AI技术在金融服务领域的应用

量化研究每周精选
标签: #<Tag:0x00007fcf6523fe10>

(iQuant) #1

背景介绍:

  • 与传统意义上认为金融业引入人工智能的风险最大这一想法背道而驰,金融业是采用人工智能技术的先驱。

  • 银行业已经开始利用人工智能来满足日益增长的监管需求,同时最大限度地降低人力资本成本。

  • 花旗集团估计,大型银行雇佣的处理合规和监管的人员数量增加了一倍,这些人力成本每年消耗银行业2700亿的资金,占银行业运营成本的10%。

image

  • 降低成本的方式不再是雇佣廉价的劳动力,而是自动化。

  • 全世界90%的数据已经在过去两年时间里收集获取,因此当前的时间点非常适合引入人工智能技术。

  • 资源密集型的重复性任务(如数据输入和事务处理)非常适合自动化和人工智能。

  • 大公司的首席财务官和初创企业需要寻找方法通过使用AI来改进FinTech(包括计划,预算和预测,财务报告,运营会计,业务的分配与调整,核帐以及公司间交易等方面业务)。

image

根据Research and Markets统计的数据,人工智能金融服务市场预计将从2017年的13亿增长到2022年的74亿,年复合增长率为40.4%。

image

应用人工智能技术面临的挑战

image

  • 传统系统之间的通信壁垒

  • 存在隐私问题

  • 存在数据孤岛

  • 缺乏技术人员

  • 训练监督模型耗时费力

  • 缺乏理念上的认同

  • 对机器学习存在潜在偏见

  • 在云供应商/内部构建/开源/专有技术等构建方案之间难以抉择

image

AI在Fintech领域的应用分布

image

AI在提升安全性方面的应用:

image

  • 怎样减少欺诈行为,可疑交易和潜在的未来攻击?

  • 人工智能可以分析大量的安全数据,并随着公司规模的扩大而扩大规模。

  • 越来越多有价值的数据正逐步在互联网上储存。

  • 使用机器学习,系统可以检测“异常”的行为并为风控团队标识它们。

  • 鉴于破坏安全性的方法种类多样化,未来的五到十年的对智能系统的需求很迫切。

  • 据Javelin Strategy这家研究公司的2015年研究报告显示,因人工误判而拒绝的合法交易给零售商带来了118亿美元的损失。

  • 在人工误判为欺诈而拒绝的合法交易中,有三分之一导致了大量的客户流失,仅美国因此就遭受了相当于实际欺诈价值13倍的损害。

  • 通过分析各类数据,机器学习算法可以检测到人工分析人员不会注意到的欺诈交易,同时提高实时批准的准确性并减少误判。

image

  • Mastercard 最近启用了智能决策技术。
  • 这种智能决策技术并不是基于预先定义好的规则,而是根据历史购物和持卡人的消费习惯收集模式,以设定一个消费行为基准,并与每笔新交易进行比较和评分。

image

  • Sift Science从其部署欺诈检测解决方案的6,000多个网站收集数据,使其能够跨多个通道和设备跟踪和分析数据。

AI在提高工作效率方面的应用

image

  • AI技术非常适合处理收据和其他财务文件等重复性工作,这些工作通常需要消耗大量的人力资源,并且常常因为人力耐心和毅力方面的不足而造成错误。

AI在算法交易方面的应用

image

  • 算法交易起源于70年代,它使用复杂的AI系统来做出极快的交易决策。

  • 算法系统通常每天进行数千次或数百万次交易,因此“高频交易”(HFT)被认为是算法交易的一个分支。

  • 大多数对冲基金和金融机构并没有公开披露他们的AI交易方式,但机器学习和深度学习在校准实时交易决策中扮演着越来越重要的角色。

  • 股票市场的是对大量的人类活动相关因素的反应,机器学习能够通过发现新的趋势并产生信号来复制和增强人类对金融活动的“直觉”反应。

  • 使用人工智能技术的著名对冲基金包括:Two Sigma, LLC, PDT Partners, DE Shaw, Man AHL, Citadel, Vatic Labs, Point72, Cubist etc.

image

  • Sentient Technologies是一家总部位于旧金山的人工智能公司,也运营着一家对冲基金,该公司开发了一种算法,该算法通过获取数以百万的数据来找到交易模式并预测趋势,从而使其能够做出成功的股票交易决策。

  • Sentient通过大量在线的公共数据创建并运行了数以百亿的模拟交易。

  • 将1800天的交易回测工作缩在几分钟内实现。

  • 他们将自主开发的一个称之为“基因”的交易策略在真实交易环境中进行了测试并获得了成功,交易策略会随着交易经验的积累而自主进化。

image

  • Numerai使用人工智能来作出交易决定。

  • 他们没有自己开发算法,而是将任务外包给成千上万名匿名数据科学家,他们竞相创造最佳算法并赢得加密货币。

  • 他们通过加密的方式与科学家分享交易数据,来阻止他们复制基金的交易,同时允许他们建立更好的交易模型。

AI在信贷借贷方面的应用

image

  • 机器学习算法通过数以百万计的消费者数据(年龄,工作,婚姻状况等等)和金融贷款或保险结果(这个人是否违约,按时偿还贷款,发生车祸等…?)进行训练。

  • 可以不断分析趋势,以检测可能影响贷款的因素和趋势(比如是否某个州越来越多的的年轻人发生车祸?再比如过去15年中特定群体的违约率是否增加?)

  • 传统的信贷审核系统依赖历史数据,如交易历史,信用历史和多年来的收入增长来了解与每笔贷款相关的风险。

  • 由于历史数据并不总是用于预测未来行为的准确标准,这导致估算结果不一致。

  • 机器学习可以分析实时的交易数据,市场状况,甚至是最新消息,以确定信贷的潜在风险。

  • 在预测分析的帮助下,机器学习算法可以分析PB级数据,以了解微观活动并评估各方的行为以识别可能的欺诈行为。

  • 这对于人类投资者手动执行来说是不可能的。

  • Zestfinance做到了这一点,参见https://www.zestfinance.com/zaml

AI在投资组合管理方面的应用

image

  • “机器人顾问”这个词在五年前基本上是闻所未闻的,但现在在金融领域已经司空见惯。
  • 这些算法是为了根据用户的目标和风险容忍能力来校准金融投资组合而构建的。
  • 用户输入他们的目标(例如,65岁退休,储蓄250,000.00),年龄,收入和当前金融资产。
  • 机器人顾问然后将资产分散到资产类别和金融工具中,以达到用户的目标。
  • 然后,系统会根据用户目标的变化以及市场上的实时变化进行调整,并始终致力于为用户的原始目标找到最佳选择。
  • Robo顾问已经获得了千禧一代的消费者的重要推动力,他们不需要人工顾问就可以轻松投资。
  • 同样,支持人工智能的个人金融情报应用软件正在帮助消费者管理其财务状况,分析支出情况,自动完成纳税申报,并通过业务模式提供财务建议,而这种业务模式并非以投资收费为前提。
  • Responsive.ai正在这样做http://alpha.responsive.ai/

目前国内也出现了致力于AI技术应用于Fintech的科技公司BigQuant作为一个人工智能量化平台,提供了所见即所得的可视化策略开发环境。你只需要拖动数据和模块,连连线,配置参数,就可以开发AI策略,从而将更多的创造力放在自己擅长的地方。BigQuant的目标是让每一个宽客,打开浏览器,就能用上最领先的人工智能技术,开发出人工智能驱动的投资策略,让每一个宽客都能实现自己的人工智能基金。


原文链接:《AI_in_Finance/Market Prediction

本文由BigQuant《量化研究每周精选》原创推出,版权归BigQuant所有,转载请注明出处。