距离AI金融落地 还差三大难关

李开复曾经说过，人工智能在金融领域是最好的应用场景。有三个场景体现在：人工智能投顾，反欺诈和智能风控，以及信用评估和信用风险管理。以后的金融行业，将是人类与AI共生的行业，你能想象那种场景吗？

今天火线资本的合伙人张然做客《私募早餐会》，作为一家致力于人工智能技术应用金融领域的机构，火线资本带来了他们对AI金融落地的可能性解读。从AI战胜围棋冠军为AI金融带来的曙光，到AI金融落地需要突破的三大难关，张然断定，金融领域一定是人工智能一颗最璀璨的明珠。

1

战胜围棋冠军后

AI离金融应用不远了

很多朋友听说过人工智能，但是人工智能具体能做什么，如何应用到不同的领域中，大家都缺乏深刻的认识，我先简单介绍一下。

人工智能简称AI，它主要从几个维度逐渐深入，第一是执行，很多工业机器人就是在执行这个层面，另外更深层次的应用，即很多上市公司在语音识别、图像识别领域做出的成绩。

其次是学习，深度学习这几年很火，前段时间AlphaGo战胜了围棋冠军李昌镐，让大家意识到人工智能在博弈领域取得的进步，以及人工智能在自我学习的优势和能力。

第三是自适应，当人工智能用学习到的知识适应周边环境的变化时，我们可以看到它们能够无视环境的改变而自由奔跑，这是更高层次的人工智能应用。

第四是决策，最高层次的应用。人工智能针对不同环境、不同体系的变量，最终做出对自己有利的决策。

这四个维度是人工智能在发展中的不同层次的演进和加强。一旦做到最高层次，那时人工智能的表现在很多方面将远远超过人类对事物的学习和处理能力。目前，人工智能仍广泛应用在工业领域，简单应用居多。更高级的如VR在文化领域的应用比较多，另外金融领域是人工智能最高的堡垒，像皇冠上面的明珠，在技术难度、数据维度两个方面都是很大的挑战。

博弈领域，人工智能在过去取得了鲜明的进步。其实，金融交易本身就是一种博弈。20年前，1997年IBM的深蓝计算机战胜了国际象棋的冠军卡斯帕罗夫；20年后，2016年AlphaGo战胜了围棋冠军李昌镐。

20年间，从国际象棋到围棋，其进步主要体现在数据处理能力，因为对围棋数据处理能力的要求远远高于国际象棋。围棋的棋盘室横19竖19，整个数据维度是十九次幂，因此这个天量级的数据维度在处理中要综合运用大数据处理和很多模式识别，运用到很多深度学习的技术和数据处理能力。

目前，随着计算机处理能力和人工智能功能的巨大提升，人类在博弈取得了明显的进步。例如，2017年人工智能战胜了德州扑克的四位国际顶级选手，这证明了人工智能可以在信息不完全不对等的情况下，在决策上战胜人类，这也为金融领域在人工智能的应用开拓了非常好的前景。

2

AI金融想落地

需要突破三个层次

实际上，博弈领域的终极堡垒是金融交易，但是金融交易要取得明显的进展，需要突破三个层次：

▲第一个层次是数据维度。历史上很多传统量化的数据维度是非常低级的，它对数据量和逻辑的要求比较简单，但是人工智能对数据的要求量级是非常高的。

目前国内有3000多只股票，每只股票有短则几年、长则几十年的数据维度，这是非常大的数据范围，需要数据的清洗、处理、提炼，把相应的金融特征提取出来。因此，只有对人工智能和数据的深度学习有深刻的理解，才能取得一定的成绩。

▲第二个层次是算法。人工智能的算法在几十年前就已经存在，随着python、matlab、谷歌开发的tensorflow等软件平台发展得越来越成熟，它们对人工智能领域的运用具有极大的便利和帮助。

▲第三个层次是规则。人类是社会规则的制定者，在金融市场中，监管层是金融交易规则的制定者。如何适应规则以确保在监管框架下稳定运行，是人工智能面临的最大挑战。

目前我们在人工智能的实践，有三个切入点：

1、大数据。我们把国内涉及3000多只股票的几百个因子，收集起来，进行数据在不同时间维度的处理，这是非常庞大的数据量。

2、算法创新。我们的合伙研发人员有清华大学博士和微软亚洲研究院的人工智能算法研究员，并且吸收了过去实盘的研究经验，才得以取得一些成绩。

3、研发平台。我们开发出一个全自动人工智能的研发平台，对后期算法的效率提升和不同算法的快速推演验证带来极大的便利。

3

AI量化对高端人才需求非常大

挑选优质量化机构与量化产品的三个因素：

1、机构的人才团队。因为得人才者得天下，尤其人工智能对于高端人才的需求是产品得到良好收益的基础保障，如果没有好的人才队伍，对后期和长期的发展潜力是存疑的。

2、公司是否有比较成熟的研发平台和交易平台。不管是量化研究还是量化交易，都需要成熟的平台来提升效率、准确性和速度。

3、产品的相对的表现和竞争力，以及产品的市场定位是否适合自己。