机器学习、数据科学与金融行业

系列十四：人工智能，大数据和投资管理 (12)

11. 独特焦点：使用智能搜索来收集和处理信息

    人工智能引擎构建在大量数据之上，借助了机器学习模型、计算机视觉、图像识别、自然语言处理和OCR等。实际上，这些技术有潜力来替代重复性的大量手工工作，为初级分析师节省时间。
    随着互联网的壮大，数据密度也越来越大。当前搜索结果的关键数据或者隐藏在标注中，也可能被复制到了多个地方。AI引擎被训练从比较困难的数据源理解和提取信息，包括社交媒体和其他网站，且能够进行本地处理。
    AI引擎有能力进行非常复杂和综合性的查询，涉及公告、研究报告、财经新闻和数据库。这种类型的搜索引擎已经超越了文本信息，使用计算机视觉技术来在文档中搜索图表数据；还可以挖掘证券、行业、企业、个人和媒体的实体关系模型。AI引擎可以从PDF、图片、聊天、表格等多种数据源中提取有价值信息，同时可以追踪和调整相应的变化。
    下图展示了AI应用框架视图

    分析师的主要产出是研究报告，平均来看，分析师可以采用多门户来跟随市场发展和公司信息。AI引擎会在如下领域方面增加分析师的生产力：
1） 市场发展 – 分析师可以使用一个单一平台来访问多种数据源，并在秒级把数据融入模型中。
2） 告警 – 系统可以定制化来满足分析师的一下特殊研究需求，例如实时侦测新的重大信息，诸如政策改变等。
下图展示了AI引擎的一个例子：

    一些买方分析师依赖卖方报告和公开资源以进行研究。AI引擎可以拓宽他们的信息范围，使其触达更深更综合的信息检索。例如，报告中嵌入的图例、图标，这大大节省了分析师的时间，从而使分析师把更多时间用于投资会面、发展投资论题。