人工智能到底怎么玩？来看人工智能和金融的主流玩法 Rays 2017-02-24
人工智能的热潮被AlphaGo带到顶点，然而在人工智能的学科发展史上是有繁荣期和稳定期的。一个技术突破会带来一定时期内难以想象的繁荣，之后的科学发展也随之比以往更快，但需要明白的是不会天天都是技术突破。
关于人工智能的热议有很多，玩的套路也很多，值得相信的是不论是人工智能的繁荣期还是稳定期，只有真玩家才会笑到最后。来看看真玩家们人工智能和金融的主流玩法：
自动报告生成：投资银行，证券研究
人工智能辅助：量化交易
金融搜索引擎：证券研究
智能投资顾问：财富管理
自动报告生成：投资银行，证券研究
在投资银行的投行业务与证券研究业务中涉及大量的固定格式的报告撰写工作，如招股说明书中的部分章节，研报，以及投资意向书。这些报告撰写需要大量的投行初级员工进行长时间枯燥繁琐的数据罗列、整理、反复Copy-Paste工作。
在新三板法规中搜索关键字“格式”，得出关于公告格式要求的新三板法规就有189条。而就新三板市场中的转让说明书来说，其中有大量的内容是可以用模板生成的，比如历次股份变更，可以通过工商数据集成自动化，财务报表也可以与会计统计的数据自动化。自动化不仅可以提高效率，还可以检验数据的一致性。股转系统官方的反馈意见提到过很多次会计数据与转让说明书数据不一致的情况，一次反馈与反馈意见回复往往要花费半个月以上，机器的辅助校验非常必要。而人工智能中的自然语言处理（NLP）恰好可以将券商投行员工从这些大量枯燥工作中解放出来，去产生更多有价值的判断和洞见，并且全面提升金融市场的效率。
目前，自动报告生成主要运用自然语言处理（NLP）中的两种技术：
自然语言理解（NLU）：将日常话语消化理解，并转化为机器可后续处理的结构；
自然语言生成（NLG）：将由机器拆分好的结构化数据以人们能看懂的自然语句表达出来。
我们可以将这两种技术理解看成对日常对话这一原料的拆分加工和整装成可理解的自然语句——最终产品。
然而真正生成报告还需要利用以上技术完成3个步骤：
1.处理海量异构数据
将投行分析师需要阅读的年报，彭博新闻社的实时新闻以及数据，行业分析报告，以及法律公告等资源进行消化。其中对于文本中的图片和表格需要OCR（光学字符识别）等技术解析。
这一过程涉及运用知识图谱中常用的知识提取与实体关联将其关键逻辑主干抽出，结合事件地点等因素，将关键信息嵌入预先设计好的报告模板中。
3.文章生成
经过处理海量异构数据与分析数据的过程后，即可生产新闻，券商分析研报，上市招股书，企业年报，定增公告，甚至基金研究员开每日晨会所需的投资建议书也都可以用类似方式生成。用户只需选择符合其需求的模板确定主题与关键信息，以及报告呈现形式，便可生成基本内容。而且投行分析师可以进行校对与人工二次编辑，加入有价值的观点与结论，并提升报告精准度。
自动报告生成已经被广泛的运用到新闻行业中，代表的科技公司有美联社投资的Automated Insights已为美联社自动生成出10多亿篇文章与报告。法国公司Yseop可以每秒生产3000页内容，支持英语，法语，德语等多种语言，产品广泛用于银行、电信公司的客户服务部门以及财经新闻网站。
但是一些科技公司已经不仅仅满足于为新闻行业提供自动报告生成的服务。Narrative Science由西北大学的新闻系和计算机科学系的联合创立，旨在通过给定主题的数据分析，自动生成文章报告。该公司的著名数据分析平台Quill可以分析结构化数据，将人工智能与大数据进行技术融合，理解这些数据的重要性，从而产生简短的文字表述或结构化的报告内容。Quill的主要面向对象为——金融服务提供商。
Narrative Science的CEO Frankel 表示“我们的目标是替代人工做绝大部分基础工作，让机器来处理数据和信息”。
人工智能辅助：量化交易
量化交易从很早开始就运用机器进行辅助工作，分析师通过编写简单函数，设计一些指标，观察数据分布，而这些仅仅把机器当做一个运算器来使用。直到近些年机器学习的崛起，数据可以快速海量地进行分析、拟合、预测，人们逐渐把人工智能与量化交易联系得愈发紧密，甚至可以说人工智能的3个子领域（机器学习，自然语言处理，知识图谱）贯穿量化交易的始终。
机器学习：从数字推测模型
量化交易分析师们对财务、交易数据进行建模，分析其中显著特征，利用回归分析等传统机器学习算法预测交易策略。这种方式有两个主要弊端，其一是数据不够丰富，仅限于交易数据，更重要的是它受限于特征的选取与组合（Feature Engineering），模型的好坏取决于分析员对数据的敏感程度。此外一种做法是，模仿专家的行为，选择某一领域的特定专家，复制他们的决策过程，并导入可重复的计算框架。
全球最大的对冲基金桥水联合(Bridgewater Asspcoates)早在2013年就开启一个新的人工智能团队，该团队约有六名员工，由曾经供职IBM并开发了认知计算系统Watson的David Ferrucci领导。据彭博新闻社报道，该团队将设计交易算法，通过历史数据和统计概率预测未来。该程序将随着市场变化而变化，不断适应新的信息，而不是遵循静态指令。而桥水基金的创始人也曾公开表示，其旗下基金持有大量多仓和空仓，投资120种市场，持仓组合高达100多种，并且以人工智能的方式考虑投资组合。
