你担心的金融安全 无监督机器学习技术可以搞定( 六 )

金端峰举例说 , 猛犸反欺诈公司基于非监督式的异常检测 , 将数据分解为正常趋势、随机扰动和异常情况三部分 , 并在此基础上做到设备、网络和用户三个层面上的“千人千面”;并根据用户间的相互关联构造网络图 , 欺诈者往往团体作案 , 行为表现在网络图中呈现高度一致性和聚集性 , 与正常用户明显不同 , 因此利用聚类和图形分析辨别欺诈行为 。 “蚂蚁金服、京东金融等一些高科技互联网公司也通过无监督机器学习等技术手段 , 在金融科技方面取得了良好成绩 。 ”

除了有效防止欺诈行为的发生 , 无监督机器学习在科技金融领域还能有多种作用 。 比如通过用户画像和大数据模型精准找到用户 , 实现精准营销;根据个人投资者提供的风险承受水平、收益目标以及风格偏好等要求 , 运用一系列智能算法及投资组合优化等理论模型 , 为用户提供最终的投资参考 , 并依据市场动态对资产配置调整提供建议;投资研究需要收集大量资料 , 进行数据分析 , 报告撰写等 , 通过机器自主抓取相关信息 , 可以辅助决策 , 甚至自动生成投研报告;利用大数据人工智能技术 , 可使用海量的多维度数据 , 塑造出高度精细化的风险控制模型;通过学习、积累金融法规 , 并结合金融机构的实际情况提供合规建议;机器还可以从海量的交易数据中学习知识和规则 , 发现异常行为 , 对洗钱行为进行警示等 。


推荐阅读