人工智能+金融科技AI+FinTech

1、人工智能+金融科技（AI+FinTech)2月第1页人工智能+金融科技主流应用投资银行和卖方研究尝试自动汇报生成公募、私募基金在经过人工智能辅助量化交易金融智能搜索财富管理企业在探索智能投顾方向第2页自动生成投研汇报当前，自动汇报生成主要利用自然语言处理(NLP)中两种技术：1）自然语言了解(NLU)：将日常话语消化了解，并转化为机器可后续处理结构;2）自然语言生成(NLG)：将由机器拆分好结构化数据以人们能看懂自然语句表示出来。我们能够将这两种技术了解看成对日常对话这一原料拆分加工和整装成可了解自然语句最终产品。第3页自动生成投研汇报真正生成汇报还需要利用以上技术完成3个步骤：1）处理海量异

2、构数据将投行分析师需要阅读年报，彭博新闻社实时新闻以及数据，行业分析汇报，以及法律公告等资源进行消化。其中对于文本中图片和表格需要OCR(光学字符识别)等技术解析；2）分析数据这一过程包括利用知识图谱中惯用知识提取与实体关联将其关键逻辑主干抽出，结合事件地点等原因，将关键信息嵌入预先设计好汇报模板中；3）文章生成经过处理海量异构数据与分析数据过程后，即可生产新闻，券商分析研报，上市招股书，企业年报，定增公告，甚至基金研究员开每日晨会所需投资提议书也都能够用类似方式生成。第4页自动生成投研汇报用户只需选择符合其需求模板确定主题与关键信息，以及汇报展现形式，便可生成基本内容。而且投行分析师能够进行

3、校对与人工二次编辑，加入有价值观点与结论，并提升汇报精准度。自动汇报生成已经被广泛利用到新闻行业中，代表科技企业有美联社投资Automated Insights已为美联社自动生成出10多亿篇文章与汇报。法国企业Yseop能够每秒生产3000页内容，支持英语，法语，德语等各种语言，产品广泛用于银行、电信企业客户服务部门以及财经新闻网站。不过一些科技企业已经不但仅满足于为新闻行业提供自动汇报生成服务。Narrative Science由西北大学新闻系和计算机科学系联合创建，意在经过给定主题数据分析，自动生成文章汇报。该企业著名数据分析平台Quill能够分析结构化数据，将人工智能与大数据进行技术融合

4、，了解这些数据主要性，从而产生简短文字表述或结构化汇报内容。Quill主要面向对象为金融服务提供商。Narrative ScienceCEO Frankel 表示“我们目标是替换人工做绝大部分基础工作，让机器来处理数据和信息”。第5页人工智能怎样辅助量化交易量化交易从很早开始就利用机器进行辅助工作，分析师经过编写简单函数，设计一些指标，观察数据分布，而这些仅仅把机器当做一个运算器来使用。直到近些年机器学习崛起，数据能够快速海量地进行分析、拟合、预测，人们逐步把人工智能与量化交易联络得愈发紧密，甚至能够说人工智能3个子领域：机器学习自然语言处理知识图谱贯通量化交易一直。第6页人工智能怎样辅助量化

5、交易1) 机器学习：从数字推测模型第7页人工智能怎样辅助量化交易1) 机器学习：从数字推测模型量化交易分析师们对财务、交易数据进行建模，分析其中显著特征，利用回归分析等传统机器学习算法预测交易策略。这种方式有两个主要弊端，其一是数据不够丰富，仅限于交易数据，更主要是它受限于特征选取与组合(Feature Engineering)，模型好坏取决于分析员对数据敏感程度。另外一个做法是，模仿教授行为，选择某一领域特定教授，复制他们决议过程，并导入可重复计算框架。全球最大对冲基金桥水联合(Bridgewater Asspcoates)早在就开启一个新人工智能团体，该团体约有六名员工，由曾经供职IBM并

6、开发了认知计算系统WatsonDavid Ferrucci领导。据彭博新闻社报道，该团体将设计交易算法，经过历史数据和统计概率预测未来。该程序将伴随市场改变而改变，不停适应新信息，而不是遵照静态指令。而桥水基金创始人也曾公开表示，其旗下基金持有大量多仓和空仓，投资120种市场，持仓组合高达100各种，而且以人工智能方式考虑投资组合。第8页人工智能怎样辅助量化交易1) 机器学习：从数字推测模型Rebellion Research是一家利用机器学习进行全球权益投资量化资产管理企业，Rebellion Research在推出了第一个纯人工智能(AI)投资基金。该企业交易系统是基于贝叶斯机器学习，结合

7、预测算法，响应新信息和历史经验从而不停演化，利用人工智能预测股票波动及其相互关系来创建一个平衡投资组合风险和预期回报，利用机器严谨超越人类情感陷阱，有效地经过自学习完成全球44个国家在股票、债券、大宗商品和外汇上交易。伦敦对冲基金机构Castilium由金融领域大佬与计算机科学家一同创建，包含前德意志银行衍生品教授、花旗集团前董事长兼首席执行官和麻省理工教授。他们采访了大量交易员和基金经理，复制分析师、交易员和风险经理们推理和决议过程，并将它们纳入算法中。第9页人工智能怎样辅助量化交易1) 机器学习：从数字推测模型在量化交易方面人工智能初创企业有日本Alpaca，旗下交易平台Capitalic

8、o利用基于图像识别深度学习技术，允许用户很轻易地从存档里找到外汇交易图表并帮忙做好分析，这么一来，普通人就能知道明星交易员是怎样做交易，从他们经验中学习并作出更准确交易。同时Alpaca也推出AlpacaScan作为对美国股票市场实时反应K线图工具，抛弃二进制滤波局限意在提供给交易员用来识别潜在市场改变趋势日常必需工具。坐落在香港Aidyia致力于用人工智能分析美股市场，依赖于各种AI混合，包含遗传算法(genetic evolution)，概率逻辑(probabilistic logic)，系统会分析大盘行情以及宏观经济数据，之后会做出自己市场预测，并对最好行动进行表决。与其类似企业还有Po

9、int72 Asset，Renaissance Technologies，Two Sigma。第10页人工智能怎样辅助量化交易2) 自然语言处理：把握市场动态当量化交易分析师发觉数字推测模型不足后，开始考虑引入新闻，政策，社交网络中丰富文本并利用自然语言处理技术分析，将非结构化数据结构化处理，并从中探寻影响市场变动线索。率先使用自然语言处理技术人工智能对冲基金是今年6月份在伦敦新设对冲基金CommEq。CommEq投资方法结合了定量模型与自然语言处理(NLP)，使计算机能够如人类一样经过推断和逻辑演绎了解不完整和非结构化信息。除此之外，也有采取自然语言处理技术金融科技企业，如由李嘉诚与塔塔通讯

10、投资Sentient Technologies利用自然语言处理，深度学习(Deep Learning)等各种AI技术，进行量化交易模型建立。第11页人工智能怎样辅助量化交易2) 自然语言处理：把握市场动态其中最为著名是号称”取代投行分析师“投资机器人Kensho。Kensho是一家致力于量化投资大众化人工智能企业，旗下有一款产品Warren被称之为金融投资领域“问答助手Siri”。Kensho结合自然语言搜索，图形化用户界面和云计算，将发生事件关联金融市场，提供研究辅助，智能回回复杂金融投资问题，从而加速交易时间，降低成本，用动态数据与实时信息，及时反应市场动态。这一技术也被广泛利用于风控与征

11、信。经过爬取个人及企业在其主页、社交媒体等地方数据，一来能够判断企业或其产品在社会中影响力，比如观察App下载量，微博中提及产品次数，在知乎上对其产品评价;另外将数据结构化后，也可推测投资风险点。这方面国内很多互联网贷款，征信企业都在大量使用自然语言处理技术，比如宜信，闪银等。另外一些企业则利用这些技术进行B端潜在客户搜寻，如Everstring，并将信息出售给其上游企业。第12页人工智能怎样辅助量化交易3) 知识图谱：降低黑天鹅事件对预测干扰机器学习与自然语言处理技术经常会在一些意外(如“黑天鹅”事件)发生时候预测失败，比如911、熔断机制和卖空禁令等等。人工智能系统没有碰到过这些情况，无法

12、从历史数据中学习到相关模式。这时候假如让人工智能管理资产，就会有很大风险。另外，机器学习擅长发觉数据间相关性而非因果性。很有名一个例子是早在1990年，对冲基金First Quadrant发觉孟加拉国生产黄油，加上美国生产奶酪以及孟加拉国羊数量与标准普尔500指数自1983年开始时间内均含有99%以上统计相关性，1993年之后，这种关系莫名其妙消失了。这就是因为自学习机器无法区分虚假相关性所造成，这时候就需要教授设置知识库(规则)来防止这种虚假相关性发生。第13页人工智能怎样辅助量化交易3) 知识图谱：降低黑天鹅事件对预测干扰知识图谱本质上是语义网络，是一个基于图数据结构，依据教授设计规则与不

13、一样种类实体连接所组成关系网络。知识图谱提供了从“关系”角度去分析问题能力。就金融领域来说，规则能够是教授对行业了解，投资逻辑，风控把握，关系能够是企业上下游、合作、竞争对手、子母企业、投资、对标等关系，能够是高管与企业间任职等关系，也能够是行业间逻辑关系，实体则是投资机构、投资人、企业等等，把他们知识图谱表示出来，从而进行更深入知识推理。第14页人工智能怎样辅助量化交易3) 知识图谱：降低黑天鹅事件对预测干扰当前知识图谱在金融中应用大多在于风控征信，基于大数据风控需要把不一样起源数据(结构化，非结构)整合到一起，它能够检测数据当中不一致性，举例来说，借款人张三和借款人李四填写是同一个企业电话

14、，但张三填写企业和李四填写企业完全不一样，这就成了一个风险点，需要审核人员格外注意。最早应用知识图谱在金融领域Garlik就是这一代表。这家企业成立于英国，关键组员来自南安普顿大学(University of Southampton，是语义网关键研究机构之一)，主要业务是在线个人信息监控。Garlik搜集网络和社交媒体上个人信息，当发生个人信息偷窃时会及时报警。Garlik总计融资2469千万美金后被美国三大个人信用统计企业之一Experian收购，其技术被用于个人信用统计、信用偷窃分析。Garlik关键技术之一是大规模语义数据库，前后开源公布了3store, 4store, 5store等高

15、性能数据库。第15页人工智能怎样辅助量化交易3) 知识图谱：降低黑天鹅事件对预测干扰除此之外还有Dataminr，这家基于Twitter及其它公开信息实时风险情报分析企业。致力于从数据爆炸社交网络提取精简且价值风险情报与挖掘关键信息，如舆情热点、金融相关非交易信息、公共机构安全预警、企业安全等，并直接向客户推送。除此之外，Dataminr还加入早期预警系统，并实时推送警报而以投资关系为例，知识图谱能够将整个股权沿革串起来，方便地展示出哪些PE机构在哪一年进入，进入价格是多少，是否有对赌条款，这些信息不但能够判断该机构进入当初估值，企业未来发展情况(企业成长节奏)，还能够看清PE机构投资偏好，投

16、资逻辑是怎样变更发展。第16页人工智能怎样辅助量化交易3) 知识图谱：降低黑天鹅事件对预测干扰当前知识图谱在工业界还没有形成大规模应用。即便有部分企业试图往这个方向发展，但很多仍处于调研阶段。我们认为这其中难点在于怎样与特定领域机构建立起一套合作方式，怎样将合作变成一个可轻易编程界面，让领域教授能够经过系统以一个非常简单方式进行行业逻辑建模，而他逻辑能够经过系统实时得到验证，使其深入更新，只有经过教授与机器反重复复迭代，形成闭环，才会服务好用户。全球估值第四高，被称为“下一个独角兽”企业Palantir曾推出一个基于知识图谱金融数据分析平台Palantir Metropolis，能够整合多源量

17、化资料，并提供一套方便易用分析工具来满足复杂研究需求，其中组件能够进行复杂搜索，可视化编辑与分析，有非常丰富人机交互能力。当前Palantir将结构化客户内部数据，关联相关数据，让客户自己创建分析规则整合并优化模型，量化处理数据，从而处理客户特定需求。第17页金融搜索引擎券商/私募基金研究员在进行研究工作时候需要搜集海量信息，再整理和分析其中内容，如上下游分析，对标企业研究，竞争对手研究，企业亮点/风险点分析等等。然而当前绝大多数证券分析师所利用辅助研究软件如Bloomberg数据终端只处理了基础数据问题，而没要考虑到信息量过载问题。这使得研究员在面对大量基础数据与爆炸信息时无法寻找到最有准确

18、有价值信息，也无从提升其工作效率。金融搜索引擎背后关键技术是高质量知识图谱和大量业务规则，帮助实现联想、属性查找、短程关系发觉。探索引擎，如分面浏览器，也是在知识图谱基础上，则提供了人机协作界面，让人对数据探索过程能够很方便地被统计、迭代、重用。第18页金融搜索引擎另外推荐系统也非常有用，帮助金融用户聚焦在关键数据上，更省时省力地做投前发觉和投后跟踪。其中语义搜索就是提供不一样类型查询(比如企业、基金、事件等)，如智利地震对铜期货影响，中东危机对整体货币市场影响等。再将信息切片后再聚合，提供纵览可视化元素，比如影视传媒相关定增平均市值和融资市盈率。语义搜索将复杂查询交给用户完成，如寻找VR上游

19、企业，当搜索提供不了准确上游信息时，会推荐摄像头企业给用户，并提供一个方便交互界面，交给用户去进行一些复杂过滤。Alphasense就是这么一个在数据层面上轻量级，将复杂逻辑判断交给用户去完成，专注于处理专业信息获取和碎片问题金融搜索引擎。Alphasense面向金融投资领域，从文件/新闻和研究中集合全部投资信息并进行语义分析，在全球企业数据中进行趋势分析。其使命愿景是从大量噪音中寻找有价值信息，专注信息丰富度和碎片化基本问题，从而提升金融人士工作效率，节约工作时间。第19页智能投资顾问传统投资顾问需要站在投资者角度，帮助投资者进行符合其风险偏好特征、适应某一特定时期市场表现投资组合管理。而这

20、些工作都需要以大量昂贵人工方式完成，所以财富管理服务也所以无形提升了进入门槛，只面向高净值人士开设。不过现在，智能投资顾问(robot advisor)正在以最少人工干涉方式进行投资组合管理，管理你资产能够是一排计算机，而你也不用是高净值人士。而且智能投顾在以更强大计算机模型利用人工智能技术对大量客户进行财富画像，以人工智能算法为每一位客户提供量身定制资产管理投资方案。第20页智能投资顾问Wealthfront就是一家非常含有代表性智能投顾平台，借助于机器与量化技术，为经过调查问卷评定客户提供量身定制资产投资组合提议，包含股票配置、股票期权操作、债权配置、地产资产配置，意在提供一个自动化投资管

21、理服务最大化投资回报。Wealthfront在进行自动化投资管理时一共有5个步骤：确定当前投资环境理想资产类别以最低成本ETF(交易型开放式指数基金)代表每一资产类别确定风险承受能力并创建适当投资组合将当代投资组合理论(MPT)分散风险定时监控并重新调整平衡投资组合而这一投资方法也受到市场必定，Wealthfront管理资金规模在至年底增加快要64%，截至年2月底，Wealthfront资产管理规模已达近30亿美元。第21页智能投资顾问在取得市场必定背后，是对智能投顾信心。智能投顾能够战胜人性，防止投资人受市场改变而产生不理性情绪化影响，使机器严格执行事先设定好策略。而且智能投顾拥有比传统财富

22、管理机构、私人银行更为透明开放信息披露，及时提供风险提醒，极大降低了资产托管人与管理人之间信息沟通壁垒。Betterment也是一家专注于智能投资管理金融科技企业，经过Markowitz 资产组合理论和各种金融衍生模型们应用到产品中，在云端低成本、快速、批量化地处理各种数据运算，再依据用户倾向和设定风险偏好，个性化地提供资产配置组合方案。其创始人Jon Stein曾在华尔街某金融机构任职高级投资顾问，致力于打造Betterment成为一款让投资更方便，更准确智能投顾。3月，Betterment取得E轮融资1亿美金。第22页智能投资顾问而由两名微软前员工创建FutureAdvisor是一家专注于养老金理财