游企業(yè)，當(dāng)搜索提供不了準(zhǔn)確上游信息時，會推薦攝像頭企業(yè)給用戶，并提供一個方便交互界面，交給用戶去進行一些復(fù)雜過濾。

Alphasense就是這么一個在數(shù)據(jù)層面上輕量級，將復(fù)雜邏輯判斷交給用戶去完成，專注于處理專業(yè)信息獲取和碎片問題金融搜索引擎。Alphasense面向金融投資領(lǐng)域，從文件/新聞和研究中集合全部投資信息并進行語義分析，在全球企業(yè)數(shù)據(jù)中進行趨勢分析。其使命愿景是從大量噪音中尋找有價值信息，專注信息豐富度和碎片化基礎(chǔ)問題，從而提升金融人士工作效率，節(jié)約工作時間。人工智能+金融科技AI+FinTech第19頁智能投資顧問傳統(tǒng)投資顧問需要站在投資者角度，幫助投資者進行符合其風(fēng)險偏好特征、適應(yīng)某一特定時期市場表現(xiàn)投資組合管理。而這些工作都需要以大量昂貴人工方式完成，所以財富管理服務(wù)也所以無形提升了進入門檻，只面向高凈值人士開設(shè)。

不過現(xiàn)在，智能投資顧問(robotadvisor)正在以最少人工干涉方式進行投資組合管理，管理你資產(chǎn)能夠是一排計算機，而你也不用是高凈值人士。而且智能投顧在以更強大計算機模型利用人工智能技術(shù)對大量客戶進行財富畫像，以人工智能算法為每一位客戶提供量身定制資產(chǎn)管理投資方案。人工智能+金融科技AI+FinTech第20頁智能投資顧問Wealthfront就是一家非常含有代表性智能投顧平臺，借助于機器與量化技術(shù)，為經(jīng)過調(diào)查問卷評定客戶提供量身定制資產(chǎn)投資組合提議，包含股票配置、股票期權(quán)操作、債權(quán)配置、地產(chǎn)資產(chǎn)配置，意在提供一個自動化投資管理服務(wù)最大化投資回報。

Wealthfront在進行自動化投資管理時一共有5個步驟：確定當(dāng)前投資環(huán)境理想資產(chǎn)類別以最低成本ETF(交易型開放式指數(shù)基金)代表每一資產(chǎn)類別確定風(fēng)險承受能力并創(chuàng)建適當(dāng)投資組合將當(dāng)代投資組合理論(MPT)分散風(fēng)險定時監(jiān)控并重新調(diào)整平衡投資組合

而這一投資方法也受到市場必定，Wealthfront管理資金規(guī)模在年至年底增加快要64%，截至年2月底，Wealthfront資產(chǎn)管理規(guī)模已達近30億美元。人工智能+金融科技AI+FinTech第21頁智能投資顧問在取得市場必定背后，是對智能投顧信心。智能投顧能夠戰(zhàn)勝人性，防止投資人受市場改變而產(chǎn)生不理性情緒化影響，使機器嚴(yán)格執(zhí)行事先設(shè)定好策略。而且智能投顧擁有比傳統(tǒng)財富管理機構(gòu)、私人銀行更為透明開放信息披露，及時提供風(fēng)險提醒，極大降低了資產(chǎn)托管人與管理人之間信息溝通壁壘。

Betterment也是一家專注于智能投資管理金融科技企業(yè)，經(jīng)過Markowitz資產(chǎn)組合理論和各種金融衍生模型們應(yīng)用到產(chǎn)品中，在云端低成本、快速、批量化地處理各種數(shù)據(jù)運算，再依據(jù)用戶傾向和設(shè)定風(fēng)險偏好，個性化地提供資產(chǎn)配置組合方案。其創(chuàng)始人JonStein曾在華爾街某金融機構(gòu)任職高級投資顧問，致力于打造Betterment成為一款讓投資更方便，更準(zhǔn)確智能投顧。年3月，Betterment取得E輪融資1億美金。人工智能+金融科技AI+FinTech第22頁智能投資顧問而由兩名微軟前員工創(chuàng)建F