빅데이터와 인공지능에 금융 기술을 적용하는 방법은 무엇인가요?

최근 몇 년간 인공지능은 일련의 획기적인 발전을 이루었고, 금융 분야에서의 활용도 빠르게 발전했다. FDT를 할 때 우리 마음 속에는 미국의 Renaissance Technology Company라는 우상이 있었습니다. 그 회사의 펀드 평균 수익률은 1989년부터 2009년까지 35%에 달했는데, 이는 소로스와 버핏보다 10% 포인트 더 높은 수치입니다. 2015년 9월, 씨티그룹은 지능형 금융 관리로 향후 10년 동안 매출이 5조 달러 증가할 것으로 예측했습니다. 골드만삭스는 AI가 금융산업에 가져올 부가가치가 2025년까지 연간 430억 달러에 이를 것으로 예측한다. 2017년 3월 JPMorgan Chase는 이전에 변호사가 수행했던 360,000시간의 작업을 단 몇 초 만에 완료할 수 있는 금융 계약 분석 소프트웨어를 출시했습니다. 이는 인공지능이 비즈니스, 특히 금융 분야에 대규모로 적용될 가능성이 있음을 보여준다. 게다가 금융분야에 빅데이터를 적용하는 데에는 몇 가지 타고난 장점과 기반이 있습니다. 황학자는 인공지능의 전제는 데이터가 많을수록 문제를 더 잘 설명할 수 있다는 것이다. 이 데이터의 품질과 수량도 특정 요구 사항을 충족할 수 있으며 이는 인공 지능 적용에 매우 중요한 디지털 기반입니다. 또한 많은 은행 및 금융 비즈니스에는 예측과 의사결정이 포함되는데, 이는 인공지능 모델이 가장 잘 수행할 수 있는 부분입니다. 또 다른 요점은 금융이 사회에 자원을 할당하는 도구라는 점입니다. AI를 사용하여 이를 최적화하면 의심할 여지 없이 사회적, 상업적으로 큰 의미가 있습니다.

스마트 교육에 대해 이야기해보겠습니다. FDT의 본래 목적은 상인 양성이며, 공익 교육입니다. FDT는 자체 교육 철학, 교육 도구로서의 지능형 교육 소프트웨어, 완전한 교육 지침 및 평가 시스템 세트를 갖추고 있습니다. 이러한 교육 기준 및 평가 시스템 세트는 FDT 재무 지수 지수(FDT Financial Quotient Index)로, 트레이더를 평가하기 위한 표준일 뿐만 아니라 맞춤형 교육을 위한 도구이기도 합니다. 이 금융지수 지수는 거래 행동과 거래 심리에 대한 이해를 심화하기 위해 기본적으로 빅데이터를 사용하여 사용자를 프로파일링합니다. 우리는 대규모 시뮬레이션 거래 데이터를 기반으로 FDT 금융 지수 지수를 개발했습니다. 이 그림을 보세요. 이 그림의 가로축은 위험 통제 능력이고, 세로축은 수익성입니다. 이를 통해 다양한 트레이더의 상황을 구분하고 맞춤형 교육을 제공할 수 있습니다. 우리는 트레이더를 네 가지 범주로 나눕니다. 첫 번째 범주는 우수한 모의 거래자입니다. 엄청난 수의 FDT 사용자와 비교하면 그 비율은 1% 미만입니다. 이 거래자 그룹은 좋은 수익과 위험을 가지고 있으며 집중적으로 교육을 받을 수 있고 심지어 실시간 작업도 제공할 수 있습니다. 두 번째 범주는 약 9%를 차지하는 고급 모의 거래자입니다. 그들은 거래에 대한 강한 의지를 갖고 있으며 개인화된 지능형 교육 및 훈련을 통해 향상하는 데 도움을 받을 수 있습니다. 세 번째 범주는 Zhongji 모의 거래자로서 40% 이상을 차지하며 위험 인식이 강하고 패시브 투자를 고려할 수 있습니다. 네 번째 범주는 주니어 시뮬레이션 트레이더로, FDT 재무 지수 값은 상대적으로 낮지만 50% 이상을 차지하는 가장 큰 그룹이므로 금융 교육 수업을 수강할 수 있도록 계속해서 도움을 받아야 합니다.

FDT 재무지수의 혁신은 인공지능+빅데이터+행동경제학을 결합한 점이다. 전통적인 금융 방법은 설문지에 의존하고 수동으로 설정된 권한 규칙을 기반으로 하며 설정 외부의 행동 특성을 처리하는 데 무력합니다. 그러나 FDT의 금융 지수 지수는 인공 지능을 기반으로 하며 수백 개의 비선형 기계 학습 모델을 사용합니다. 거래 특성을 종합하여 다수의 판단 규칙을 자동으로 추출하고, 이는 최종적으로 금융지수 지수의 점수 순위를 형성합니다. 전통적인 금융은 결제 후 '일' 수준의 데이터를 기반으로 하며, 데이터의 양이 적고 매우 단순하며 단일 컴퓨터에서 계산되므로 숨겨진 위험과 행동 특성을 탐지할 수 없습니다. 그러나 FDT의 금융지수 지수는 빅데이터를 분석합니다. 밀리초 수준의 시장 식별, 실시간 단계별 동시 처리를 통해 거래자의 심리와 행동을 깊이 이해할 수 있으며, 거래자의 개인화된 설명이 더 명확해지기 때문에 더 많은 타겟의 개인화된 교육과 훈련이 가능합니다. 특성상 전통적인 금융 방식은 이익이나 되돌림 데이터를 기반으로 하는 반면, FDT 금융지수는 행동 금융을 기반으로 사용자의 심리적 특성과 행동 편차를 기술하므로 빅데이터 아키텍처의 기술적 지원이 필요합니다. 종합하면, FDT Financial Quotient Index의 거래 행동 특성은 행동 금융과 헤징 거래 전문 경험의 긴밀한 결합을 기반으로 합니다. 이것은 각 트레이더가 제공한 FDT Financial Quotient Index에 대한 보고서입니다. 이는 수익성, 위험, 일관성, 활동 등을 포함한 4개 사분면으로 구성된 큰 보고서이며 각 사분면에는 몇 가지 구체적인 분석이 포함되어 있습니다. 다른 모든 것은 이해하기 쉽습니다. "일관성"만 설명하겠습니다. 간단히 말해서 "강세와 약세를 헤쳐나가는 능력"과 변화하는 시장에서 유연하게 전략을 조정하여 안정적인 수익 창출을 달성하는 능력입니다. 다음은 Financial Quotient Index를 기준으로 거래에 참여하는 학교의 순위입니다.

다음은 지능형 거래에 관한 내용입니다. 트레이딩의 핵심은 손절매, 예측, 매칭입니다. 우리의 전통적인 거래는 상황이 누구이든, 무엇이든 관계없이 견딜 수 없는 거래 손실을 피하기 위해 정지 손실 라인에 도달하면 포지션이 청산됩니다. 이 상황은 실제로 성격 차이를 무시합니다.

인공 지능을 사용하면 대량의 과거 데이터와 기계 학습 모델을 사용하여 각 거래자마다 서로 다른 손절매 라인을 설정할 수 있습니다. 예를 들어 거래자의 과거 이익을 기반으로 서로 다른 손절매 라인을 설정할 수도 있습니다. 거래자의 다양한 스타일에 따라 일부 거래자는 상승 및 하락 시 기회를 포착하는 것을 좋아하므로 개인화된 손절매 라인을 설정할 수 있습니다. FDT는 재무 지수를 기반으로 정확하고 상세한 손절매 라인을 설정할 수 있습니다. 그다음에는 변동에 대한 예측이 있습니다. 거래하는 사람이라면 누구나 자산 변동성이 위험과 이익을 모두 나타내기 때문에 중요하다는 것을 알고 있습니다. 따라서 좋은 거래자는 위험 변동 속에서도 돈을 벌 수 있습니다. 이러한 변동을 어떻게 예측하고 판단할 수 있나요? 이제 빅데이터와 AI를 통해 기계 학습 방법을 사용하여 A주와 선물에 대한 변동 예측을 할 수 있습니다. 자원배분도 있습니다. 우수한 거래자에게는 구체적인 거래 기회가 주어질 수 있습니다. 결혼 중개인과 마찬가지로 우리는 이 평가 지표를 사용하여 거래자와 주식을 평가합니다. 서로 다른 거래자가 서로 다른 시장에서 활동하므로 각 거래자의 재능이 발휘될 수 있습니다. 이것이 우리가 인공 지능을 거래에 적용하는 이유이기도 합니다.

마지막으로 현명한 투자에 대해 이야기해보겠습니다. 중국 자산관리 시장은 2020년까지 자산관리 수요가 180조 위안에 달해 연평균 성장률 14%에 달할 것으로 추산된다. 그러나 현재 대부분의 이용자들은 비합리적으로 투자하고 부적절한 시기에 매매하여 대부분의 펀드상품이 수익을 내고 있으나 여전히 대부분의 이용자들은 손해를 보고 있습니다. 그래서 우리는 이를 해결하기 위해 인공지능을 활용합니다. 첫째, 지능적인 사용자 이해입니다. 시뮬레이션된 거래 플랫폼과 대량의 데이터를 사용하고 FDT 금융 지수를 사용하여 금융 행동 관점에서 사용자의 위험 선호도를 평가합니다. 두 번째는 컬럼비아 대학교의 FDT 지능형 자산 관리 센터와 협력하여 지능형 자산 포트폴리오 최적화를 위한 최고의 알고리즘 세트를 연구하는 것입니다. 세 번째는 각 투자 포트폴리오별로 미래 손익의 확률을 추정하는 지능형 투자의 위험 관리입니다. 네 번째는 지능적이고 개인화된 펀드 배분으로, 위험 선호도가 다른 고객에게 다양한 상품을 제공하는 것입니다. 이는 또한 가장 적합한 고객에게 적합한 펀드를 홍보하는 지능적이고 개인화된 펀드 추천입니다. 물론 중국의 자본시장은 아직 미성숙하고 시장운영이 시장규칙을 완전히 반영하지 못하기 때문에 로보어드바이저 시장 환경이 불안정하기 때문에 몇 가지 조건을 마련해야 한다.

요컨대 우리 금융거래 시장의 구조는 비합리적이어서 소매화가 필요하다. 미국이 그러기까지 70년이 걸렸지만 우리는 그렇게 오랜 시간이 걸리고 싶지 않다. FDT Innovation Factory를 통해 우수한 트레이더를 양성하고 효과적인 방법을 모색하고자 합니다. 우리는 거래자들이 대량의 시뮬레이션 거래 데이터를 숙지하도록 교육한 다음 과학 연구 기관과 협력하여 이러한 데이터의 가치를 발굴하여 지능형 교육, 지능형 거래 및 지능형 투자 자문을 개발하는 데 큰 공헌을 했다고 말해야 합니다. 금융시장에 인공지능을 적용하는 것입니다. 이 점에 있어서는 아직 여지가 많다고 생각합니다. 이 문제는 사회적 가치뿐 아니라 상업적 가치도 있습니다. 감사해요.