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爲過。可是它在金融領域如何發揮呢，應用的現狀又到了什麼階段呢？

咱們都知道，銀行存儲了所有的信息，包括客戶的交易記錄，與客戶的溝通訊息，內部信息，這些信息佔用的存儲空間已經達到了Tera級，有些甚至到了PB級。如今，大數據技術能夠解決像這樣的大規模數據存儲和處理的問題：數據量越大，就越可以探查到客戶的需求和行爲模式。在大數據的基礎之上，經過人工智能和機器學習算法，利用相關軟件學習客戶的行爲並作出自主決策。

是否是感受很厲害？接下來咱們就看一下，看看機器學習和大數據可以爲金融帶來什麼樣的力量。

機器學習在金融行業的應用案例

肯定銀行最佳選址

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，收集每一個客戶的信息是必需要作的事情。最多見的例子是在ATM上進行的常規操做。銀行經過採集並處理客戶的全部操做信息來預測客戶的行爲，在下次訪問時，客戶無需再進行搜索和輸入號碼，點擊一個按鈕就可以當即進行常規操做。

使用大數據得到的信息可用於建立和操做引擎，從而用來肯定開辦實體銀行的最佳位置。金融機構收集一個城市中客流量最大的一些區域，訪問這些區域的時間，客戶所在的商店，最大和最小客戶數量的信息。經過對這些信息的處理預測，選擇獲益最大的位置來開辦實體銀行（順便說一句，不僅是銀行能夠採用這種方式選址）。選址對企業或商戶的收益如此重要，你確定也會以爲這是一個很是好的應用場景。

經過機器人投資顧問爲客戶尋找最佳解決方案

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，爲客戶選定和調整金融投資組合的一系列算法。

如下是機器人投資顧問如何運做的一個示例：客戶輸入其目標（例如，在60歲時退休，節省300,000.00美圓），年齡，收入和當前金融資產狀況。機器人投資顧問爲了實現客戶的目標，經過機器學習算法在不一樣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。

將算法交易轉變爲智能交易

算法交易是這樣一種交易，它能夠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。算法交易容許在沒有人爲干預的狀況下進行交易。

機器學習技術提供了一套新的多樣化工具，使算法交易不只僅可以自動化執行。在機器學習（ML）的狀況下，算法能夠經過學習其餘算法（即規則）的目標，並基於數據實現目標，例如最小化預測偏差。機器學習算法的設計可以經過分析歷史市場行爲，肯定最佳市場策略，使交易預測更準確。

目前，提供這類服務的公司有：Renaissance Technologies、Walnut Algorithms。

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。銀行經過機器學習和大數據技術，計算全部可能的風險和欺詐者，並在第一次懷疑時丟棄它們。

機器學習驅動的欺詐檢測系統的主要優勢是它不僅是遵循風險因素清單 – 還可以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，系統能夠檢測特殊或異常的行爲，併爲安全團隊標記它們。欺詐檢測系統面臨的挑戰是避免誤報， 被標記爲「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。

延長客戶對銀行服務的依賴

除了訪問用戶經濟活動數據以外，銀行還經過獲取外部數據，如來自社交網站的數據或客戶在線行爲的分析，並將這些信息添加到客戶的行爲體系中。經過這些大數據信息的分析，銀行可以挖掘大量新的機會。例如，若是客戶在評論中討論到可能購買新車，銀行就能夠提供客戶想要的貸款優惠策略，並當即經過電子郵件發送給他。

決定與客戶的最佳溝通方式

不一樣客戶偏好使用的溝通方式是不一樣的，例如社交媒體，電子郵件或即時消息。銀行必須選擇與不一樣客戶溝通的最佳方式，並經過客戶偏好的方式發送提醒，新的產品推送以及聯繫客戶。這樣，不光客戶可以及時瞭解到銀行的消息， 銀行也能減小經過其餘方式聯繫客戶的費用。

客戶流失預警

經過分析關於客戶的內外部數據，能夠預測客戶是否有流失風險。例如，若是客戶長時間沒有訪問銀行的分支機構，不登陸網站，也沒有訂閱社交網站中銀行的其餘更新，則能夠預測客戶可能會流失。這種狀況下，銀行經過推薦客戶想要的產品或優惠來留住客戶是很是重要的。