认识达内从这里开始

随着人工智能技术的发展，机器学习与深度学习等概念被众多程序员所熟悉。今天，我们就一起来了解一下，机器学习在不同领域中都有哪些影响力。

数字顾问

所谓的robo顾问执行财务专家的职能，向顾客提供建议-只需要没有任何人为干预。该术语用于定义根据用户风险和用途调整金融投资组合或投资计划的算法。

根据FINRA，这些算法包含了几项活动：资产分配，客户分析，资产组合调整/再平衡，交易和税收减免。机器人顾问观察到的主要好处是缺乏与投资账户管理相关的情感因素。此外，这种电子工具比传统投资咨询公司便宜，这使得它对富裕程度较低的客户更具吸引力。

今天，我们可以观察到适用于交易需求的机器学习解决方案数量的大幅增长。传统的算法系统缺乏像机器学习那样，能够根据积累的经验以适应即时的变化。有不同的算法优化策略，如深度学习，神经网络，线性回归等等，这些都将在先进的交易工具中实现。情绪分析(下文将会描述)是算法交易中机器学习的另一个秘密武器，这是众多对冲基金高度估量的。

贸易公司可以使用数百种ML算法，并可以将它们用于特定的工作。目标的范围包括交易预测，策略参数的确定，市场行为的分析等。例如，构建决策模型需要决策树算法;回归算法可以用来解决回归问题和变量之间的形状关系。Quants选择ML和AI系统作为用于估算投资和风险的多种用途的有用工具。

安全和欺诈检测

不幸的是，欺诈活动与金融科技公司一起发展。考虑到这一点，确保客户的数据安全性是任何金融服务提供商的基本目标。尽管听起来似是而非，但当代移动银行应用程序和相关软件的出现引发了新的欺诈形式。因此，基于一套固定规则和政策的传统安全系统让位于基于机器学习的欺诈检测解决方案，这些解决方案部署风险因素经验以适应新的潜在威胁。

承保

银行，保险或证券承保是基于机器学习的金融技术的佳利基。通常，大型承销商拥有整个部门和众多工作人员来处理潜在风险的分析和评估，以确保申请人及其资产的安全。但是，定制算法可以处理与客户个人数据相关的大量日常任务，以及信用信誉和保险历史。

机器学习在保险行业变得越来越流行，因为公司有能力开发处理海量数据的高级算法。不幸的是，小公司财力有限，加入这一趋势似乎仍然是一个梦想。

客户服务

自动化客户服务可能会产生负面影响，因为并非所有客户都乐意听录音并遵循语音提示。但是，用于客户服务的人工智能提供了完全不同的体验。会话界面和数字助理能够将客户指引到适当的主管或部门，以及以人为的方式回答关于特定时期的平衡状态或付款报告的罕见问题。令人难以置信的是，不需要人工交互。AI技术能够识别模式和行为，并了解和响应独特的请求。

情绪分析

这个术语可以解释为对信息进行彻底分析以确定情绪语气并理解某个主题背后的意见。情绪分析具有广泛的应用范围，从建立对产品/服务的社会情绪的理解到对交易和股票价格的估计进行预测。

凭借ML算法提供的功能，情感分析的质量和准确度显着提高。当然，我们并没有声称机器学习可以与所谓的人类六感(只有人类有直觉)相比，但是这项技术提供了令人兴奋的可能性。

作者：ZakharYung

节选：数据人

【免责声明】本文系本网编辑部分转载，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请在30日内与管理员联系，我们会予以更改或删除相关文章，以保证您的权益!