金融大数据与人工智能
2017年6月25日
大数据
陈宸
曾任宜信数据科学家
海外双硕士，精算、应用统计出身多年的一线互联网公司从业经验，长期工作在数据一线。曾任职于宜人贷资深数据科学家 带领团队，做过贷款用户的反欺诈识别，用户特性识别。并根据不同的用户特性，组织运营、客服团队，对不同的用户，进行针对性的转化策略，提高企业效率精准识别。,
  • 分享简介
    人工智能领域，AlphaGo可谓炙手可热，于是坊间纷纷传闻人工智能将开始在各个领域对人类智慧发起挑战。李开复也在用钱宝C轮融资发布会上预测，金融行业80%的从业者未来十年，都将被人工智能所取代。
    目前，人工智能在金融金融所面对的问题，到底和AlaphGo在围棋博弈中所面对的问题，到底有什么不同？在围棋中，快速成长的智能系统，是否在金融领域也可以同样快速的超越人类智慧？
    本次分享，人工智能在金融领域的实战过程中，最大的问题是什么？我们需要如何以人类智慧做指引，去辅助人工智能快速强大，并实现更高的效率。
  • 分享提纲
    1. 大数据在金融领域所扮演的重要角色
    λ 个人信贷需要对借款人实现风险评估，通过大数据能更准确的刻画出用户的风险特性，帮助金融服务的达成
    2. 智能系统过程中推动的关键技术问题
    λ 不完全信息
    λ 欺诈手段围绕决策引擎规则不断更新进化
    λ 新维度的提炼以及还款数据的滞后性，给智能系统快速适应变化带来了障碍
    3. AlphaGo和金融领域的智能系统面对问题的差异性
    λ AlphaGo是在“完全信息”下，进行高质量拟合的尝试。并且可以实现，高阶AlphaGo和低阶AlphaGo互相博弈的情况下，去生成学习素材（棋局），而在金融领域，完全不具备这样的条件。如果企业在“不完全信息”下，把更多的精力放在很重的拟合迭代上，其达到的结果，很可能差强人意、事倍功半。
    4. 如何搭建并完善金融领域的的智能系统
    λ 在个人信贷业务下，需要在反馈数据的基础上，快速审视，决策模型的适用性，并针对更新换代的欺诈手段，予以智能系统的识别。人类智慧需要引导人工智能系统去适应变化
    案例：宜人贷反欺诈识别规则的升级
    5. 金融领域的智能系统，需要解决的问题
    λ 面对变化的欺诈手段，寻找识别新欺诈手段的数据源
    λ 需要快速测试维度的有效性，进行模型迭代
    λ 以聚类算法等浅度学习技术，快速识别用户的还款模式，以弥补还款数据的滞后性
    λ 模型选择要紧扣业务目的，完全信息的条件下，才更适合将重点放在重度模型拟合方面
    6. 问题和解答
  • 分享收益
    1. 理解大数据、人工智能在金融服务流程中，应该扮演的角色
    2. 理解在金融领域和现在最流行的AlphaGo，在整个智能系统的搭建过程中，所面对问题的差异性
    3. 金融领域的智能系统，应该如何完善
    4. 人类智能和人工智能在，智能系统搭建过程中，要如何区分角色
热门推荐