人工智能+金融科技AI+FinTech

人工智能+金融科技AI+FinTech人工智能+金融科技AI+FinTech第1頁(yè)人工智能+金融科技主流應(yīng)用投資銀行和賣(mài)方研究嘗試自動(dòng)匯報(bào)生成公募、私募基金在經(jīng)過(guò)人工智能輔助量化交易金融智能搜索財(cái)富管理企業(yè)在探索智能投顧方向人工智能+金融科技AI+FinTech第2頁(yè)自動(dòng)生成投研匯報(bào)當(dāng)前，自動(dòng)匯報(bào)生成主要利用自然語(yǔ)言處理(NLP)中兩種技術(shù)：1）自然語(yǔ)言了解(NLU)：將日常話(huà)語(yǔ)消化了解，并轉(zhuǎn)化為機(jī)器可后續(xù)處理結(jié)構(gòu);2）自然語(yǔ)言生成(NLG)：將由機(jī)器拆分好結(jié)構(gòu)化數(shù)據(jù)以大家能看懂自然語(yǔ)句表示出來(lái)。咱們能夠?qū)⑦@兩種技術(shù)了解看成對(duì)日常對(duì)話(huà)這一原料拆分加工和整裝成可了解自然語(yǔ)句——最終產(chǎn)品。人工智能+金融科技AI+FinTech第3頁(yè)自動(dòng)生成投研匯報(bào)真正生成匯報(bào)還需要利用以上技術(shù)完成3個(gè)步驟：

1）處理海量異構(gòu)數(shù)據(jù)將投行分析師需要閱讀年報(bào)，彭博新聞社實(shí)時(shí)新聞以及數(shù)據(jù)，行業(yè)分析匯報(bào)，以及法律公告等資源進(jìn)行消化。其中對(duì)于文本中圖片和表格需要OCR(光學(xué)字符識(shí)別)等技術(shù)解析；

2）分析數(shù)據(jù)這一過(guò)程包括利用知識(shí)圖譜中常見(jiàn)知識(shí)提取與實(shí)體關(guān)聯(lián)將其關(guān)鍵邏輯主干抽出，結(jié)合事件地點(diǎn)等原因，將關(guān)鍵信息嵌入預(yù)先設(shè)計(jì)好匯報(bào)模板中；

3）文章生成經(jīng)過(guò)處理海量異構(gòu)數(shù)據(jù)與分析數(shù)據(jù)過(guò)程后，即可生產(chǎn)新聞，券商分析研報(bào)，上市招股書(shū)，企業(yè)年報(bào)，定增公告，甚至基金研究員開(kāi)每日晨會(huì)所需投資提議書(shū)也都能夠用類(lèi)似方式生成。人工智能+金融科技AI+FinTech第4頁(yè)自動(dòng)生成投研匯報(bào)用戶(hù)只需選擇符合其需求模板確定主題與關(guān)鍵信息，以及匯報(bào)展現(xiàn)形式，便可生成基礎(chǔ)內(nèi)容。而且投行分析師能夠進(jìn)行校對(duì)與人工二次編輯，加入有價(jià)值觀(guān)點(diǎn)與結(jié)論，并提升匯報(bào)精準(zhǔn)度。自動(dòng)匯報(bào)生成已經(jīng)被廣泛利用到新聞行業(yè)中，代表科技企業(yè)有美聯(lián)社投資AutomatedInsights已為美聯(lián)社自動(dòng)生成出10多億篇文章與匯報(bào)。法國(guó)企業(yè)Yseop能夠每秒生產(chǎn)3000頁(yè)內(nèi)容，支持英語(yǔ)，法語(yǔ)，德語(yǔ)等各種語(yǔ)言，產(chǎn)品廣泛用于銀行、電信企業(yè)客戶(hù)服務(wù)部門(mén)以及財(cái)經(jīng)新聞網(wǎng)站。

不過(guò)一些科技企業(yè)已經(jīng)不但僅滿(mǎn)足于為新聞行業(yè)提供自動(dòng)匯報(bào)生成服務(wù)。NarrativeScience由西北大學(xué)新聞系和計(jì)算機(jī)科學(xué)系聯(lián)合創(chuàng)建，意在經(jīng)過(guò)給定主題數(shù)據(jù)分析，自動(dòng)生成文章匯報(bào)。該企業(yè)著名數(shù)據(jù)分析平臺(tái)Quill能夠分析結(jié)構(gòu)化數(shù)據(jù)，將人工智能與大數(shù)據(jù)進(jìn)行技術(shù)融合，了解這些數(shù)據(jù)主要性，從而產(chǎn)生簡(jiǎn)短文字表述或結(jié)構(gòu)化匯報(bào)內(nèi)容。Quill主要面向?qū)ο鬄椤鹑诜?wù)提供商。NarrativeScienceCEOFrankel表示“咱們目標(biāo)是替換人工做絕大個(gè)別基礎(chǔ)工作，讓機(jī)器來(lái)處理數(shù)據(jù)和信息”。人工智能+金融科技AI+FinTech第5頁(yè)人工智能怎樣輔助量化交易量化交易從很早開(kāi)始就利用機(jī)器進(jìn)行輔助工作，分析師經(jīng)過(guò)編寫(xiě)簡(jiǎn)單函數(shù)，設(shè)計(jì)一些指標(biāo)，觀(guān)察數(shù)據(jù)分布，而這些僅僅把機(jī)器當(dāng)做一個(gè)運(yùn)算器來(lái)使用。直到近些年機(jī)器學(xué)習(xí)崛起，數(shù)據(jù)能夠快速海量地進(jìn)行分析、擬合、預(yù)測(cè)，大家逐步把人工智能與量化交易聯(lián)絡(luò)得愈發(fā)緊密，甚至能夠說(shuō)人工智能3個(gè)子領(lǐng)域：機(jī)器學(xué)習(xí)自然語(yǔ)言處理知識(shí)圖譜貫通量化交易一直。人工智能+金融科技AI+FinTech第6頁(yè)人工智能怎樣輔助量化交易1)機(jī)器學(xué)習(xí)：從數(shù)字推測(cè)模型人工智能+金融科技AI+FinTech第7頁(yè)人工智能怎樣輔助量化交易1)機(jī)器學(xué)習(xí)：從數(shù)字推測(cè)模型量化交易分析師們對(duì)財(cái)務(wù)、交易數(shù)據(jù)進(jìn)行建模，分析其中顯著特征，利用回歸分析等傳統(tǒng)機(jī)器學(xué)習(xí)算法預(yù)測(cè)交易策略。這種方式有兩個(gè)主要弊端，其一是數(shù)據(jù)不夠豐富，僅限于交易數(shù)據(jù)，更主要是它受限于特征選取與組合(FeatureEngineering)，模型好壞取決于分析員對(duì)數(shù)據(jù)敏感程度。另外一個(gè)做法是，模仿教授行為，選擇某一領(lǐng)域特定教授，復(fù)制他們決議過(guò)程，并導(dǎo)入可重復(fù)計(jì)算框架。

全球最大對(duì)沖基金橋水聯(lián)合(BridgewaterAsspcoates)早在年就開(kāi)啟一個(gè)新人工智能團(tuán)體，該團(tuán)體約有六名員工，由曾經(jīng)供職IBM并開(kāi)發(fā)了認(rèn)知計(jì)算系統(tǒng)WatsonDavidFerrucci領(lǐng)導(dǎo)。據(jù)彭博新聞社報(bào)道，該團(tuán)體將設(shè)計(jì)交易算法，經(jīng)過(guò)歷史數(shù)據(jù)和統(tǒng)計(jì)概率預(yù)測(cè)未來(lái)。該程序?qū)殡S市場(chǎng)改變而改變，不停適應(yīng)新信息，而不是遵照靜態(tài)指令。而橋水基金創(chuàng)始人也曾公開(kāi)表示，其旗下基金持有大量多倉(cāng)和空倉(cāng)，投資120種市場(chǎng)，持倉(cāng)組合高達(dá)100各種，而且以人工智能方式考慮投資組合。人工智能+金融科技AI+FinTech第8頁(yè)人工智能怎樣輔助量化交易1)機(jī)器學(xué)習(xí)：從數(shù)字推測(cè)模型RebellionResearch是一家利用機(jī)器學(xué)習(xí)進(jìn)行全球權(quán)益投資量化資產(chǎn)管理企業(yè)，RebellionResearch在年推出了第一個(gè)純?nèi)斯ぶ悄?AI)投資基金。該企業(yè)交易系統(tǒng)是基于貝葉斯機(jī)器學(xué)習(xí)，結(jié)合預(yù)測(cè)算法，響應(yīng)新信息和歷史經(jīng)驗(yàn)從而不停演化，利用人工智能預(yù)測(cè)股票波動(dòng)及其相互關(guān)系來(lái)創(chuàng)建一個(gè)平衡投資組合風(fēng)險(xiǎn)和預(yù)期回報(bào)，利用機(jī)器嚴(yán)謹(jǐn)超越人類(lèi)情感陷阱，有效地經(jīng)過(guò)自學(xué)習(xí)完成全球44個(gè)國(guó)家在股票、債券、大宗商品和外匯上交易。

倫敦對(duì)沖基金機(jī)構(gòu)Castilium由金融領(lǐng)域大佬與計(jì)算機(jī)科學(xué)家一同創(chuàng)建，包含前德意志銀行衍生品教授、花旗集團(tuán)前董事長(zhǎng)兼首席執(zhí)行官和麻省理工教授。他們采訪(fǎng)了大量交易員和基金經(jīng)理，復(fù)制分析師、交易員和風(fēng)險(xiǎn)經(jīng)理們推理和決議過(guò)程，并將它們納入算法中。人工智能+金融科技AI+FinTech第9頁(yè)人工智能怎樣輔助量化交易1)機(jī)器學(xué)習(xí)：從數(shù)字推測(cè)模型在量化交易方面人工智能初創(chuàng)企業(yè)有日本Alpaca，旗下交易平臺(tái)Capitalico利用基于圖像識(shí)別深度學(xué)習(xí)技術(shù)，允許用戶(hù)很輕易地從存檔里找到外匯交易圖表并幫忙做好分析，這么一來(lái)，普通人就能知道明星交易員是怎樣做交易，從他們經(jīng)驗(yàn)中學(xué)習(xí)并作出更準(zhǔn)確交易。同時(shí)Alpaca也推出AlpacaScan作為對(duì)美國(guó)股票市場(chǎng)實(shí)時(shí)反應(yīng)K線(xiàn)圖工具，拋棄二進(jìn)制濾波局限意在提供給交易員用來(lái)識(shí)別潛在市場(chǎng)改變趨勢(shì)日常必需工具。

坐落在香港Aidyia致力于用人工智能分析美股市場(chǎng)，依賴(lài)于各種AI混合，包含遺傳算法(geneticevolution)，概率邏輯(probabilisticlogic)，系統(tǒng)會(huì)分析大盤(pán)行情以及宏觀(guān)經(jīng)濟(jì)數(shù)據(jù)，之后會(huì)做出自己市場(chǎng)預(yù)測(cè)，并對(duì)最好行動(dòng)進(jìn)行表決。與其類(lèi)似企業(yè)還有Point72Asset，RenaissanceTechnologies，TwoSigma。人工智能+金融科技AI+FinTech第10頁(yè)人工智能怎樣輔助量化交易2)自然語(yǔ)言處理：把握市場(chǎng)動(dòng)態(tài)當(dāng)量化交易分析師發(fā)覺(jué)數(shù)字推測(cè)模型不足后，開(kāi)始考慮引入新聞，政策，社交網(wǎng)絡(luò)中豐富文本并利用自然語(yǔ)言處理技術(shù)分析，將非結(jié)構(gòu)化數(shù)據(jù)結(jié)構(gòu)化處理，并從中探尋影響市場(chǎng)變動(dòng)線(xiàn)索。

率先使用自然語(yǔ)言處理技術(shù)人工智能對(duì)沖基金是今年6月份在倫敦新設(shè)對(duì)沖基金CommEq。CommEq投資方法結(jié)合了定量模型與自然語(yǔ)言處理(NLP)，使計(jì)算機(jī)能夠如人類(lèi)一樣經(jīng)過(guò)推斷和邏輯演繹了解不完整和非結(jié)構(gòu)化信息。

除此之外，也有采取自然語(yǔ)言處理技術(shù)金融科技企業(yè)，如由李嘉誠(chéng)與塔塔通訊投資SentientTechnologies利用自然語(yǔ)言處理，深度學(xué)習(xí)(DeepLearning)等各種AI技術(shù)，進(jìn)行量化交易模型建立。人工智能+金融科技AI+FinTech第11頁(yè)人工智能怎樣輔助量化交易2)自然語(yǔ)言處理：把握市場(chǎng)動(dòng)態(tài)其中最為著名是號(hào)稱(chēng)”取代投行分析師“投資機(jī)器人——Kensho。Kensho是一家致力于量化投資大眾化人工智能企業(yè)，旗下有一款產(chǎn)品Warren被稱(chēng)之為金融投資領(lǐng)域“問(wèn)答助手Siri”。Kensho結(jié)合自然語(yǔ)言搜索，圖形化用戶(hù)界面和云計(jì)算，將發(fā)生事件關(guān)聯(lián)金融市場(chǎng)，提供研究輔助，智能回回復(fù)雜金融投資問(wèn)題，從而加速交易時(shí)間，降低成本，用動(dòng)態(tài)數(shù)據(jù)與實(shí)時(shí)信息，及時(shí)反應(yīng)市場(chǎng)動(dòng)態(tài)。

這一技術(shù)也被廣泛利用于風(fēng)控與征信。經(jīng)過(guò)爬取個(gè)人及企業(yè)在其主頁(yè)、社交媒體等地方數(shù)據(jù)，一來(lái)能夠判斷企業(yè)或其產(chǎn)品在社會(huì)中影響力，比如觀(guān)察App下載量，微博中提及產(chǎn)品次數(shù)，在知乎上對(duì)其產(chǎn)品評(píng)價(jià);另外將數(shù)據(jù)結(jié)構(gòu)化后，也可推測(cè)投資風(fēng)險(xiǎn)點(diǎn)。這方面我國(guó)很多互聯(lián)網(wǎng)貸款，征信企業(yè)都在大量使用自然語(yǔ)言處理技術(shù)，比如宜信，閃銀等。另外一些企業(yè)則利用這些技術(shù)進(jìn)行B端潛在客戶(hù)搜尋，如Everstring，并將信息出售給其上游企業(yè)。人工智能+金融科技AI+FinTech第12頁(yè)人工智能怎樣輔助量化交易3)知識(shí)圖譜：降低黑天鵝事件對(duì)預(yù)測(cè)干擾機(jī)器學(xué)習(xí)與自然語(yǔ)言處理技術(shù)經(jīng)常會(huì)在一些意外(如“黑天鵝”事件)發(fā)生時(shí)候預(yù)測(cè)失敗，比如911、熔斷機(jī)制和賣(mài)空禁令等等。人工智能系統(tǒng)沒(méi)有碰到過(guò)這些情況，無(wú)法從歷史數(shù)據(jù)中學(xué)習(xí)到相關(guān)模式。這時(shí)候假如讓人工智能管理資產(chǎn)，就會(huì)有很大風(fēng)險(xiǎn)。

另外，機(jī)器學(xué)習(xí)擅長(zhǎng)發(fā)覺(jué)數(shù)據(jù)間相關(guān)性而非因果性。很有名一個(gè)例子是早在1990年，對(duì)沖基金FirstQuadrant發(fā)覺(jué)孟加拉國(guó)生產(chǎn)黃油，加上美國(guó)生產(chǎn)奶酪以及孟加拉國(guó)羊數(shù)量與標(biāo)準(zhǔn)普爾500指數(shù)自1983年開(kāi)始10年時(shí)間內(nèi)均含有99%以上統(tǒng)計(jì)相關(guān)性，1993年之后，這種關(guān)系莫名其妙消失了。這就是因?yàn)樽詫W(xué)習(xí)機(jī)器無(wú)法區(qū)分虛假相關(guān)性所造成，這時(shí)候就需要教授設(shè)置知識(shí)庫(kù)(規(guī)則)來(lái)防止這種虛假相關(guān)性發(fā)生。人工智能+金融科技AI+FinTech第13頁(yè)人工智能怎樣輔助量化交易3)知識(shí)圖譜：降低黑天鵝事件對(duì)預(yù)測(cè)干擾知識(shí)圖譜本質(zhì)上是語(yǔ)義網(wǎng)絡(luò)，是一個(gè)基于圖數(shù)據(jù)結(jié)構(gòu)，依據(jù)教授設(shè)計(jì)規(guī)則與不一樣種類(lèi)實(shí)體連接所組成關(guān)系網(wǎng)絡(luò)。知識(shí)圖譜提供了從“關(guān)系”角度去分析問(wèn)題能力。就金融領(lǐng)域來(lái)說(shuō)，規(guī)則能夠是教授對(duì)行業(yè)了解，投資邏輯，風(fēng)控把握，關(guān)系能夠是企業(yè)上下游、合作、競(jìng)爭(zhēng)對(duì)手、子母企業(yè)、投資、對(duì)標(biāo)等關(guān)系，能夠是高管與企業(yè)間任職等關(guān)系，也能夠是行業(yè)間邏輯關(guān)系，實(shí)體則是投資機(jī)構(gòu)、投資人、企業(yè)等等，把他們知識(shí)圖譜表示出來(lái)，從而進(jìn)行更深入知識(shí)推理。人工智能+金融科技AI+FinTech第14頁(yè)人工智能怎樣輔助量化交易3)知識(shí)圖譜：降低黑天鵝事件對(duì)預(yù)測(cè)干擾當(dāng)前知識(shí)圖譜在金融中應(yīng)用大多在于風(fēng)控征信，基于大數(shù)據(jù)風(fēng)控需要把不一樣起源數(shù)據(jù)(結(jié)構(gòu)化，非結(jié)構(gòu))整合到一起，它能夠檢測(cè)數(shù)據(jù)當(dāng)中不一致性，舉例來(lái)說(shuō)，借款人張三和借款人李四填寫(xiě)是同一個(gè)企業(yè)電話(huà)，但張三填寫(xiě)企業(yè)和李四填寫(xiě)企業(yè)完全不一樣，這就成了一個(gè)風(fēng)險(xiǎn)點(diǎn)，需要審核人員格外注意。

最早應(yīng)用知識(shí)圖譜在金融領(lǐng)域Garlik就是這一代表。這家企業(yè)年成立于英國(guó)，關(guān)鍵組員來(lái)自南安普頓大學(xué)(UniversityofSouthampton，是語(yǔ)義網(wǎng)關(guān)鍵研究機(jī)構(gòu)之一)，主要業(yè)務(wù)是在線(xiàn)個(gè)人信息監(jiān)控。Garlik搜集網(wǎng)絡(luò)和社交媒體上個(gè)人信息，當(dāng)發(fā)生個(gè)人信息偷竊時(shí)會(huì)及時(shí)報(bào)警。Garlik總計(jì)融資2469千萬(wàn)美金后被美國(guó)三大個(gè)人信用統(tǒng)計(jì)企業(yè)之一Experian收購(gòu)，其技術(shù)被用于個(gè)人信用統(tǒng)計(jì)、信用偷竊分析。Garlik關(guān)鍵技術(shù)之一是大規(guī)模語(yǔ)義數(shù)據(jù)庫(kù)，前后開(kāi)源公布了3store,4store,5store等高性能數(shù)據(jù)庫(kù)。人工智能+金融科技AI+FinTech第15頁(yè)人工智能怎樣輔助量化交易3)知識(shí)圖譜：降低黑天鵝事件對(duì)預(yù)測(cè)干擾除此之外還有Dataminr，這家基于Twitter及其它公開(kāi)信息實(shí)時(shí)風(fēng)險(xiǎn)情報(bào)分析企業(yè)。致力于從數(shù)據(jù)爆炸社交網(wǎng)絡(luò)提取精簡(jiǎn)且價(jià)值風(fēng)險(xiǎn)情報(bào)與挖掘關(guān)鍵信息，如輿情熱點(diǎn)、金融相關(guān)非交易信息、公共機(jī)構(gòu)安全預(yù)警、企業(yè)安全等，并直接向客戶(hù)推送。除此之外，Dataminr還加入早期預(yù)警系統(tǒng)，并實(shí)時(shí)推送警報(bào)

而以投資關(guān)系為例，知識(shí)圖譜能夠?qū)⒄麄€(gè)股權(quán)沿革串起來(lái)，方便地展示出哪些PE機(jī)構(gòu)在哪一年進(jìn)入，進(jìn)入價(jià)格是多少，是否有對(duì)賭條款，這些信息不但能夠判斷該機(jī)構(gòu)進(jìn)入當(dāng)初估值，企業(yè)未來(lái)發(fā)展情況(企業(yè)成長(zhǎng)節(jié)奏)，還能夠看清PE機(jī)構(gòu)投資偏好，投資邏輯是怎樣變更發(fā)展。人工智能+金融科技AI+FinTech第16頁(yè)人工智能怎樣輔助量化交易3)知識(shí)圖譜：降低黑天鵝事件對(duì)預(yù)測(cè)干擾當(dāng)前知識(shí)圖譜在工業(yè)界還沒(méi)有形成大規(guī)模應(yīng)用。即便有個(gè)別企業(yè)試圖往這個(gè)方向發(fā)展，但很多仍處于調(diào)研階段。咱們認(rèn)為這其中難點(diǎn)在于怎樣與特定領(lǐng)域機(jī)構(gòu)建立起一套合作方式，怎樣將合作變成一個(gè)可輕易編程界面，讓領(lǐng)域教授能夠經(jīng)過(guò)系統(tǒng)以一個(gè)非常簡(jiǎn)單方式進(jìn)行行業(yè)邏輯建模，而他邏輯能夠經(jīng)過(guò)系統(tǒng)實(shí)時(shí)得到驗(yàn)證，使其深入更新，只有經(jīng)過(guò)教授與機(jī)器反重復(fù)復(fù)迭代，形成閉環(huán)，才會(huì)服務(wù)好用戶(hù)。

全球估值第四高，被稱(chēng)為“下一個(gè)獨(dú)角獸”企業(yè)——Palantir曾推出一個(gè)基于知識(shí)圖譜金融數(shù)據(jù)分析平臺(tái)—PalantirMetropolis，能夠整合多源量化資料，并提供一套方便易用分析工具來(lái)滿(mǎn)足復(fù)雜研究需求，其中組件能夠進(jìn)行復(fù)雜搜索，可視化編輯與分析，有非常豐富人機(jī)交互能力。當(dāng)前Palantir將結(jié)構(gòu)化客戶(hù)內(nèi)部數(shù)據(jù)，關(guān)聯(lián)相關(guān)數(shù)據(jù)，讓客戶(hù)自己創(chuàng)建分析規(guī)則整合并優(yōu)化模型，量化處理數(shù)據(jù)，從而處理客戶(hù)特定需求。人工智能+金融科技AI+FinTech第17頁(yè)金融搜索引擎券商/私募基金研究員在進(jìn)行研究工作時(shí)候需要搜集海量信息，再整理和分析其中內(nèi)容，如上下游分析，對(duì)標(biāo)企業(yè)研究，競(jìng)爭(zhēng)對(duì)手研究，企業(yè)亮點(diǎn)/風(fēng)險(xiǎn)點(diǎn)分析等等。然而當(dāng)前絕大多數(shù)證券分析師所利用輔助研究軟件如Bloomberg數(shù)據(jù)終端只處理了基礎(chǔ)數(shù)據(jù)問(wèn)題，而沒(méi)要考慮到信息量過(guò)載問(wèn)題。這使得研究員在面對(duì)大量基礎(chǔ)數(shù)據(jù)與爆炸信息時(shí)無(wú)法尋找到最有準(zhǔn)確有價(jià)值信息，也無(wú)從提升其工作效率。

金融搜索引擎背后關(guān)鍵技術(shù)是高質(zhì)量知識(shí)圖譜和大量業(yè)務(wù)規(guī)則，幫助實(shí)現(xiàn)聯(lián)想、屬性查找、短程關(guān)系發(fā)覺(jué)。探索引擎，如分面瀏覽器，也是在知識(shí)圖譜基礎(chǔ)上，則提供了人機(jī)協(xié)作界面，讓人對(duì)數(shù)據(jù)探索過(guò)程能夠很方便地被統(tǒng)計(jì)、迭代、重用。人工智能+金融科技AI+FinTech第18頁(yè)金融搜索引擎另外推薦系統(tǒng)也非常有用，幫助金融用戶(hù)聚焦在關(guān)鍵數(shù)據(jù)上，更省時(shí)省力地做投前發(fā)覺(jué)和投后跟蹤。其中語(yǔ)義搜索就是提供不一樣類(lèi)型查詢(xún)(比如企業(yè)、基金、事件等)，如智利地震對(duì)銅期貨影響，中東危機(jī)對(duì)整體貨幣市場(chǎng)影響等。再將信息切片后再聚合，提供縱覽可視化元素，比如影視傳媒相關(guān)定增平均市值和融資市盈率。語(yǔ)義搜索將復(fù)雜查詢(xún)交給用戶(hù)完成，如尋找VR上游企業(yè)，當(dāng)搜索提供不了準(zhǔn)確上游信息時(shí)，會(huì)推薦攝像頭企業(yè)給用戶(hù)，并提供一個(gè)方便交互界面，交給用戶(hù)去進(jìn)行一些復(fù)雜過(guò)濾。

Alphasense就是這么一個(gè)在數(shù)據(jù)層面上輕量級(jí)，將復(fù)雜邏輯判斷交給用戶(hù)去完成，專(zhuān)注于處理專(zhuān)業(yè)信息獲取和碎片問(wèn)題金融搜索引擎。Alphasense面向金融投資領(lǐng)域，從文件/新聞和研究中集合全部投資信息并進(jìn)行語(yǔ)義分析，在全球企業(yè)數(shù)據(jù)中進(jìn)行趨勢(shì)分析。其使命愿景是從大量噪音中尋找有價(jià)值信息，專(zhuān)注信息豐富度和碎片化基礎(chǔ)問(wèn)題，從而提升金融人士工作效率，節(jié)約工作時(shí)間。人工智能+金融科技AI+FinTech第19頁(yè)智能投資顧問(wèn)傳統(tǒng)投資顧問(wèn)需要站在投資者角度，幫助投資者進(jìn)行符合其風(fēng)險(xiǎn)偏好特征、適應(yīng)某一特定時(shí)期市場(chǎng)表現(xiàn)投資組合管理。而這些工作都需要以大量昂貴人工方式完成，所以財(cái)富管理服務(wù)也所以無(wú)形提升了進(jìn)入門(mén)檻，只面向高凈值人士開(kāi)設(shè)。

不過(guò)現(xiàn)在，智能投資顧問(wèn)(robotadvisor)正在以最少人工干涉方式進(jìn)行投資組合管理，管理你資產(chǎn)能夠是一排計(jì)算機(jī)，而你也不用是高凈值人士。而且智能投顧在以更強(qiáng)大計(jì)算機(jī)模型利用人工智能技術(shù)對(duì)大量客戶(hù)進(jìn)行財(cái)富畫(huà)像，以人工智能算法為每一位客戶(hù)提供量身定制資產(chǎn)管理投資方案。人工智能+金融科技AI+FinTech第20頁(yè)智能投資顧問(wèn)Wealthfront就是一家非常含有代表性智能投顧平臺(tái)，借助于機(jī)器與量化技術(shù)，為經(jīng)過(guò)調(diào)查問(wèn)卷評(píng)定客戶(hù)提供量身定制資產(chǎn)投資組合提議，包含股票配置、股票期權(quán)操作、債權(quán)配置、地產(chǎn)資產(chǎn)配置，意在提供一個(gè)自動(dòng)化投資管理服務(wù)最大化投資回報(bào)。

Wealthfront在進(jìn)行自動(dòng)化投資管理時(shí)一共有5個(gè)步驟：確定當(dāng)前投資環(huán)境理想資產(chǎn)類(lèi)別以最低成本ETF(交易型開(kāi)放式指數(shù)基金)代表每一資產(chǎn)類(lèi)別確定風(fēng)險(xiǎn)承受能力并創(chuàng)建適當(dāng)投資組合將當(dāng)代投資組合理論(MPT)分散風(fēng)險(xiǎn)定時(shí)監(jiān)控并重新調(diào)整平衡投資組合

而這一投資方法也受到市場(chǎng)必定，Wealthfront管理資金規(guī)模在年至年底增加快要64%，截至年2月底，Wealthfront資產(chǎn)管理規(guī)模已達(dá)近30億美元。人工智能+金融科技AI+FinTech第21頁(yè)智能投資顧問(wèn)在取得市場(chǎng)必定背后，是對(duì)智能投顧信心。智能投顧能夠戰(zhàn)勝人性，防止投資人受市場(chǎng)改變而產(chǎn)生不理性情緒化影響，使機(jī)器嚴(yán)格執(zhí)行事先設(shè)定好策略。而且智能投顧擁有比傳統(tǒng)財(cái)富管理機(jī)構(gòu)、私人銀行更為透明開(kāi)放信息披露，及時(shí)提供風(fēng)險(xiǎn)提醒，極大降低了資產(chǎn)托管人與管理人之間信息溝通壁壘。

Betterment也是一家專(zhuān)注于智能投資管理金融科技企業(yè)，經(jīng)過(guò)Markowitz資產(chǎn)組合理論和各種金融衍生模型們應(yīng)用到產(chǎn)品中，在云端低成本、快速、批量化地處理各種數(shù)據(jù)運(yùn)算，再依據(jù)用戶(hù)傾向和設(shè)定風(fēng)險(xiǎn)偏好，個(gè)性化地提供資產(chǎn)配置組合方案。其創(chuàng)始人JonStein曾在華爾街某金融機(jī)構(gòu)任職高級(jí)投資顧問(wèn)，致力于打造Betterment成為一款讓投資更方便，更準(zhǔn)確智能投顧。年3月，Betterment取得E輪融資1億美金。人工智能+金融科技AI+FinTech第22頁(yè)智能投資顧問(wèn)而由兩名微軟前員工創(chuàng)建F