當(dāng)AI在金融中運(yùn)籌帷幄

8月11日訊，斯坦福大學(xué)與硅谷有著難舍難分的關(guān)系：二戰(zhàn)后斯坦福大學(xué)因財(cái)政困難，將其閑置的土地出租出去辦起了斯坦福工業(yè)園，很多科技公司開始進(jìn)駐該園。計(jì)算機(jī)時(shí)代降臨后，園里的公司大多集中在半導(dǎo)體技術(shù)領(lǐng)域，從此這里便被稱為硅谷。

可以說(shuō)硅谷催發(fā)了斯坦福大學(xué)的創(chuàng)業(yè)基因，盡管學(xué)生們創(chuàng)業(yè)不一定都選擇在硅谷。歷史上斯坦福校友共創(chuàng)建了四萬(wàn)多家公司，創(chuàng)造了數(shù)以百萬(wàn)計(jì)的工作機(jī)會(huì)，這些公司現(xiàn)在平均每年創(chuàng)造約2700億美元的營(yíng)收。

近日，斯坦福大學(xué)上海校友會(huì)與飽含斯坦?；虻墓旧紨?shù)科技共同舉辦了校友內(nèi)部分享會(huì)，探討了運(yùn)籌學(xué)驅(qū)動(dòng)的智能決策在AI浪潮中的重要地位。實(shí)質(zhì)上，當(dāng)AI將隨機(jī)模擬組合的價(jià)值最大化，背后便是運(yùn)籌學(xué)技術(shù)在支撐。

當(dāng)前AI的局限性

美國(guó)國(guó)家工程院院士，斯坦福大學(xué)運(yùn)籌學(xué)博士Peter Glynn認(rèn)為，當(dāng)前取得突破的AI領(lǐng)域有一些共同點(diǎn)：有的是存在大規(guī)模的低噪音數(shù)據(jù)，而這些數(shù)據(jù)能直接指引機(jī)器做出決策，如無(wú)人駕駛與智能音箱;有的是當(dāng)AI做出錯(cuò)誤決策時(shí)造成的負(fù)面效應(yīng)較低，如游戲比賽。但從真正的決策層面看，這些機(jī)器人并不完美。

“AI也可能做出的糟糕決策，例如在語(yǔ)音識(shí)別領(lǐng)域，最先進(jìn)的技術(shù)也經(jīng)常會(huì)鬧出誤會(huì)。其實(shí)人類自己也會(huì)犯錯(cuò)，然而如果機(jī)器的錯(cuò)誤決策導(dǎo)致極為嚴(yán)重的后果，這會(huì)讓人格外擔(dān)心——例如自動(dòng)駕駛在事故中犯的嚴(yán)重錯(cuò)誤和人工智能醫(yī)療作出的誤診，這些是性命攸關(guān)的。”

那么，運(yùn)籌學(xué)對(duì)AI發(fā)展的意義體現(xiàn)在哪?Glynn表示，運(yùn)籌者的任務(wù)是作出戰(zhàn)略或者運(yùn)營(yíng)決策，例如進(jìn)入哪些市場(chǎng)最好、是否進(jìn)行戰(zhàn)略擴(kuò)張、如何高效地管理庫(kù)存、是否進(jìn)行一項(xiàng)并購(gòu)等等。“這些決定可能會(huì)對(duì)公司產(chǎn)生重大影響，管理者不得不做假設(shè)性分析。在這些情況下，通常我們并沒有足夠的數(shù)據(jù)去挖掘出一個(gè)普適的規(guī)律。即便我們恰好有大量的數(shù)據(jù)，過(guò)分地依賴歷史數(shù)據(jù)可能也會(huì)因?yàn)槭袌?chǎng)環(huán)境的改變而誤導(dǎo)管理者對(duì)未來(lái)的判斷。例如2008年金融危機(jī)后整個(gè)市場(chǎng)的監(jiān)管措施和機(jī)構(gòu)操作方式上進(jìn)行了大洗牌?？梢钥闯霰M管我們有海量的金融歷史數(shù)據(jù)，但大部分的參考價(jià)值并不大。金融環(huán)境的復(fù)雜多變也是人工智能在預(yù)判金融市場(chǎng)時(shí)遭遇的瓶頸。”

從管理者的角度出發(fā)，Glynn提出了一個(gè)解決辦法——人工智能與隨機(jī)仿真的結(jié)合。他認(rèn)為隨機(jī)仿真的方法能建立靈活多變的模型來(lái)模擬在采取不同決策時(shí)，未來(lái)的市場(chǎng)結(jié)構(gòu)和商業(yè)環(huán)境會(huì)發(fā)生什么變化。管理者可以通過(guò)不同情境下的模擬效果來(lái)判斷決策的風(fēng)險(xiǎn)，尤其是單純依靠歷史數(shù)據(jù)所無(wú)法預(yù)知的風(fēng)險(xiǎn)。

“既重視數(shù)據(jù)分析，又重視將數(shù)據(jù)有效地轉(zhuǎn)換為決策，會(huì)創(chuàng)造更多的商業(yè)價(jià)值。”

AI能在金融中做出什么運(yùn)籌帷幄?

“就像我的老師Peter說(shuō)的，我們做的是決策的藝術(shù)，幫企業(yè)去分析你應(yīng)該如何布局、怎么讓業(yè)務(wù)設(shè)定得更好，怎么定價(jià)更合理。”杉數(shù)科技的聯(lián)合創(chuàng)始人葛冬冬是斯坦福大學(xué)運(yùn)籌學(xué)博士，上海財(cái)經(jīng)大學(xué)交叉科學(xué)研究院院長(zhǎng)，分享會(huì)上，他從金融領(lǐng)域中的收益管理、供應(yīng)鏈管理和風(fēng)險(xiǎn)管理講述了AI如何做出將價(jià)值最大化的決策。

當(dāng)消費(fèi)者在一個(gè)金融平臺(tái)上對(duì)某些理財(cái)產(chǎn)品瀏覽時(shí)間足夠長(zhǎng)的時(shí)候，內(nèi)部的人工智能系統(tǒng)已經(jīng)對(duì)消費(fèi)者的瀏覽歷史、停留時(shí)間、過(guò)往理財(cái)記錄進(jìn)行了深度的學(xué)習(xí)分析，然后得出了他最有可能的購(gòu)買產(chǎn)品，并且估算出了對(duì)系統(tǒng)最為有利的利率，可能會(huì)以優(yōu)惠折扣的方式推送給他。據(jù)億歐了解，這是杉數(shù)曾處理過(guò)的一個(gè)項(xiàng)目。

AI運(yùn)籌幫助收益最大化的思路在電商中也有體現(xiàn)，葛冬冬對(duì)億歐作者柯東舉了個(gè)例子：“對(duì)一個(gè)不停搜索索尼48寸電視的顧客來(lái)說(shuō)，一張個(gè)體化的折扣券很可能會(huì)激發(fā)他的購(gòu)買行為。而對(duì)他的激發(fā)判斷，可以通過(guò)大數(shù)據(jù)和機(jī)器學(xué)習(xí)的方式來(lái)判別。折扣券的推送時(shí)間，折扣力度，對(duì)公司業(yè)務(wù)目標(biāo)的影響權(quán)衡則是需要一個(gè)相對(duì)高等的收益管理模型和算法。”

融資平臺(tái)本身制定理財(cái)產(chǎn)品合理的利率則是需要從歷史購(gòu)買記錄來(lái)擬合供需關(guān)系，監(jiān)控競(jìng)爭(zhēng)者的利率來(lái)判斷自己的動(dòng)態(tài)調(diào)整幅度，也需要對(duì)多種金融產(chǎn)品作出替代效應(yīng)分析來(lái)實(shí)現(xiàn)整體的優(yōu)化。“從我們的經(jīng)驗(yàn)來(lái)看，需要對(duì)選擇模型(choice model)、馬氏鏈、非凸優(yōu)化、博弈論等多種模型進(jìn)行一個(gè)綜合運(yùn)用。最后算法也需要滿足速度和精度的需求。”

供應(yīng)鏈管理過(guò)程也處處需要優(yōu)化——生產(chǎn)中的利潤(rùn)最大化、倉(cāng)庫(kù)配貨量與庫(kù)存成本調(diào)整、貨架和網(wǎng)頁(yè)上產(chǎn)品的擺放與定價(jià)、運(yùn)輸路徑制定等等。“我們用數(shù)據(jù)來(lái)驅(qū)動(dòng)，提供智慧供應(yīng)鏈技術(shù)，讓這些問(wèn)題被一體化、自動(dòng)化解決。”

在風(fēng)險(xiǎn)管理方面，風(fēng)控體系的建立也需要深度數(shù)據(jù)分析和模型解析。一個(gè)普通貸款是否發(fā)放，要對(duì)申請(qǐng)人進(jìn)行全方位的信息搜集和分析——基本情況、芝麻信用分，甚至午餐習(xí)慣、日常愛好都可能被默不作聲地整合到模型里。“從美國(guó)主要信用商FICO的50維傳統(tǒng)金融模型，到今天Zest的百萬(wàn)級(jí)別交叉衍生維度信息，考驗(yàn)著運(yùn)算速度、標(biāo)準(zhǔn)化能力、過(guò)擬合判斷等多方面技術(shù)。”

葛冬冬認(rèn)為很多時(shí)候一個(gè)好的預(yù)測(cè)離好的決策依然有著很大距離，例如金融平臺(tái)上顧客申購(gòu)與贖回金的預(yù)測(cè)可做到相對(duì)偏差越來(lái)越小，但是因其敏感性，準(zhǔn)備金的策略必須謹(jǐn)慎而保守。“這個(gè)時(shí)候，一個(gè)相對(duì)安全但合理的準(zhǔn)備金策略是非常重要的。在偏差影響下，一個(gè)好的抗干擾模型，需要將風(fēng)險(xiǎn)因子轉(zhuǎn)化為可計(jì)算的凸優(yōu)化模型，運(yùn)籌學(xué)的魯棒優(yōu)化策略(Robust Optimization)在后臺(tái)為這些模型的建立起到了基礎(chǔ)的支撐。”

當(dāng)AI在金融領(lǐng)域做出越來(lái)越多的決策，人類似乎能得到更精準(zhǔn)高效的服務(wù)。那么如何安置被AI替代掉的潛在失業(yè)人群?AI通過(guò)收集大量的個(gè)人信息來(lái)對(duì)每個(gè)人量體裁衣地進(jìn)行服務(wù)，信息泄露的重大風(fēng)險(xiǎn)該如何解決?深度挖掘個(gè)人信息的算法是否會(huì)導(dǎo)致對(duì)特定地區(qū)、特定群體的人的歧視?這些問(wèn)題都值得審視，Glynn教授，杉數(shù)科技的科學(xué)家們也已經(jīng)在思考這些問(wèn)題。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。