蔣鵬

摘 要 隨著世界經(jīng)濟(jì)全球化進(jìn)一步深入，各行各業(yè)市場波動(dòng)性也隨之加劇，尋找精確、客觀、可靠的風(fēng)險(xiǎn)評(píng)估方法已成為各行各業(yè)急需解決的燃眉之急。機(jī)器學(xué)習(xí)具有很好的處理非線性分類問題的能力，基于機(jī)器學(xué)習(xí)的風(fēng)險(xiǎn)評(píng)估模式能有效提高風(fēng)險(xiǎn)評(píng)估的精確度與適用性。本文以此為邏輯起點(diǎn)，分析機(jī)器學(xué)習(xí)在風(fēng)險(xiǎn)評(píng)估中的應(yīng)用模式，以及隨著而提高的風(fēng)險(xiǎn)評(píng)估的準(zhǔn)確率。

【關(guān)鍵詞】機(jī)器學(xué)習(xí) 風(fēng)險(xiǎn)評(píng)估

1 序言

隨著大數(shù)據(jù)時(shí)代的來臨，數(shù)據(jù)挖掘等新興的學(xué)科技術(shù)開始發(fā)展起來，機(jī)器學(xué)習(xí)是其中最具代表性的技術(shù)。當(dāng)今公司經(jīng)營和科學(xué)研究中，如何應(yīng)用這些新興技術(shù)是企業(yè)領(lǐng)導(dǎo)和科研人員心中未解的謎題。機(jī)器學(xué)習(xí)廣泛應(yīng)用于在交通運(yùn)輸、醫(yī)療業(yè)、生物以及信息技術(shù)和軟件工程領(lǐng)域，但本文認(rèn)為，機(jī)器學(xué)習(xí)更適用的領(lǐng)域是風(fēng)險(xiǎn)識(shí)別，因此本文著重分析風(fēng)險(xiǎn)評(píng)估過程中機(jī)器學(xué)習(xí)技術(shù)的應(yīng)用。

2 機(jī)器學(xué)習(xí)概述

以往的風(fēng)險(xiǎn)評(píng)估模式主要以線性為主，嚴(yán)重依靠個(gè)人的主觀能動(dòng)性和經(jīng)驗(yàn)知識(shí)。隨世界經(jīng)濟(jì)的一體化和文化日益多元化，風(fēng)險(xiǎn)已經(jīng)不局限于一國一省了，突破時(shí)間和空間的風(fēng)險(xiǎn)隱藏在各行各業(yè)中，傳統(tǒng)的風(fēng)險(xiǎn)評(píng)估模式已經(jīng)不能滿足風(fēng)險(xiǎn)管理的需要。更有甚者，近些年來，機(jī)器學(xué)習(xí)技術(shù)進(jìn)步神速，正在不斷接近我們心中的人工智能目標(biāo)，圖像檢測、語音識(shí)別、風(fēng)格遷移、機(jī)器翻譯等技術(shù)已經(jīng)在我們的實(shí)際生活中開始得到了應(yīng)用。

什么是機(jī)器學(xué)習(xí)？簡單來說，機(jī)器學(xué)習(xí)就是通過分析大量數(shù)據(jù)來學(xué)習(xí)，從數(shù)據(jù)中挖掘出有用的數(shù)據(jù)，即電腦利用已有數(shù)據(jù)代替人類理性思維處理數(shù)據(jù)，并精準(zhǔn)計(jì)算數(shù)據(jù)模式的過程。機(jī)器學(xué)習(xí)不是通過編程來識(shí)別數(shù)據(jù)，而是重在尋找數(shù)據(jù)中的模式并使用這些模式來做出預(yù)算。機(jī)器學(xué)習(xí)中有許多典型的問題，比如回歸、異常檢測、聚類、分類以及降維等等，每個(gè)問題延伸出來即成為算法。機(jī)器學(xué)習(xí)的過程先是選擇數(shù)據(jù)，其次建立模型數(shù)據(jù)，其次驗(yàn)證數(shù)據(jù)，再次測試數(shù)據(jù)，再次使用數(shù)據(jù)，最終調(diào)優(yōu)數(shù)據(jù)。機(jī)器學(xué)習(xí)實(shí)際應(yīng)用有很多場景，增強(qiáng)分析以降低風(fēng)險(xiǎn)是最典型的例子，比如為了檢測某個(gè)過程，計(jì)算機(jī)將機(jī)器學(xué)習(xí)和其它數(shù)據(jù)挖掘技術(shù)結(jié)合起來，開發(fā)更為全面且準(zhǔn)確的概況，獲取對(duì)整個(gè)過程的深度了解，風(fēng)險(xiǎn)相應(yīng)降低了。

3 傳統(tǒng)的風(fēng)險(xiǎn)評(píng)估模式

專家法、評(píng)級(jí)法和評(píng)分法作為傳統(tǒng)的風(fēng)險(xiǎn)評(píng)估模型，在各行各業(yè)的應(yīng)用頗為成熟。市場甚至能在不依靠中國人民銀行征信系統(tǒng)的情況下，自發(fā)形成各自適用的風(fēng)險(xiǎn)評(píng)估系統(tǒng)。大企業(yè)通過大數(shù)據(jù)挖掘，自建信用評(píng)級(jí)系統(tǒng)，而中小企業(yè)通過信息分享，借助第三方獲取風(fēng)險(xiǎn)評(píng)估服務(wù)。而三大風(fēng)險(xiǎn)評(píng)估模式均存在弊端，作為定性分析方法的專家法，因其強(qiáng)大的個(gè)人主觀性導(dǎo)致評(píng)估結(jié)果分散，無法形成統(tǒng)一的標(biāo)準(zhǔn)；依靠綜合分析信息情況定量評(píng)定等級(jí)評(píng)級(jí)法，因其對(duì)不同行業(yè)，相關(guān)因素、特征等方面不具有統(tǒng)一性，所以評(píng)估結(jié)果無法客觀；賦以權(quán)重加權(quán)或綜合考評(píng)得出分?jǐn)?shù)的評(píng)分法則在互聯(lián)網(wǎng)大數(shù)據(jù)發(fā)展時(shí)代受到嚴(yán)重的限制，喪失了原本的算法框架。

4 機(jī)器學(xué)習(xí)評(píng)估風(fēng)險(xiǎn)

機(jī)器學(xué)習(xí)是對(duì)大量的互聯(lián)網(wǎng)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，只有學(xué)習(xí)的數(shù)據(jù)量越大，預(yù)判的精準(zhǔn)性才越高。事實(shí)上，許多機(jī)器學(xué)習(xí)算法給出的評(píng)估報(bào)告本身就是大概率的。這種大概率的評(píng)估結(jié)果用于決策用于評(píng)估風(fēng)險(xiǎn)恰到好處。風(fēng)險(xiǎn)的意義在于在特定空間和時(shí)間下，預(yù)期結(jié)果可能存在的偏差，以及這種偏差的大小。機(jī)器學(xué)習(xí)算法可對(duì)不利事件發(fā)生的概率進(jìn)行預(yù)測，而確保風(fēng)險(xiǎn)評(píng)估模型都可以套用，因此機(jī)器學(xué)習(xí)技術(shù)應(yīng)用到風(fēng)險(xiǎn)評(píng)估領(lǐng)域愈來愈受歡迎。

4.1 數(shù)據(jù)收集

信息管理方要積極協(xié)調(diào)風(fēng)險(xiǎn)管理方，采集海量數(shù)據(jù)，連接端口，消除信息滯后和孤立現(xiàn)象，建立適用于大數(shù)據(jù)處理的數(shù)據(jù)中心。機(jī)器學(xué)習(xí)算法的預(yù)測依賴于與某件相似風(fēng)險(xiǎn)事件相關(guān)聯(lián)的信息，信息越多，預(yù)測越準(zhǔn)確。風(fēng)險(xiǎn)評(píng)估方應(yīng)該提供完備而準(zhǔn)確歷史評(píng)估信息，不僅包括已發(fā)生風(fēng)險(xiǎn)，還包括隱患事故，并將所有信息形成報(bào)告，并入到風(fēng)險(xiǎn)案例庫中。

4.2 機(jī)器算法

機(jī)器學(xué)習(xí)包括監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、深度學(xué)習(xí)、遷移學(xué)習(xí)、集成學(xué)習(xí)以及降維學(xué)習(xí)等等。不同的學(xué)習(xí)方法體系有不同的算法，不同的算法針對(duì)不同的應(yīng)用方式、數(shù)據(jù)集、預(yù)測目標(biāo)，預(yù)測的結(jié)果也不一致。就監(jiān)督學(xué)習(xí)而言，就有線性回歸、線性判別、支持向量機(jī)、分類和回歸樹、自組織映射以及卷積神經(jīng)網(wǎng)絡(luò)等37類算法，深度學(xué)習(xí)、也有分層時(shí)間記憶、生成式對(duì)抗網(wǎng)絡(luò)、因子分析等算法，此處就不詳細(xì)論述其他體系的算法了。風(fēng)險(xiǎn)評(píng)估基于嚴(yán)密的機(jī)器算法之下，很難出現(xiàn)不客觀的評(píng)估結(jié)果。

4.3 迭代學(xué)習(xí)

機(jī)器學(xué)習(xí)不是一勞永逸的，而是一個(gè)循環(huán)往復(fù)不斷上升的過程，它能自我更新和驗(yàn)證，修正已有的經(jīng)驗(yàn)?zāi)Ｐ秃瓦壿?。?yīng)用機(jī)器學(xué)習(xí)進(jìn)行風(fēng)險(xiǎn)評(píng)估是一個(gè)連續(xù)的學(xué)習(xí)、得出結(jié)論、再學(xué)習(xí)的過程，從而提高風(fēng)險(xiǎn)監(jiān)控的準(zhǔn)確率。對(duì)各行各業(yè)存在消極對(duì)待、過度承諾、過度樂觀、缺乏控制力、監(jiān)管風(fēng)險(xiǎn)都是一個(gè)很好的預(yù)測。

4.4 機(jī)器學(xué)習(xí)評(píng)估風(fēng)險(xiǎn)仍存在缺陷

比如被修正為無風(fēng)險(xiǎn)的事件，有可能只是在之前的風(fēng)險(xiǎn)評(píng)估中被發(fā)現(xiàn)，并采取了預(yù)防措施，但導(dǎo)致進(jìn)一步進(jìn)行機(jī)器學(xué)習(xí)無法識(shí)別，從而導(dǎo)致重特大風(fēng)險(xiǎn)事件的遺漏。

5 結(jié)語

人工智能已然是歷史的第三波浪潮，堪稱“工業(yè)4.0”，目前有突破性的成就，但也有未解之謎。真正創(chuàng)造一個(gè)有認(rèn)知力的“生命”——還有很大的難度?，F(xiàn)代社會(huì)中數(shù)據(jù)的爆炸式產(chǎn)生是由計(jì)算機(jī)的迅速發(fā)展帶來的，每時(shí)每刻都有數(shù)以萬計(jì)的數(shù)據(jù)產(chǎn)生，怎樣運(yùn)用如此龐大的數(shù)據(jù)已經(jīng)成為炙手可熱的焦點(diǎn)話題，而機(jī)器學(xué)習(xí)無疑是最佳的方法之一。

事先對(duì)風(fēng)險(xiǎn)做出科學(xué)的預(yù)測和評(píng)估才是防范風(fēng)險(xiǎn)的第一要義。應(yīng)用機(jī)器學(xué)習(xí)中的大數(shù)據(jù)預(yù)測結(jié)果是基于現(xiàn)實(shí)的風(fēng)險(xiǎn)來源，通過神經(jīng)網(wǎng)絡(luò)進(jìn)行信息處理，建立訓(xùn)練模型，再評(píng)估性能后，持續(xù)優(yōu)化得出的。因此，機(jī)器學(xué)習(xí)可以堪稱“工業(yè)4.0”時(shí)代的人工智能發(fā)展方向，這一領(lǐng)域在風(fēng)險(xiǎn)評(píng)估的應(yīng)用還有待挖掘。

參考文獻(xiàn)

[1]張瀟元.基于BP算法的金融信用風(fēng)險(xiǎn)仿真研究[J].現(xiàn)代商貿(mào)工業(yè)，2015.

[2]田家俊.基于機(jī)器學(xué)習(xí)的人機(jī)博弈的研究與實(shí)現(xiàn)[D].東華大學(xué)學(xué)報(bào)，2007.

[3]符永順.基于機(jī)器學(xué)習(xí)的移動(dòng)應(yīng)用推薦系統(tǒng)的研究與實(shí)現(xiàn)[D].通訊世界，2014.

[4]李航.統(tǒng)計(jì)學(xué)習(xí)方法[M].北京：清華大學(xué)出版社，2012.

作者單位

南陽醫(yī)學(xué)高等?？茖W(xué)校 河南省南陽市 473000endprint