机器学习金融 - 现状与未来应用|Emerj - 万博x官网,msports万博体育官网,万博官方软件

机器学习手机银行应用，精通聊天机器人，或搜索引擎出现之前，以及已在金融卓有成效的应用。由于高容量，准确史料记载，和金融界的定量性质，少数几个行业更适合于人工智能。有金融学比以往机的多种用途的情况下，通过趋势更方便的计算能力和更方便机器学习工具（如谷歌的Tensorflow）延续。

今天，机器学习已经在金融生态系统的许多方面发挥了不可或缺的作用批准贷款，至信用评分，来管理资产，和评估风险。但是很少有技术娴熟的金融服务专业人士，其中机器学习可以在他们的公司中发挥作用的精确视图。

在人工智能研究与咨询公司Emerj，我们与大型金融服务公司合作，它们希望评估人工智能在哪些方面能够推动其公司的价值。我们为我们的客户提供这一资源，作为了解机器学习在他们的行业作为我们更广泛的一部分的广泛可能性的基础AI景观机会服务。

在这个资源中，我们探索:

目前人工智能在金融、银行和保险领域的应用
机器学习在金融领域的未来价值
有关公司在AI和金融的交叉操作
相关的Emerj高管访谈

请注意，这篇文章的目的是为执行概况，而不是在这个领域的所有应用程序的粒状的样子。我已经做了我所能提炼一些最常用和最有前途的使用情况，为您进一步调查的参考。

我们将从目前在某些金融机构运行的应用程序开始:

目前人工智能在金融、银行和保险领域的应用

下面是学习被投入使用的今天，积极机器的例子。请记住，这些应用杠杆倍数的AI方法 - 不完全的机器学习。

有关AI如何促进资金管理，贸易及其他金融任务的详细信息，下载执行摘要为我们的人工智能在银行供应商记分卡和能力地图报告。

投资组合管理

“机器人顾问”一词在五年前还闻所未闻，但如今在金融领域已是司空见惯。这个术语具有误导性，根本不涉及机器人。更确切地说，是机器人顾问(像这样的公司)改善,Wealthfront和其他)是用来校准金融投资组合的算法，以达到用户的目标和风险承受能力。

用户输入他们的目标(例如，在65岁退休，储蓄25万美元)、年龄、收入和当前金融资产。然后，顾问(更准确地称为“分配器”)将投资分散到各个资产类别金融工具以达到用户的目标。

然后，系统根据用户目标的变化和市场的实时变化进行校准，始终以找到最适合用户最初目标的方案为目标。机器人顾问在千禧一代的消费者中获得了巨大的吸引力，他们不需要实体顾问就能安心投资，也不太能确认支付给人工顾问的费用。

算法交易

算法交易(有时被称为“自动交易系统”，这可能是一种更准确的描述)的起源可以追溯到20世纪70年代，它涉及到使用复杂的人工智能系统来做出极其快速的交易决策。

算法系统通常在一天内完成数千或数百万笔交易，因此出现了“高频交易”(HFT)这个术语，它被认为是算法交易的一个子集。大多数对冲基金和金融机构并不公开披露它们的人工智能交易方法(理由很充分)，但人们相信，机器学习和深度学习在实时校准交易决策方面正发挥着越来越重要的作用。

还有一些注意限制的专有使用机器学习在买卖股票，货币(外汇)和大宗商品,看这个Quora线程对于今天的HFT机器学习的角色一个很好的背景。

欺诈识别

更容易访问的计算能力、互联网变得更常用、越来越多有价值的公司数据被存储在网上，这些因素结合在一起，就形成了数据安全风险的“完美风暴”。虽然以前的金融欺诈检测系统严重依赖于复杂而强大的规则集，但现代的欺诈检测超出了遵循风险因素清单的范畴——它主动地学习和校准新的潜在(或真正的)安全威胁。

这是……的地方机器学习金融欺诈-但同样的原则适用于其他数据安全问题。使用机器学习，系统可以检测独特的活动或行为(“异常”)，并为安全团队标记它们。这些系统面临的挑战是避免误报——标记“风险”的情况根本就不是风险。在Emerj，我们采访了6位欺诈和安全AI高管，他们似乎都相信，考虑到安全可能被攻破的途径之多，真正的“学习”系统在未来5到10年将是必要的。

贷款/承保

承销可以在金融被描述成一个完美的工作机器学习，确实有担心，在业界有很大的协议，机器将取代大片今天存在承销位置（看到这个安永执行简短的第2页）。

特别是在大公司（大银行和上市保险公司），机器学习算法可以在数以百万计的消费者数据（年龄，职业，婚姻状况）和金融贷款，保险的结果，如一个人是否违约的例子进行培训或按时偿还贷款。

潜在的趋势可以用算法来评估，并持续分析，以发现可能影响未来贷款和保险的趋势(越来越多处于某种状态的年轻人会发生车祸吗?)在过去15年里，某个特定人口的违约率是否在上升?

这些结果为公司带来了巨大的有形收益，但目前主要是留给那些有资源聘请数据科学家的大公司，以及拥有大量过去和现在的数据来训练算法的大公司。

我们已经比较了像State Farm, Liberty Mutual等保险巨头的人工智能投资——在我们完整的文章中AI保险申请。

机器学习在金融领域的未来价值

我们的一些在银行或金融业工作的读者可能会发现，很难说服他们的团队成员或高层管理人员考虑用人工智能解决当前业务中的问题。值得注意的是，尽管人工智能正开始在这些行业掀起一波颠覆性的浪潮，但并非所有公司都有足够的洞察力来考虑人工智能在未来可能如何帮助它们。一些专家，如伊恩•威尔逊他认为，在寻找正确的人工智能解决方案时，这种信息的缺乏是一个需要克服的重要挑战。他认为教育和创新是向企业其他成员传播信息的最有效方式。

我们采访了威尔逊关于在人工智能时代如何重新思考银行业务，AI在银行。当被问及如何鼓励银行领导与有关AI的想法前进，威尔逊说，

“在你的组织，你必须有一个AI功能，可以教育。......很多人，当他们想到滚动AI到企业或到银行，他们认为它从技术的角度。对我来说，在一家银行正在运行的AI的头号因素是教育。流出的是什么这些能力可以做进了银行，使其在DNA的一部分，了解这一过程。并让你开始让这些人有这些想法的实现，现在有可能是一个能力[清单他们。] ...

创新成为一种结构，通过它你可以开始发展这些想法。每个业务线中的许多人可能都有一个想法，但是因为他们不懂技术，所以他们无法知道如何开始工作。甚至测试一下，看看是否可行。因此，我认为建立这样的结构也很重要……所以，如果你有了一个想法，你可以把它交给一个知道如何把它捡起来并进行测试的团队。”

以下是我们认为有前途的应用。有些在今天有相对活跃的应用程序(尽管不如上面列出的更成熟的用例那么活跃)，而其他的仍然相对新生。

客户服务

聊天机器人和对话接口是风险投资和客户服务预算的迅速扩大区域（我们的2016AI执行官共识将它们列为最有前途的短期人工智能消费者应用)。卡西斯托(Kasisto)等公司已经在开发金融专用的聊天机器人，帮助客户通过聊天来提问，比如“我上个月在食品杂货上花了多少钱?”以及“60天前我个人储蓄账户的余额是多少?”

这些助理必须使用健壮的自然语言处理引擎以及大量与金融相关的客户交互来构建。银行和金融机构如果允许这样的快速查询和互动，可能会把客户从要求人们登录传统网上银行门户网站并亲自动手挖掘的古板银行中拉出来。

这种聊天(或未来的语音)体验在今天的银行业或金融业并不常见，但在未来五年内，对数百万人来说可能是一个可行的选择。这个应用程序超越了金融领域的机器学习，它很可能在许多领域和行业中以专门的聊天机器人的形式出现。

2.0安全

用户名、密码和安全问题可能在五年内不再是用户安全的标准。银行和金融领域的用户安全是一个风险特别高的游戏(你可能更愿意让你的Facebook登录世界，而不是把你的银行账户信息发布给一小群陌生人，这是有充分理由的)。除了目前正在开发和用于欺诈的异常检测应用之外，未来的安全措施可能还需要面部识别、语音识别或其他生物特征数据。

情绪/新闻分析

对冲基金守口如瓶，我们可以期待听到很少关于如何做到这一点的消息情绪分析是专门使用的。然而，未来机器学习的大部分应用应该是理解社交媒体、新闻趋势和其他数据源，而不仅仅是股价和交易。

股市的走势是对无数与人类相关的因素做出的反应，而这些因素与股票代码毫无关系。人们希望，机器学习能够通过发现新的趋势和信号，复制并增强人类对金融活动的“直觉”。

本Goertzel写到提供了一些关于人工智能对冲基金世界的有趣见解最近这次WIRED文章。Goertzel与许多人一样相信，金融领域的机器学习将远远不止局限于股票和大宗商品数据，而那些脱颖而出的人工智能对冲基金需要做的远不止研究股票代码。

金融产品的销售/推荐

自动化金融产品的应用销售今天已经存在，其中一些可能不涉及机器学习(而是其他基于规则的系统)。一个机器人顾问可能会建议投资组合的变化，有很多保险推荐网站，它可能会使用某种程度的人工智能来建议特定的汽车或家庭保险计划。在未来，越来越个性化和标准化的应用程序和个人助理可能会(不仅仅是千禧一代)被认为比面对面的顾问更值得信任、更客观、更可靠。

正如亚马逊和Netflix能够比任何在世的人类“专家”更好地推荐书籍和电影一样，与金融个人助理的持续对话可能也会对金融产品产生同样的效果，正如我们在《金融时报》上看到的那样保险行业。

金融服务公司的Emerj

金融服务公司利用Emerj AI机会景观来挑选贷款、欺诈检测、反洗钱、客户服务和合规等领域的高投资回报率项目。我们的研究引导公司通过向他们提供最佳的AI供应商解决方案来赢得市场，并帮助他们避免与AI供应商进行昂贵的试点，因为AI供应商不太可能提供强大的ROI。金融服务公司还与Emerj合作，在多个部门建立长期人工智能战略，以提高收入、降低成本和降低风险。联系我们了解更多。

机器学习金融 - 现状与未来应用