熱門:

2019年1月11日

曹實 CFA投資視野

深度學習如何協助金融機構 ?

人工智能(Artificial Intelligence)影響投資行業的說法不絕於耳,箇中事例在現實生活中屢見不鮮。人工智能發展幾乎每天皆取得新突破。時至今日,愈來愈多香港及亞洲的公司和金融機構着手探討在投資市場應用「深度學習」技術所帶來的潛在裨益。

首先,我們需要簡單了解人工智能的概念,基本來說是研究如何建立具備人類智慧的機器,使其發揮學習、辨別行為模式及解決難題的能力。深度學習正是人工智能其中一環,讓電腦透過龐大的神經網絡偵測及識別行為模式。實際上,這些網絡令眾多不同機器學習演算系統在同一架構下互相配合,以便處理繁複的數據。

正如我們的大腦一樣,這些網絡可能包含數以百萬計的神經元,同時具備數據輸入及輸出功能。若神經元包含大量節點並形成多層結構,互相全面緊密連繫,這便是「深度」演算模式了。

在深度學習技術的輔助下,人工智能研究員在自然語言處理(Natural Language Processing)、語音識別及圖像識別層面上取得突破。如今,電腦能夠觀察、聆聽及理解人類,有時甚至超乎人類的能力。

節省時間提升分析成效

深度學習可為投資行業帶來三大潛在效益。

第一是效率。深層神經網絡獲得龐大數據庫的「培訓」,能夠達致高度精準,並會自行利用演算系統蒐集及總結數據,從中剖析重點所在,繼而協助人類依照數據作出決策。

實際上,此舉有助金融業節省時間,省卻千篇一律的人手程序。就此,摩根大通的智能合約(COIN)系統最常被引以為例。過往,該行律師及貸款人員每年花上多達36萬小時處理商業貸款協議,但如今COIN系統只需數秒便可完成審閱文件。

第二是有望提高分析成效。透過深度學習技術,只需點擊按鈕,便能分析數以百萬計的資訊,處理大量盈利報表,同時快速搜尋網絡資料,深度學習模型有助投資組合經理更妥善評估投資機遇及風險水平。

第三點毋庸置疑,就是改善投資成績。在結合進階深度分析後,估值模型可望取得更有意義、更準確的重要分析數據,種種因素均有助投資者在市場上佔盡先機。

深度學習技術雖有重大突破,但顯然尚有重大改進空間。

其中一個難題在於蒐集龐大的數據庫。舉例來說,市場上併購交易數據有限,不足以預測某一特定交易最終能否取得成功。

深度學習演算系統在訓練過程中必須配合「特定歸類」的數據,而這一過程以人手輸入數據為主。因此,當電腦模型面對有別於輸入示例的情景,系統便難以分類或理解。幾乎所有行業均面對這一難題,當中不少正着手就此設定統一準則。

決策透明度尚待改善

最值得留意的是,深度學習網絡仍然有欠透明,與封閉的「黑盒」無異,無法透視決策過程,而此一弊病在程式面對前所未見的情況時尤其明顯,透明度欠奉明顯有礙投資行業採用人工智能工具。香港金管局於去年發表針對銀行業開放應用程式介面的監管框架,當時亦提出此一疑慮。

外界的爭論普遍聚焦於人類與機器的對立面,但我認為,業界競爭應該更加着眼於人工智能與人類智慧互相結合的比試。金融機構及其中的團隊若未能採納人工智能技術,勢必遭到善於靈活應變的公司及團隊淘汰。

金融業尚有眾多複雜問題無法透過人工智能解決,這方面顯然難以一蹴而就。但筆者相信,此一技術正是我們行業未來發展的命脈。

作者為CFA協會亞太區金融分析研究總監

 

放大圖片 / 顯示原圖

訂戶登入

回上

信報簡介 | 服務條款 | 私隱條款 | 免責聲明 | 廣告查詢 | 加入信報 | 聯絡信報

股票及指數資料由財經智珠網有限公司提供。期貨指數資料由天滙財經有限公司提供。外滙及黃金報價由路透社提供。

本網站的內容概不構成任何投資意見,本網站內容亦並非就任何個別投資者的特定投資目標、財務狀況及個別需要而編製。投資者不應只按本網站內容進行投資。在作出任何投資決定前,投資者應考慮產品的特點、其本身的投資目標、可承受的風險程度及其他因素,並適當地尋求獨立的財務及專業意見。本網站及其資訊供應商竭力提供準確而可靠的資料,但並不保證資料絕對無誤,資料如有錯漏而令閣下蒙受損失,本公司概不負責。

You are currently at: www.hkej.com
Skip This Ads