金融中的机器学习：好处、用例和机会

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

机器学习是当今世界各地听到的一个术语。零售、医疗保健和制造业等行业正在充分利用它。银行和金融领域的领导者也是如此。在技​​术真正爆发之前，还有足够的时间和空间。但是，我们仍然可以讨论一些现实世界的用例以及您的企业可以从中受益的方式。


金融服务中的人工智能和机器学习
金融领域的机器学习正在迅速发展——在金融领域已经有数十种选择。那么，为什么该行业将 AI 用于金融呢？

信用偿付能力评估
人工智能帮助银行更自信地向通过系统检查的人发放信贷。为此，程序和算法分析有关潜在借款人的所有可用信息，研究他们的信用记录、工资水平的变化，并在此基础上确定客户的可靠性和贷款的安全性。此外，中资银行已经走得更远，决定不再局限于专门分析数据。

他们开始引入面部微表情识别技术。这使他们能够查明客户在贷款时是否对他们的财务状况撒谎。为此，他们开发了人工智能系统，在智能手机摄像头的帮助下，可以检测到肉眼看不见的面部表情的微小变化。因此，银行发现了潜在的欺诈者，他们已经将未偿还贷款的损失减少了 60%。

做决定
这是一项全球性任务，通过在金融服务中引入 AI 和 ML 成功解决。当算法可以分析所有可用的结构化和非结构化数据（来自公司业务流程的内部数据和外部数据，例如客户请求及其在社交媒体上的行为）时，金融机构可以发现有用和潜在危险的趋势。它有助于评估风险水平并让人们做出最明智的决定。

欺诈保护
银行和支付系统已经在开发模型来识别和阻止大多数欺诈交易。这些模型建立在客户的交易历史以及客户在 Internet 上的行为之上。检测在线欺诈的基于人工智能的系统是从大数据技术发展而来的。

人工智能也将减少欺诈性社会工程。例如，当冒充银行员工的冒名顶替者伪造数据时，他的活动将被抵消。这样的系统将使犯罪分子无利可图，大多数重罪计划都会“死亡”。

服务水平提升
许多银行已经实施了基于人工智能的应用程序，允许客户获得当前问题的答案。例如，客户可以了解他本月的开支、食品支出金额、信用卡债务、最实惠的保险等。

有些应用程序在连接到支付系统时会分析帐户。例如，用于移动通信或互联网。这些为业主提供了更多的储蓄和赚钱潜力。复杂的算法分析用户在线行为，并允许金融机构开发更加个性化和互惠互利的优惠。例如，如果客户正在寻找购买汽车的机会，银行可以在分析客户的财务状况后制定合适的贷款报价。

基于数据分析的客户保留和获取
基于对客户个人财务行为的分析，银行正在制定适当的广告或提案。通过这种方式，银行还可以收到有关客户或潜在客户意图的信息。他们有机会吸引当前需要个性化报价的新客户，如果客户计划拒绝与这家银行合作，他们还可以采取措施暂停服务。

提高效率
带有人工智能的系统有助于自动化和优化银行分支机构中发生的流程。未来，将完全摒弃纸质媒体的使用。所有信息将以电子形式存在。因此，人工智能可以促进内部操作的工作，承担日常操作并比任何员工更快地处理它们（不牺牲准确性）。

此外，人工智能收集和构建不断变化的信息的能力可以提高报告的效率。AI 还可以设计内部文档，甚至是常见问题列表；所有这些都将根据需要不断更新。

投资策略的发展
每次处理新的信息流时，人工智能都会学习并系统化其知识。这使其能够评估市场情况并通过大数据分析形成最有利可图的投资交易。许多对冲基金已经将算法交易作为他们的王牌。除了该程序能够研究、分析和系统化对人脑来说太大的数据之外，在开发投资策略中使用人工智能的主要优势在于它对人类的典型感受一无所知。和情绪。贪婪、恐惧和兴奋与这项技术格格不入。因此，它的所有假设都是绝对合理的。

在道德背景下收集用户数据
所有这些任务都在大数据分析（包括个人数据）的帮助下成功解决，而人工智能显然在这方面取得了成功。但是，询问有关收集有关用户的此类信息的道德问题是合理的。目前，只有 58% 的用户对其他人或技术收集他们的个人信息保持冷静。但是，如果用户和另一方之间存在信任，客户就会对其个人数据的安全感到放心。

AI Applications in Finance
可以肯定地说，人工智能和金融已经被证明是一种有益的组合。人工智能和机器学习技术正在彻底改变我们与银行和金融机构互动的方式。根据最近的一项研究，77% 的客户选择使用信用卡支付，只有 12% 的客户选择现金支付。这并不奇怪，因为使用信用卡可以让租房、在线购物或预订航班变得更加容易。

银行使用各种因素来决定批准信用卡和贷款，信用记录是最重要的因素之一。以下是一些利用人工智能做出更明智的信贷决策的公司的例子。

ZestFinance
总部位于洛杉矶的 ZestFinance 推出了 Zest 自动化机器学习 (ZAML) 平台。这是一种有助于信用评估的承保解决方案。这里的人工智能使评估缺乏信用记录的借款人成为可能。

基于各种数据点，该平台提供了令人印象深刻的透明度。贷款人现在可以改进对过去被认为风险太大而无法贷款的人的评估。ZAML 是一个端到端平台，旨在快速实施和扩展。据 ZestFinance 称，实施 ZAML 的汽车贷方已经将年度亏损减少了 25%。

科学系统
纽约市的一个项目提供了一个人工智能驱动的承销平台，为信贷机构提供更高的透明度并减少损失。Scenaptic Ether 已经有超过 1 亿客户连接着海量的数据。该平台对转换数据做出明智的决策，并通过每次交互了解更多信息，提供上下文承保智能。Scienaptic 与一家领先的信用卡公司合作，声称在不到一个月的时间内节省了 1.51 亿美元。

金融行业越来越多地进入机器学习以获得更准确、更灵活的模型。机构已经可以改进趋势搜索、风险管理和未来规划。这里有些例子：

健正
该公司为其各自金融机构的领导者提供机器学习能力和数据分析：美国银行、摩根士丹利、标准普尔全球和摩根大通。Kensho 的分析解决方案基于最好的自然语言处理 (NLP) 和云计算。他们的系统可以用英语回答复杂的财务问题。标准普尔全球在 2018 年以 5.5 亿美元收购了 Kensho。

阿亚斯迪
该公司提供基于云的和现场机器智能解决方案，以帮助组织应对多层次的挑战。Ayasdi 用于识别、评估和管理风险；预测客户需求；甚至有助于减少洗钱活动。通过使用 Ayasdi 的反洗钱 (AML) 解决方案，一家领先的银行节省了 20% 的调查费用。

今天的消费者对银行体验的要求越来越高。根据埃森哲的数据，33,000 名银行客户中有 54% 需要实时工具来监控预算和调整支出，其中 41% 的人“非常愿意”依赖机器学习生成的银行建议。聊天机器人等解决方案使用人工智能提供个性化的财务建议，并利用自然语言处理来改善客户服务。以下是有关如何改善人们的银行体验的详细信息：

司库
人工智能驱动的对话平台 KAI 的开发人员目前正在改善金融行业的客户体验。KAI 提供自助服务解决方案，最终减少与员工交谈的需要，从而降低呼叫中心的音量。不仅如此，他们的聊天机器人还为日常财务决策提供基于数据的建议和建议。TD Bank Group 已经计划将 Kasisto 的解决方案添加到他们的移动应用程序中。

安倍人工智能
该虚拟助手与 Facebook、Google Home、Amazon Alexa、SMS、网络和手机集成，为客户提供更好的银行体验。它可以像支持请求一样简单，但也可以扩展到会话管理和个人金融银行业务。如今，提高网络安全的需求是每家银行或金融机构都必须的。人工智能和机器学习可以在这一领域产生巨大影响。以下是一些为行业领导者提供基于人工智能的网络安全的公司。

形状安全
美国的主要银行已经在使用 Shape Security 来减少信用申请欺诈、刮擦、礼品卡破解和凭证填充。Shape Security 的软件可以通过经过数十亿次请求训练的机器学习模型轻松区分真人和机器人。他们的网络 Blackfish 使用 AI 机器人来检测受损的登录凭据，及时通知客户和银行有关欺诈行为的发生。Shape Security 在使用的​​第一周就帮助一家大银行防止了 100 万个账户被劫持。

暗迹
这些是许多行业的网络安全解决方案的开发商，金融就是其中之一。他们的机器学习平台分析网络数据并提供基于概率的计算，在欺诈行为损害地球上最大的金融机构之前对其进行检测。

我们在金融领域的人工智能应用和金融科技领域的人工智能列表到此结束。现在，让我们仔细看看银行业如何使用机器学习技术。

银行机器学习
由于人工智能和机器学习金融项目的影响，银行业可以永远改变。这种变化的范围是惊人的。然而，大多数银行机构仍刚刚开始在其流程中实施人工智能。根据 Narrative Science and National Business Institute 的数据，32% 的金融服务高管已经在利用以下 AI 技术：预测分析、推荐引擎和语音识别。

在银行业中使用 AI 和 ML 的最大障碍是遗留系统。作为一个传统行业，银行业务领导者一直不愿改变对他们来说似乎非常适合的技术流程。因此，这减缓了人工智能的整合。

随着客户对银行提出更多要求，客户已成为机器学习和人工智能银行业务的真正驱动力。商业领袖了解保持竞争优势的必要性，因此被迫发展。

作为人工智能的一部分，机器学习有助于改善客户体验，并使企业减少对人类员工的依赖。以下是 ML 可以显着改善的五个银行业领域。

预防诈骗
信用卡欺诈检测和预防对任何金融机构来说都是一项挑战，对银行的声誉和利润率至关重要。幸运的是，欺诈预防是机器学习提供帮助的完美领域。一家银行有大量数据可以通过 ML 算法进行分析：消费习惯、位置和客户行为。如果某事看起来可疑并提醒持卡人，机器学习可以立即得出结论。对于人类员工来说，这种精确度是不可能的，因为必须实时分析数百笔交易。此外，算法不太可能出错。当检测到异常时，系统可能会立即要求客户提供更多信息或阻止交易。银行可以通过实施机器学习来及时发现欺诈。

风险管理
信用风险测试的自动化最终减少了银行的损失。考虑到交易的历史，人工智能还可以对可能发生的问题做出预测。在几分钟内，算法可以处理大量数据——远远超过员工的能力。大数据技术为个人投资组合持有人提供更深入的洞察力，以做出更好的决策。

个性化
虽然安全性对客户和企业非常重要，但他们也重视独特的客户体验和各种银行选择。机器学习算法可以轻松地与个人客户数据保持联系。Capital One 的助理 Eno 会在信用卡被收取两次费用或他们在咖啡馆的小费过多时向客户发送通知。有时，拿回你的钱是一个漫长而令人沮丧的过程。此助手在确定您信用卡的有效交易时可能非常有用。

ML 模型可以向客户推荐银行工具，以改善他们的财务决策。由于每家银行都提供大量不同的服务和选项，因此有时会让人感到困惑。人工智能可以为客户提供最好的银行服务选择，帮助他们感到更重要和更满意。

信用评估
使用机器学习，对信用记录进行评分和评估潜在借款人的过程可能比现在流行的方法容易得多。ML 可以客观地评估借款人，没有偏见或情绪。基于每个客户可获得的大量历史数据，银行可以更清楚地了解风险。

自动化流程
机器人流程自动化 (RPA) 可以接管日常任务，为客户提供更精确的服务，而不会出现人为错误。同时，员工可以专注于更复杂的任务。摩根大通公司的合同智能 (COIN) 已自动处理法律文件以及数据提取。机器学习和图像识别用于确定法律文件中的模式，将每年 360,000 小时的人工劳动减少到仅几个小时。聊天机器人的使用已经非常流行。这是实现自动化、提高速度和降低人工参与此类流程需求的另一种方式。

满足客户需求
另一个有趣的点是客户对采用人工智能和机器学习的兴趣甚至需求。银行机构可以随心所欲地保持保守，但他们的客户期望银行提供人工智能解决方案。提高安全性和个性化水平正在成为银行的新标准，它们必须遵守。采用人工智能存在许多障碍，例如技能差距、遗留系统和高成本；然而，客户要求改变以换取他们的忠诚度——因此，银行现在和未来都必须遵守。

人工智能在金融行业的隐患
人工智能开发领域的专家认识到，人类仍然会看到真正的人工智能的出现，它将比它的创造者更聪明。最重要的是，这样一个用人工神经网络创建的系统将独立思考和做出决策。这种创新的第一个也是最明显的后果是金融业（以及其他主要部门）将开始逐渐放弃人们对业务流程的参与。

法国最大的银行之一法国兴业银行已经宣布，由于更积极地引入数字技术，作为降低成本措施的一部分，到 2020 年将减少 15% 的分支机构和 900 个工作场所。因此，从事日常工作的金融行业员工很快就会被人工智能所取代。

领先的日本公司也宣布准备对 30,000 多个工作场所进行自动化。银行业领导人认为这是一项必要措施，因为传统的经营方式无助于增加利润。日本银行家意识到，使用人工智能做出的决策将最大限度地降低人工成本。

同时，人工智能的引入并不是对所有可能错误的补救措施——尽管这种算法不能两次犯同样的错误。

人工智能引入金融行业的投资和前景
然而，尽管存在所有危险和缺点，但统计数据证明，复杂的算法可以很好地处理它们的任务，并增加那些已经将其用于业务的人的利润。

46% 的金融科技公司认为有必要在未来 12 个月内投资人工智能。
25% 的银行目前正致力于开发防止欺诈的系统。此外，这个机会被金融机构认为是最重要的。
根据预测，到 2030 年，银行将在人工智能的帮助下节省 1 万亿美元。
对人工智能的最大投资将来自金融行业的公司。
结论
人工智能绝对是一个很有前景的投资领域。如果今天关注这些创新，从事金融工作的公司将在未来几十年保持竞争力。

题库

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：机器学习 Applications Application Narrative Institute