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

朱宁 · 2018-9-24 01:20:31

这个话题非常有趣.

首先，在我看来在金融行业之中人工智能取代人工的趋势已经开始形成了，就在最近，全球最大资产管理公司BlackRock裁去了7名主动型基金经理，并用量化投资策略取而代之。BlackRock的创始人Larry Fink在接受采访时提到，今后的投资会更多地依赖大数据、人工智能、量化以及传统投资策略中的因素和模型。

在过去十年里，指数型基金和ETF管理规模的增长速度远远超过主动管理型的公募基金。从这一点来讲，公募基金经理正在面临被逐渐被取代的事实。也许在真正的人工智能时代来临之前，许多金融从业者就被量化策略或指数型的基金和ETF替代了。

金融学与人工智能并非两个对立的概念，反而会有一个完美的结合。

我们假设一个理想情况，如果一个金融市场里的参与者全都是具备大数据能力的人工智能，而人工智能采用的都是经典的资本资产定价模型去定价，我们会发现这个金融市场一定是趋于完美的，就像金融理论所预测的那样，出现一个完全理性且有效的市场。这就好比在真空的环境中同时扔下羽毛和铁球，二者会同时到达地面。然而在真实的世界中，羽毛遇到阻力会让羽毛在空中飞舞久久不能落下。从行为金融学的角度来看，很多时候人在市场中的行为就像是阻力，非理性行为使得市场中本该发生的事情没有发生，或是本不该发生的事情却偏偏发生了。

我想，随着人工智能在金融领域的进一步发展，市场上的定价会越来越准确，越来越能够符合资产组合理论，或者资本资产定价模型等经典金融理论的预测。人工智能会给整个金融市场的定价带来一个全新的变化。

行为金融学与人工智能的结合

机器或是人工智能有两个非常明显的优势。第一，它不会犯一些很简单的错误。第二，它不会受到情绪的影响，在投资决策过程中最困扰我们的恐惧和贪婪，在人工智能面前或许根本不是问题。如果用行为金融学的方法训练人工智能，最重要的应用方向就是要避免人类投资者常犯的错误如过度自信、心理账户、厌恶损失、羊群效应等问题。更重要的是，利用人性的弱点为自己获利。

第二个应用方向，我认为应该是信息的甄别和筛选。人工智能对于信息掌握的能力大大超过任何一个人类所掌握的量级。尤其是人类在处理信息时会有很大的限制，会有很多主观的判断最终导致了一个错误的决策。人工智能可以完全克服这种主观判断的倾向，更多地利用那些真正会对资产价格有影响的信息。

第三个应用方向可能还是回到博弈，行为金融学在研究时，会把一个市场看成不同投资者类型之间的博弈。之前的研究方法是把散户和机构投资者当成对立面来比较，但现在游戏里面又多了一个新的搅局者，如果把人工智能、散户和机构投资者这三者放在一起，几种不同类型投资者之间的博弈，我想这也是一个很好的研究方向。

人工智能会不会给市场带来风险

人工智能的应用会不会给市场带来风险呢？我认为也许会有，大家都对2015年的股灾非常熟悉，但是在30年前的1987年，美国发生了历史上最大规模的崩盘事件，这次股灾的一个很重要的原因，是华尔街大量地使用了的程序化交易，即“投资组合保险”策略。当期货价格与现货间的价差扩大时，自动触发了期现货套利机制，买期货、卖现货。也正是程序化交易的一致性，让崩盘变得更为猛烈。我比较担心的是，如果在一个特定时点。所有的人工智能做出了同样的判断，所有的人工智能都在集中的时间里面卖出股票，会不会造成一次本不该发生的股灾。

另一个风险点，也是人类普遍担心的问题，那就是人工智能会不会觉醒，它不愿意跟随操控他的人类去做事情怎么办？这可以类比我们的大脑，我们大脑在很多时候做的事，并不是为了人的最大的利益，而是为了大脑自己能够更轻松，或者更高兴地做一些事情。就像丹尼尔·卡尼曼在《思考，快与慢》中所论证的，我们的大脑在很多时候更倾向于采用一种快思考，这是一种便捷性的，但不一定准确和科学的决策机制。大脑之所以这样做，一方面是为了增加整个决策的效率。另一方面，从脑外科学的角度来讲，快思考比较节约能源，大脑不愿意整天特别辛苦地工作，所以大脑给自己找到了一个偷懒的办法。如果人工智能真的有了自觉意识，所产生的决策完全是为了符合自身的利益，而我们人类又没有能力察觉。我想这是非常危险的。关于这一点的后果，我们在许多科幻片里已经见识到了。

人工智能时代，或许还很遥远。或许人类会发明一个我们无法驾驭无法理解的新物种。就像alpha go战胜人类顶尖棋手之后，与之对弈的棋手都惊叹人工智能对于围棋的理解已经超出了人类千年以来的经验范畴。我很期待在人工智能与金融学全面结合之后，会产生出一种全新的金融理论，也许到时候行为金融学所研究的，是人工智能的行为了。

微软亚洲研究院 · 2018-9-24 01:20:32

谢邀。确实，当我们现在在搜索引擎输入人工智能或者金融这样的关键词，大家会看到很多与此有关的新闻报道和媒体评论，比如我们会看到人工智能让华尔街深感不安，对冲基金将会用人工智能收割市场如此这般。人工智能确有传统金融无可比拟的优势，那么还有没有学习金融学的必要呢？

我们先来看一看人工智能的优势到底在哪，微软亚洲研究院副院长刘铁岩博士和微软亚洲研究院资深研究员谢幸博士都给出了自己的答案。

刘铁岩：人工智能驱动金融产业技术变革

微软亚洲研究院副院长刘铁岩博士在大会上从量价数据分析，文本数据分析，知识图谱及推理，以及预测、模拟与决策等方面，简单阐述了人工智能将为金融领域带来什么样的创造力和智慧。

量价数据是股票投资里非常重要的信息源之一。通常，投资经理会按照经验从量价数据的时序序列中寻找时空模式，以此来预测股票的涨跌，并决定何时买入、卖出股票。但这种根据经验的模式抽取，一定会受到个人因素的限制，很难有最优性的保障。所以这时，我们可以利用人工智能技术，依托大数据寻找更加客观、有效的时空模式指导投资，并且微软研究院在与此相关领域内的研究成果也将大有用武之地。

比如，在时序序列分析方面，2016年底，来自微软研究院基于深度神经网络的语音序列识别技术，首次达到了人类语音识别的精度；在二维的模式识别方面，由微软亚洲研究院发明的ResNet技术更是率先地超过了人类的图像识别精度，并获得了2015年ImageNet比赛的冠军，成为了图像识别领域首选的算法。微软的人工智能模型设计经验配合上华夏基金丰富的金融知识积累，我们一定可以为量价数据分析任务设计出高效的人工智能模型。

除了量价数据，文本数据也在金融投资中扮演着重要的角色，我们通过对文本数据的语义分析，主题分析和情感分析，可以预测市场对于一个行业或一个公司的预期，甚至可以去预测股票走势的拐点。

然而，对海量文本信息进行分析并非易事，简单的统计工具、或者标准的分类和主题模型，可能会遇到巨大的挑战。比如，当我们要分析的数据包含千万量级的词表时，相应的分类模型体量可能过大，而使训练时间非常长，甚至长达百年；当我们要对文本数据进行超细粒度的主题分析时，比如要分辨出上百万个不同类型的主题，则可能需要上千台服务器，运行几周到几个月的时间才能完成任务。

但这些看似不可能完成的任务，在微软亚洲研究院的面前，却变得可行。微软拥有能够处理千万词表的新型循环神经网络LightRNN，以及可以分析百万主题的人工智能模型LightLDA，再通过微软的Multiverso参数服务器进行分布式部署，我们就可以用一个只有几十台服务器的小型计算机集群，对海量文本数据进行超细粒度的实时分析，在信息获取和利用方面获得巨大优势。

除了这些原始数据外，在投资时，我们常常需要根据各种金融事件、以及金融实体之间的逻辑关系进行推理。这时就会遇到两个问题，首先，如何构建一个可靠的、信息丰富的金融知识图谱；第二，当我们拥有巨大体量的金融知识图谱时，如何进行高效的分析和推理。

微软亚洲研究院拥有目前世界上最高效的知识图谱索引和分析的开源引擎，有了这种引擎的支持，我们就可以对巨大体量的知识图谱，进行实时的分析推理，使很多隐藏的高阶因果关系浮出水面，给投资经理的决策插上理性的翅膀。

依据前面的人工智能技术构建投资方案之后，投资经理还需要根据市场的反馈不断地对投资方案进行调整。这个过程中，如何对市场的反馈快速响应，以及如何对金融市场其他参与者的行为进行精准建模，将成为致胜的利器。在这些方面，微软亚洲研究院独树一帜的前瞻性决策技术，如对偶增强学习和博弈机器学习，将会帮助投资者获得巨大的先发优势。

以上我们提到的人工智能算法都需要强大计算平台作为支撑，微软研究院拥有目前世界上效率最高的人工智能平台——CNTK（微软认知服务工具包）。在多项第三方评测中，CNTK不管是在单机的训练效率，还是集群的并行训练效率上都表现突出，力拔头筹。

把前面提到的来自微软研究院的优势算法和人工智能平台与华夏基金投研团队的领域知识相结合，我们将共同打造一个由人工智能驱动的全新的金融投资框架。这个框架里面会包含很多新的组成部分，比如端到端的因子提取与动态复合技术，基于金融知识图谱的推理模型，以及基于增强学习和博弈机器学习的自动化交易和资产配置策略等等。当然，想要在这些课题上取得突破性进展还需要深度的研究。比如金融市场环境开放，存在信息缺失、隐藏等问题，将给建模造成困难；市场规律动态变化，非平稳，将对人工智能模型的预测能力提出挑战；金融市场存在多方复杂博弈，且规模较大，将增加建模和分析的难度；黑天鹅等重要事件的小概率本质，不易用大数据、大样本方法预测；高频交易数据量大、实时性强，对人工智能计算平台将提出额外需求，等等。不过我们对于攻克这些难题持乐观态度，而这些挑战的存在也正凸显了我们和华夏基金进行战略合作研究的深远意义。

谢幸：用户画像与聊天机器人，打造个性化金融服务

用户画像就是根据用户每天在各类社交软件上产生的大数据合集，给用户打造一个更加个性化的环境和服务。而微软希望能够通过用户画像，更好地预测用户的风险偏好，理解用户的理财目标以及用户对资金的需求，以此帮助金融机构给用户设计更好的产品和服务。

在金融领域，我们常常需要了解用户的风险偏好。但现在一般是用问卷的方法，根据用户的问卷回答计算结果。然而这种方式在心理学专家眼里存在很多问题。

一方面，用户其实对自己并不是非常的了解，很多时候打分的标准很模糊。再就是很多用户会因为没有时间或者觉得这个不重要，就粗略地完成问卷，因此，这时我们拿到的结果就会有非常大的“噪音”。

要解决这个问题其实很简单，所使用的方法在心理学中叫做行为测量，其实就是我们去观察用户，通过用户的行为自动分析他的性格。这其中，可以用到微软亚洲研究院的LifeSpec跨平台用户行为数据集。

而在最近的工作中，基于心理学家的“大五人格理论”，我们提出了一个“大五人格推测模型”，通过集成不同来源的用户数据，针对每个维度的数据设计有针对性的计算特征，最后用集成学习的方法计算一个更加准确的大五人格。将这一方法应用在金融领域，不止是风险偏好，也许我们还能知道这些性格特征会怎样影响用户的购买行为，从而更加准确、成功的推荐金融产品/服务给用户。

此外，微软亚洲研究院还有一个工作是个性化的聊天机器人。我们希望打造一个聊天机器人，类似金融服务里面的智能客服。一个人类客服在跟客户进行交流时，他通常需要了解用户，站在用户的角度考虑怎么样帮助用户解决问题，如何通过更合适的交流方式，来实现用户想做的事情，比如购买金融产品，或者推荐一些用户想要的理财工具。而我们则希望通过聊天机器人这项技术，为用户打造私人定制的金融顾问。

综上，人工智能存在的优势确实非常突出，但在现阶段，人工智能还只是金融的一种辅助工具。同时我们可以发现的是，无论人工智能到达何种出神入化的地步，拥有金融学专业知识和背景是必要条件。只有人工智能和金融学双向发展，才能取得“1+1>2”的双赢效果。

———这里是回答结束的分割线————

以上回答摘选自微软研究院AI头条，金融行业如何借助AI重新定义投资的疆界。

感谢大家的阅读。

本账号为微软亚洲研究院的官方知乎账号。本账号立足于计算机领域，特别是人工智能相关的前沿研究，旨在为人工智能的相关研究提供范例，从专业的角度促进公众对人工智能的理解，并为研究人员提供讨论和参与的开放平台，从而共建计算机领域的未来。

微软亚洲研究院的每一位专家都是我们的智囊团，你在这个账号可以阅读到来自计算机科学领域各个不同方向的专家们的见解。请大家不要吝惜手里的“邀请”，让我们在分享中共同进步。

也欢迎大家关注我们的微博和微信 (ID:MSRAsia) 账号，了解更多我们的研究。

景略集智 · 2018-9-24 01:20:33

最近几年人工智能技术迅速应用在很多领域，特别是金融科技，而金融领域由于其海量数据和可量化的特点，也恰好非常适合应用 AI 技术。李开复也曾提到过，人工智能最好的应用领域之一就是金融领域，因为它是纯数字领域。而现实发展的趋势也确实如此，目前实际上人工智能在金融领域已经有了不少落地应用。我们这篇回答详细列举了目前 AI 在金融领域的应用：

人工智能在金融科技领域有哪些应用？

人工智能对金融行业的冲击

随着 AI 在金融领域攻城掠地，对 AI 取代金融从业人员的担忧也愈演愈烈。这也不怪人们杞人忧天，比如去年春天一款叫 COIN 的 AI 金融合同分析应用在美国最大银行摩根大通上岗，经实际应用测试，原本摩根大通金融法务人员和借贷专员需要花费 3,6000 个小时才能完成的工作，这款 AI 应用只需几秒就可完成。重要的是，AI 的错误率不仅低于人类，而且它还不用休假，可以全天候工作。如果你是银行，是使用 AI 还是雇佣高薪的人类，不言自明。

美国金融领域逐步以机器取代人工的不止大摩这一家，比如投行界扛把子高盛，2000 年高盛在纽约总部的美国现金股票交易柜台雇佣的交易员达 600 名，但今天，这里只剩下两名交易员“留守空房”。另一大投行瑞银同样如此，逐步用科技取代成本高昂且效率低下的人工劳动。下图是瑞银在美国总部的 2008 年和 2016 年对比图，感受一下：

中国的情况同样不容乐观。今年春天，全球顶尖管理咨询公司波士顿咨询公司（BCG）出具一份研究报告称，到 2027 年时中国金融领域全部 993 万个工作岗位中约有 23% 的岗位存在被 AI 取代的风险，也就是说届时会有将近 230 万金融从业人员可能会失去工作。

BCG 在访谈和调研了众多中国金融界及 AI 领域的高级专家后，经过大量分析得出了该研究报告。在调研中，他们发现几乎中国大陆所有的银行都在计划借助最新的 AI 技术来节省人力资源成本。其中目前应用 AI 技术最多的地方是信用评估领域，例如人脸识别、大数据分析等技术的应用越来越多。

哪些岗位容易受到 AI 的冲击？

2017 年彭博社曾发布了一篇报告，详细列举了众多职业可能被自动化取代的概率（https://www.bloomberg.com/graphics/2017-job-risk/）。其中金融业一些岗位未来被自动化取代的风险如下：

我们可以看到保险承销人员、信用分析师、信贷专员这些岗位被取代的几率最高，接近百分之百。而投资顾问和理财专员这些被替代的可能性也将近百分之五十。

实际上 BCG 在出具的研究报告中也提及，目前金融领域不少岗位，特别是那些工作内容机械、重复性高的岗位会逐渐被人工智能取代。

但 BCG 在报告中也指出，在 AI 逐渐取代不少人工岗位的同时，另一个趋势是新增不少利用 AI 技术的工种，另外现有的许多岗位更多的是可以借助 AI 提高工作效率。因此，金融业未来主流岗位是人机协作。

AI 时代的金融岗位

美国专注职场数据分析的技术公司 BurningGlass 最近在分析职场数据时发现，过去 5 年内，金融领域要求具有机器学习及 AI 相关技能的岗位需求增速，是金融领域所有岗位需求增速的六倍。

相应的，具有 AI 技能的金融岗位平均薪资（129,000美元）也是金融业全部岗位平均薪资的 1.7 倍（75,000美元）：

金融领域需要自动化等 AI 技能的岗位主要围绕金融方面的数据科学和数据分析，也略微设计传统 IT 岗位，如软件开发岗位和网络工程师。一些金融领域特别专业的岗位如风险经理和金融量化分析师，也需要具备这些技能。

金融领域需要自动化及 AI 技能的 Top 10 岗位：

数据科学家
数据/商业分析师
软件开发者
数据工程师
网络工程师
风险经理
商业智能分析师
系统分析师
数据库架构师
金融量化分析师

胜任 AI 时代金融岗位需要哪些技能？

金融公司未来会搭建和使用自动化工具及处理流程，涉及数据科学、数据工程和机器学习。搭建和使用这些工具就需要掌握编程知识，比如 Python 和 Java。

金融岗位未来需掌握的 Top 10 自动化技能：

机器学习
Python
SQL
Apache Hadoop
SAS
大数据
数据挖掘
Java
R
数据科学（数据可视化）

因而，准备长期从事金融行业的朋友现在应当从长远考虑，学习相关的 IT 技能，成为跨专业的复合型人才，如果仅仅依赖金融领域吃老本，很可能未来被科技淘汰。

金融学学生的职业出路

金融学其实是门非常复杂的学科，短时间内不会被AI完全取代。但是在一些数据结构化较高、任务定义明确的领域，AI 模型可以很容易的代替人工。而从长远看，金融行业的自动化不可避免。

对于学习金融学的人才来说，AI 时代需要既能精通金融专业知识，又能掌握相应计算机能力的人才，至少能够熟练运用自动化工具。

金融学的进一步发展也需要专业人才继续探索。因此金融学完全可以继续学，但具备一定的计算机知识可以为个人和企业带来更大的价值。目前金融领域缺乏足够的大数据和人工智能人才储备，而掌握这些能力的人未来会成为金融领域的抢手人才。

想成为知晓 AI 和 DS 技能的金融人才，可以从现在起辅修编程语言相关的课程，尽可能多的了解人工智能在金融方面的应用，至少能做到可以和行内 IT 同事顺畅交流。

其实也并不需要金融从业人员去学习特别深的机器学习技术或者成为 AI 技术大牛，已经有大量的数据科学家、IT 专家在攻克 AI 底层技术，后面会出现相当多的应用在金融领域的 AI 模型和工具，而金融从业人员需要做的就是能够熟练使用它们。金融行业缺少的是具有创新力和商业洞察力的人才，我们需要做的就是利用技术产生最大的商业价值。用AI提高工作效率，实现人机协作，会未来金融行业的趋势。

人工智能的出现，是人类科技的一大进步。虽然 AI 会让一些行业和职业消失，但它将大大提高人类的生产效率，也会催生新的岗位，然而最重要的是我们需要去面对改变，适应改变，否则未来就会面临被淘汰的命运。

参考资料：
http://www.scmp.com/business/companies/article/2139685/23-million-number-jobs-could-be-lost-artificial-intelligence
http://www.burning-glass.com/blog/automation-skills-finance/
https://bankinnovation.net/2017/07/what-financial-jobs-are-at-risk-of-automation/
https://futurism.com/an-ai-completed-360000-hours-of-finance-work-in-just-seconds/

http://weixin.qq.com/r/80QiOi3EDnBxrWlZ9xHh (二维码自动识别)

BigQuant · 2018-9-24 01:20:35

人工智能的快速发展正在逐步替代各个行业的一些工种，金融业也不例外。

首先我们要肯定和认同这一现象。毕竟人工智能和大数据时代的到来显示了当前整个社会的进步，这股潮流席卷的并不仅仅是金融行业，各行各业都或多或少受到了其影响。使得各行各业在业务处理上都有所进步，也进一步推动了这些行业的优胜劣汰，使得行业加快转型的步伐，寻找新的赢利点，更好的处理现阶段出现的一些风险。

就拿当前的银行行业来说，这个行业的大数据影响已经很明显了，央行的信用大数据处理库更好的推动了银行信贷客户的选择。与人工智能和大数据同行而来的互联网金融（像是余额宝之类的）也推动了银行的赢利点从存贷差转向中间业务表外业务。

其次，行业的转型相对的，我们也要转变自己的观念。人工智能和大数据做的大多是基础性替代性较高的工作，只要我们转变发展重点，找准重点做专做精，人工智能和大数据对我们来说只有好处没有坏处。就拿我接触过的银行系统来说，很多热衷于相对轻松简单的工作环境的人进入岗位之后较倾向与柜员，但是目前柜员智能机在网点发展越来越快，随之而来快速减少的柜员岗迫使进入银行系统的职员们必须寻找新的发展点。要知道银行并不是仅仅只有营业部门，你可以随着银行转型转向幕后发展，转向客户经理、理财经理，选择很多，需要的只是你转变心态，很好的去应对当前的挑战。

最后，要利用好这个现象。金融学毕业之后大多是服务型的从业方向，在拥有大数据智能的基础上，我们能够更好的帮客户以及自己分析当前的金融现象，更好的选择理财方向。这也有利于促进我们现在这个不成熟的金融市场更好的走向成熟阶段。

BigQuant——人工智能量化投资平台

微调 · 2018-9-24 01:20:36

这是一个比较大的话题，同时涉及到了大数据和人工智能两个部分。孙志超老师已经从大数据角度谈了一下现阶段的发展对于金融行业的影响，作为一个在金融服务类公司从事AI相关的工作的人，我想从AI方面谈谈对于金融行业可能有什么影响。

上一个我不成熟的结论：

金融学是一个复杂的学科，在短时间内，很难被AI完全替代。在利润率较高、数据结构化较好、问题定义明确的一些方面，AI会大行其道。在不同金融领域的AI如果都能发展到一定程度时，或许能加速整个金融产业的AI发展。

在现阶段，金融公司所面临的数据结构化需求远远高于大数据要求。大量的历史数据还并未电子化，甚至现阶段大量金融公司新产生的数据都还属于不规范的格式。

对于金融人才来说，这个时代需要专精金融且能和计算机从业者顺畅沟通的人才。同时金融学的进一步发展也需要专业人才继续探索。因此金融完全是需要继续学的，但有所侧重的补充计算机知识可以为个人和社会带来更大的价值。

对于金融机构来说，有目的和计划的在合法的途径下收集、购买、或生成相关数据将会为未来企业发展带来巨大的优势。对于大型的金融机构/研究机构，应该继续加大在AI领域的投资，从内部培养跨金融和AI领域的人才，即使在短时间内不能产生直接利润。

1. 人工智能在金融学中的应用：

大量的机器学习模型已经被用于金融实践当中，比如利用机器学习进行风险预测或者假账/错账检测。更多的例子可以轻松的通过搜索引擎获得，如“人工智能+财务”。比较值得看的的行业动向包括各大金融服务类公司发布的展望，比如高盛去年年底发布的人工智能展望，机器之心有翻译其中的重要部分。答主本身也在随着人工智能的进步，财务工作者会大批失业么？该如何应对？ - 知乎用户的回答 - 知乎中提到了我们正在开发审计AI的进展与展望。

2. 为什么AI不能完全替代金融学的各种模型？

A. 无法很好的用AI来定义一个金融问题

现阶段比较被商业化广泛应用的机器学习还是监督学习，而监督学习要求有明确的问题定义。现在看起来很有希望的强化学习，迁移学习等还并不能大规模普及应用。

以简单的监督学习为例，如果你想建立一个模型来预测企业并购是否会影响公司股价，那么你需要提供大量并购数据，以及并购后股价是否发生了变动。理想情况下，在收集足够多的并购消息和股价变动信息后，做自然语言分析后提取特征放到机器学习模型里面就大功告成了。

然而在实际情况中：我们无法给出明确的问题定义和边界。如果想用AI来来制定一个股票交易策略，那么需要考虑进去多少因素？仅仅只考虑并购消息就够了么？越多的相关的因素越可以提高模型的拟合性和准确性。如宏观政策和微观的具体情况都会影响到股价的波动，漏掉其中哪一个都会造成一定的影响，往往是多多益善。在这种情况下，每个问题都需要大量人和数据来支撑，这也是为什么大量用AI来预测股票走势的探索都无疾而终的原因。

现阶段或者可预见的未来，在很多问题上不会出现这种明确的定义和范围。

B. AI从业者和金融从业者缺乏有效沟通

在很长的时间里面，计算机和金融学之间的联系相对比较薄弱。作为一个CS背景的人，我个人对于金融/经济学的理解还处于比较肤浅的状态，只理解基本的概念和原理。同样的，金融服务类从业者又缺乏对于AI模型和统计的了解。因此使用AI来推动金融学发展需要大量跨领域的人才，至少需要两个方向都懂的项目经理。

C. 金融领域缺乏足够的大数据和人工智能人才储备

人工智能的火爆，或者说06年Hinton论文后带起的深度学习的老树开花，并没有来得及为行业储存大量的专业人才。不难看出，大量一流AI/ML人才还是被互联网公司一网打尽，(Hinton在谷歌Lecun 在FB)留给金融服务类公司的人才并不多。以我们公司举例，各国分公司的Chief Data Scientist 基本都不是计算机/统计/数学背景出身的科学家。

D. 投出产出在现阶段不成正比，短时间内难以获得收益。在这种情况下，每个问题都需要大量人和数据来支撑。因此研究探索型的、不能产生利润的方向很少有公司来投资AI来进行研究的。换言之，有财力提供AI研究的金融公司不多，小型的金融机构或者学术机构又缺乏资源（资金，技术人才，数据积累）来进行相关系统的研究。

E. 技术性的难题还包括很多，比如AI在金融领域应该以什么样的模式存在？是一个软件，一个网络服务，还是一个机器人。在大量需要与客户沟通的领域，人机交互以及如何生成内容也是继续探索的领域。

3. 金融公司开发AI需要什么样的数据？

需要结构化的数据，至少是电子数据。像上面第二点A和B中谈到的，金融领域的大数据化，甚至是数据结构化都还有很长的路的要走。以审计为例，很多公司还有大量的票据都不能无纸化，更不要提AI能够消化的电子数据了。前一阵子我司开发一个面试AI，但是并没有原始数据可以直接使用。于是我们让12个刚入职的员工花了一周时间把我们保留的面试视频逐字逐句的转译到文字+特征，整个过程苦不堪言。

因此对于金融公司从现在起就应该继续大力推进数据电子化，在数据价格便宜的时候从其他公司购买数据。或许在不久的将来，数据的价格将会高到不可企及的程度。

4. 为什么还是要继续从事金融学研究？如何有所侧重的学习？

金融领域的AI化最需要的不是AI专家，也不是金融学者，而是懂AI的金融从业者。如果现阶段各行各业都因为人工智能火爆而转向这个方向，只会看到AI泡沫破灭后整个社会的一片狼藉。我们需要各个领域专家来告诉AI从业者行业的痛点，我们需要项目经理来领导各行各业的AI化。

对于已经从业的金融工作者，掌握一些基本的软件操作技能，遇到新的系统能很快上手，就可以了。至于专门花时间来学CS，甚至AI/ML，是不大必要的。毕竟最终留给金融从业者的入口不是数学模型或者代码，而是封装好的软件/APP/机器，不会要求过高的理化背景。更何况AI/ML的学习要求如线代统计概率等很多基础数学基础，自学起来的时间成本很高。

对于正在选择专业方向或者转型的年轻人来说，继续学习金融，探索未知的领域是一条正道。如果有条件的话，多吸收数据科学方向的知识，甚至可以读一个数据科学的副学位或者双学位。AI时代说到底，我们只要抱着开放的心，选择迎接新技术，成为最能接受改变那一小部分人，是永远都不会失业的。历史只会淘汰那些选择对抗，停滞不前的人:)

回答的相关问题：

外行应届毕业生找数据分析工作多难？ - 知乎

随着人工智能的进步，财务工作者会大批失业么？该如何应对？ - 阿萨姆的回答 - 知乎

十年后，人工智能和机器学习会迅速取代金融和数据分析师吗？ - 阿萨姆的回答 - 知乎

不务正业的回答：

四大咨询第一年应该怎么着装？有哪些服装品牌可供选择？ - 阿萨姆的回答 - 知乎

假设机器人有了自己的思想的，身为创造者的我们该以什么样的态度去对待他们？ - 知乎

韭菜办刘主任 · 2018-9-24 01:20:37

在这里跟大家分享一份易观的人工智能金融报告。

西米老师 · 2018-9-24 01:20:39

有时候我们也会很担心，未来会不会被机器人打碎饭碗。

在人工智能按照科幻电影里的出场方式介入金融市场之前，我们总是充满期盼、也充满了忧虑。这种不安全感，源自于我们对自身工作里很常见一些缺点的洞察。

a.交易员的自我情绪管理。我特别想将这点作为首要元素考虑，因为我的理解里人工智能和人类最大的区别在于前者并没有人类天然的情绪和心理感知。我记得我们学堂的学员，经历一段接近2周的大行情期间，面对起起落落、升升跌跌的价格，看到自己的钱在账户上一会儿变多、一会儿变少，内心都是一直在挣扎“要不要现在平仓”。估计变成人工智能操作交易的时候，应该会非常坚定地按照预期的止盈止损点位操作吧。“人性的弱点”，我想人工智能会很有针对性地克服。

包括股票投资、贵金属投资或者大宗期货，我想特别是到高门槛交易的市场里，人工智能应该会备受投资者青睐。

但是这样一来，市场的参与者就会完全变成理性投资者，也很难想象一帮机器人参与的市场会是怎么样的变化。或许所有我们现在在交易分析、技术分析的模型都会在那时候的市场上实现，变得非常工整的走向、趋势。但是人工智能还是会代表人类意志的吧？

b.数据理解。像最近法国大选，团队没日没夜都在研究选举的走向。但是人类始终没有办法量化评估，法国大选在多少具体的概率上、对黄金走势有多少具体幅度在哪个走向上的影响。我想人工智能应该有充分的数据理解能力，比如说法国大选勒庞胜出的概率是63%、会在所有事件中对金价站上1290美元有22%的贡献概率，那么在整体建仓比例可以控制在xx%…… 假如我们对世界的理解都拥有了数据化的支持，那么事实真的会按照预期剧本发生吗？

c.博弈。一个充分完整的市场总是由许多持不同预期的参与者组成，这个集合构成了目前人类无法理解的无限多组的博弈。假如人工智能能够理解数据、能够作出基于数据学习的理性判断，那么市场的博弈是否会演变成两种主要单边力量的博弈？

借用攻壳机动队的开场字幕：

如果我们信奉的神，还有我们追逐的希望，只不过是科学的量化，那么我们的爱，是否也将科学化呢？

比起应对，我想我们现在、这一代人更加应该花时间思考的，是我们需要人工智能实现什么。

p.s

我不是科学家，只是一个金融从业者。

----

微信公众号：bowenthink

金融学及金融从业者如何应对人工智能和大数据？

7 个回复

刘铁岩：人工智能驱动金融产业技术变革

谢幸：用户画像与聊天机器人，打造个性化金融服务

金融学学生的职业出路