[xingye]智慧金融的火爆，与资产交易的落没

2016年9月5日，嘉信理财集团的首席出资战略师丽兹·安·桑德斯在她的个人推特页面上贴出了两张比照明显的图片。那是瑞士银行设在美国康涅狄格州的买卖场，整个买卖场的面积比一个足球场还大，净空高度超越12米，买卖场内从前布满了一排排的桌椅和超越一万名的财物买卖员，是国际上最大的金融财物买卖场所。可是，2016年人们在这里看到的却是一片惨淡现象，原本繁忙的买卖场内，桌椅稀稀落落，几近门可罗雀。

丽兹·安·桑德斯的推特图片展现了短短5年多的时间里，金融财物买卖职业的巨大转型。瑞士银行设在康涅狄格州的这家买卖场，原本从纽约华尔街招引了大批金融作业者，可是，自2011年起，这家买卖场裁掉了超越一万名前台买卖员。2016年年末，整个买卖场所更是被廉价出售。

丽兹·安·桑德斯在推特上贴出瑞银坐落康涅狄格州的买卖场时隔5年的比照

招聘很多买卖员在会集场所进行财物买卖的办法，正在从咱们这个地球上消失。瑞士银行康涅狄格州买卖场的式微，固然是金融危机后，全美金融业被逼采纳许多结构调整和转型的成果之一，也确实和近年来人工智能算法替代人类买卖员的大趋势密不可分。就在丽兹·安·桑德斯展现买卖场比照图片的推文之下，一位名叫迈克尔·哈里斯的金融买卖剖析师评论说：“一切都被少量几种算法替代了。”

人类买卖员很多被机器算法所替代，这仅仅人工智能正在才智金融制作中发挥重要作用的冰山一角。事实上，包含银行、稳妥、证券等在内的整个金融职业，都现已并正在发生着用人工智能改善现有流程，进步事务功率，大幅增加收入或下降本钱的巨大革新。2017年，据彭博社报导，摩根大通开发了一款金融合同解析软件COIN，现已上线半年多。经测验，原先律师和借款人员每年累计需求36万小时才干完结的作业，COIN只需几秒就能完结。并且，COIN不仅在“作业”时错误率低，还不必放假。

据高盛集团2016年12月发布的陈述指出，在金融职业，“保存估量，到2025年时，机器学习和人工智能能够经过节约本钱和带来新的盈余时机发明大约每年340亿～430亿美元的价值，这一数字因为相关技能对数据运用和履行功率的进步，还具有更大的进步空间”。

咱们现已知道，人工智能之所以能在近年来日新月异，首要得益于深度学习算法的成功运用和大数据所打下的坚实根底。判别人工智能技能能在哪个职业最早引起革命性的革新，除了要看这个职业对主动化、智能化的内涵需求外，首要还要看这个职业界的数据堆集、数据流通、数据存储和数据更新是不是达到了深度学习算法对大数据的要求。

放眼各笔直范畴，金融职业能够说是全球大数据堆集最好的职业。银行、稳妥、证券等事务原本便是依据大规模数据展开的，这些职业很早就开端了主动化系统的制作，并极度注重数据自身的规范化、数据收集的主动化、数据存储的会集化、数据同享的渠道化。以银行为例，国内大中型银行早在20世纪90年代，就开端规划、规划、制作和布置银行内部的大数据处理流程。经过20多年的制作，简直一切首要银行都能够毫不费力地为行将到来的智能运用供给坚实的数据根底。

需求层面，金融职业有着各笔直范畴里最火急的主动化和智能化的需求，而依据深度学习的现代人工智能技能正好能够满意这些需求。

曩昔的几十年里，金融职业现已习气了由人类剖析师依据数学办法和核算规则，为金融事务树立主动化模型，或许选用较为传统的机器学习办法用机器来主动完结数据规则的总结，以进步金融事务的运营功率。在一个动辄触及几千、几万数据维度的职业里，人类剖析师的脑筋再聪明，也无法将一个待处理问题的一切影响因子都剖析清楚，只能选用简化的数学模型，来拟合杂乱数字国际里的隐含规则。而依据深度学习的人工智能算法明显能够在数据剖析与数据猜测的精确度上，超出人类剖析员好几个数量级。

拿股票买卖来说，人类股票剖析师的大脑里最多能够记住几百只股票的买卖规则、价格走势，最多能依据股票商场内的几千个影响股价的要素，拟定出简化的买卖战略。而依据机器学习特别是深度学习完成的量化买卖程序，则能够轻松应对几万、几十万个改变因子，全面调查买卖场内、场外的各种影响要素，在需求时，能够盯紧全国际每一只股票的买卖价格，每一次买卖的实时状况，每一个买卖商场的全体动摇规则，每一个出资人和出资组织在悉数前史时间内的买卖战略，甚至国际一切证券、财经类媒体上每一篇关乎股票价格的报导，Facebook和推特上每一次关乎股票价格的评论……依据这种海量、实时数据的量化买卖算法，明显有或许发现许多人类股票剖析师难以发现的隐含规则，并运用这些隐含规则，取得远远超越人类的买卖收益。

依据高盛公司的评价，金融职业里，最有或许运用人工智能技能的范畴首要包含：

量化买卖与智能投顾：一方面，人工智能技能能够对金融职业里的各项出资事务，包含股权出资、债券出资、期货出资、外汇出资、贵金属出资等，运用量化算法进行建模，并直接运用主动化算法参加实践买卖，获取最高报答。另一方面，人工智能算法也能够为银行、稳妥公司、证券公司以及它们的客户供给出资战略方面的主动化主张，引导他们合理装备财物，最大极限躲避金融商场危险，最大极限进步金融资本的收益率。

危险防控：银行、稳妥等金融组织关于事务展开中存在的信用危险、商场危险、运营危险等几个首要危险类型向来高度注重，投入了很多人力、物力、财力收集相关数据，拟定危险模型或评分系统，选用各种办法下降危险，削减丢失。而近年来新式的互联金融公司，因为其事务的特殊性，愈加需求对客户的信用危险进行精确评价。相关的危险防控系统需求依靠高维度的很多数据进行深入剖析，在这方面，依据深度学习的现代人工智能算法与人类剖析员或传统机器学习算法比较，有着先天的优势，能够对更为杂乱的危险规则进行建模和核算。

安防与客户身份认证：依据新一代机器视觉技能的人工智能产品正在各大银行的客户端产品和点承担起客户身份认证与安防的作业。今日咱们运用支付宝或各大银行的手机银行时，现已有不少运用需求咱们翻开手机摄像头，核算机主动将摄像头收集的用户脸部图画与用户预存的相片进行比对，以承认用户的实在身份。银行各工作点则能够运用新一代人脸辨认技能，对来往人员进行身份鉴别，承认没有坏人进入灵敏或保密区域。

智能客服：银行、稳妥、证券等职业为保证客户服务质量，一般都树立了大规模的呼叫中心或客服中心，招聘很多客服人员，运用电话、站、聊天工具、手机运用等办法，回答客户问题，处理客户疑问。跟着支撑语音辨认、自然语言了解和常识检索的人工智能客服技能逐步老练，金融职业的客服中心会渐渐引进机器人客服专员，由人工智能算法替代人类作业人员，并终究树立起全智能化的客服中心。

银职业中，人工智能相关运用场景一览

精准营销：如何将金融产品经过传统媒体、络媒体、手机运用广告等营销办法，传递给最有或许购买该金融产品的客户，这是进步金融职业获客功率，进步盈余才能的要害。依据深度学习的人工智能技能能够依据多来历、多维度的大数据，为银行潜在客户进行精准画像，主动在高维空间中，依据潜在客户从前的购买行为、个人特征、交际习气等，将潜在客户分为若干种类别，并为每一种类别的潜在客户匹配最适合他们的金融产品。