【大咖Live】淘金者科技專場，淘金者科技集團首席科學家許意華先生帶來了關於「AI在金融服務業的應用」的主題分享。目前，本期分享音頻及全文實錄已上線，「AI投研邦」會員可進「AI投研邦」頁面免費查看。
本文對本次分享進行部分要點總結及PPT整理，以幫助大家提前清晰地了解本場分享重點。
分享提綱
AI+金融為什麼這麼熱？AI核心算法簡介淘金者科技集團金融科技戰略牛小量--牛股王APP智能診股牛股王smartbeta情緒指數期貨淘金者APP機器學習策略淘金者科技盈寬量化平臺淘金者科技AI應用展望以下為淘金者科技集團首席科學家許意華先生的實錄摘取，【AI投研邦】在不改變原意的基礎上做了整理和精編。完整分享內容請關注【AI投研邦】會員內容。
大家晚上好，我是淘金者科技集團首席科學家許意華。然後非常感謝大家抽出寶貴的時間來參與「AI投研邦」此次的直播。今天我想跟大家一起分享的主題是《AI在金融服務業的應用》。
然後因為今天我們講的主題是什麼？是AI+金融，所以我可能有點偏理工男的一個角度來說，到底什麼是金融？可以說金融是在時間和風險雙維度下，對現有的資源進行當前未來消費的一個或者說均衡決策，以實踐整體上效應的最大化。
AI能夠解決金融領域的什麼的一些問題，他們解決什麼痛點？其實在大數據時代，傳統金融面臨著升級轉型，目前來看金融行業面臨一些比較明顯的痛點,一個是各種數據是越來越多，包括結構性結構化的數據，非結構化數據越來越多，海量的數據。 然後比如說交易來說，行情也是越來越快，然後靠人腦很難以長時間高效率的來分析解讀這些數據，或者是來做決策。然後還有一個就是市場是越來越完善，信息不對稱正在消失。我們舉個交易的例子來說，簡單的交易策略可能是很難生效了，很難挖掘潛在的交易機會。可能AI是一個深度挖掘數據的一個好方法，可以解決這方面的一個需求。還有一方面可能人會比較疲倦，會受各種情緒的影響。然後可能在比如說交易方面，可能他的交易出來的一個紀律性就不好，大家可能如果交易期貨的話，往往會受到情緒的影響。
但是AI算法如果用來做交易，可能就不存在這些弱點，之後也不會受到人的情緒的影響，可能會更加穩，特別是相關的一些智能風控系統，可以幫助到咱們的投資者。
另外一個還有一個就是從勞動力成本上考慮。比如說現在很多金融企業可能有大量的銷售，有大量的客服，現在的成本其實挺高的。如果說金融科技可以在這方面幫助的話，我想可能主要是一個是客服方面，可以通過機器人的客服來解決很大一部分的問題。還有一些智能化的一些市場運營，或者說市場推廣，可能人工智慧在這方面能夠幫到咱們金融科技企業，上面是我們剛剛所說的金融領域裡面面臨的一些痛點這些痛點正好是AI的優勢所在。
人工智慧它是可以以大數據為基礎，非常適合什麼，特別是在金融市場，這樣的數據量龐大，特徵維度又高又快，然後相互關聯又非常複雜的環境裡，能夠起到很好的一個作用。人工智慧在處理大數據深度挖掘數據能力,可複製高穩定方面有優勢，所以我們認為潛在來說可以在金融領域大展拳腳。如果以量化交易為例，我們發現就是說最近特別是近近年來很多量化基金的出現，很多智能投顧的出現，也證明了AI的一個熱度。這張圖列出了是金融科技在金融各個領域的應用。
我特別地是把人工智慧在證券基金以及消費金融領域，行業的應用場景給列出來，框出來。大家可以看到有智能投顧，有量化交易，有智能風控，有營銷客戶的。我把它框出來，原因是因為在淘金者科技集團，我們正是在這幾個領域利用了AI剛才我提到了說AI很熱，然後我們也知道AI正是金融科技的一個重要技術支撐。
AI核心算法簡介
我會接下來列舉一下目前市場上，或者說在這個圈子金融應用裡面比較流行的或者主流的一些算法，然後嘗試介紹其中幾個具有代表意義的。這裡列出的是一些比較常見的AI算法，我們可以看到有決策樹、隨基森林，然後看到有SVM,邏輯回歸，有樸素的貝葉斯網絡，還有K最近鄰也叫K臨近算法，然後還有卡爾曼濾波、Adaboost，還有神經網絡、馬爾可夫。這些算法其實都是比較常見的，大家可能隨便找一本關於機器學習或者是人工智慧算法的書裡面都會介紹。
然後比如說決策樹算法，它就是機器學習的一種，它主要是用來解決一些分類問題，我們或者說叫做回歸問題。我以前在網上看到一個簡單例子，就是比較好的描述。這個例子是這樣說的，說是小紅的媽媽安排她相親，然後見了介紹了小紅就問帥嗎？有房嗎？收入怎麼樣呢？問的各種問題，其實就涉及到了一個樣本的屬性。然後小紅就不斷地利用樣本的屬性值來不斷的調整自己的判斷，最後一步步達到最後一個最終的一個展示，我要去了，我要想去見這個男士。這個就是非常形象的描述了一個角色樹的一個算法邏輯。
然後我們再看一下，KNN則是一個什麼？這是一個計算距離的一種分類算法。他這裡考慮的問題是怎樣對樣本數據進行快速的搜索，或者我們叫K臨近搜索。這裡的K只是特徵向量的維度，我們可能聽起來比較難以明白，我們可以簡單的舉個交易的例子。
比如說我手上有K線的數據，然後我還把這K線分為各種形態，比如說什麼設計之星，類似於這樣的一些，或者是錘子之類的，或者是各種各樣的形態。有些柱體比較短，有的兩頭比較長，或者是相反。如果拿新的一個K線，任務是判斷它到底屬於哪一類，那可以幫助解決這個問題，它基本上是一個分類器。然後我們還看到底下介紹了一個叫Adaboost，它是一種迭代算法，其實就是針對一個訓練集，這些分類器可能各自可能出來的效果並不是特別好。然後我們學我們一般把它稱為弱分類器，但是他的思想是如果把這些弱的分類器組合起來，通過一些算子結合在一起，可能加減乘除可能之類的，最後夠可以構成一個更強的強分類器。這個可能用句形象的術語比較說話，我們就老話說了，叫三個臭皮匠頂上個諸葛亮，大概用比較好地描述了這樣一個邏輯思想。
應用案例1：牛小量-牛股王APP智能診股
淘金者科技集團，英文名Trademaster Tech，它是一家以金融科技為核心驅動的網際網路金融服務商。 到目前為止，業務範圍覆蓋了A股的投顧，還有港美股，財富管理，特別是ESOP等等機構業務。
接下來我介紹三個淘金者科技集團在AI上的應用案例，一個是牛小量，即牛股APP的智能診股。另外一個是牛股網smartBeta，一個情緒指數，還有一個是期貨淘金者的APP機器學習策略，它其實是一組策略。
牛股王，剛才我們介紹了他是淘金者科技集團下一個服務於A股或者說是證券投顧業務的一個APP。牛小量是它基於AI的智能診股服務產品，我們有時候會把它叫成是一個子產品或模塊。
這款產品主要是基於我們nlp，也叫語義識別。然後語音識別他是AI的一個重要分支。舉個例子我們的客戶通過輸文字，或者是語音方式輸入中國銀行這支股票明天是什麼樣的一個情況，是升還是跌，或者說它的一些基本資料，我們能夠通過NLP算法，最後輸從資料庫裡拿出來的一些，或者是我們經過組合整理的一些資料提供給我們的客戶，其中也包括一些加工過的數據，然後這個產品其實還挺受用戶歡迎的。
然後這裡說的是牛小量整股票邏輯，首先是語義分析處理用戶輸入的信息，然後找到對應的標的。從資料庫中，或者是從知識圖譜中，因為這裡用到其實用到了知識圖譜的一個一個技術，從這個資料庫中就篩選出該標的所有的數據信息，這些數據信息都是打了標籤的，也就是知識圖譜。然後我們將基本面的行情數據，然後還有一些非結構化的數據，輸入進神經網絡，然後通過神經網絡的分析，得到該股票的診斷信息，然後自動的形成一個報告，顯示到用戶的終端。 當然我們現在這款產品還處在一個比較初級的階段，還在不停的迭代之中，還會不斷的迭代算法，同時也提供更好的數據輸入。
應用案例2：牛股王SmartBeta情緒指數
為什麼會有什麼SmartBeta情緒指數出來呢？其實是這樣的，就是通過大量的實證研究，股市的漲跌可能跟投資者的情緒會有著很大程度的一個相關性，甚至是正相關性。所以如果能夠準確的跟蹤刻畫，並且數據化的方式來顯示整個市場投資者的情緒，會對投資行為的決策有非常強的指導作用。
然後牛股王正好是一個散戶的一個社區，然後有大量的交易型的用戶，他們的情緒可能對我們的這個交易可能會有一些指導作用。所以牛股王SmartBeta情緒指數也是一款基於AI算法的產品，我們甄選了非常多的影響因子。包括用戶以前有沒有登陸牛股APP、是否有發言、還有一些可能我們認為是VIP或KOL的一些用戶，他有沒有發言？他有沒有操作其模擬帳戶、停留時間、他選擇哪些股票做交易、它的交易情況怎麼樣等等這一系列的信息，都可能是成為我們的有一定影響力的一些因子。
然後我們其實上面也介紹過貝葉斯網絡，我們其實用貝葉斯網絡來做分類，將每一個投資者情緒進行分類，然後進行標籤化，把它標註為積極、觀望、消極三個標籤，然後通過算法，我們可以確定未來情緒指數的分數是多少，是一種這樣的一種邏輯。然後再走到情緒標籤之後，我們通過SVM算法將整個市場的情緒進行綜合性分類，然後打分得到最後的情緒指標數據。
會員問答
Q1:量化投資軟體會未來會開源嗎？有行業人士說商業軟體和機構自研有安全、兼容、迭代等問題。
目前這個階段還沒有開源，正在發展階段，未來我們確實有計劃把我們盈寬量化這部分東西，我們也希望開源或者是一種接口的方式，跟外部的合作方進行深度合作。
Q2：投資者需不需要這麼多信息？是不是會消息過載？
其實這個問題問得非常好，因為我們現在是在這個大數據的時代，投資者所獲得的信息是海量，所以確實是有的信息是毫無價值，有的信息是非常有價值，有的信息是隱藏在非常海量的數據之中。人工智慧算法就是在幫助投資者在分析這些數據，因為靠人力的方式其實是沒有辦法快速解決的，人工智慧潛在來說有這個優勢，他能夠有很好的一個計算能力，所以能夠高速的去處理數據，能夠算法能夠比如說可以用一些分類算法，分析出哪些哪些是有影響力的因子，特徵，數據，通過這樣的方式能夠幫助我們人來做決策。
完整內容和PPT查看可進入「AI投研邦」查看