机器学习：推动大数据金融发展

何大安

从机器学习在新科技应用中扮演的角色考察，无论是以许多简单模型代替单一复杂模型，进而得到大量计算机服务器支持并广泛运用的“数据驱动法”，还是以计量经济学为底蕴从而将人工智能作为通用技术使用的分析方法，机器学习都将成为赫然贯穿其间的主要技术方法。

（一）机器学习技术及其类型不断提升的过程，是大数据金融发展的过程，这个过程代表着金融运行的未来趋势

机器学习是指通过对海量数据之多维度的分析处理，甄别和剔除扭曲信息和错误信息，通过搜寻真实或准确信息来实现最大化决策的一种匹配大数据的人工智能方法。学术界根据机器学习的特征，将之分为监督学习（Supervised Learning）、无监督学习（Unsupervised Learning）和强化学习（Reinforcement Learning）三种类型。监督学习与无监督学习之间的区别，在于学习过程中有没有标签的数据样本。对于大数据金融来说，由于不同金融产品具有不同资本属性，具有不同的价格数据，金融机构通常会运用具有回归算法和分类算法的监督学习，按照数据输入和输出的一般法则，通过建模对这些数据展开机器学习。另一方面，在大数据金融的运行中，基于任何一种金融产品都不明显具有反映明确收益的特征，金融机构也会运用没有数据样本标识的聚类算法来进行无监督学习，以期通过机器学习来体验和匹配各种不同金融产品的大数据，进而运用于自己的决策。不过，针对大数据金融之数据多维度的复杂性，监督学习和无监督学习只是金融大数据走向大数据金融中的基础性机器学习方法;它们通常局限于历史数据，对现期数据的匹配还有相当大的距离，至于把未来数据转化成“算法”则是很遥远的事。……