[[198507]]

沒(méi)有人的生活可以脫離金融而獨(dú)立存在，雖然隨著科技的發(fā)展，人們變得越來(lái)越聰明，但金融是生活的基本必需品，因?yàn)槊總€(gè)人都需要錢(qián)來(lái)吃飯、旅行和買(mǎi)東西。目前已經(jīng)形成了一個(gè)人與機(jī)器協(xié)同合作的金融市場(chǎng)，而人們正發(fā)明越來(lái)越多的方法來(lái)拖欠貸款、從其它賬戶偷錢(qián)、制造虛假信用評(píng)級(jí)等。今天，從審批貸款到資產(chǎn)管理，再到風(fēng)險(xiǎn)評(píng)估，機(jī)器學(xué)習(xí)在金融生態(tài)系統(tǒng)的許多階段都起著不可或缺的作用。然而，只有少數(shù)懂技術(shù)的專業(yè)人士真正明白機(jī)器學(xué)習(xí)是如何在人們的日常財(cái)務(wù)生活中發(fā)揮作用的。

機(jī)器學(xué)習(xí)是什么？

機(jī)器學(xué)習(xí)是設(shè)計(jì)與應(yīng)用算法的科學(xué)，構(gòu)建算法可從數(shù)據(jù)中進(jìn)行學(xué)習(xí)和預(yù)測(cè)。機(jī)器學(xué)習(xí)的應(yīng)用在今天已很普遍，你可能每天不知不覺(jué)中使用了幾十次。機(jī)器學(xué)習(xí)也提供了大量的用例，比如自動(dòng)駕駛汽車(chē)、產(chǎn)品推薦引擎、預(yù)測(cè)分析、語(yǔ)音識(shí)別等等。數(shù)據(jù)科學(xué)家使用機(jī)器學(xué)習(xí)的主要目的是減少人類工作量，將人類在閱讀、理解、分析大數(shù)據(jù)上的時(shí)間花費(fèi)減少到幾秒鐘。

實(shí)施機(jī)器學(xué)習(xí)最常用的兩種方法是監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)。監(jiān)督學(xué)習(xí)算法使用帶標(biāo)簽的例子進(jìn)行訓(xùn)練，輸入數(shù)據(jù)對(duì)應(yīng)的輸出結(jié)果是預(yù)先可知的。而在無(wú)監(jiān)督學(xué)習(xí)中，學(xué)習(xí)算法沒(méi)有任何標(biāo)簽可使用，只能自己發(fā)現(xiàn)輸入數(shù)據(jù)中的結(jié)構(gòu)。

金融業(yè)中的機(jī)器學(xué)習(xí)特色？

與機(jī)器相比，大腦容量對(duì)思維有一定的限制作用。人類最多只能同時(shí)集中處理 3-4 件事情，而機(jī)器的處理能力是人類的幾千倍。除了速度，在金融領(lǐng)域的其他方面，機(jī)器也將比人類表現(xiàn)得更好。

可靠性：在處理財(cái)務(wù)問(wèn)題時(shí)，建立個(gè)體信用評(píng)級(jí)系統(tǒng)是十分必要的。銀行、投資公司、股票市場(chǎng)每天都要進(jìn)行多達(dá)數(shù)十億美元的交易。因此，我們必須信任處理此事的公司或個(gè)人。由于人性中可能存在的偏見(jiàn)和自私，有些人往往會(huì)在金錢(qián)交易過(guò)程中進(jìn)行詐騙。為了解決這類問(wèn)題，嵌入了機(jī)器學(xué)習(xí)的機(jī)器在處理請(qǐng)求時(shí)可以做到零腐敗。

速度：我們都知道在股票市場(chǎng)進(jìn)行股票交易非常困難。人們通常在歷史數(shù)據(jù)、圖表和公式中進(jìn)行大量的分析，以預(yù)測(cè)股票的未來(lái)，還有些人僅僅是隨機(jī)下注。所有這些行為聽(tīng)起來(lái)都十分忙亂且耗時(shí)。機(jī)器學(xué)習(xí)算法能夠?qū)Τ汕先f(wàn)個(gè)數(shù)據(jù)集進(jìn)行精確的深入分析，并可以在短時(shí)間內(nèi)給出簡(jiǎn)潔準(zhǔn)確的預(yù)測(cè)，有助于減輕人們?cè)诖髷?shù)據(jù)整理和分析方面的麻煩。

安全：此前，勒索軟件 WannaCry 攻擊了世界各地的計(jì)算機(jī)，這表明，我們?nèi)匀灰资芎诳秃途W(wǎng)絡(luò)安全方面的威脅。機(jī)器學(xué)習(xí)則通過(guò)將數(shù)據(jù)分為三個(gè)以上的類別，建立模型，以此預(yù)測(cè)欺詐或異常情況。而手工審查成本高、耗時(shí)長(zhǎng)、誤報(bào)率高，并不適用于金融業(yè)。

精度：人們沒(méi)有能力或不喜歡做重復(fù)單調(diào)的任務(wù)，這種重復(fù)勞動(dòng)往往會(huì)產(chǎn)生許多錯(cuò)誤，而機(jī)器可以在無(wú)限時(shí)地執(zhí)行重復(fù)任務(wù)。機(jī)器學(xué)習(xí)算法會(huì)做數(shù)據(jù)分析的苦活，并在人類需要的情況下推薦新策略，還能夠比人類更有效地檢測(cè)到微妙的或非直覺(jué)的模式，從而識(shí)別出欺詐交易。此外，無(wú)監(jiān)督機(jī)器學(xué)習(xí)模型可以不間斷地分析和處理新數(shù)據(jù)，然后自動(dòng)更新自身模型以反映最新趨勢(shì)。

如何在信用評(píng)分中應(yīng)用機(jī)器學(xué)習(xí)？

即使銀行極度謹(jǐn)慎并認(rèn)真核實(shí)公司信譽(yù)，但跨國(guó)公司拖欠銀行債務(wù)，在金融領(lǐng)域似乎依然是一個(gè)普遍的現(xiàn)象。一些金融機(jī)構(gòu)利用評(píng)分模型來(lái)降低信貸評(píng)估、發(fā)放和監(jiān)督中的信貸風(fēng)險(xiǎn)?；诮?jīng)典統(tǒng)計(jì)理論的信用評(píng)分模型得到了廣泛應(yīng)用。然而，當(dāng)涉及到大量的數(shù)據(jù)輸入時(shí)，這些模型的彈性表現(xiàn)較差。因此，經(jīng)典統(tǒng)計(jì)分析中的一些假設(shè)就不能成立，這反過(guò)來(lái)又影響了預(yù)測(cè)的準(zhǔn)確性。

根據(jù)客戶的國(guó)籍、職業(yè)、薪酬、經(jīng)驗(yàn)、行業(yè)、信用記錄等信息來(lái)確定客戶的信用風(fēng)險(xiǎn)評(píng)分，甚至是在向客戶提供任何服務(wù)之前就進(jìn)行此類評(píng)定，這對(duì)銀行來(lái)說(shuō)至關(guān)重要，這是銀行在提供信貸或其它金融產(chǎn)品之前一個(gè)重要的關(guān)鍵績(jī)效指標(biāo)（KPI）。

引入一個(gè)可以立即為客戶服務(wù)的中央集成的金融風(fēng)險(xiǎn)機(jī)制是目前面臨的主要挑戰(zhàn)。即使是現(xiàn)在，由于無(wú)法預(yù)測(cè)客戶的風(fēng)險(xiǎn)評(píng)分，銀行也無(wú)法立即通過(guò)貸款審批。機(jī)器學(xué)習(xí)則可以加快放貸過(guò)程，且能避免耗時(shí)而必要的盡調(diào)程序?；貧w算法可以確定客戶的信用評(píng)分，這些算法使用統(tǒng)計(jì)過(guò)程來(lái)估計(jì)變量之間的關(guān)系，在預(yù)測(cè)和預(yù)報(bào)方面得到了廣泛的應(yīng)用，在機(jī)器學(xué)習(xí)領(lǐng)域的應(yīng)用也得到了迅速的發(fā)展。這種方法的第一步是定義客戶歷史信用記錄的可用性，然后選擇目標(biāo)人群，并確定基準(zhǔn)來(lái)界定滿意/不滿意的表現(xiàn)。這部分將作為回歸算法啟動(dòng)操作的基本數(shù)據(jù)集。下一步則是選擇樣本，選擇標(biāo)準(zhǔn)如下：

1. 確定公司系統(tǒng)中的可用變量

2. 定義利息期和樣本大小

3. 驗(yàn)證數(shù)據(jù)的一致性和完整性

所選的可能的零散信息也被稱為人口統(tǒng)計(jì)學(xué)變量：性別、年齡、職業(yè)、公司、教育、婚姻狀況等，一般推薦登記時(shí)長(zhǎng)為 12-18 個(gè)月的客戶樣本。這段時(shí)間足以檢查延遲付款和違約的情況，且能鞏固優(yōu)質(zhì)客戶的支付行為模型。

通過(guò)變量選擇、變量屬性分組以及創(chuàng)建虛擬變量，則可以進(jìn)行初步分析。使用列聯(lián)表來(lái)計(jì)算與獨(dú)立變量級(jí)別相關(guān)的相對(duì)風(fēng)險(xiǎn)（RR）指數(shù)，最后計(jì)算各個(gè)單一變量級(jí)別的優(yōu)質(zhì)客戶與劣質(zhì)客戶之比。比例越大，該變量對(duì)未來(lái)業(yè)績(jī)的預(yù)測(cè)作用就越大。而RR 通常介于 0 到 2 之間，0 代表極劣，2 代表極優(yōu)。但是，分析過(guò)程不會(huì)使用類別為中性（Neutral）的樣本，因?yàn)槠鋬?yōu)/劣程度相差不大。

模型的建立包括對(duì)多元統(tǒng)計(jì)技術(shù)的選擇。之后確定要使用的軟件、選擇獨(dú)立變量并檢驗(yàn)技術(shù)假設(shè)，一旦數(shù)據(jù)減少到聚類級(jí)別，則可以使用判別分析、邏輯回歸和神經(jīng)網(wǎng)絡(luò)，判別分析和邏輯回歸則采用不同方法的統(tǒng)計(jì)技術(shù)。除此之外，還要對(duì)所選軟件進(jìn)行有關(guān)實(shí)施與易用性分析的檢查。

最后，為了評(píng)估性能好壞，需要找出兩個(gè)樣本的 KS 檢驗(yàn)。需要找出兩個(gè)集群之間的差異，比如由各自的預(yù)測(cè)結(jié)果所界定的優(yōu)/劣付款人，確定每個(gè)預(yù)測(cè)中的優(yōu)/劣付款人分布之間的差異，而 KS 測(cè)試的值是該模塊中差異最大的一個(gè)。由于從模型得到的最終結(jié)果通常介于 0-1，當(dāng)結(jié)果小于 0.5 時(shí)，客戶會(huì)被定義為劣質(zhì)付款人；反之則為優(yōu)良付款人。

機(jī)器學(xué)習(xí)的其它優(yōu)點(diǎn)

欺詐檢測(cè)：使用機(jī)器學(xué)習(xí)進(jìn)行欺詐檢測(cè)時(shí)，先收集歷史數(shù)據(jù)并將數(shù)據(jù)分割成三個(gè)不同的部分，然后用訓(xùn)練集對(duì)機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，以預(yù)測(cè)欺詐概率。最后建立模型，預(yù)測(cè)數(shù)據(jù)集中的欺詐或異常情況。與傳統(tǒng)檢測(cè)相比，這種欺詐檢測(cè)方法所用的時(shí)間更少。由于目前機(jī)器學(xué)習(xí)的應(yīng)用量還很小，仍然處于成長(zhǎng)期，所以它會(huì)在幾年內(nèi)進(jìn)一步發(fā)展，從而檢測(cè)出復(fù)雜的欺詐行為。

股票市場(chǎng)預(yù)測(cè)：買(mǎi)賣(mài)股票而成為億萬(wàn)富翁是常有的事，但是，如果不了解股票運(yùn)作方式和當(dāng)前趨勢(shì)，要想擊敗市場(chǎng)則非常困難。隨著機(jī)器學(xué)習(xí)的使用，股票預(yù)測(cè)變得相當(dāng)簡(jiǎn)單。這些機(jī)器學(xué)習(xí)算法會(huì)利用公司的歷史數(shù)據(jù)，如資產(chǎn)負(fù)債表、損益表等，對(duì)它們進(jìn)行分析，并找出關(guān)系到公司未來(lái)發(fā)展的有意義的跡象。此外，該算法還可以搜索有關(guān)該公司的新聞，并通過(guò)世界各地的消息源來(lái)了解市場(chǎng)對(duì)公司的看法。此外，通過(guò)自然語(yǔ)言處理技術(shù)，它可以通過(guò)瀏覽新聞?lì)l道和社交媒體的視頻庫(kù)來(lái)搜索更多有關(guān)該公司的數(shù)據(jù)。這項(xiàng)技術(shù)還在發(fā)展中，雖然目前還不夠準(zhǔn)確，但可以肯定的是，在不久的將來(lái)，它將能夠作出非常準(zhǔn)確的股市預(yù)測(cè)。

財(cái)資部（Treasury）– 客戶關(guān)系管理（CRM），現(xiàn)貨交易（Spot Transactions）：客戶關(guān)系管理（CRM）在小額銀行業(yè)務(wù)中占有十分突出的地位，但在銀行內(nèi)部的財(cái)資空間卻沒(méi)什么作用。因?yàn)樨?cái)資部有自己的產(chǎn)品群，如外匯、期權(quán)、掉期交易（Swaps）、遠(yuǎn)期交易（Forwards）以及更為重要的現(xiàn)貨交易（Spots）。線上交易需要結(jié)合這些產(chǎn)品的復(fù)雜程度、客戶風(fēng)險(xiǎn)、市場(chǎng)與經(jīng)濟(jì)行為以及信用記錄信息，這對(duì)銀行來(lái)說(shuō)幾乎是一個(gè)遙遠(yuǎn)的夢(mèng)想。

聊天機(jī)器人 - 私人財(cái)務(wù)助理：聊天機(jī)器人可以擔(dān)當(dāng)財(cái)務(wù)顧問(wèn)，成為個(gè)人財(cái)務(wù)指南，跟蹤開(kāi)支，提供從財(cái)產(chǎn)投資到新車(chē)消費(fèi)方面的建議。財(cái)務(wù)機(jī)器人還可以把復(fù)雜的金融術(shù)語(yǔ)轉(zhuǎn)換成通俗易懂的語(yǔ)言，更易于溝通。一家名為Kasisto 的公司的聊天機(jī)器人就能處理各種客戶請(qǐng)求，如客戶通知、轉(zhuǎn)賬、支票存款、查詢、常見(jiàn)問(wèn)題解答與搜索、內(nèi)容分發(fā)渠道、客戶支持、優(yōu)惠提醒等。通過(guò)長(zhǎng)期記錄用戶的可扣除費(fèi)用，還能提供潛在節(jié)流賬單。

機(jī)器學(xué)習(xí)是一項(xiàng)比較新的技術(shù)，鑒于數(shù)據(jù)敏感性、基礎(chǔ)設(shè)施需求、業(yè)務(wù)模型靈活性等原因，機(jī)器學(xué)習(xí)的應(yīng)用有其自身缺點(diǎn)，但它有助于解決很多問(wèn)題，且優(yōu)點(diǎn)大于缺點(diǎn)，因而受到了眾多學(xué)者和行業(yè)專家的分析，可以肯定的是，該領(lǐng)域在未來(lái)必定會(huì)出現(xiàn)更多創(chuàng)新的應(yīng)用。

對(duì)世界各國(guó)來(lái)說(shuō)，金融都很重要，機(jī)器學(xué)習(xí)技術(shù)比人類操作更為安全，能保護(hù)其免受威脅、改善其運(yùn)營(yíng)，是金融業(yè)的最佳選擇，也有助于各國(guó)更快實(shí)現(xiàn)發(fā)展和繁榮。