金融学及金融从业者如何应对人工智能和大数据？

李开复说未来十年金融行业的从业人员很有可能会被人工智能所取代，而人文、文化、艺术方面的领域人工智能尚难以涉及。那么还有学金融学专业的必要吗？（本人正打算申请金融专业）金融学是否能和艺术、人文更密切的联系起来呢？
金融学学生和从业者该怎么应对人工智能的冲击？
本题已加入知乎圆桌金融科技浪潮，更多「金融科技」话题讨论欢迎关注

匿名用户 · 2018-10-17 22:24:29

提示: 作者被禁止或删除内容自动屏蔽

AuroraE · 2018-10-17 22:24:28

不是有个新专业叫金融工程学吗，报这个吧。

装逼侠 · 2018-10-17 22:24:27

李不懂金融，不懂交易！交易本身就是艺术！

一条交易狗 · 2018-10-17 22:24:26

从一个角度来说目前量化交易也就是AI 雏形，在股票期货行业面前AI肯定会被kiss 掉。因为机械式操作也有机械操作的弊端

hjkk · 2018-10-17 22:24:24

人工智能时代到来，金融分析师们会失业吗？
这其实是上财金融硕士夏令营的一道无领导小组讨论的题目，同时也是当下十分热门的系列话题之一——人工智能时代到来，我会失业吗？在结合自己的一些小脑洞以及在做远程实习时的感悟来看，我认为，绝对不会。
解答这个问题的时候，我们首先需要想清楚两个问题：金融分析师是干什么的？他的核心竞争力又在哪里？
金融分析师是干什么的？
在中国的资本市场上，卖方与买方都有分析师，工作与思考的方式虽有不同，但核心职责都是一个，挖掘会涨的股票，并使买方信服。这是一个服务性质的工作，为基金经理等投资人进行研究服务，然后赚取分仓费。更具体的说，可以把他们的工作拆分为以下环节：

首先，分析师需要去挖掘信息，而市场上可以产生价值的信息可以分为公开的信息与非公开的信息两种。前者在微观层面是财务报告以及公司公告等，在宏观层面是经济走势，行业动态等；而后者则主要为各种不向公众披露的信息，可以是公司未来的扩产计划，可以是内部员工对收入的预估等等，它们可以说是非常接近于内幕信息。分析师获取非公开信息，主要依靠电话会议，实地调研等手段。
然后，分析师就会像万千股民一样，开始进行证券投资分析。传统的金融分析师更多的是以价值投资为原则，通过基本面分析的方法来处理信息。各种技术指标或者是量化的手段可能更多地运用在交易的过程中，而写报告吹牛逼的分析师则没有必要去操心这些。
最后，分析师将分析得到的结果以观点或者报告的形式呈现给基经经理等做投资的买方，跪求自己的研究能卖个好价钱，买方爸爸能派几个点，新财富的时候多投一票。这时候，除了自身研究的质量以外，人均交往能力与一张好嘴就至关重要了。
金融分析师的核心竞争力？
1. 从挖掘信息层面来说，非公开信息是核心竞争力。谁都看的到财报，但不是谁都有机会去实地调研。雪球大V,贴吧股神再厉害，也不会有一个内幕信息来得实在。
2. 从分析信息层面来说，操作基本面分析框架的能力是核心竞争力。基本面分析的框架与内容教科书里都有。但同样的武器你用之后长亏不赚，任教主用了之后月薪百万。从各种价值信号中提炼出正确的价值判断，是一个无比艰难的过程，难就难在不像科学，更像艺术。（但如果是用套利的思维去投资，就更像科学而不是艺术了）
3. 从展示结果层面来说，销售能力是核心竞争力。好路演能完美传达自己的观点，好口才可以让基金经理认同你所讲内容的价值，好情商能使基金经理对你研究以外的东西都赞誉有佳。写的再好的报告，要是卖不出去也还是徒劳。

再回头看看今天的问题，如果智能时代的到来，金融分析师会失业吗？也就是在问，人工智能的能力会取代金融分析师的核心竞争力吗？综合以上三个层面，我的否定理由如下：
1. 人工智能做不到实地调研，只能基于所有公开的信息进行分析。在这一点上输给有更多信息来源的分析师。虽然分析师获取的公开信息可能没有人工智能全面，但有效市场理论告诉我们大部分公开信息都是难以创造投资价值的。
2. 基本面分析的运用更像艺术而不是科学，这种辩证而又抽象的推理方式难以进行程序化的实现。AI能做的，也许只有运用过去数据得到的经验法则，但这种基于弱有效市场的理论也许实战难以奏效。所以市场上真正在做投资的AI，也只停留在对大样本做资产组合，实现对单只股票的涨跌预测十分困难。
3. 人工智能也许会被设计出很强的推销技巧，但这也替代不了人际关系的缺失。基金经理是更喜欢听到研究员一口一口真诚的“师兄”，“哥”，还是机器人那冷冰冰的“亲”呢？或许人工智能更适合的，是情商需求更少的，理性的交易员。

只要不是机械性的重复，每一份工作都会有其独特的价值所在。人工智能再精巧，也终究是代码与金属的堆砌，面对人工智能，与其恐惧，不如想着怎么去好好运用，毕竟人类所创作出来的东西，对于人类自己来说，终究只是工具。

如果想看我分享看得懂的金融干货
就请关注公众号：好好学习天天长胖

蓝枫残影 · 2018-10-17 22:24:23

蟹妖
这是一个很大的问题，底下的问题其实可以分为：
1. 金融学和金融行业的关系
2. 金融学和人工智能的关系
3. 金融行业和人工智能的关系
感觉题主提的问题更关心的其实是人工智能对金融就业的冲击，也就是第三个问题。
但是吧金融行业很大，投资、交易、行研、投行、风控以及后台的清结算等等都算作金融行业，不知道题主感兴趣的是哪个方向。
就国内目前的情况来说，数据发布的频率、真实性、可比性、全面性等等人工智能赖以生存的根基都不完善，金融衍生产品发展滞后，甚至不足以支撑量化对冲策略的运作，所以人工智能对国内市场短期不会造成什么影响。
更何况，对于行研、投行等岗位来说，更重要的是财务知识，跟金融学其实并没有太大的关系。
至于有没有学金融学的必要，如果你立志为金融事业进步加砖添瓦那太有必要了，毕竟目前大多模型都还存在一定的缺陷，金融市场中也存在许多难以被模型所解释的行为。但是如果你的目标只是进入金融行业工作，那其实学个数学，学个会计，学个计算机，也并不比学个金融差。

Miss Lau · 2018-10-17 22:24:22

谁说的。google 不是现在做画都有毕加索风格了吗？

落梅雪乱 · 2018-10-17 22:24:21

这也是我很关心的问题,先试着回答一下。推荐这本书：《大数据时代——生活、工作与思维的大变革》，里面的视角只是对我来说很新颖。
关于大家对大数据的怀疑主要集中在正确性和因果关系的阐述上。我想就这两点结合书中的观点解释一下。
1．不可否认随机采样成为现代测量领域的顶梁柱。但这只是一条捷径，是在不可收集和分析全部数据的情况下的无奈选择。它的成功依赖于采样的绝对随机性，但这在现实中是很难做到的。而且也不适合考察子类别细分的情况。如果我们可以获得海量数据的时候，它就没有什么意义了。
书中还提到，大数据时代可以让我们收集所有的数据，即样本等于总体。比如Google流感趋势预测并不是依赖于对随机样本的分析，而是分析了整个美国几十亿条互联网检索记录。这无疑可以提高微观层面分析的准确性。
而且大数据是可以允许不精确的。精确性是小样本模拟时代的要求。大数据是用概率说话。而这一点更符合市场走势的本质。大数据的简单算法比小数据的复杂算法更有效。
2．关于因果关系：对未来的预测更多地依靠相关关系，如果能找出价格上涨与什么相关并监控这些相关因素就能及时的判断价格走势了。它告诉你会发生什么而不是为什么发生。如果真想研究原因，那可以交给学者慢慢探索。但在瞬息万变的市场中，
而且因果关系是否真实存在还是人类臆想出来的，在心理学界和哲学界还有待商榷。不过这不是这个问题的重点。
3．从现实情况来看，在金融领域，美国股市三分之二的交易是由建立在算法公式上的计算机程序完成的。这些程序运用海量数据来预测利益和降低风险。书中还提到英国对冲基金用Twitter数据预测股市投资时机。
所以我觉得李开复的说法跟这本书的观点是基本一致的。但是也不用悲观，学习金融，了解市场运作和投资也不一定就要去做交易员或分析师。懂得经济学知识帮助自己理财也是很重要的。而且BigData和AI在对人类非理性领域的威胁几乎还没看到。索罗斯说过股市就是骗局，在谎言大行其道时，要把自己投入其中，并在别人醒来之前及时抽身离开。我觉得这么深的哲学思考应该不是BigData能了解的。

叶辉 · 2018-10-17 22:24:20

从金融方面的经典方式，没有模型经典方式的机器来做。你在电脑里面收集一些已知来源的数据，比如个人的信用卡交易结果，他们是否归还了信用卡欠款？还是违约了？我们把这些信息收集之后，创建一个预测的分类器。对于新的用户来说，收集他们的数据，预测他们是否会违约，以及基于他们过往的交易，决定给他们多少额度。这也是基于电脑的决策树、深度神经网等技术来实行。一旦建立了分类器，客户有新的事件你就可以来应用了。
相比人类的专家来说，我们认为AI非常有价值，可以以非常低的成本做出预测，这是一个典型的、深度学习的架构。在座的各位可能对公司分析来说，都会知道一些基本内容。中石油，你想对它的股票进行分析，你看它的基本面、看它的交易、市场、相关风险等等，你要预测他们的财务结果。利用AI，对于个人也可以进行分析。非常重要的就是多少人可以被模型使用。我们可以对每个人进行分析，收集他们生命周期的静态变量，他们的生日、教育、婚姻、子女、工作、住所等，这些参数和变量，可能对他们的金融行为都会有很大的影响，来帮助我们进行预测。比如他们是否会搬家，子女的教育是什么样的情况？他们还有几年才退休等等，这些人们生命事件，可以影响每个人的金融交易和他们未来的金融模式、金融行为。我们对于每个人可以建立这样的金融模型，我们也可以进行预测它的金融交易结果，来知道他们的金融交易、他们的账户、金融的流向、货币的兑换，当我们收集到这些数据的时候，我们看到这个人做了这个交易，就可以监测这些数据是否是真实的、是否是合理的。这种方式的优点，就是我们可以通过收集的数据来解释决策。我们不能提供给你这个理财产品、不可以给你提供借贷，你可以解释给他们为什么不可以这么做。

金融学及金融从业者如何应对人工智能和大数据？

9 个回复