业界喧嚣许久的人工智能在理财领域到底进展到了什么程度?它真的已经像有些宣传当中那样的神奇和智能吗?

答案恐怕没有那乐观。

“目前的智能理财可能还到不了机器学习和深度学习这种档次”懒财网CEO陶伟杰表示。

目前所谓的智能理财,大多作用于数据处理和实施交易的判断,主要目的是帮助提升效率,到不了深度学习的档次。

而此前由于阿尔法狗引起了大众对人工智能这一专业领域的兴趣,因而价值神经网络、策略神经网、蒙特卡洛搜索树、机器学习等等专业概念开始被大众媒体传播而被人们熟知。不少行业也都开始利用人工智能进行外延上的拓展,出现了智能+的新产品和概念。

在投资领域,AI金融、智能投资(投顾)、智能理财也变得非常热门,Betterment和Wealthfront这两家美国智能投顾也开始闻名于世。这两家公司成立于2010年左右的公司利用联网技术与算法面向个人理财用户进行资产管理组合建议,包括基金配置、股票配置、股票期权操作、债权配置、房地产资产配置等。

由于智能投顾的风行,这两家公司管理的资产规模快速增长,Wealthfront的资产管理规模在一年之内翻了将近一倍,而Betterment也以同样的速度进行增长。花旗报告指出,2015年底智能投顾管理的资产规模已达187亿美元。未来十年,将至5万亿美元。

除了Betterment和Wealthfront,又涌现了Personal Capital、Schwab Intelligent Portfolio等企业,行业规模也迅速攀升。

在国内也有不少公司宣称进入智能投资或者是智能理财的领域,包括大型的互联网巨头和一些规模较小的互联网金融企业。

按照陶伟杰的说法,目前国内的智能投资普遍没有到深度学习的程度,目前在金融层面应用较多的还是股市的量化高频交易,所谓的量化交易是用数学模型替代人为的主观判断,利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略,减少了投资者情绪波动的影响避免非理性投资决策。

而在小微个人信贷领域,虽然已经到了机器学习的地步,但是离深度学习还有距离。

陶伟杰表示,目前行业大部分还处于数据建模和数据套用的阶段,而懒财网目前用到了数据回测、模式识别的层面,核心就是识别用户的流动性依次来为用户匹配资产,但即便如此,还是没有到深度学习的阶段。

那么造成智能理财达不到深度学习的原因有哪些呢?

目前来看,主要的阻碍在于技术方面和需求方面。

技术方面首先要知道当前最为热门的神经网络的优缺点:神经的优点是有很强的非线性拟合能力,可以映射任意复杂的非线性关系,而且学习规则简单,便于计算机实现。此外具有很强的鲁棒性、记忆能力、强大的自学习能力。

但是从缺点来说,非常依赖数据,当数据不充分的时候,神经网络就无法进行工作;神经网络需要把一切推理都变为数值计算,无法完成数值以外的推理,容易丢失信息;目前的理论和算法尚不完善有待于进一步的提高。

所以李子拓认为,目前的数据和算法都无法支撑或者没有必要使用神经网络,首先数据虽然多,但是维度单一,其次耗内存,运行速度慢,而且也并不稳定。

从需求来看,李子拓认为,懒财网目前的智能理财的核心是对用户流动性的分析,目前使用的SVM(支持向量机)分类器,能支持到双特征二次函数拟合能力,可以满足当下的需求。而如果未来数据维度和来源增多。比如说有来自征信系统的数据,超过了现在使用的技术的处理能力,那么就会有必要使用神经网络。

(下载iPhone或Android应用“经理人分享”,一个只为职业精英人群提供优质知识服务的分享平台。不做单纯的资讯推送,致力于成为你的私人智库。)

作者:佚名
来源:科技新知