本文來源：大資料文摘出品    編譯：劉兆娜

機器學習是市場的新趨勢，新油田，新黃金！從概念價值的角度來看，把機器學習與任何創新相比都不為過。但是它在金融領域如何發揮呢，應用的現狀又到了什麼階段呢？

我們都知道，銀行儲存了全部的資訊，包括客戶的交易記錄，與客戶的溝通訊息，內部資訊，這些資訊佔用的儲存空間已經達到了Tera級，有些甚至到了PB級。現在，大資料技術可以解決像這樣的大規模資料儲存和處理的問題：資料量越大，就越能夠探查到客戶的需求和行為模式。在大資料的基礎之上，通過人工智慧和機器學習演算法，利用相關軟體學習客戶的行為並做出自主決策。

是不是感覺很厲害？接下來我們就看一下，看看機器學習和大資料能夠為金融帶來什麼樣的力量。

機器學習在金融行業的應用案例

確定銀行最佳選址

資訊是21世紀的黃金，機器學習和大資料技術利用資訊來呈現客戶的重要資訊。在融資方面，收集每個客戶的資訊是必須要做的事情。最常見的例子是在ATM上進行的常規操作。銀行通過採集並處理客戶的所有操作資訊來預測客戶的行為，在下次訪問時，客戶無需再進行搜尋和輸入號碼，點選一個按鈕就能夠立即進行常規操作。

使用大資料獲得的資訊可用於建立和操作引擎，從而用來確定開辦實體銀行的最佳位置。金融機構收集一個城市中客流量最大的一些區域，訪問這些區域的時間，客戶所在的商店，最大和最小客戶數量的資訊。通過對這些資訊的處理預測，選擇獲益最大的位置來開辦實體銀行（順便說一句，不只是銀行可以採用這種方式選址）。選址對企業或商戶的收益如此重要，你肯定也會覺得這是一個非常好的應用場景。

通過機器人投資顧問為客戶尋找最佳解決方案

機器人投資顧問就像沒有自我意識的虛擬助手。機器人投資顧問本質上是在考慮客戶盈利目標和風險承受能力的前提下，為客戶選定和調整金融投資組合的一系列演算法。

以下是機器人投資顧問如何運作的一個示例：客戶輸入其目標（例如，在60歲時退休，節省300,000.00美元），年齡，收入和當前金融資產情況。機器人投資顧問為了實現客戶的目標，通過機器學習演算法在不同的資產類別和金融工具之間進行投資的配比。

目前，提供這類服務的公司有：Betterment、Schwab Intelligent Portfolios。

將演算法交易轉變為智慧交易

演算法交易是這樣一種交易，它可以利用軟體根據預先設定的交易標準（如時間，價格，交易量等），下達交易訂單。演算法交易允許在沒有人為干預的情況下進行交易。

機器學習技術提供了一套新的多樣化工具，使演算法交易不僅僅能夠自動化執行。在機器學習（ML）的情況下，演算法可以通過學習其他演算法（即規則）的目標，並基於資料實現目標，例如最小化預測誤差。機器學習演算法的設計能夠通過分析歷史市場行為，確定最佳市場策略，使交易預測更準確。

目前，提供這類服務的公司有：Renaissance Technologies、Walnut Algorithms。

風險管理和反欺詐

風險管理和反欺詐是目前銀行最熱門的2個主題，這類專案首先應用機器學習和大資料等創新技術來解決。銀行通過機器學習和大資料技術，計算所有可能的風險和欺詐者，並在第一次懷疑時丟棄它們。

機器學習驅動的欺詐檢測系統的主要優點是它不只是遵循風險因素清單 – 還能夠積極地學習和校準新的潛在（或真實的）安全威脅。

應用機器學習技術，系統可以檢測特殊或異常的行為，併為安全團隊標記它們。欺詐檢測系統面臨的挑戰是避免誤報， 被標記為“風險”的風險不是真正的風險。

目前，提供這類服務的公司有：Kount、APEX Analytics。

延長客戶對銀行服務的依賴

除了訪問使用者經濟活動資料之外，銀行還通過獲取外部資料，如來自社交網站的資料或客戶線上行為的分析，並將這些資訊新增到客戶的行為體系中。通過這些大資料資訊的分析，銀行能夠挖掘大量新的機會。例如，如果客戶在評論中討論到可能購買新車，銀行就可以提供客戶想要的貸款優惠策略，並立即通過電子郵件傳送給他。

決定與客戶的最佳溝通方式

不同客戶偏好使用的溝通方式是不同的，例如社交媒體，電子郵件或即時訊息。銀行必須選擇與不同客戶溝通的最佳方式，並通過客戶偏好的方式傳送提醒，新的產品推送以及聯絡客戶。這樣，不光客戶能夠及時瞭解到銀行的訊息， 銀行也能減少通過其他方式聯絡客戶的費用。

客戶流失預警

通過分析關於客戶的內外部資料，可以預測客戶是否有流失風險。例如，如果客戶長時間沒有訪問銀行的分支機構，不登入網站，也沒有訂閱社交網站中銀行的其他更新，則可以預測客戶可能會流失。這種情況下，銀行通過推薦客戶想要的產品或優惠來留住客戶是非常重要的。