금융 기술은 빅데이터와 인공지능에 어떤 응용이 있습니까?

최근 몇 년 동안 인공지능은 일련의 돌파구를 보였고, 금융 분야에서의 응용도 급속히 발전했다. 우리가 FDT 에 있을 때, 우리 마음속에는 미국의 르네상스 기술 회사인 우상이 있었다. 산하기금은 1989 부터 2009 년까지 평균 수익률이 35% 에 달하며 소로스와 버핏보다 10% 포인트 높다. 20 15 년 9 월, Citigroup 은 향후 10 년 동안 스마트 재테크가 5 조 달러의 수입을 늘릴 것이라고 예측했다. 골드만 삭스는 2025 년 AI 가 금융업에 가져온 부가가치가 연간 430 억 달러에 이를 것으로 전망했다. 2065438+2007 년 3 월 모건대통은 금융계약을 분석하는 소프트웨어를 발표해 단 몇 초 만에 전 변호사 36 만 시간의 일을 완성할 수 있게 됐다. 이는 인공지능이 상업, 특히 금융 분야에 광범위하게 적용될 가능성이 높다는 것을 보여준다. 그리고 금융 분야에서의 빅데이터 응용에도 선천적인 장점과 기초가 있다. 황원사는 인공지능의 전제는 방대한 양의 큰 데이터가 있어야 하며, 데이터가 많을수록 문제를 설명할 수 있다고 방금 말했다. 금융회사는 천성적으로 데이터 회사, 은행 또는 거래로 매일 데이터와 거래하고 있으며, 이러한 데이터의 품질과 수량도 일정한 요구 사항을 충족시킬 수 있습니다. 이는 인공지능 어플리케이션의 매우 중요한 디지털 기반입니다. 또한 은행 금융 업무는 상당한 예측과 의사 결정으로 인공지능 모델이 가장 잘하는 분야다. 또 한 가지 더, 금융은 사회 전체의 자원 배분을 위한 도구로서 AI 로 최적화하는 것은 의심할 여지 없이 중요한 사회와 상업적 의의를 가지고 있다.

게다가 지능 교육입니다. FDT 의 원래 목적은 교역원을 양성하는 것이었고, 일종의 공익교육이었다. FDT 는 자체 교육 이념, 지능형 교육 소프트웨어를 교육 도구로, 완벽한 교육 기준과 평가 체계를 갖추고 있다. 이 교육 기준과 평가 체계는 FDT 재상 지수로, 우리가 거래자를 평가하는 기준일 뿐만 아니라 개인화된 교육의 도구이기도 하다. 이 재상 지수는 본질적으로 큰 데이터를 통해 사용자에 대한 초상화이다. Dell 의 사용자는 거래자와 개인으로, 그들의 거래행위와 거래심리에 대한 이해를 깊어지게 합니다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 거래명언) 우리는 대량의 시뮬레이션 거래 데이터를 기초로 FDT 재상 지수를 발명했다. 이 사진을 봅시다. 이 그림의 가로좌표는 위험통제력, 세로좌표는 수익성이다. 이를 통해 우리는 서로 다른 거래자의 상황을 구분하고 개별적으로 교육할 수 있다. 우리는 거래자를 네 가지 범주로 나누었다. 첫 번째 범주는 우수한 아날로그 거래원이다. 이들은 방대한 FDT 사용자에 비해 극소수로 1% 도 안 된다. 이 거래자들은 수익과 위험이 모두 좋아서 중점적으로 배양할 수 있고, 심지어 그에게 펌오퍼를 줄 수도 있다. 두 번째 범주는 약 9% 를 차지하는 고급 시뮬레이션 거래자입니다. 그들은 매우 강한 거래 의지를 가지고 있으며, 개인화된 지능 교육 훈련을 통해 그를 향상시킬 수 있다. 세 번째 범주는 중극 시뮬레이션 거래원으로 40% 가 넘는다. 그들은 위험 의식이 강해서 수동적인 투자를 고려할 수 있다. 네 번째 범주는 1 차 시뮬레이션 거래자입니다. FDT 재상 지수는 상대적으로 낮지만, 수량이 가장 많아 50% 이상을 차지한다. 그들은 그들이 금융 교육 수업을 받도록 계속 도와야 한다.

FDT 재상 지수의 혁신은 인공지능+빅 데이터+행동경제학을 결합한 것이다. 전통적인 재무 방법은 설문지에 의존하며, 인위적으로 설정된 권한 규칙에 따라 설정 이외의 행동 특성에 대해서는 아무것도 할 수 없습니다. FDT 의 재상 지수는 인공지능을 바탕으로 비선형 기계 학습 모델을 통해 수백 개의 거래 특징을 결합하여 대량의 의사 결정 규칙을 자동으로 추출하여 결국 재상 지수의 점수 순위를 형성한다. 전통적인 금융은 결제한' 일' 급 데이터를 기반으로 하고, 데이터 양이 작고, 매우 간단하며, 독립 계산으로 숨겨진 위험과 행동 특징을 발견할 수 없다. FDT 의 재상 지수는 밀리초급 시세에 따라 큰 데이터를 식별하고 실시간으로 단계별로 병행하여 거래자의 심리와 행동을 심도 있게 파악할 수 있다. 데이터가 많을수록 거래자의 개인화된 묘사가 명확해질수록 개인화된 교육 교육이 더욱 타겟이 될 수 있습니다. 특성상 전통적인 금융 방법은 수익성 또는 인출 데이터를 기반으로 하는 반면 FDT 재테크 지수는 행동금융학을 기반으로 사용자의 심리적 특성과 행동 편차를 묘사하며, 이를 위해서는 대규모 데이터 아키텍처의 기술 지원이 필요합니다. 전반적으로 FDT 재상 지수의 거래 행동 특징은 행동금융학과 헤지거래 전문가 경험의 밀접한 결합을 바탕으로 한 것이다. 이것은 각 거래자가 제공하는 FDT 재테크 지수에 대한 우리의 보고서이다. 이익, 위험, 일관성, 활동도 등 네 가지 사분면이 있는 큰 보고서입니다. 각 뒤에 몇 가지 구체적인 분석이 있습니다. 나머지는 모두 잘 이해한다. "일관성" 만 설명하고, 간단히 말하면' 우곰 횡단' 으로 변화하는 시장에서 전략을 유연하게 조정해 안정적인 이윤 수출을 실현할 수 있는 능력이다. 다음은 이 거래에 참여한 학교들이 재테크 지수에 따른 순위들이다.

먼저 스마트 거래를 말하다. 거래의 핵심은 정지 손실, 예측 및 일치입니다. 우리는 반드시 전통 거래에서 정지선을 설치해야 한다. 어떤 상황에서도, 우리는 감당할 수 없는 거래 손실을 피하기 위해 폐선에서 창고를 정리할 것이다. 이런 상황은 사실 성격 차이를 간과하고 있다. 인공지능을 통해 대량의 역사적 데이터가 있는 경우 기계 학습 모델을 이용하여 각 거래자에게 서로 다른 정지선을 설정할 수 있다. 예를 들어, 거래자의 역사적 수익성에 따라 서로 다른 정지선을 설정하거나 거래자의 다른 스타일에 따라 설정할 수 있습니다. 어떤 거래자들은 오름차순에서 기회를 잡는 것을 좋아하고 잘하는데, 너는 그들을 위해 개인화된 정지선을 설치할 수 있다. FDT 는 재테크 지수에 따라 정확하고 상세한 정지선을 설정할 수 있습니다. 그런 다음 변동 예측이 있습니다. 거래에 종사하는 사람들은 자산의 변동성이 중요하다는 것을 알고 있습니다. 왜냐하면 그것은 위험과 수익을 모두 의미하기 때문입니다. 따라서 좋은 거래자는 위험 변동으로부터 돈을 벌 수 있습니다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 성공명언) 어떻게 이런 변동을 예측하고 판단할 수 있습니까? 이제 큰 데이터와 AI 가 있으면 기계 학습을 통해 A 주와 선물의 변동을 예측할 수 있다. 그리고 자원의 할당입니다. 우수한 거래자에게 너는 그들에게 구체적인 거래 기회를 줄 수 있다. 결혼 소개소처럼, 우리는 이 평가 지표를 사용하여 거래자와 주식을 평가하고, 거래자마다 다른 시장을 만들어 각 거래자의 재능을 충분히 발휘할 수 있도록 하는 것도 인공지능이 거래에 대한 응용이다.

마지막으로 스마트한 투자에 대해 이야기하겠습니다. 중국의 자산 관리 시장은 빠르게 성장하고 있다. 2020 년까지 180 조 위안의 부 관리 수요가 있을 것으로 예상되며, 연간 복합 성장률은 14% 입니다. 그러나 현재 대부분의 사용자 투자는 비이성적이고 매매 시기가 적절하지 않아 대부분의 펀드 제품이 수익성이 높지만, 대부분의 사용자는 여전히 적자를 내고 있다. 그래서 우리는 인공지능으로 해결하려고 합니다. 첫 번째는 지능형 사용자 이해입니다. 시뮬레이션 거래 플랫폼과 대량의 데이터를 통해 FDT 재무 지수를 사용하여 금융 행동의 관점에서 사용자의 위험 선호도를 평가합니다. 둘째, 형 FDT 스마트 자산 관리 센터와 협력하여 스마트 포트폴리오 최적화를 위한 최상위 알고리즘을 연구했습니다. 셋째, 지능형 투자의 위험 관리를 통해 각 포트폴리오의 미래 손익확률을 추정합니다. 넷째, 지능적이고 개인화된 자금 배분, 고객마다 다른 위험 선호도, 다른 제품을 제공한다. 이것은 또한 가장 적합한 고객에게 적절한 펀드를 판매하는 지능적이고 개인화된 펀드 추천이다. 물론, 우리나라 자본시장이 아직 성숙하지 않았기 때문에, 시장 운영도 완전히 시장 법칙의 반영이 아니기 때문에, 지능적으로 투자하는 시장 환경은 불안정하기 때문에, 우리는 몇 가지 조건을 만들어야 한다.

결론적으로, 우리의 금융거래 시장 구조는 불합리하며, 미국 소매는 70 년이 걸린다. 우리는 이렇게 여러 해 동안 쓰고 싶지 않다. 우리는 FDT 혁신 공장을 통해 우수한 거래원을 양성하고 효과적인 방법을 탐구해야 한다. 우리는 거래원이 대량의 시뮬레이션 거래 데이터를 파악한 다음 과학 연구 기관과 협력하여 이러한 데이터의 가치를 발굴하고 지능형 교육, 스마트 거래, 스마트 투자를 개발합니다. 우리는 인공지능이 금융시장의 응용 방면에서 초보적인 탐구를 했다고 말해야 한다. 나는 우리가 이 방면에 아직 많은 공간이 있다고 믿는다. 이 일은 사회적 가치뿐만 아니라 상업적 가치도 있다. 감사합니다.