“BDAI秒算法序”是座金融富矿

张建学

随着云计算、大数据、人工智能、区块链、物联网等新兴技术的发展和应用，金融业正在大步迈入FinTech和智慧金融时代，科技已成为金融机构创新和转型的重要突破口。

在Fintech时代，金融行业的业务模式已经离不开技术创新。其中，大数据和人工智能技术的运用正在给金融业带来前所未有的变革。借助大数据、人工智能等，金融业可以对客户进行画像并实施精准营销，不仅可以提高普惠金融服务的能力，还能提升金融服务效率、降低金融服务成本，并有效防控金融风险。

当金融机构积累起越来越多的业务数据之后，大数据的应用正在帮助金融机构进一步发掘数据价值，并成为他们开展业务创新、产品优化、决策支持以及风险控制等的重要手段。利用数据分析技术来挖掘有价值的交易数据和外部数据，可以实现以客户为中心的精准营销，有限资源的合理配置和科学治理，利润最大化目标下的风险管控等。

科技赋能与场景革命

第四届上海金融技术创新论坛以“金融数字化转型中的科技赋能与场景革命”为主题于2019年5月17日举行。众多知名专家与金融业界精英聚集上海，分享他们对当前技术趋势的专业知识，讨论如何应对这个瞬息万变的金融业。

特别演讲嘉宾之一、千泽资产管理公司的执行董事杨普磊，以“科技金融3.0时代 - 人工智能AI引领金融新变革”为主题在论坛上发表了精彩的演讲。

杨普磊认为，智能金融的核心，或者说本质是人工智能技术驱动的金融创新。从金融角度来讲，智能金融的发展依附金融产业链，涉及从资金获取、资金生成、资金对接到场景深入的金融资金流动全流程。从科技角度来讲，智能金融的发展，是基于人工智能技术的智能风控、智能投顾、智能投研、智能支付等智能解决方案，是对银行、证券、保险等金融业态的创新。

千泽资产拥有一支汇集了专业交易员、数学家、大数据分析专家、系统专家和人工智能（AI）专家所组成的顶尖研发团队。其中杨普磊在金融科技领域常被同行认可为“创科天才”，他曾在英国和美国的两家公司担任高级分析师，之后被千泽资产管理公司挖掘，负责优化自身专利研发的BDAI系统，为业界与公司创造革命性的发展。

拥有成功、持续预测股票市场的能力是技术专家多年来努力不懈的目标。

千泽近年已投入大量人力资源和巨额资金致力于专研大数据人工智能（AI）交易系统。千泽大数据人工智能（AI）系统采集了源自股票指数市场、国际大型证券公司和金融机构近10年的交易数据，市场正常与异常波动时的前兆规律，交易员交易时的思维情绪分析，并将这些数据倒入人工智能（AI）系统中让系统以神经网络、深度学习、蒙特卡洛树搜索法等技术作深度分析，从而精确地筛选出可获胜的股票。

他们已成功研发出一套精确性达99%的大数据AI指数与股票交易模式。千泽资产大数据人工智能（AI）在1天内能模拟过去10年全球股市的所有交易程序，这已远远超出人类的能力范围。由于深度学习算法的快速发展，更多的个人和公司能够依靠人工智能的股票市场预测，该技术已比专业人士能预测的更准确。

通过提供基于先进的自学算法的日常投资预测，为科学和数学带来金融新世界。这些算法预测用于确定最佳投资机会，制定系统的交易和分配策略以及监控当前的投资组合。

千泽确定了人工智能应用在资本市场日益增长的需求，并于2014年开始开发其专有的BDAI交易系统。该算法是对系统的性质进行广泛研究以及中国独特的市場发展后开发的。BDAI交易系统成功应用了大数据、广泛的机器学习技术，包括深度神经网络和遗传算法。

深度学习技术的优势

资本市场是一个非常复杂的系统，不断发展超越既定理论。市场参与者被大量且不断增长的数据所淹没，这些数据需要被消化和理解才能成功地在各种市场环境中导航。千泽的BDAI秒算法利用大数据、人工智能和深度学习技术，在大量历史股市数据中找到关系和模式，以分析和预测其行为，与更传统的方法相比，着眼于应用于资本市场的深度学习技术的优势，并解释挑战和关键问题。

到目前为止，只有拥有足够资源和专业知识的行业最大参与者才能在内部开发和维护这种类型的模型。而借助BDAI秒算法AI的预测解决方案，该领域的小型或非专业机构以及个人投资者也可以从这项技术中受益。

杨普磊说道：“深度学习将最有利于影响任何需要高度抽象的行业，以便分析大量且非常复杂的数据集。在当今世界，通过数字化，它实际上适用于大多数行业。但具体而言，它适用于汽车（包括自动驾驶汽车）、图像和语音识别领域、生物技术、生物医学、当搜索基因模式和开发药物、客户分析和商业智能，当然，也包括投资管理行业。在后者中，例如使用递归神经网络和强化学习的预测和决策算法。”

尽管如此，由于许多领域的AI应用需求以及廉价的高功率GPU和云计算服务的可用性，该领域正在迅速发展。“学习如何去学习”计算算法将很快决定哪种类型的自学习算法适合于给定任务。

杨普磊进一步表达了他的观点并评论道：技术方面，我们与客户面临的第一个挑战是向他们解释将机器学习技术与其他定量但更传统的模型完全分开的原因。一旦完成，主要的挑战是让客户对系统的运作有信心。使用传统的计量经济模型，他们将能够遵循或理解这些产出背后的推理。因为这正是深度学习应用背后的想法：它太复杂，太动态，太多参数特征发挥作用，使人类大脑无法消化和分析它。当谈到根据模型给出的见解来执行，不是“为什么”系统推荐这个和那个的问题，而是你是否可能想要在它建议之前添加一个额外的“人”过滤器。

在业务方面，许多传统动量、均值回归或基于套利的交易策略以及基本推理或基于要素的投资和分配往往变得不那么有利可图，因为许多投资者了解并使用相同的方法。此外，寻找进一步多元化的新方法变得越来越困难。随着深度学习技术在交易行业中越来越受欢迎，当涉及到寻找最佳的交易理念并获得优势时，我们期望创建更广泛的不相关策略并在将来应用它。

随着越来越多的数据具有预测价值，深度学习实际上打开了许多新事物的大门，我们非常高兴能够为投资行业的下一步做出贡献并期待来年的发展。

BDAI自学习算法结合了通用性和适应性。经过多年的数据培训，它知道规则何时发生变化，并能够相应地进行调整。我们的算法有个有趣的特征，它能为每个资产分配一个可预测性指标，一个基于相关性的相应预测的质量度量。因此，允许过滤专注于最可预测的资产。我们的产品选择包括各种行业组织，我们使用多个标准来定制预测，例如市值和流动性、市盈率、账面价值、地理位置等。

我们将释放千泽BDAI自学算法的潜力，不仅仅针对我们的交易系统，也针对我们日常生活的各个方面。

“金融+产业”之“未来金融”

在智能金融开始普及的今天，越来越多的金融公司都在转型，从传统金融向金融科技转变，但实际上，金融科技的应用远远不受限于此。千泽资产，一家颇具实力的金融科技公司正在悄然布局一个更具想象空间的新模式——通过深度分析大数据，人工智能升级场景应用，创新场景化应用项目产品，之后再将其产品转化为金融衍生项目进行资产变现，这被视为另一个新生金融科技发展趋势的模式，正在金融和科技圈内受到越来越多的关注，或将掀起一场快速升温的金融圈科技革命。

值得一提的是，千泽资产站在行业先行者的角度，专研开发大数据，在AI人工智能与产业结合的资本变现道路上加速行驶，其“金融+产业”变现模式不仅颠覆了过去的商业模式，还实现助力人工智能技术在场景应用上的创新和落地。

一方面，千泽资产打通了技术、大数据、交易、场景，金融产品形成完整的生态闭环。首先通过交易场景、能源分布式记账、合同数据化、电子化，创造底层金融资产，形成“矿产源头”，其次，再通过区块链等技术，对接信托运用金融工具开发创新的金融产品。

而另一方面，千泽资产还可以通过收购或股权投资的形式，寻找那些与发展具有协同效应的企业和技术，与现有业务深度整合，打造商业生态闭环。比如与商汤科技在人脸识别领域、与比特大陆在区块链领域的合作，通过资本纽带迅速将垂直行业的尖端科技实现在各个应用场景的落地。

在“未来金融”框架的支撐下，千泽不仅驶入业务快速发展与扩张的加速通道上，同时也吸引了众多实力资本的青睐。

未来，随着金融与“互联网+”生活的联系愈加紧密，相信会有越来越多的科技公司会像千泽资产一样，通过AI科技与金融技术的结合，借助金融资本的力量，实现产业与金融的融合。

随着金融业的快速发展，投资者对寻找解决方案的追求可能最终在千泽BDAI系统中找到了方向。金融领域的人工智能就是持续学习和重新学习金融世界中的模式、数据和发展，人工智能提供了基于当前系统或金融产品和服务系列的灵活性。这意味着无需从头开始，但可以轻松地随着时间的推移即兴创作。一旦推出，人工智能将保持金融服务的更新，并准备好面对市场。因此，金融中的人工智能对金融业起着非常宝贵的作用。随着时间的推移，人工智能不仅要彻底改变金融业，还要成为行业本身。