郑海涛：基于人工智能技术的新金融

作者 | 郑海涛（GIISO联合创始人兼首席科学家）

整理人 | 王维

来源 | 财视中国 

基于人工智能技术加持的新金融是跨学科、跨领域的一门很深奥的业务，涉及到数据、算法、金融的人才，迫切需要各个领域的人才一起去创新、发明，才能解决新金融与人工智能结合领域的痛点和问题。

在2010年时，高盛已经开始削减交易员，顶峰时期交易员的数量达到600名，现在仅剩2名。2015年摩根士丹利全球裁员1200人，2016年瑞信对伦敦1800名员工发出裁员公告。是什么导致这么大规模的裁员？因为我们人是随着科技的变化而从事不同岗位，大量人工智能技术进入金融场景的落地，使原来很多繁杂的人工劳动会慢慢被机器所取代，当然核心、主观和高质量的劳动，人还是不能被机器所取代的。

AI在金融领域的前景

目前金融行业至少有两大痛点，第一痛点是无法挖掘数据真相，比如昨天的美股可能对今天的A股产生重大影响，因为所有数据都是关联的。在庞大的数据里面如何发现数据的价值有很多技巧，人工智能则给了我们一个全新的视角来发现数据价值。

第二个痛点是无法预防风险，在金融风险愈演愈烈的今天，如何让人工智能帮助我们发现其中隐含的风险，来帮助我们预防不仅仅是黑天鹅事件，还有灰犀牛事件等。

人工智能在当下这个社会环境中可以展露头角，主要得益于三大原因，第一是金融行业信息化起步很早，基本上所有数据都是存储在电子化的计算机或者互联网里面。第二个就是数据处理，金融数据不只是需要处理本身，同时还涉及到民生数据、社会数据及方方面面的数据。第三个就是金融领域里面只要有一点点的技术创新，它所能带动的产值都是巨大的，例如互联网金融。

AI技术的变革势必会带来蝴蝶效应，给我们带来极大的方便甚至是价值的提升，从而帮助我们在金融领域发现价值、预防风险。因此AI时代的市场是千亿级以上的。

AI在现实中的落地

随着语言的处理和发展，金融科技未来将在智能投研、智能监管两大领域发挥重大作用，原因有二：首先智能投研其实是大量基础的信息收集、整理、分析，再结合我们相应的金融板块化的处理，才能产生相应的效用和价值。目前大多数投研报告是偏主观的，正因为偏主观所以导致了可能会存在误判，或者会有利益的驱动。智能投研这块如果我们把它尽可能做成客观的，可能对提高它的质量、可信度是非常有帮助的。

其次是智能监管，金融科技的发展到今天随着风险越来越高，规避风险则需要保险数据与事物变化里面隐含的风险和规律，那么AI可以在其中起到一个至关重要的作用。

那么智能投研为什么可以慢慢取代传统的投研工作流程呢？传统的投研主要是以人工采集分析为主，步骤大致可以概括为：数据采集——数据提取——分析研究——结果输出，那么除了第三步之外都可以用人工智能来做。甚至可以分析研究中心的核心模型，我们也可以让AI来辅助分析。所以整个过程在人工智能的帮助下，金融行业可以缩短十倍以上时间来做一份投研报告。

既然谈到传统投研的问题，我们就需要先认清现今行业具有的问题。在传统投研过程中，存在着严重的“数据孤岛”现象。

因为传统投研中所有数据是依赖于人的能力而去收集的，某一个人对同一行业的公司之间、上下游公司之间历史数据、不同类型数据的收集肯定会存在无法全面化的问题。并且工具的限制，分析报告不能够完全理清数据间的逻辑，并且依据分析员的个人能力的不同，投研报告的质量也会参差不齐。

而AI最大的能力就是它有很高的存储和计算能力，可以快速地把这些数据全部收集起来，并且理清数据间所具有的逻辑。

进一步来讨论，智能投研的具体含义是什么？实际上就是基于大数据、量化投资和人工智能来把传统投研实现智能化。其中分成四个步骤：传统投研中的数据分析实现智能化；挖掘数据关联性；量化投资技术；AI对大数据的量化投资优化和升级改造。

传统与智能的异同

在讲述了传统投研和智能投研的状况之后，我们就该分清传统投研和智能投研的区别，这也是现在行业正在努力的方向，把两者之间能做到趋同的技术。

第一，传统投研数据收集可能都是基于搜索引擎，搜索引擎有一个缺陷就是需要基于个人想法才能去收集相应数据。而AI投研往往可以学会去阅读一篇新闻，阅读一篇上市公司的公告，自动化地把里面的核心信息提取出来。

第二，AI对关键信息，不仅是获取，更可以构建相应的知识图谱，来形成数据提取的智能化。

第三，传统投研受个人精力和工具机能限制很大，而机器可以7×24小时不断对数据相关性和统计结果进行分析。

其中的所有数据可以用AI技术来进行相关性的关联，给投研分析提供一个依据。所以数据是基础，逻辑是核心。

我们会分成为两步来做，第一步是实现化、标准化的数据存储，第二步在标准化的数据存储基础上进行智能化的快速分析。当行业产业链上某一个公司财务数据发生变化时，这个财务数据的异常可以被立即发现，AI可以快速发现这些行业产业链的变化，并抓住投资机会。

这些就是数据智能化的实现逻辑，从底层的数据、内部数据和外部数据，到技术层的自然语言技术处理、知识图谱、大数据，到最后分析层的数据清洗、数据加工、数据挖掘、数据输出、数据安全，最后形成整体的投资分析报告。AI通过不断地学习可以形成在数据层面的人的分析逻辑来学习，从而形成智能投研和智能监管的基础。

金融知识图谱的制作

金融数据来源于各大金融领域的公开数据。通过智能采集技术，可以构建金融的结构化知识和非结构化的数据，从而形成一个知识图谱。

目前为止因为要处理数据之间的关联关系，所以我们首要是构建行业内的金融知识图谱。这里面包括对结构化数据和半结构化数据，甚至是非结构化数据，形成最后的结构化数据，也就是说形成事物跟事物之间的关联关系。在这个基础上我们对某个模型进行训练和融合，从而构建我们金融的语义网络。
 
总体来说，人工智能在金融行业中的优势是非常明显的，在数据层面，人工智能可以对内部数据和互联网数据进行高效且详尽的分析；在生产层面，人工智能可以利用多方技术支持使AI的工作变得更好；在最终输出层面，人工智能可以为行业提供金融快报、公告摘要、投研报告、上市公司画像、知识图谱等等。在未来，AI在金融行业的运用也会越来越广泛，并且AI本身的技术也会有越来越多的进步与发展。

声明：本文来自于由财视中国主办的“第五届未来金融科技2018”上的嘉宾发言，文章观点仅代表作者，不代表财视中国立场，仅供读者参考。

*如需转载请注明转载自财视中国

责任编辑：王维