除了會炒股抄底，人工智能在金融領域還有什麼主要應用場景？

人工智能對金融機構的影響正在與日劇增，它不僅改變了人們存款、投資和借貸的方式，甚至還能預防金融犯罪。助推這一波人工智能大潮的一大核心是機器學習算法，而金融行業也正在借助于算法的優化不斷發展。

此前，全球最大的對沖基金公司之一英仕曼集團（Man Group）旗下的AHL Dimension 基金通過将機器學習算法用于自動貿易決策發現，在沒有人為幹預的情況下，該AI系統竟然自己學會了抄底。（後文會做詳細介紹）

這一波操作讓整個金融界為之震驚。

可以看到，借助機器學習，計算機已經可以完成諸如股票交易這樣複雜而繁瑣的任務。同時，在全球已經有不少對沖基金公司正在該領域不斷探索，并取得了可與人類專家的判斷相媲美的成果。

此前，舊金山的創業公司Sentient Technologies就開發了一種算法，通過擷取數以百萬計的資料點進而識别交易模式，預測趨勢，制定成功的股票交易決策。在Sentient公司的平台上，運作着數以萬億計由大量線上公共資料建立的模拟交易程式。借助這些程式，該算法可以識别整合成功的交易模式，制定新的交易政策。同時，通過該算法，系統還可以在幾分鐘内完成傳統方式中1800天的交易量，并在交易中不斷實作自主優化。據該公司CEO安東萬•布隆多（Antoine Blondeau）表示 ，其基金完全由人工智能操盤，整體思路就是做一些沒有其他人也沒有其他機器在做的事情。

Sentient的首席科學官巴貝克•霍加特（Babak Hodjat）表示 ，這套系統允許公司調整特定的風險設定，并且是在沒有人工幹預的情況下運作的。“它會自動生成一套政策 ，并給我們下訓示。它還會告訴我們要在何時退出，何時減小風險敞口，諸如此類。”霍加特說。

而在應用方面，目前，除了英仕曼之外，國外還有很多成功案例。美國的Wealthfront和Betterment、英國的MoneyonToast、德國的FinanceScout24、法國的MarieQuantier等均成功将人工智能引入投資理财，目前智能顧問已掌握大量資産；第一個以人工智能驅動的基金Rebellion曾成功預測了2008年股市崩盤，并在2009年給希臘債券F評級，而當時惠譽的評級仍然為A，通過人工智能，Rebellion比官方降級提前一個月；掌管900億美元的對沖基金Cerebellum，使用了人工智能技術，從2009年以來一直處于盈利狀态。

随着電子商務的推廣，網絡詐騙愈發猖獗。然而，打擊網絡詐騙并非易事。過度拒絕交易進而預防網絡犯罪會導緻客戶體驗下降，可能造成大量客戶的流失。2015年，Javelin Strategy市場調研機構釋出的一項研究表明：網絡零售商因錯誤拒絕合法交易造成的損失金額高達1180億美元。在錯誤拒絕合法交易的案例中有三分之一的客戶會放棄交易。此外，僅在美國地區，該類案例造成的經濟損失是真正詐騙案件損失金額的13倍。

在這樣的背景下，人工智能可以通過分析不同的資料點，利用機器學習算法檢測人類分析師察覺不到的欺詐性交易。與此同時，還可提升實時審批的準确度，減少錯誤拒絕率。

如今，已經有很多機構開始借助人工智能預防詐騙。Mastercard（萬事達卡）不久前推出的智能決策(DI)技術是個很好的例子。據了解，DI可以從持卡人的消費記錄和習慣中采集模型，建立行為基準，進而對每筆新達成的交易進行比較和評估。相較于傳統的多借助通用方法評估所有交易的犯罪預防技術，該技術的應用可謂是一項重大突破。

事實上，Mastercard并非第一家運用人工智能進行反欺詐檢測的金融企業。有些公司采用的方法更為全面。例如，Sift Science從6000多家具備欺詐檢測功能的網站中收集了大量資料，并通過多種管道的裝置追蹤和資料分析，利用智能引擎關聯了各種不同的資料點，包括網站上的付款資訊和其他行為，建立優質使用者行為模型，檢測欺詐性交易。

近年來，借助由自然語言處理（NLG）和機器學習算法驅動的智能客服為使用者提供個性化對話體驗開始變得越來越普及。

而智能客服在金融業的應用也是比較常見的，比如幫助使用者理财。舉個例子，當使用者點選Facebook的聊天視窗時，就可以啟動Plum聊天機器人，進而進行小額分期存款的操作。在注冊時，使用者隻需要将Plum與其銀行賬戶關聯。之後，Plum的人工智能系統就會分析使用者的收入水準和消費習慣，并在此基礎上預測其能接受的存款金額。然後适時分期向使用者的儲蓄賬戶中存儲小筆金額，并定期通知使用者。

此外，智能客服Cleo還可以跟蹤多個賬戶的收入與支出，像私人會計師一樣和客戶交流，回答客戶的問題，同時還可以提供理财指導，幫助使用者做未來的資金規劃和管理。今年年末，美國銀行計劃推出智能客服Erica（取銀行名字的諧音）。Erica可以在銀行手機用戶端與客戶進行語音和文字互動，進而幫助客戶快速做出更明智的決定。例如，無需打開應用界面（UI）即可指令Erica彙錢給朋友或付款。智能客服的AI引擎還可分析管理客戶的個人财務，如根據客戶收入和支出模型，提供建議，實作儲蓄目标。

在對人工智能技術的應用中，英仕曼是個非常好的例子，這裡我們重點介紹一下。

英仕曼集團作為全球最大的對沖基金公司之一，資産高達960億美元。其旗下的AHL Dimension 基金從2014年就開始将機器學習算法用于自動貿易決策，并且獲得了巨大收益。

據了解，英仕曼的工程師為機器學習算法設定了邊界參數，包括敞口資本、資産類别以及交易成本。通過這些參數為算法提供資料，進而發現那些容易被人類分析師忽略的模式和聯系。機器學習算法在新資料與曆史模式進行不間斷比對，推測将會發生的變化。目前，英仕曼已經将該模型用于加快貿易決策，進而實作對未來幾周的形勢作出合理預測。

2015年8月，當全球金融市場由于對中國經濟的擔憂引發了突然大量的抛售時。英仕曼的AI系統在此前就看空市場，并迅速從下跌中獲利。而在美國股市下跌約3%後，該系統又發現了買入機會，重新回到市場。就在那一年，人工智能為英仕曼集團規模最大的一隻基金AHL Dimension Programme貢獻了大約一半的利潤。

去年11月和12月，當世界仍在努力消化川普當選美國總統的消息時，英仕曼的人工智能卻迅速進入市場，并從随後的反彈中獲利。

“沒有人告訴它去怎麼抄底和獲利，它自己學會了如何觀察以前的模式。”AHL Dimension的基金經理尼克.格蘭傑(Nick Granger)說。

自2014年初以來，英仕曼管理的資産總額已經飙升了77%。而AHL Dimension基金的規模也已經擴大到當時的5倍。

AHL Dimension基金首席科學家、牛津實驗室的負責人萊德福德（Anthony Ledford）表示，英仕曼集團的AI工程師們用獎勵和懲罰來引導機器，從技術角度來說，這會用到深度學習和強化學習。而通過深度學習，他們用曆史資訊構成的資料集，來訓練算法發現預測模式、規律。比如說，當算法從股票和期貨的價格資料中發現相似點時，就會受到“激勵”。通過強化學習，算法會在運作過程中，根據某種行為的成敗來重新校準。另外，研究者也會在算法中設定懲罰機制，來阻止AI的某些行為，比如說不讓AI去建立人類已經用過的交易政策。

是以，在萊德福德看來，隻靠一群極客敲代碼還不能建構出能用的AI，問題的關鍵在于資料。如果說處理能力是人工智能的引擎，資訊就是它的燃料。它能讓工程師們教給算法在沒有人為幹預的情況下适應和學習各種技能。

據說在英仕曼的辦公室裡，每周都會有一群銷售來來往往，推銷着各種各樣的資料集。金融資料通常毫無組織，就像一幅被搖散了的拼圖，對于計算機來說非常難以了解，但卻是非常關鍵的。

金融業或許是人工智能最好應用的行業，但同時，也是人工智能應用所面臨的最具挑戰的行業。雖然機器學習已經在金融領域得到了廣泛應用，然而還有不少問題還需要解決。

首先，如何借助人工智能有效操作複雜交易還有待讨論，因為這會受到一些難以預測的意外因素的影響。訓練計算機如何搞清楚債券市場的運作規律，不同于教它認貓。市場的運作方式神秘莫測，新聞事件、經濟、政治、監管、自然災害和人類的判斷等等都會對其産生影響。對于英仕曼而言，在人工智能投入使用後，AHL基金的收益三年中增長了15%，這個成績雖然高于行業平均近一倍，但仍然尚未達到S&P 500（标準普爾500指數）。

▲對沖基金、AI政策基金、和标普500近四年的業績

圖檔來源：Bloomberg

此外，很多人，尤其是傳統交易者，仍然認為人工智能算法不夠透明。随着人工智能算法所含資料和精密度的增加，建立者已經難以輕易解釋其運作原理。是以，當算法決策失誤，損害使用者利益時，問題就變得非常棘手。為避免失誤，英仕曼研發了一種供人類分析師執行算法決策前進行檢查的分析工具。

同時，過度使用大資料也促使對沖基金走進法律的灰色地帶。多年來，計算機代碼一直是交易大廳的标準工具。在某些事情發生時告訴計算機應該做什麼，是量化基金的基礎，這些基金長期以來一直使用統計分析來尋找優勢。人工智能在此基礎上更進一步，它能夠根據其接收到的資訊進行調整。而在英仕曼，通過設定敞口上限、資産類别、波動率、交易成本等參數，合規和風險控制規則根植于系統的基因中，防止它在快速盈利的過程中偏離軌道或違反法律。

雖然，我們現在還不清楚有多少像英仕曼這樣的對沖基金公司正在使用AI來提升業績，以及有多少機構取得了成功。但如谷歌前執行總裁、現Alphabet執行董事長Eric Schmidt此前所說，五十年後，所有交易決策都将依賴于計算機對資料和市場信号的解析。

無論這樣的預測能否實作，毫無疑問的是，AI正在改變金融市場的運作方式，以及交易者未來進行資金管理的方式，并且還将給金融領域帶來更多的驚喜。

原文出處：科技行者

轉載請與作者聯系，同時請務必标明文章原始出處和原文連結及本聲明。