隨著人工智能技術(shù)的快速發(fā)展，東亞服務(wù)器 臺(tái)灣服務(wù)器，多個(gè)領(lǐng)域都迅速收獲了突破性成效，在金融領(lǐng)域內(nèi)也是如此。具體來說，東京主機(jī) 日本代理服務(wù)器，在信用評(píng)估、投資和個(gè)人財(cái)務(wù)管理上都有所運(yùn)用。實(shí)際上，金融領(lǐng)域是人工智能適合運(yùn)用的領(lǐng)域之一，這是因?yàn)?a href="http://m.qzkangyuan.com/cnidc/cloud/yzx/20170621/5015.html">人工智能技術(shù)的數(shù)據(jù)和算法缺一不可，而運(yùn)用的領(lǐng)域需要滿足能夠?qū)⒁欢ǖ牧鞒虡?biāo)準(zhǔn)化、模式（pattern）化。
金融領(lǐng)域是跟數(shù)據(jù)大量打交道的領(lǐng)域，全球化的波動(dòng)導(dǎo)致交易市場(chǎng)瞬息萬變，而智能設(shè)備等傳感器的普及產(chǎn)生了大量的非結(jié)構(gòu)化數(shù)據(jù)。金融領(lǐng)域的風(fēng)險(xiǎn)定價(jià)正可以利用數(shù)據(jù)和算法進(jìn)行更高效的評(píng)估，可有效的降低金融機(jī)構(gòu)的成本，同時(shí)挖掘到更多有價(jià)值的信息，幫助市場(chǎng)進(jìn)行決策。
作為全球創(chuàng)新的中心之一——硅谷，近年來也涌現(xiàn)了大量的以人工智能為核心技術(shù)的創(chuàng)業(yè)金融科技公司。未央研究拜訪了這其中16-17年之間成立的公司，以發(fā)現(xiàn)最新人工智能技術(shù)是如何改進(jìn)或重塑原有金融格局。
二、人工智能技術(shù)在借貸領(lǐng)域的運(yùn)用
近年來智能設(shè)備的興起圍繞用戶產(chǎn)生了大量的信息，這為評(píng)估個(gè)人信用風(fēng)險(xiǎn)產(chǎn)生了大量的挖掘價(jià)值。同時(shí)，傳統(tǒng)的FICO分?jǐn)?shù)缺陷也一直存在，事實(shí)上，由于FICO分?jǐn)?shù)極大依賴于信用歷史。（FICO分?jǐn)?shù)考慮的五個(gè)指標(biāo)包括：①償還歷史記錄，占比35%，包括各種信用賬戶的償還信息和負(fù)面的公共記錄；②信貸欠款額度，占比30%；③信貸歷史年限，占比15%；④新開設(shè)的信用賬戶，占比10%；⑤正在使用的信用類型，占比10%。）這導(dǎo)致FICO分?jǐn)?shù)在實(shí)際運(yùn)用中產(chǎn)生了一些問題：
1、對(duì)于缺乏信用歷史的人，如移民或者年輕人無法評(píng)估；
2、對(duì)于已有FICO分?jǐn)?shù)的人群來說，其假設(shè)和準(zhǔn)確性也存疑，例如，如果用戶由于遭受了短期經(jīng)濟(jì)打擊失去房子，但是保留工作的車輛則應(yīng)該判定其有穩(wěn)定的還款意愿，但在FICO分?jǐn)?shù)里則被認(rèn)為是不可靠的。而FICO數(shù)據(jù)迭代較慢，這導(dǎo)致了一些分?jǐn)?shù)較高的用戶同樣存在違約狀況。
近年來，F(xiàn)ICO分?jǐn)?shù)越來越成為一個(gè)供金融機(jī)構(gòu)參考而不是決定性的指標(biāo)之一，對(duì)于個(gè)人用戶的信息，機(jī)構(gòu)會(huì)自行收集并用自己的風(fēng)控模型進(jìn)行評(píng)估。甚至有公司不再使用FICO，例如，2016年1月，硅谷最大的線上貸款公司SoFi就宣布不再使用FICO分?jǐn)?shù)。
人工智能算法的使用也對(duì)于個(gè)人用戶信用畫像能起到完善作用。MIT一篇工作論文通過將2009-2012年的消費(fèi)者信用歷史數(shù)據(jù)和消費(fèi)類數(shù)據(jù)利用分類和回歸決策樹算法為消費(fèi)者進(jìn)行信用分?jǐn)?shù)，并將結(jié)果與利用信用局的數(shù)據(jù)利用傳統(tǒng)方法計(jì)算的分?jǐn)?shù)結(jié)果進(jìn)行對(duì)比。下圖顯示兩種模型對(duì)于信用優(yōu)良和信用差的人群都有較好的識(shí)別作用，但對(duì)于信用中等的人群，前者更能準(zhǔn)確的預(yù)測(cè)該人群的預(yù)期行為。
作為近年來發(fā)展最快的深度學(xué)習(xí)技術(shù)來說，以往可能被信貸員判斷為無關(guān)變量的信息，如地址信息，APP使用習(xí)慣等，通過挖掘和整合可能形成有用的變量，從而反映/指向跟用戶的還款意愿或者還款能力相關(guān)的變量。
未央研究在硅谷實(shí)地參訪的兩家公司Upgrade和Random Forest Capital都使用了人工智能技術(shù)對(duì)于用戶的信用進(jìn)行了評(píng)估——當(dāng)然前者的方法早已經(jīng)運(yùn)用在了國內(nèi)。Upgrade自稱推出了評(píng)估模型2.0版本，一是使用了地理位置數(shù)據(jù)，這些位置數(shù)據(jù)能夠和宏觀經(jīng)濟(jì)因素結(jié)合起來，反映了不同地方的經(jīng)濟(jì)狀況；二是平臺(tái)行為模式是連接到了用戶的checking account，通過分析用戶的自由現(xiàn)金流來看用戶的支付習(xí)慣，例如是否由有逾期、懲罰費(fèi)用，或者錯(cuò)過了某些支付日期，這種分析方式如同分析中小企業(yè)的現(xiàn)金流的方法。Upgrade將其運(yùn)用在了個(gè)人風(fēng)控上。
Random Forest Capital在2016成立，是一家位于舊金山的跨平臺(tái)機(jī)器學(xué)習(xí)和數(shù)據(jù)工程投資管理公司。Random Forest稱，目前現(xiàn)存的承銷方法昂貴、低效、不準(zhǔn)確，無法準(zhǔn)確地評(píng)估這些債務(wù)的風(fēng)險(xiǎn)。Random Forest使用跨平臺(tái)的機(jī)器學(xué)習(xí)算法來定價(jià)債券；在大大提高準(zhǔn)確性和效率的同時(shí)，也解決了投資者和借款方的利益沖突。因?yàn)槠脚_(tái)獲得的很多數(shù)據(jù)是類別數(shù)據(jù)，所以公司使用樹類的模型---基于樹的（tree base）算法很有用，此外Boosting算法也被證明很有效果。
需要指出的是，受限于美國對(duì)于個(gè)人數(shù)據(jù)和隱私保護(hù)，很多金融機(jī)構(gòu)需要“帶著腳銬跳舞”在不破壞個(gè)人隱私的情況下盡可能挖掘多的關(guān)于主體的信息。
三、人工智能在投資領(lǐng)域的運(yùn)用
