人工智能初学系列笔记（6）：金融领域的应用

自学人工智能时记下的笔记系列（6）---了解一下目前人工智能在金融领域的实际应用情况。虽然人工智能已经有很多算法、模型，但不是所有的模型和算法都适合在金融领域使用。机器学习在金融领域已经有了一定的发展和成效，但仍属于探索阶段，目前发展成熟（即有效）的模型还是有限。

此外，数据是金融领域的优势，也是机器学习的基础。由于网络的兴起，目前网络上的数据积累已经很多了，股票数据、卫星数据、网络新闻等等，公开vs不公开，付费vs免费数据，可以自行扒数据，也可以购买数据服务。数据服务常见的有：收集、清理、结构化、打包、积累等。

目前比较常见的人工智能+金融模式：股票模式识别、交易系统设计、研报自动化分析、智能投资顾问。

金融分析常用数据来源：

• 个体数据：社交媒体、新闻、网页、个人数据
• 商业过程：交易数据、公司内部数据、财务数据
• 监测数据：卫星数据、地理信息。（大型期货、大宗商品交易可能会用到卫星数据。）
• 政府数据：国家统计数据、宏观数据、国际组织数据

哪些算法在金融领域应用比较多？

• 监督学习（线性回归、分类）的算法应用最多。
• 无监督学习、深度学习、强化学习的算法在金融的应用不太多。

量化金融领域的使用：

1. 自动交易：根据部署好的买卖指令，实现自动交易
2. 传统机器学习-监督学习：根据历史价格找到最佳模型，预测未来收益率
3. 传统机器学习-无监督学习：对数据进行分类、量化交易模型的主成分分析等。

基于大数据的金融工作流&#x