AI和大数据赋能金融

谭营

由于深度学习推进，人工智能技术已经进展到一个热火朝天的状态，人工智能技术的发展在各个产业里面都引起了很大的变革，当然金融行业也在内。我接下来主要讲的就是人工智能在金融方面的一些应用。

人工智能带来产业的全面升级，不仅可以提高我们生产的工作效率，而且可以在金融行业领域大大提高智能分析和决策水平。金融行业每天都面临着大量的各种金融数据、政策消息，如何能够全面掌握金融行业的发展趋势？我们知道任何一个人在获取知识和对知识分析的过程中，个人的能力是有边界的，是有限的。但是现今数据、消息铺天盖地呈指数级增长，人工智能借助于强大的计算背景和学习能力，辅助人类开展各项智能活动，金融行业引入人工智能是必然的趋势。

到目前为止，人工智能在金融行业的很多领域都得到了广泛的应用，如智能支付、人脸支付、指纹支付、生物特征支付、智能客服等。自然语言处理技术的飞速发展，可以使得公司客服服务24小时不间断，这背后是强大的人工智能技术的支撑。再有就是关于智能理财方面，人民生活宽裕，有一定的资金，就希望通过一些渠道增值，发挥更大的效能。借助于人工智能技术，我们增长了对投资信息的判断能力，增加投资的回报率，这是我们大家都很期待的事。

对于智能的信用评级系统，实际上现在很多的保险公司、银行已经在大量使用了。AI本身是从简单到复杂的发展过程，从1956年定义人工智能这个词，到现在已经有60多年的历史。人工智能的发展是一个曲折的过程，经历过寒冬，也得到过大家的追捧。现今人工智能处于一个爆发期，是第三次人工智能浪潮的爆发期。人工智能变革显得尤为重要，从简单的浅层学习过渡到复杂的深度学习阶段。深度学习的强大学习能力，加上大量的数据作为支撑，人工智能的飞跃发展毋庸置疑。

人工智能应用于股市投资这个领域，也是经历了一个非常曲折的过程。

股票投资其实是一个量化的投资过程。现在人工智能可以在量化投资里面帮助我们完成很多以前无法完成的工作，而且可以在急剧变化的股市中，做出非常高效的、回报率高的决策。传统量化投资实际上是一个多因子模型，这个模型都是由有经验的基金经理分析、挖掘这些股票的价值，分析哪些因素是赢利的主要因素，建立起一个模型来进行投资，进行决策。基金公司需要这种高智商的学者或者研究人员帮他们建立模型，提高模型的精确度。我们发展人工智能技术实际上希望用人工智能模型来替代上述基金经理的工作，这有什么好处呢？

人工智能技术不仅是分析投资过程中的多因子之间的关系，还需要分析高阶的、深层次的关系，甚至是各种股票之间弱相关的关系都能被人工智能提炼出来。通过利用大数据和人工智能技术，我们开发出的模型，可以很好地适应市场的变化，而且克服了人的主观心理因素的影响。

人工智能投资模型是建立在深度学习基础上的量化投资模型，整个投资模型分成两大块，其中一块是智能选股。在中国的A股市场，如果我们需要从3000多支股票当中选出需要投资的两支股票或者10支股票，或者100支股票，我们就可以用智能选股模型来进行选股操作。而且我们还专门针对突然性的股市大跌，开发出避险功能。

模型以大数据分析为支撑，用深度学习来进行建模，采用循环神经网络、多模态特征抽取、多任务学习等方式来提取信息，并建立信息间的潜在关系，选定投资目标，从而完成股市投资。对于择时避险，模型实际上利用了三个比较主要的信息：一是近期市场形势，包括数量文本的;二是近期投资收益水平;三是未来风险水平。三者有机组合在一起，输入到避险模型里面，得出避险信号。

在这里我要举一个例子，让大家对这个模型有一个比较直观的认识。根据模型对2011-2017年的回测结果，我们对全A股、沪深300和中证500的情况都有了详尽的了解，并且还制作了一年半的模拟交易情况，模拟交易中对A股市场来说2018年是一个熊市，在实际情况中，2018年上证指数跌了24%，中证跌37%，沪深跌了24%，确实是下行的熊市。

人工智能技术用于2018年的股票市场是什么结果呢？即使在这样大跌的趋势下，人工智能还是有收益的，超额收益是39.5%，净值收益14.91%，人工智能交易面对股市大跌，只要我们能检测到精准的数据分析，也能得到很好的收益。

最近我们对人工智能投资模型在不断地改进，融入关系编码，更加精准地通过整个A股市场股票之间的关联构建关联性模型，同时我们还跟美股、港股联系在一起，随着A股市场的发展，我们把这个模型做成了App，大家有兴趣的可以去體验一下。

AI赋能是金融行业大势所趋，智能投资也是主要的潮流，AI在实际应用中面临很多困难，我们必须不断创新，解决实际问题。

（根据演讲内容整理，未经本人审核）