百發百中？為甚麼人工智能最適合金融業？

百發百中？為甚麼人工智能最適合金融業？

最近兩位人工智能專家吳恩達（Andrew Ng）和楊強（Qiang Yang）均提到 AI 最適合用於金融業 。由於金融業有大量準確的歷史記錄數據，很少有行業比金融業更適合應用人工智能 (AI)。自從 AI 被大眾關注和大量媒體報導後，報導機器學習在金融方面的應用案例比以往都多，今天機器學習已經應用在金融系統的不同運作中，從批准貸款，管理資產，到評估風險，發揮著不可或缺的作用。以下談談 AI 在金融業的一些合適的應用。

算法交易（Algorithmic Trading）早在上世紀 70 年代已興起，主要是運用特别研發的交易策略和數據運算而做出交易決策，而在計算買賣的時機和注碼等都可由電腦自動執行。由於電腦的運算速度近年不斷提昇，很多算法交易系統能做出非常快速的交易決策，有些算法交易系統能在短時間內進行數千或數百萬次交易，因此被稱為“高頻交易”（HFT）。

大多數對沖基金和金融機構不會公開披露他們的算法交易方式，因為高回報的交易方式一旦公開或被別人識破了，便會引起大批投資者跟風或運用相反的策略，公開策略的回報便會漸漸下降甚至失效。傳統的算法交易者需要經常設計和測試新的交易算法，以避免投資回報的下降並擊敗其他算法交易者，AI 正好在這方面彌補了傳統的算法交易方式的不足，一個好的機器學習交易模式將能夠適應市場的變化做出必要的調整，採取最佳的交易策略來優化投資回報。

然而純粹依靠人工智能交易來獲得最佳的投資回報還是有很長的路要走。大多數聲稱純 AI 投資交易系統仍然只有低於平均水平的回報表現。我粗略的估計是，AI 相對人類的投資策略正回報的比率約為 20% 比 80%，目前人類的投資策略仍然比人工智能更好，機器學習仍然需要從優秀的人類投資者身上學習很多東西。

以前的金融欺詐檢測（Fraud Detection）系統在很大程度上依賴於復雜的風險分析規則 (Risk Analysis Rules)，這些規則是靠大量歷史記錄和經驗豐富的風險分析師所制定的。由於互聯網和在線社交網络變得越來越普及，以及越來越多有價值的個人和公司數據已在線儲存起來，這些在線數據就提供了大量不斷更新和全面的客戶數據可作安全風險分析。現代運用機器學習的欺詐檢測不僅僅是遵循風險因素清單內的規則去分析，還會利用大量在線數據主動學習和發現新的潛在或實際的安全威脅。AI 在金融欺詐檢測的應用正在大力發展中，但仍然存在一些誤判的分析結果，所以仍有很多深入研究要做。

機器人顧問（Robo-Advisor），這個詞在五年前基本上是聞所未聞的，但現時在金融領域內則是司空見慣。這個詞是有點誤導的，這些系統根本不涉及實體機器人。機器人顧問只是一些運用 AI 技術的算法和軟件，用以幫助客戶調整金融投資組合以達到用戶的目標和風險容忍度。用戶輸入他們的目標（例如，六十歲退休，儲蓄一百萬元），現時的年齡，收入和當前的金融資產後，機器人顧問系統便會根據用戶的目標將資產分散到適當的資產類別和金融工具中。系統根據用戶隨後的變化以及市場上的實時變化進行調校致力找到最適合用戶最終目標的方法。機器人顧問服務對一些習慣真人顧問服務的年長人仕不太適合，但對千禧一代的年青投資者則大受歡迎。

林南生 Benny Lam 簡介

林南生 Benny Lam 畢業于英國華威大學〈Warwick University〉平行電腦及計算科學取得碩士學位，及在香港取得「物流與供應鏈管理」專業文憑。現為香港電腦學會 (HKCS) 會員，智慧城市專題組 (Smart City SIG) – 大數據召集人，大數據及商業智慧專題組 (Big Data and BI SIG) 委員會成員。林南生為香港八達通〈Octopus〉系統早期設計者之一，曾負責不少大形資訊科技系統專案。林南生現為位於香港科學園的華訊站有限公司  (Right Station Ltd.) 的創辨人和總監，從事物流及供應鏈的雲計算，大數據及人工智能軟件開發及顧問服務。