細數機器學習在金融領域的七大應用
大數據文摘出品
編譯：劉兆娜
機器學習是市場的新趨勢，新油田，新黃金!從概念價值的角度來看，把機器學習與任何創新相比都不為過。但是它在金融領域如何發揮呢，應用的現狀又到了什么階段呢?
我們都知道，銀行存儲了全部的信息，包括客戶的交易記錄，與客戶的溝通信息，內部信息，這些信息占用的存儲空間已經達到了Tera級，有些甚至到了PB級。現在，大數據技術可以解決像這樣的大規模數據存儲和處理的問題：數據量越大，就越能夠探查到客戶的需求和行為模式。在大數據的基礎之上，通過人工智能和機器學習算法，利用相關軟件學習客戶的行為并做出自主決策。
是不是感覺很厲害?接下來我們就看一下，看看機器學習和大數據能夠為金融帶來什么樣的力量。
機器學習在金融行業的應用案例
1. 確定銀行***選址
信息是21世紀的黃金，機器學習和大數據技術利用信息來呈現客戶的重要信息。在融資方面，收集每個客戶的信息是必須要做的事情。最常見的例子是在ATM上進行的常規操作。銀行通過采集并處理客戶的所有操作信息來預測客戶的行為，在下次訪問時，客戶無需再進行搜索和輸入號碼，點擊一個按鈕就能夠立即進行常規操作。
使用大數據獲得的信息可用于創建和操作引擎，從而用來確定開辦實體銀行的***位置。金融機構收集一個城市中客流量***的一些區域，訪問這些區域的時間，客戶所在的商店，***和最小客戶數量的信息。通過對這些信息的處理預測，選擇獲益***的位置來開辦實體銀行(順便說一句，不只是銀行可以采用這種方式選址)。選址對企業或商戶的收益如此重要，你肯定也會覺得這是一個非常好的應用場景。
2. 通過機器人投資顧問為客戶尋找***解決方案
機器人投資顧問就像沒有自我意識的虛擬助手。機器人投資顧問本質上是在考慮客戶盈利目標和風險承受能力的前提下，為客戶選定和調整金融投資組合的一系列算法。
以下是機器人投資顧問如何運作的一個示例：客戶輸入其目標(例如，在60歲時退休，節省300,000.00美元)，年齡，收入和當前金融資產情況。機器人投資顧問為了實現客戶的目標，通過機器學習算法在不同的資產類別和金融工具之間進行投資的配比。
目前，提供這類服務的公司有：Betterment、Schwab Intelligent Portfolios。
3. 將算法交易轉變為智能交易
算法交易是這樣一種交易，它可以利用軟件根據預先設定的交易標準(如時間，價格，交易量等)，下達交易訂單。算法交易允許在沒有人為干預的情況下進行交易。
機器學習技術提供了一套新的多樣化工具，使算法交易不僅僅能夠自動化執行。在機器學習(ML)的情況下，算法可以通過學習其他算法(即規則)的目標，并基于數據實現目標，例如最小化預測誤差。機器學習算法的設計能夠通過分析歷史市場行為，確定***市場策略，使交易預測更準確。
目前，提供這類服務的公司有：Renaissance Technologies、Walnut Algorithms。
4. 風險管理和反欺詐
風險管理和反欺詐是目前銀行最熱門的2個主題，這類項目首先應用機器學習和大數據等創新技術來解決。銀行通過機器學習和大數據技術，計算所有可能的風險和欺詐者，并在***次懷疑時丟棄它們。
機器學習驅動的欺詐檢測系統的主要優點是它不只是遵循風險因素清單 – 還能夠積極地學習和校準新的潛在(或真實的)安全威脅。
應用機器學習技術，系統可以檢測特殊或異常的行為，并為安全團隊標記它們。欺詐檢測系統面臨的挑戰是避免誤報， 被標記為“風險”的風險不是真正的風險。
目前，提供這類服務的公司有：Kount、APEX Analytics。
5. 延長客戶對銀行服務的依賴
除了訪問用戶經濟活動數據之外，銀行還通過獲取外部數據，如來自社交網站的數據或客戶在線行為的分析，并將這些信息添加到客戶的行為體系中。通過這些大數據信息的分析，銀行能夠挖掘大量新的機會。例如，如果客戶在評論中討論到可能購買新車，銀行就可以提供客戶想要的貸款優惠策略，并立即通過電子郵件發送給他。
6. 決定與客戶的***溝通方式
不同客戶偏好使用的溝通方式是不同的，例如社交媒體，電子郵件或即時消息。銀行必須選擇與不同客戶溝通的***方式，并通過客戶偏好的方式發送提醒，新的產品推送以及聯系客戶。這樣，不光客戶能夠及時了解到銀行的消息， 銀行也能減少通過其他方式聯系客戶的費用。
7. 客戶流失預警
通過分析關于客戶的內外部數據，可以預測客戶是否有流失風險。例如，如果客戶長時間沒有訪問銀行的分支機構，不登錄網站，也沒有訂閱社交網站中銀行的其他更新，則可以預測客戶可能會流失。這種情況下，銀行通過推薦客戶想要的產品或優惠來留住客戶是非常重要的。
【本文是51CTO專欄機構大數據文摘的原創文章，微信公眾號“大數據文摘（ id: BigDataDigest）”】
