VIP内容

摘要

金融AI泛指人工智能技术在金融业务中的应用。几十年来,随着经典和现代人工智能技术被应用到金融、经济和社会等越来越广泛的领域,这一领域一直备受关注。与讨论特定人工智能技术,特别是新一代人工智能和数据科学(AIDS)领域所带来的金融问题、方面和机遇,或回顾应用特定技术解决特定金融问题的进展相比,这篇综述提供了一个全面而密集的路线图,概述了过去几十年金融领域人工智能研究面临的巨大挑战、技术和机遇。本文首先概述了金融业务和数据的前景和挑战,然后对金融领域数十年的人工智能研究进行了全面分类和密集概述。然后,我们构建和说明数据驱动的分析和学习的金融业务和数据。以下是对经典和现代金融AI技术的比较、批评和讨论。最后,讨论了未来人工智能授权金融和财务驱动的人工智能研究的未决问题和机遇。

https://www.zhuanzhi.ai/paper/094883565e2f0985d3812fed429af2fe

引言

几十年来,金融领域的人工智能(AI)一直是人们非常感兴趣的研究领域。传统金融市场、交易、银行、保险、风险、监管和营销等经典的人工智能金融和经济,已经演变为新一代金融科技(或金融科技,即全面的金融技术),实现智能数字货币、贷款、支付、资产和财富管理,风险和监管管理,以及会计和审计[13,14,32,33,58,119,136]。在这里,金融指的是广泛的领域,包括资本市场、交易、银行、保险、领先/贷款、投资、资产/财富管理、风险管理、市场营销、合规和监管、支付、合同、审计、会计、金融基础设施、区块链、金融运营、金融服务、金融安全、和金融伦理。此外,经济和金融(简称EcoFin,下文也指EcoFin方面)彼此之间以及与广泛的人工智能家族之间的协同作用日益增强。

金融服务、经济、技术、媒体、传播和社会转型与综合。辅助系统包括 (1) 经典技术,包括逻辑、规划、知识表示、统计建模、数学建模、优化、自主系统、多智能体系统、专家系统(ES)、决策支持系统(DSS)、仿真、复杂性科学、模式识别、图像处理、自然语言处理(NLP);(2)现代技术,如表示学习、机器学习、优化、数据分析、数据挖掘和知识发现、计算智能、事件分析、行为信息学、社交媒体/网络分析,以及最近的深度学习、认知计算和量子计算等方面的最新进展。如[33]所述,AIDS在很大程度上定义了EcoFin和FinTech新时代的目标、产品和服务,并培育了EcoFin向越来越积极主动、个性化、智能化、互联化、安全可信的产品和服务转型的浪潮,形成了智能FinTech(如图[33]中的图2所示)。

图1连接了主要的AIDS技术(上鳍)、EcoFin业务(下鳍)和它们的协同作用(如图脊所示)。共生体(金融科技鱼)培育了“智能金融科技”家族的多个合成领域: (1)智能金融核心业务,如智能银行、智能保险、智能贷款、智能交易、智能财富、智能区块链、智能支付和智能营销; (2) 经营、服务、决策智能化,如智慧监管、智慧风险、智慧安全、智慧会计、智慧审计、智慧治理、智慧运营、智慧管理; (3) 实现更智能的金融科技期货,如创造更智能的设计、规划和创新。我们开发了相应的辅助技术,以实现和自动化这些领域的“智能”,进一步产生相应的金融科技技术谱系:BankingTech、LendTech、WealthTech、tratech、PayTech、InsurTech、RiskTech和RegTech等。这些构成了“智能金融科技”的概念和家族。有兴趣的读者可以参考[32,33]和其他相关参考文献,了解这些不断发展的领域和技术。本文回顾的AIDS技术直接使上述智能金融科技业务转化为相应的智能金融科技技术。

文献中的许多评论参考文献或多或少都与金融领域的人工智能有关,本文引用的35篇左右的论文就说明了这一点。现有综述集中在(1)特定技术或方法的应用,如时间序列分析、文本挖掘、自然语言处理、数据挖掘、经典机器学习、进化计算、计算智能、量子计算或深度学习和(2)特定业务问题的应用。如市场趋势预测、股价预测、信用评分、欺诈检测、财务报告分析、定价与套期保值、市场营销、消费者行为分析、算法交易、社交商务、互联网金融等。据我们所知,没有全面的评估涉及技术和企业的整个生态系统及其协同效应,这是一个雄心勃勃的但具有挑战性的任务。[33]从金融应用的角度全面总结了几十年来金融领域的人工智能研究,这似乎是第一次对应用生态系统的构建、分析和评论进行全面的综述。本文对这篇综述进行了补充,但从技术角度进一步总结、结构、分析、比较和评论金融对AIDS的基本业务和数据挑战,以及数据驱动理解和解决金融问题的AIDS技术,以及未来金融领域人工智能研究的技术差距和机遇。这似乎是首次尝试对金融领域的人工智能技术生态系统进行全面但高度密集的概述。

成为VIP会员查看完整内容
0
47
Top