5.深度學習在金融行業的應用

　　5.1.金融大數據特性決定了引入人工智能技術的必然性

　　資金融市場的數據特性主要體現為兩點：一是海量數據。二是數據維度。人工智能是解決數據瓶頸的必然選擇。

　　人工智能理財市場空間巨大且處于拐點。科爾尼咨詢預計，到2020年，智能理財的滲透率將提高到6%左右，管理的資產規模將達到2萬億美元（2015-2020年復合年均增長率約70%）。根據花旗銀行的最新研究報告，人工智能投資顧問管理的資產，2012年基本為0，到了2014年底已經到了140億美元。在未來10年的時間里，它管理的財產還會呈現指數級增長的勢頭，總額將達到5萬億美元。

　　人工智能投資與傳統量化交易有顯著區別。區別于程序化交易、量化交易，證券投資人工智能機器人構建了學習機制以及建立在其上的知識庫，能夠自主學習、推理以及進行決策。目前已經投入實際運用的證券投資人工智能已經可以取代大部分以往由人力進行的投資分析工作，自主“生產”投資策略，能夠很輕松的同時監控上千只股票、并實時根據各種市場情況自主進行買賣交易。

　　5.2.人工智能投資基金表現優異

　　第一個以人工智能驅動的基金Rebellion預測了2008年的股市崩盤，并在2009年9月給希臘債券F評級，而當時惠譽的評級仍然為A。通過人工智能手段，Rebellion比官方降級提前了一個月。掌管900億美元的對沖基金Cerebellum也使用了人工智能技術，結果從2009年以來，幾乎沒有一個月是虧損的。2012年以后，由于大數據技術成熟，以機器學習為核心的人工智能技術在證券投資領域得到認同和飛速發展，包括Renaissancetechnologies、AIDIYIA、CerebellumCapital、Cmmeq、Castilium、Binatix、Sinai、KFLCapital等多家全球著名資產管理公司開始運用人工智能技術進行證券投資。