在目前大數據的網絡時代下,MATLAB以及人工智慧在金融行業有廣泛的應用,它可以幫助金融行業從業者增強和優化流程;做出更準確的預測,並從經驗中自主學習,從而進一步優化流程。在金融業領域的諸應用中凸顯前沿化的優勢。
2020年9月3日晚19:30,由經管之家開設的經管大學堂邀請到傅慈祥、陳建平和馬文輝三位在金融服務領域和人工智慧領域擁有卓越成就的MATLAB專家,對人工智慧在金融科技領域的前沿應用進行在線揭秘.
(圖片來源:經管之加官方微信帳號)
經管大學堂本次邀請到的傅慈祥,畢業於德國慕尼黑大學(LMU),主修金融及貨幣經濟學,他在德勤等金融服務機構有多年的諮詢項目經驗,與亞太地區的 MathWorks 各分公司合作,幫助金融服務行業客戶了解金融方面的新功能,運用 MATLAB 來提升工作效能,並將客戶的建議反饋。在本次直播中,他以公司債項評級為例,展示運用人工智慧技術,在MATLAB中進行數據處理和模型的構建。
針對探索強化學習在金融交易中的應用,擁有多年大數據分析、機器學習建模與應用系統開發經驗的馬文輝博士根據自己多年來專注於MATLAB的數據處理與數據分析、機器學習和深度學習的成果,和在諾基亞中國研究院,Adobe中國研發中心和IBM從事大數據處理和機器學習方面的研究和工程開發工作的經驗,用詳細的案例向大家介紹了MATLAB的數據處理與數據分析的強化學習在金融交易中的實際應用。
在之後的後段,作為在預測性維護、大數據和高性能計算方向有 +10 年的工程經驗的陳建平老師用金融市場中的實例對「如何進行無痛的模型生產部署」進行了回答。
「根據應用程式要求、原型構建或生產環境以及您當前所處的開發流程階段,從幾種部署方法之中選擇一種方法」陳建平老師說到,這樣的方式,除了提真速度外,此方法還可以重用代碼並保護智慧財產權。
工智能在金融科技領域的前沿應用的方向十分廣泛,比如人工智慧包括機器學習、深度學習、自然語言處理、圖論算法、進化學習和其他技術等,當然如果將領域再進行細分,機器學習方法可分為無監督學習、監督學習或強化學習。尤其是強化學習通過反覆模擬來優化流程,並為良好的結果提供獎勵結構。它的目的是學習一種 '行為',而不是以儘可能高的精度來擬合一個模型。
經管之家聯合三大MATLAB專家,在本次的線上直播中,對人工智慧在金融科技領域的前沿應用進行詳細的分析與解剖。在中國,金融服務業的數位化轉型速度不斷加快,在全球範圍的發展勢頭不容小覷,雲計算、區塊鏈等金融企業新「技能」也隨著數據分析技術與人工智慧的發展而不斷優化我們「智能金融」的全面建設已經不是夢境。
責任編輯:許慧