Snapchat在纽约证券交易所的首次公开募股（来源：Hollis Johnson）

“交易楼层”。
当你听到这些话时，你本日会想象什么？你可能会想到穿着西装的男人猖獗地打手势，一直地诅咒对方，或者类似的混乱环境。
然而，这些曾经无处不在的场内经纪人正在被高速打算机程序所取代。

例如，Citadel Securities每天交易9亿股（这占美国每8笔股票交易中的1股）。
只有40人在公司的交易大厅事情，监督利用算法添补股票订单的打算机。
高盛雇佣的程序员和工程师比Facebook多。
2018年，金融技能（金融科技）公司筹集了400亿美元。
如果还不清楚，技能将扰乱金融业。
人工智能是引领这一变革的技能之一。
在我们理解人工智能在金融做事中的运用之前，我们必须理解技能本身。

机器学习

机器学习是人工智能的一个子集，专注于开拓打算机程序，这些程序可以自主地从履历中学习和改进，而无需明确编程。
三种广泛的机器学习类型是监督学习、无监督学习和强化学习。

监督学习

监督学习的目标是创建预测模型。
最初，带有标签输入和输出示例的演习数据集被输入算法（因此名称被监督）。
然后，该算法在演习集上运行，并调度其参数，直到达到令人满意的精度水平。
从这个剖析中，该算法创建了一个可以预测未来输出的函数。
在上图中，AI模型供应了被标记为“猫”的猫的图片。
然后根据猫的标签数据演习模型，直到它能够识别猫图像中的模式。
因此，该模型将能够通过相应之前识别的模式来预测往后的图像是否显示猫。

无监督学习

无监督学习的目标是找到数据中的模式。
与监督学习相反，无监督算法被授予一个没有分类或标记示例的演习集（因此名称为无监督）。
为了识别模式，该算法利用聚类。
每个集群由知足其哀求所需的标准定义；然后将该标准与处理的数据相匹配，以形成集群。
然后，根据共同特色将演习集分解成集群。
在上面的图像中，输入数据没有类标签，由鱼和鸟组成。
利用此输入数据构建的无监督模型将通过根据共同特色对数据进行分组，创建一个鱼群和另一个鸟群。

强化学习

强化学习的目标是演习一个模型，以做出一系列决定，使总回报最大化。
在强化学习中，机器学习模型面临类似游戏的情形，它利用试验和缺点来办理它所面临的问题。
程序员通过添加褒奖和惩罚来操纵模型以某种办法行动。
因此，该模型被勉励实行有褒奖的行为，并不鼓励实行会受随处分的行为（此反馈是“强化”）。
一旦模型独立出来，找出最大化褒奖的最佳方法，它就会从随机试验发展到繁芜的战术。
例如，谷歌的Alpha Go打算机程序演习玩Go游戏，终极击败了天下冠军。
这是一个巨大的造诣，由于有10¹70个可能的棋盘配置（超过已知宇宙中的原子数量），而且以前没有打算机程序击败过专业的围棋玩家。

自然措辞处理

自然措辞处理是人工智能的另一个子集，用于金融领域。
自然措辞处理的紧张目标很大略：破译和理解人类措辞。
语音识别软件（例如Siri）将单个声音从语音音频等分离出来，剖析这些声音，利用算法找到最适宜的单词，将声音转录为文本。
在将自然措辞转换为打算机可以理解的形式后，打算机利用算法从文本中得出意义并网络基本数据。
现在我们理解了机器学习和自然措辞处理，我们可以更好地理解金融领域的人工智能。

金融中的人工智能示例

人工智能在卖方（投资银行、股票经纪人）和买入方（资产经理、对冲基金）都有几种不同的运用。

卖方

公司正在利用机器学习来测试投资组合（信贷/交易）银行正在考试测验自然措辞处理软件，该软件可以谛听与客户的对话，并检讨他们的交易，以建议额外的发卖或预测未来的要求（信用/发卖）银行正在利用机器学习算法，为公司的资产负债表（利率/交易）推举最佳利率互换收件箱和电子平台中的客户由自然措辞处理软件监控，以确定他们希望如何在基金之间分配大额交易（利率/发卖）监督机器学习算法寻求资产价格和其他数据之间的干系性，以预测未来几分钟或几个小时的货币价格（外汇/交易）强化学习人工智能运行数百万个仿照，以确定实行客户订单的最佳价格，对市场影响较低（现金/交易）自然措辞处理软件可以读取条约并关照客户掉期到期和其他条款（衍生品/发卖）购买侧面打算机正在筛选历史数据，以识别潜在的股票、债券、商品和货币交易，利用机器学习来预测它们在各种经济情景下的表现。
还检讨历史数据，以帮助确定赌注的规模、韶光和持续韶光（识别交易/投资组合培植）机器学习算法剖析市场变革的数据，以相应地仿照交易的变革。
此外，对估值进行剖析并预测价格（监控交易）算法剖析各种数据集，如消费者对品牌的感情和石油钻探特许权。
卫星图像和财产列表等数据可用于跟踪经济趋势。
自然措辞处理还剖析赚取电话的记录，阅读***，并监控社交媒体。
还剖析了央行和会议的评论，以理解关键词和感情（正在进行的研究）

总体而言，金融机构以各种办法利用人工智能来改进其运营。
随着华尔街进入一个新时期，技能只会在金融行业变得更加普遍。

先别走！

我是Roshan，一个16岁的孩子，对人工智能和金融的交叉点充满激情亲切。
要查看涉及金融中人工智能的更详细的项目，请查看这篇关于利用自动编码器检测日记账条款非常的文章。