深度学习在金融行业应用必然性、表现优势以及现状

 导读：深度学习在金融行业应用必然性、表现优势以及现状。人工智能理财市场空间巨大且处于拐点。科尔尼咨询预计，到 2020 年，智能理财的渗透率将提高到 6%左右，管理的资产规模将达到 2 万亿美元（2015-2020 年复合年均增长率约 70%）。

参考《2016-2022年中国互联网金融投资市场专项调研及十三五投资方向研究报告》

       1、. 金融大数据特性决定了引入人工智能技术的必然性

       资金融市场的数据特性主要体现为两点：一是海量数据。二是数据维度。人工智能是解决数据瓶颈的必然选择。

       人工智能理财市场空间巨大且处于拐点。科尔尼咨询预计，到 2020 年，智能理财的渗透率将提高到 6%左右，管理的资产规模将达到 2 万亿美元（2015-2020 年复合年均增长率约 70%）。

       根据花旗银行的最新研究报告，人工智能投资顾问管理的资产，2012 年基本为 0，到了 2014年底已经到了 140 亿美元。在未来 10 年的时间里，它管理的财产还会呈现指数级增长的势头，总额将达到 5 万亿美元。

       人工智能投资与传统量化交易有显著区别。区别于程序化交易、量化交易，证券投资人工智能机器人构建了学习机制以及建立在其上的知识库，能够自主学习、推理以及进行决策。目前已经投入实际运用的证券投资人工智能已经可以取代大部分以往由人力进行的投资分析工作，自主“生产”投资策略，能够很轻松的同时监控上千只股票、并实时根据各种市场情况自主进行买卖交易。

       2、 人工智能投资基金表现优异

       第一个以人工智能驱动的基金 Rebellion 预测了 2008 年的股市崩盘，并在 2009 年 9 月给希腊债券 F 评级，而当时惠誉的评级仍然为 A。通过人工智能手段，Rebellion 比官方降级提前了一个月。掌管 900 亿美元的对冲基金 Cerebellum 也使用了人工智能技术，结果从 2009 年以来，几乎没有一个月是亏损的。2012 年以后，由于大数据技术成熟，以机器学习为核心的人工智能技术在证券投资领域得到认同和飞速发展，包括 Renaissance technologies、AIDIYIA、Cerebellum Capital、Cmmeq、Castilium、Binatix、Sinai、KFL Capital 等多家全球著名资产管理公司开始运用人工智能技术进行证券投资。

       3、机器学习和自然语言处理是目前人工智能投资基金常用技术

       相对于以往仅仅依靠传统交易数据，人工智能基金开始考虑引入新闻，政策，社交网络中的丰富文本并运用自然语言处理技术分析，将非结构化数据结构化处理，并从中探寻影响市场变动的线索。典型代表是坐落在香港的人工智能投资机构 Aidyia，其开发的交易机器人从包括新闻和社会媒体在内的多个渠道摄取大量的信息，使用机器学习能力预测市场并转化为买和卖单。

       计算机辅助的投资基金总体收益波动率相对人类基金经理要低

资料来源：公开资料，中国报告网整理，转载请注明出处（ww）。