金融科技

金融科技和機器學習如何結合一起?

金融世界每日處理海量計的統計和定量數據,這正是機器學習的理想應用范疇。 

機器學習在醫學、酒店、媒體和零售等行業都有廣泛的應用。同時,金融業也步入運用該技術新階段並以更迅速,更完善和更精準的方式處理資本市場中海量的數據、分析風險和預測未來。

FintechHK 2020 One Pager
資料來源: “Algorithm-X Lab – The business of artificial intelligence.

金融世界分秒必爭,秒秒鐘都在進行過萬億交易,絕對要求持份者無時無刻能即時回應市場變化。機器學習大大提升數據管理能力,從而提升了最重要並以速度為指標的應變能力。

機器學習能有效地撇除投資決策中所存在的人為偏見和主觀情緒。所以機器學習可追查交易中所犯的錯誤決定,避免嚴重虧損的交易。

金融業的機器學習

機器學習最著名的應用場景是語音識別、過濾垃圾郵件、文件處理、優化搜索引擎結果。在金融科技領域,聊天機器人、搜索引擎、分析工具和多功能移動銀行應用程序均一一採用機器學習作為核心技術。

Machine Learning Applications in Finance
資料來源: “Machine Learning in Finance – 15 Applications for Data Science Aspirants.” DataFlair, 27 Sept. 2019, data-flair.training/blogs/machine-learning-in-finance/

如前述,金融業是人工智能應用的理想領域。據報導,使用機器學習的金融公司正在穩步增長,意味著這是不可替代的技術革命,而一時三刻的潮流炒作或銷售買點。

智能投資顧問

所謂的“智能投資顧問”就是替代以往部分財務專家的責任,為投資者提供撇除人為偏見和主觀情緒的投資建議。有效地根據客戶的風險水平和財務目標公正地調整投資算法。

Reasons for Robo-advisors gaining popularity
資料來源: “Robo-Advisors and Whether They Can Survive the Bear Markets.” LuckScout.com, 4 Jan. 2018

這些機器學習算法包括資產分配、客戶風險分析、資產組合調整或再平衡、自動交易和合規避稅。智能投資顧問最明顯的優勢之就是客戶服務的過程能有效刪除人為的成本因素。因此,這項機器學習的應用比傳統高佣金的金融投資顧問服務相對大眾化,吸引廣泛并且財富不論多寡的客戶層。

買賣股票的公司可利用數百種機器學習算法來完成各種特定任務,例如 : 交易預測、識別策略參數、市場行為分析等。又如,運用決策樹算法建立投資策略模型,回歸算法可以解決回歸問題和變量之間的關係。ifundtrust 使用機器學習和深度學習進行債券價格評估、風險評估、風險分析及其他可以想象的應用范疇。

客戶服務

許多客戶往往對電話語音提示抱者負面的印象,可是建基於人工智能的聊天機器人卻能為客戶帶來不一樣的體驗。

Mastercard Chatbot
資料來源: Rubin, Ben Fox. “Mastercard Wants to Help You Bank with a Chatbot.” FinTech Ranking, CNET, 26 Oct. 2016

對話框和數碼助理等客戶界面利用人工智能技術分析查詢內容,主動將客戶引導到對應部門。當中的答復並非死版一塊,能靈活地適應上文下理,以人可理解的語言做句答復,無須自然人作任何旁邊干預。

情感分析

字面上看,情感分析意味著能分析和辨別既定文本內的情感內涵或觀點方向。人工智能在情感分析上具有廣泛的應用範圍,從品牌建立、理解受眾對產品和服務的回饋,更甚的對股票估值和交易預測當中的情緒因素都有相當的效用。Syntax trees for the sentence “Everything would have been all right if you hadn’t said that” in two languages

資料來源: Peng, Haiyun, et al. “A Review of Sentiment Analysis Research in Chinese Language.” Cognitive Computation, vol. 9, no. 4, 8 May 2017, pp. 423–435, 10.1007/s12559-017-9470-8

 

在預見的將來,就算遠遠未能有效測度人類的第六感或所謂的直覺,機器學習這幾年的發展,尤其在情感分析上可謂一日千里,準確性大大提高,應用潛力在人類未來的生活中可謂無所不在。