魏清晨

摘 要：隨著人工智能和機械學習技術(shù)的不斷進步，其應(yīng)用范圍不斷延伸，為各行各業(yè)的創(chuàng)新發(fā)展帶來了技術(shù)支撐。對于金融交易領(lǐng)域而言，運用人工智能和機器學習可實現(xiàn)投資決策、金融客服、風險控制的智能化發(fā)展。本文研究了人工智能和機器學習在金融交易領(lǐng)域中的應(yīng)用，期望對促進金融業(yè)創(chuàng)新發(fā)展有所幫助。

關(guān)鍵詞：人工智能;機器學習;金融交易

一 人工智能在金融交易領(lǐng)域中的應(yīng)用

人工智能通過數(shù)據(jù)分析、邏輯推理、計算學習等方式，借助算法判斷和歸納設(shè)定的事件，完成設(shè)置和操作。隨著人工智能技術(shù)的快速發(fā)展，它已經(jīng)被應(yīng)用于各行各業(yè)的非結(jié)構(gòu)化數(shù)據(jù)處理中，尤其在金融交易領(lǐng)域得到了成功應(yīng)用。具體應(yīng)用體現(xiàn)在以下方面。

（一）智能投資

智能投資主要應(yīng)用人工智能技術(shù)對投資者的收益目標、風險偏好、風險承受水平進行分析和智能運算，結(jié)合投資組合優(yōu)化模型，為投資者提供投資參考。在金融交易領(lǐng)域，智能投資既可以為投資機構(gòu)提供服務(wù)，也可以為消費者提供服務(wù)。對于投資機構(gòu)而言，智能投資系統(tǒng)可在分析金融數(shù)據(jù)的基礎(chǔ)上剖析多方數(shù)據(jù)，構(gòu)建交易模型，優(yōu)化投資組合;對于消費者而言，智能投資系統(tǒng)可采集處理消費者的個人信息，構(gòu)建起投資決策模型，為消費者提供個性化的投資方案。

（二）智能客服

智能客服是金融交易領(lǐng)域中最能夠體現(xiàn)出人工智能科技含量的服務(wù)產(chǎn)品，主要應(yīng)用了語音識別技術(shù)和自然語言處理技術(shù)、消費者可利用智能終端設(shè)備登錄智能客服系統(tǒng)，由智能客服根據(jù)消費者提供的信息作出應(yīng)答，為消費者提供咨詢與業(yè)務(wù)辦理服務(wù)。如果在業(yè)務(wù)辦理過程中，難以滿足消費者的需求，可轉(zhuǎn)接人工客服。

（三）風險管控

金融交易具備風險高的特點，強化風險管控是促進金融業(yè)穩(wěn)定發(fā)展的重要基礎(chǔ)。將人工智能應(yīng)用于金融交易中，可構(gòu)建起風險預測模型，為風險管控提供依據(jù)。如在貸款業(yè)務(wù)中，可運用風險預測模型對貸款人的信用進行評估，得出審批結(jié)果，在幾秒內(nèi)完成對貸款人的審核，縮短貸款業(yè)務(wù)審批時間，降低貸款風險;在金融違法犯罪行為監(jiān)管中，可應(yīng)用人工智能掃描識別數(shù)據(jù)庫中的數(shù)據(jù)文件，智能分析交易軌跡，準確識別異常交易的風險主體，為打擊違法犯罪行為提供依據(jù)。

二 機器學習在金融交易領(lǐng)域中的應(yīng)用

人工神經(jīng)網(wǎng)絡(luò)是機器學習中的重要算法，將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于金融量化交易領(lǐng)域，可彌補線性模型的弊端，描述動態(tài)的金融關(guān)系，確定金融交易時間和買賣股數(shù)。在人工神經(jīng)網(wǎng)絡(luò)中，深度學習是最新分支，可適用于更為復雜的神經(jīng)網(wǎng)絡(luò)，而UNREAL是最為先進的深度學習算法，所以下面基于UNREAL構(gòu)建起金融量化交易模型。

（一）價格預測

在金融交易系統(tǒng)中輸入原始價格、交易量等數(shù)據(jù)，將第i天的數(shù)據(jù)轉(zhuǎn)化為特征值，選定數(shù)據(jù)窗口，對訓練、驗證、暫停和測試四大區(qū)間進行劃分，使用訓練數(shù)據(jù)進行訓練，得到ML-TEA預測模型，根據(jù)預測模型獲取5天之后的價格漲跌，輸出持倉信號。

（二）交易策略

每天開盤時，根據(jù)買賣信號建倉，持倉時間根據(jù)信號而定。若持有多倉，一旦輸出空頭信號，則建立空倉，反之則不改變持有頭寸。若持有空倉，一旦輸出多頭信號，則建立多倉，反之則不改變持有頭寸。在金融交易市場中，價格影響因素較為復雜，該模型只能預測部分價格變動，因此需設(shè)置止損參數(shù)，當超出止損參數(shù)時立即平倉。

（三）訓練技術(shù)方法

在神經(jīng)網(wǎng)絡(luò)訓練中采用了Tensorflow深度學習架構(gòu)，并配合Keras神經(jīng)網(wǎng)絡(luò)庫。為適應(yīng)神經(jīng)網(wǎng)絡(luò)計算量的特點，可采用計算機集群方案，基于大規(guī)模高性能集群的卷積神經(jīng)網(wǎng)絡(luò)進行處理，構(gòu)建出多個副本，并將訓練集分為若干個子集，計算參數(shù)梯度，將參數(shù)傳輸給各個子節(jié)點，完成訓練。Tensorflow可在多種終端設(shè)備的CPU上運行，多個CPU同時訓練可滿足大規(guī)模運算需求，在訓練完成后可將模型快速發(fā)送到服務(wù)器。運用Tensorflow算法能夠避免代碼重寫工作，提高模型運算效率。

（四）確定交易時間和買賣股數(shù)

基于UNREAL構(gòu)建起的金融量化交易模型可模仿人腦處理復雜問題，形成人工神經(jīng)元的聯(lián)結(jié)網(wǎng)絡(luò)，具備較強的計算和存儲功能，可對大規(guī)模的信息進行并行處理。在神經(jīng)網(wǎng)絡(luò)訓練中，既可以通過模擬人腦進行自組織和自適應(yīng)性積累，還可以通過訓練獲取相關(guān)知識，確定最佳的執(zhí)行方案，即確定交易時間和買賣股數(shù)。

三 結(jié)語

總而言之，人工智能和機器學習是當前最為尖端的科學技術(shù)，金融交易領(lǐng)域應(yīng)嘗試應(yīng)用先進的人工智能技術(shù)和機器學習算法，實現(xiàn)智能投資、智能客服和風險智能管控，同時還可基于UNREAL構(gòu)建起金融量化交易模型，預測價格走勢，輔助金融交易決策，發(fā)揮出機器學習的最大化應(yīng)用價值。

參考文獻：

[1]高杰.人工智能在金融交易中的作用及未來的發(fā)展方向[J].電子技術(shù)與軟件工程，2017（9）：104-106.

[2]陳維君，許純純.論人工智能在金融領(lǐng)域的應(yīng)用風險和防范對策[J].重慶理工大學學報（社會科學），2019（9）：124-126.

[3]黃婷婷.機器學習在金融領(lǐng)域的應(yīng)用[D].中國科學技術(shù)大學，2018.