机器学习如何推翻金融行业
发布时间：2021-06-10 15:14:32 所属栏目：大数据 来源：互联网
导读：在过去的十年中，金融行业采用了很多前所未有的前沿技术。这种转变在很大程度上归因于2008年金融危机之后涌现而出的一些初创企业，它们遵循技术优先的方法来创建金融产品和服务，其目标是改善客户体验。金融科技初创厂商成为智能手机、大数据、机器学习(ML)
|
在过去的十年中，金融行业采用了很多前所未有的前沿技术。这种转变在很大程度上归因于2008年金融危机之后涌现而出的一些初创企业，它们遵循技术优先的方法来创建金融产品和服务，其目标是改善客户体验。金融科技初创厂商成为智能手机、大数据、机器学习(ML)、区块链等新技术的早期采用者，被认为是传统的银行和金融机构所效仿的潮流引领者。
机器学习和深度学习的技术进步确实推动了计算机视觉和自然语言处理的发展。金融科技公司将不遗余力地利用这些技术突破来改善金融服务。根据一份报告，2019年，全球金融科技市场价值为72.7亿美元，预计到2025年将增长到354亿美元。Statista公司预测，到2025年，通过采用机器学习技术，全球金融行业将能够获得1820亿美元的商业价值。
这些数字确实令人难以置信，表明该行业将从机器学习中获得多少收益。以下深入研究金融行业中机器学习的应用和真实案例。
1.风险管理
由于行业的性质，金融行业始终面临各种风险。如果管理不当，可能会给银行等金融机构和客户造成麻烦，在最糟糕的情况下也可能导致银行彻底倒闭。金融行业面临的多种风险中，最常见的是信用风险和市场风险。现在，大多数银行已开始利用人工智能技术来最大程度地降低此类风险。
银行现在通过机器学习预测模型评估贷款申请者的信誉，以发现他们将来可能违约的可能性。那些没有信誉或信誉较差的人不会得到任何贷款，从而减少了因违约而造成的损失。ZestFinance公司是这一领域领先的金融科技初创企业，该公司已通过使用机器学习分析设法将违约率降低了20%。
股票市场总是被视为一个非常有风险的行业领域，因为它可能会在人们最不期待的时候崩溃，让股民和投资经理无所适从。然而崩溃并不是突然发生的，事实上，导致股票系统崩溃的微观和宏观因素很多，但人类却无法提前发现这些蛛丝马迹。机器学习和时间序列模型可以用来提前预测这些模式，以便在发生问题之前及时采取行动。Trading Technologies公司和Kavout公司就是这一领域的两个知名厂商，这两家公司正在利用机器学习来识别复杂的交易模式。
EquBot公司还有另一种有趣的方法，该方法使用IBM Watson抓取市场上的各种新闻和社交媒体帖子，并创建市场情绪分析以预测趋势。
2.欺诈管理
世界各地的银行和保险公司都面临着经常性的金融欺诈，并造成了巨大的损失。仅在美国的保险公司在2019年因欺诈索赔而损失高达340亿美元。利用机器学习分类模型可以有效地检测到这些欺诈性索赔。土耳其一家保险机构AKSigorta公司使用其预测模型，可以在8秒内标记出可疑的索赔，以便进一步审查，这有助于他们将此类虚假索赔的发现率提高了66%。
信用卡被盗和银行详细信息被盗造成的交易也给银行和客户造成巨大损失。为了遏制此类欺诈，许多金融公司正在构建基于机器学习的欺诈检测系统，以检测实时欺诈交易。当这样的系统看到异常交易时，或者阻止它，或者寻求客户确认。Datavisor公司声称其机器学习可以以90%的准确率检测出30%以上的金融欺诈。
每天都有数以百万计的人收到网络钓鱼电子邮件，并且很多由于泄露了导致金融欺诈的详细信息而成为牺牲品。现在，许多知名的电子邮件服务提供商已经集成了机器学习分类系统，以检测并阻止此类网络钓鱼电子邮件。仅Gmail一分钟就可以阻止1000万个垃圾邮件和恶意电子邮件，从而显著减少了网络钓鱼欺诈的可能性。
3.安全性
对于银行来说，实现强大的安全性非常重要，并且它们现在正在使用智能监控摄像头来监视本地和远程ATM的活动。这些监控摄像头由计算机视觉和物联网技术驱动，可以检测可疑活动并发出警报。Uncanny Vision就是这样一家行业领先的公司，它为ATM提供此类基于人工智能的监控摄像头。
为了保护内部部署，安全银行还依靠指纹、视网膜、面部扫描等生物识别安全技术来对人员进行身份验证，并防止未经授权的人员进入限制区域。已经实施生物识别技术的一些主要银行包括苏格兰皇家银行、富国银行、美国银行、巴克莱银行。
实际上，它不仅用于内部安全，而且还使用生物识别功能对通过智能手机访问银行服务的客户进行身份验证。它在密码之上增加了一层额外的安全保护功能，以确保正确的用户正在使用他们的移动应用程序。
 （编辑：安阳站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
