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

相关内容

本书是对机器学习一个领域的全面综述,处理在分类问题中的未标记数据的使用: 最先进的算法,该领域的分类,应用,基准实验,和未来的研究方向。

在机器学习领域,半监督学习(SSL)处于监督学习(其中所有训练示例都被标记)和非监督学习(其中不给出标记数据)之间。近年来,人们对SSL的兴趣有所增加,特别是在图像、文本和生物信息学等未标记数据丰富的应用领域。这是对SSL的第一次全面概述,介绍了最先进的算法、该领域的分类、选定的应用程序、基准测试,以及对未来研究的展望。半监督学习首先提出了该领域的关键假设和思想:平滑性、聚类或低密度分离、流形结构和转导。本书的核心是介绍根据算法策略组织的SSL方法。经过对生成模型的检查,本书描述了实现低密度分离假设的算法,基于图的方法,和执行两步学习的算法。然后,本书讨论了SSL应用程序,并通过分析大量基准测试的结果为SSL实践者提供了指导方针。最后,本书还介绍了SSL研究的有趣方向。本书以半监督学习和转导之间的关系的讨论结束。

https://mitpress.mit.edu/books/semi-supervised-learning

成为VIP会员查看完整内容
0
70

《量子信息理论》这本书基本上是自成体系的,主要关注构成这门学科基础的基本事实的精确数学公式和证明。它是为研究生和研究人员在数学,计算机科学,理论物理学寻求发展一个全面的理解关键结果,证明技术,和方法,与量子信息和计算理论的广泛研究主题相关。本书对基础数学,包括线性代数,数学分析和概率论有一定的理解。第一章总结了这些必要的数学先决条件,并从这个基础开始,这本书包括清晰和完整的证明它提出的所有结果。接下来的每一章都包含了具有挑战性的练习,旨在帮助读者发展自己的技能,发现关于量子信息理论的证明。

这是一本关于量子信息的数学理论的书,专注于定义、定理和证明的正式介绍。它主要是为对量子信息和计算有一定了解的研究生和研究人员准备的,比如将在本科生或研究生的入门课程中涵盖,或在目前存在的关于该主题的几本书中的一本中。量子信息科学近年来有了爆炸性的发展,特别是在过去的二十年里。对这个问题的全面处理,即使局限于理论方面,也肯定需要一系列的书,而不仅仅是一本书。与这一事实相一致的是,本文所涉及的主题的选择并不打算完全代表该主题。量子纠错和容错,量子算法和复杂性理论,量子密码学,和拓扑量子计算是在量子信息科学的理论分支中发现的许多有趣的和基本的主题,在这本书中没有涵盖。然而,当学习这些主题时,人们很可能会遇到本书中讨论的一些核心数学概念。

https://www.cambridge.org/core/books/theory-of-quantum-information/AE4AA5638F808D2CFEB070C55431D897#fndtn-information

成为VIP会员查看完整内容
0
49

博弈论对于非专业的定量课程来说是一个很好的话题,因为它发展了数学模型来理解人类在社会、政治和经济环境中的行为。

本文通过丰富的流行文化背景来探讨博弈论的思想。在每一章的末尾,有一节是关于这些概念在流行文化中的应用。它建议以博弈论为主题的电影、电视节目和小说。每个部分的问题都是作为写作作业的论文提示。课程目标。

向学生介绍博弈论的数学知识。 教学生如何使用数学模型来解决社会和经济情况下的问题。 建立学生的定量直觉。 向学生介绍数学构建人类行为的力量。 为学生提供使用代数技术的机会,如线性模型和方程组,在博弈论的应用。 让学生有机会在博弈论中使用概率的基本概念,如期望值

https://nordstromjf.github.io/

成为VIP会员查看完整内容
0
48

日前,为推动数字经济健康蓬勃发展,赛迪区块链研究院发布了《区块链+数字经济发展白皮书》。该白皮书指出,在数字经济蓬勃发展的当下,区块链在推动数字经济创新发展方面潜力巨大,当前,已在农业、制造业、物流业、金融、民生等领域逐步应用,加速推动经济数字化转型。此外,白皮书对我国数字经济发展现状进行分析,探讨了区块链技术驱动数字经济发展的技术优势和理论依据,从实体经济、政府数字化治理、数字资产等方面详细解析了区块链如何赋能数字经济发展,并针对区块链驱动数字经济发展存在的挑战提出相关建议。

白皮书首先对区块链在数字经济各场景应用方面做了阐述。在区块链应用取得系列进展的同时,其赋能数字经济发展面临的挑战也不可忽视。目前来看,区块链技术安全性仍需提高;大规模落地推广也存诸多困难。

白皮书还提出,加快区块链核心技术创新、建立基于区块链的数字经济监管体系、加速推动应用落地和加强人才培养等建议以促区块链进一步发展迭代。建议加强区块链+数字经济专业人才培养:

一是要加大基础型数字经济、区块链人才培养,加快培育具有扎实技术理论知识和较高应用管理能力的复合型人才;

二是注重高端技术人才培养,与国外著名高校、科研机构、知名企业等联合培养区块链硕士、博士等高层次人才,推进中外合作人才培养和引进项目;

最后,鼓励实力雄厚的区块链企业、互联网企业和金融企业创办“企业大学”,根据市场需求和产业发展导向开展技术与管理培训,构建“企业-市场-产业”三位一体的区块链人才培养模式。

如今,数字经济已成为推动我国经济发展的关键引擎和新优势,《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》将建设数字中国作为独立篇章,意味着数字经济转型升级是我国未来10年经济发展的关键机会,数字经济将成为我国经济转型的核心组成。

成为VIP会员查看完整内容
0
53

在过去的二十年里,机器学习已经成为信息技术的支柱之一,并因此成为我们生活中相当核心(尽管通常是隐藏的)的一部分。随着可用数据量的不断增加,我们有充分的理由相信,智能数据分析将变得更加普遍,成为技术进步的必要因素。本章的目的是为读者提供一个广泛的应用的概述,这些应用的核心是一个机器学习问题,并给这一大堆问题带来一定程度的秩序。在那之后,我们将讨论一些来自统计和概率论的基本工具,因为它们构成了许多机器学习问题必须被表述成易于解决的语言。最后,我们将概述一套相当基本但有效的算法来解决一个重要的问题,即分类。更复杂的工具,更普遍的问题的讨论和详细的分析将在本书后面的部分。

成为VIP会员查看完整内容
0
41

近年来,自然语言处理的研究方法取得了一些突破。这些突破来源于两个新的建模框架以及在计算和词汇资源的可用性的改进。在这个研讨会小册子中,我们将回顾这些框架,以一种可以被视为现代自然语言处理开端的方法论开始:词嵌入。我们将进一步讨论将嵌入式集成到端到端可训练方法中,即卷积神经网络和递归神经网络。这本小册子的第二章将讨论基于注意力的模型的影响,因为它们是最近大多数最先进的架构的基础。因此,我们也将在本章中花很大一部分时间讨论迁移学习方法在现代自然语言处理中的应用。最后一章将会是一个关于自然语言生成的说明性用例,用于评估最先进的模型的训练前资源和基准任务/数据集。

https://compstat-lmu.github.io/seminar_nlp_ss20/

在过去的几十年里,人工智能技术的重要性和应用不断得到关注。在当今时代,它已经与构成人类塑造环境的大部分环境密不可分。因此,商业、研究和开发、信息服务、工程、社会服务和医学等无数部门已经不可逆转地受到人工智能能力的影响。人工智能有三个主要领域组成了这项技术:语音识别、计算机视觉和自然语言处理(见Yeung (2020))。在这本书中,我们将仔细研究自然语言处理(NLP)的现代方法。

这本小册子详细介绍了用于自然语言处理的现代方法,如深度学习和迁移学习。此外,本研究亦会研究可用于训练自然语言处理任务的资源,并会展示一个将自然语言处理应用于自然语言生成的用例。

为了分析和理解人类语言,自然语言处理程序需要从单词和句子中提取信息。由于神经网络和其他机器学习算法需要数字输入来进行训练,因此应用了使用密集向量表示单词的词嵌入。这些通常是通过有多个隐藏层的神经网络学习的,深度神经网络。为了解决容易的任务,可以应用简单的结构神经网络。为了克服这些简单结构的局限性,采用了递归和卷积神经网络。因此,递归神经网络用于学习不需要预先定义最佳固定维数的序列的模型,卷积神经网络用于句子分类。第二章简要介绍了NLP中的深度学习。第三章将介绍现代自然语言处理的基础和应用。在第四章和第五章中,将解释和讨论递归神经网络和卷积神经网络及其在自然语言处理中的应用。

迁移学习是每个任务或领域的学习模型的替代选择。在这里,可以使用相关任务或领域的现有标记数据来训练模型,并将其应用到感兴趣的任务或领域。这种方法的优点是不需要在目标域中进行长时间的训练,并且可以节省训练模型的时间,同时仍然可以(在很大程度上)获得更好的性能。迁移学习中使用的一个概念是注意力,它使解码器能够注意到整个输入序列,或自注意,它允许一个Transformer 模型处理所有输入单词,并建模一个句子中所有单词之间的关系,这使得快速建模一个句子中的长期依赖性成为可能。迁移学习的概念将在小册子的第6章简要介绍。第七章将通过ELMo、ULMFiT和GPT模型来描述迁移学习和LSTMs。第八章将详细阐述注意力和自注意力的概念。第九章将迁移学习与自注意力相结合,介绍了BERT模型、GTP2模型和XLNet模型。

为NLP建模,需要资源。为了找到任务的最佳模型,可以使用基准测试。为了在基准实验中比较不同的模型,需要诸如精确匹配、Fscore、困惑度或双语评估替补学习或准确性等指标。小册子的第十章简要介绍了自然语言处理的资源及其使用方法。第11章将解释不同的指标,深入了解基准数据集SQuAD、CoQa、GLUE和SuperGLUE、AQuA-Rat、SNLI和LAMBADA,以及可以找到资源的预训练模型和数据库,如“带代码的论文”和“大坏的NLP数据库”。

在小册子的最后一章中,介绍了生成性NLP处理自然语言生成,从而在人类语言中生成可理解的文本。因此,不同的算法将被描述,聊天机器人和图像字幕将被展示,以说明应用的可能性。

本文对自然语言处理中各种方法的介绍是接下来讨论的基础。小册子的各个章节将介绍现代的NLP方法,并提供了一个更详细的讨论,以及各种示例的潜力和限制。

成为VIP会员查看完整内容
0
156

https://www2.deloitte.com/cn/zh/pages/technology/articles/deloitte-and-axa-digital-health-whitepaper.html

整合数字化医疗健康解决方案,更好地服务和保障消费者 在国家政策的推动下,医疗健康产业正在加快革新和重塑,以适应中国人民日益增长的多样化医疗健康需求

经历了二十多年的医保改革,我国社会医疗保障的覆盖率逾95%,实现了全国人民基础医疗保障的高覆盖。随着GDP的增长,中国家庭财富可支配收入日益增加,消费者对医疗服务和保障提出了更高的需求,尤其是高净值人群、以及正在兴起的新中产人群。然而,相较于高净值人群,市场对新中产人群的关注才刚拉开序幕,当前针对新中产人群的医疗健康服务以及保障的满足程度还相对较低。

在提出了“优先发展人民健康”的“健康中国2030”战略的指导下,政府颁布了《健康中国行动(2019—2030年)》《关于深化医疗保障制度改革的意见》等指导方案,以加快建成多层次医疗保障体系和整合型医疗卫生服务体系。通过整合医疗、医药、医保等不同参与方,解决医疗健康需求和供给的错配问题,为人民提供高性价比的医疗健康服务。在国家政策的推动下,医疗健康产业正在加快革新和重塑,以适应中国人民日益增长的多样化医疗健康需求。

结合德勤行业经验以及中国医疗健康行业特点的理解,德勤认为有五大趋势对未来中国的医疗健康行业将产生重大影响,并起到推动作用,包括整合型医疗健康服务体系、消费者赋能、新型支付方案的兴起、智慧医疗健康以及创新产品组合。

成为VIP会员查看完整内容
4
54

本论文对大数据时代事件预测方法的现有方法进行了全面的调研。它提供了事件预测的挑战、技术、应用、评估程序和未来展望的广泛概述,总结了在超过200篇论文提出的研究,其中大部分是在过去五年内发表的。事件预测的挑战、机遇和讨论了预测事件的元素,包括事件地点,时间,和语义,之后我们接着提出一个系统的分类根据制定的问题。我们还分析了这些技术在不同领域的关系、差异、优势和劣势,包括机器学习、数据挖掘、模式识别、自然语言处理、信息检索、统计和其他计算模型。此外,对流行的事件预测应用进行了全面和层次的分类,涵盖了从自然科学到社会科学的各个领域。基于本文所讨论的众多历史和最新研究成果,本文最后讨论了这一快速发展领域的开放问题和未来趋势。

成为VIP会员查看完整内容
0
38

在复杂的以人为中心的系统中,每天的决策都具有决策相关信息不完全的特点。现有决策理论的主要问题是,它们没有能力处理概率和事件不精确的情况。在这本书中,我们描述了一个新的理论的决策与不完全的信息。其目的是将决策分析和经济行为的基础从领域二价逻辑转向领域模糊逻辑和Z约束,从行为决策的外部建模转向组合状态的框架。

这本书将有助于在模糊逻辑,决策科学,人工智能,数学经济学,和计算经济学的专业人员,学者,经理和研究生。

读者:专业人士,学者,管理者和研究生在模糊逻辑,决策科学,人工智能,数学经济学,和计算经济学。

成为VIP会员查看完整内容
0
170

本备忘单是机器学习手册的浓缩版,包含了许多关于机器学习的经典方程和图表,旨在帮助您快速回忆起机器学习中的知识和思想。

这个备忘单有两个显著的优点:

  1. 清晰的符号。数学公式使用了许多令人困惑的符号。例如,X可以是一个集合,一个随机变量,或者一个矩阵。这是非常混乱的,使读者很难理解数学公式的意义。本备忘单试图规范符号的使用,所有符号都有明确的预先定义,请参见小节。

  2. 更少的思维跳跃。在许多机器学习的书籍中,作者省略了数学证明过程中的一些中间步骤,这可能会节省一些空间,但是会给读者理解这个公式带来困难,读者会在中间迷失。

成为VIP会员查看完整内容
0
200
小贴士
相关VIP内容
专知会员服务
70+阅读 · 8月20日
专知会员服务
49+阅读 · 8月4日
专知会员服务
53+阅读 · 4月25日
专知会员服务
41+阅读 · 4月20日
专知会员服务
156+阅读 · 2月22日
专知会员服务
54+阅读 · 1月6日
专知会员服务
170+阅读 · 2020年6月24日
机器学习速查手册,135页pdf
专知会员服务
200+阅读 · 2020年3月15日
相关论文
Bohan Li,Yutai Hou,Wanxiang Che
13+阅读 · 10月5日
A Survey on Data Augmentation for Text Classification
Markus Bayer,Marc-André Kaufhold,Christian Reuter
10+阅读 · 7月7日
Bahram Mohammadi,Mahmood Fathy,Mohammad Sabokrou
13+阅读 · 3月2日
Kemal Oksuz,Baris Can Cam,Emre Akbas,Sinan Kalkan
4+阅读 · 2020年10月23日
Interpretable CNNs for Object Classification
Quanshi Zhang,Xin Wang,Ying Nian Wu,Huilin Zhou,Song-Chun Zhu
17+阅读 · 2020年3月12日
Object Detection in 20 Years: A Survey
Zhengxia Zou,Zhenwei Shi,Yuhong Guo,Jieping Ye
38+阅读 · 2019年5月13日
Zero-Shot Object Detection
Ankan Bansal,Karan Sikka,Gaurav Sharma,Rama Chellappa,Ajay Divakaran
8+阅读 · 2018年7月27日
Han Hu,Jiayuan Gu,Zheng Zhang,Jifeng Dai,Yichen Wei
3+阅读 · 2018年6月14日
Changzheng Zhang,Xiang Xu,Dandan Tu
5+阅读 · 2018年2月6日
Ruoyu Li,Sheng Wang,Feiyun Zhu,Junzhou Huang
5+阅读 · 2018年1月10日
Top