352
機器人
人工智能技術在矽穀的實踐
人工智能飛速發展，金融領域大有可為
隨著人工智能技術的快速發展，其迅速在多個領域產生了突破性的效果，金融領域也是如此。具體來說，在信用評估、投資和個人財務管理上都有所運用。實際上，金融領域是人工智能適合運用的領域之一，這是因為人工智能技術的數據和算法缺一不可，而運用的領域需要滿足能夠將一定的流程標準化、模式化。金融領域是跟數據大量打交道的領域，全球化的波動導致交易市場瞬息萬變，而智能設備等傳感器的大量普及產生了大量的非結構化數據。金融領域的風險定價正可以利用數據和算法進行更高效的評估，可有效的降低金融機構的成本，同時挖掘到更多有價值的信息，幫助市場進行決策。
作為全球創新的中心之一——矽穀，近年來也湧現了大量的以人工智能為核心技術創業金融科技公司。未央研究拜訪了16-17年之間成立的公司，以發現最新人工智能技術是如何改進或重塑原有金融格局。
人工智能技術在借貸領域的運用
近年來智能設備的興起圍繞用戶產生了大量的信息，這為評估個人信用風險產生了大量的挖掘價值。同時，傳統的FICO分數缺陷也一直存在，事實上，由於FICO分數極大依賴於信用曆史。（FICO分數考慮的五個指標包括：（1）償還曆史記錄，占比35%，包括各種信用賬戶的償還信息和負麵的公共記錄；（2）信貸欠款額度，占比30%；（3）信貸曆史年限，占比15%；（4）新開設的信用賬戶，占比10%；（5）正在使用的信用類型，占比10%。）這導致FICO分數在實際運用中產生了一些問題：一、對於缺乏信用曆史的人，如移民或者年輕人無法評估；二、對於已有FICO分數的人群來說，其假設和準確性也存疑，例如，如果用戶由於遭受了短期經濟打擊失去房子，但是保留工作的車輛則應該判定其有穩定的還款意願，但在FICO分數裏則被認為是不可靠的。而FICO數據迭代較慢，這導致了一些分數較高的用戶同樣存在違約狀況。近年來，FICO分數越來越成為一個供金融機構參考而不是決定性的指標之一，對於個人用戶的信息，機構會自行收集並用自己的風控模型進行評估。甚至有公司不再使用FICO，例如，2016年1月，矽穀最大的線上貸款公司SoFi就宣布不再使用FICO分數。
人工智能算法的使用也對於個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年的消費者信用曆史數據和消費類數據利用分類和回歸決策樹算法為消費者進行信用分數，並將結果與利用信用局的數據利用傳統方法計算的分數結果進行對比。下圖顯示兩種模型對於信用優良和信用差的人群都有較好的識別作用，但對於信用中等的人群，前者更能準確地預測該人群的預期行為。
Source: Consumer Credit Risk Models via Machine-Learning Algorithms∗ Amir E. Khandani†, Adlar J. Kim‡, and Andrew W. Lo§
作為近年來發展最快的深度學習技術來說，以往可能被信貸員判斷為無關變量的信息，如地址信息，APP使用習慣等，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願或者還款能力相關的變量。
未央研究在矽穀參訪的兩家公司Upgrade和Random Forest Capital都使用了人工智能技術對於用戶的信用進行了評估——當然前者的方法早已經運用在了國內。Upgrade自稱推出了評估模型2.0版本，一是使用了地理位置數據，這些位置數據能夠和宏觀經濟因素結合起來，反映了不同地方的經濟狀況；二是平台行為模式是連接到了用戶的checking account，通過分析用戶的自由現金流來看用戶的支付習慣，例如是否由有逾期、懲罰費用，或者錯過了某些支付日期，這種分析方式如同分析中小企業的現金流的方法。Upgrade將其運用在了個人風控上。
Random Forest Capital在2016成立，是一家位於舊金山的跨平台機器學習和數據工程投資管理公司。Random Forest稱，目前現存的承銷方法昂貴、低效、不準確，無法準確地評估這些債務的風險。Random Forest使用跨平台的機器學習算法來定價債券；在大大提高準確性和效率的同時，也解決了投資者和借款方的利益衝突。因為平台獲得的很多數據是類別數據，所以公司使用樹類的模型 ---基於樹的（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，受限於美國對於個人數據和隱私保護，很多金融機構需要“帶著腳銬跳舞”在不破壞個人隱私的情況下盡可能挖掘多的關於主體的信息。
人工智能在投資領域的運用
人工智能技術早期在投資領域中已有所運用，人工神經網絡（ANN）就是被認為較有用的算法之一，人工神經網絡已被證明能過夠有效處理金融市場中的不確定性，相比於線性回歸模型能夠挖掘數據中的非線性關係，同時能夠有效的處理大量數據中的噪音信息。更吸引人的是，人工神經網絡模型可以通過新數據的訓練來更新現有的模型，在瞬息萬變的市場中能做到快速反應。
自2004年以來，美國國內量化基金的財產規模不斷增加。從2004到2016年，量化基金總財產規模從300億美金迅速增長至3000億美金。一些著名的量化基金包括Two Sigma、DE Shaw、Citadel等。
相對於傳統的量化投資基金，人工智能型基金的一大優勢即是它更大限度地回避了人為操作的誤差，可以在短時間內處理更大量的數據，並可以動態地更新模型的參數以及模型本身，所以使得算法更加靈活且適應性強，使其在長期超越靜態的傳統量化模型的表現。相對於傳統的量化模型來說，人工智能型基金算法更加靈活，甚至設立了一些隨機性，這使得其算法相關性相對於傳統量化模型更弱。
下圖為EUREKAHEDGE在2017年1月的研究。途中藍線為人工智能型量化基金收益，紫色線為傳統基金收益，綠色線為指數型基金收益，紅色線為偏傳統型量化基金收益。
可見，自2010年起，相比於任何其他種類的基金，人工智能型基金收益都更高。
此外，由下表的相關性矩陣看出，人工智能型的量化投資基金和其同類型基金的相關性都較低，和一般的對衝基金的相關性甚至是負數。
Pit.AI就是一家用人工智能開發對衝基金交易策略的公司。Yves-Laurent Kom Samo 希望將對衝基金從由人工驅動，轉向機器驅動。公司通過節省行業中開銷最大的人力成本，來提升整個公司的盈利能力。Pit.AI隻向投資人收取與盈利相關的費用，並不收取基金管理費。隻有當基金表現更好的時候，Pit.AI與投資人對收益分成。收入分成比例是三七開，Pit.AI收取收益的30%。未來，Pit.AI希望將收費模式變成曲線形式，當收益表現不好的時候，收費相應減少，當收益增加的時候，收費比例相應提高。
Pit.AI認為通過雇傭很多交易員，產生眾多交易算法從而競爭的形式並不能很好的產生很優質的算法。因為，生成策略的人，大多數都用同一種思路在嚐試，發現的算法通常具有很強的相似和相關性。這些相關度很高的算法，並沒有對分散交易風險起到應有的作用。
Pit.AI與傳統機器學習的區別主要體現在兩方麵，第一，每個算法會一直運行下去，目標是尋找更優的交易策略，並不是找到一個優秀算法就停止；第二，他們的算法中都引入了隨機性，這樣，同一個算法的不同實例會有不同的表現，通常能生成不同的算法，而不是完全一致的算法。
人工智能基金不僅在基金公司的運營、成本結構和收入形式上產生了變革，在對客戶端也能產生影響，智能投顧行業就是這樣，按照Openfolio的思路，以往的基金管理受限於成本和技術是由基金經理主導，個人投資者由於其份額小無法擁有投資話語權，無法進行個性化投資。人工智能技術的引入，使得未來基於個人用戶實際情況進行調倉成為了可能，真正做到基於用戶的風險承受能力、收益預期以及個人價值觀等要求個性化調倉。
人工智能技術在個人財務管理的運用
隨著個人理財的意識和需求興起，越來越多的軟件開始利用人工智能技術為個人用戶進行財務管理。這些軟件基於的邏輯的是，通過分析用戶的開銷等相關數據，基於用戶設定的目標，為用戶提供理財建議，幫助用戶達成目標水平。成立於矽穀的Olivia AI就是這樣一家公司，Olivia公司致力於打造一個貼心的個人財務管理助手，使每個用戶在個人理財方麵都能得到個性化專業化的貼心服務。通過結合人工智能技術、財務管理知識和行為經濟學等學科的專業知識，Olivia AI以一個聊天機器人形象服務客戶，通過學習用戶的金融習慣和消費習慣，對用戶的各個資金賬戶進行統一管理，並針對用戶特點給出用戶的理財、消費計劃。
實際上，近年來在該領域的創業公司很多，都是瞄準了年輕人不好的理財習慣（不存款）以及無節製的開銷（月光族）的潛在機會，旨在利用更用戶友好的界麵，更全麵的功能和有趣的互動和激勵形式來培養用戶的理財習慣。例如提供自動存款功能的Digit，以及利用IFTTT來作為儲蓄激勵的Qapital。（IFTTT，是一個新生的網絡服務平台，通過不同平台的條件來決定是否執行下一條命令。即對網絡服務通過其他網絡服務反應作出反映。IFTTT得名為其口號“if this then that用戶設定一些規則來進行儲蓄，例如存每次花費後找的零錢等；IFTTT有上千種規則，也和很多軟件捆綁來設定目標，例如如果下雨了，就扣一點錢作為晴天旅遊的資金等。）
作為科技的創新之地，矽穀的公司已經將人工智能技術成熟的運用在金融各個領域，但我們也欣喜的發現，中國的科技金融的應用創新也未落後，不少矽穀的公司在中國已有對標。未來我們期待人工智能技術能夠為金融領域帶來更大的變革，服務更多傳統金融未觸達的人群。
（編自未央網）
關於未央網
未央網是由清華大學五道口金融學院互聯網金融實驗室創辦的互聯網金融門戶網站，是依托清華大學五道口金融學院深厚的教育資源背景和領先的金融理念，立足於前沿性、交叉性、高起點和開放式、國際化、與市場緊密對接的思想，設立的促進互聯網與金融交叉融合的網絡平台。為互聯網金融的企業家、管理者和從業者提供行業數據研究報告、行業資訊、監管借鑒、會議交流與探討等實用信息，為中國金融業創新提供智力與知識支持。
最後更新：2017-10-27 20:49:10