✏️写作：个人博客，InfoQ，，知乎，CSDN
公众号：进击的Matrix
特别声明：创造不易，未经授权不得转载或抄袭，如需转载可联系小编授权。
什么是FinTech
几十年来，金融科技是金融与科技的交汇点，一向是改动金融业的强壮力气。最近的开展包含在买卖和出资管理中越来越多地运用自动化；通信网络的速度和带宽的巨大进步，这使得算法和高频买卖成为或许；以及经过机器学习对很多数据集进行深化剖析，以评估出资时机，优化出资组合，并降低危险。 这些技术进步正在影响基本面出资和定量出资的方向，并发生了一种混合方式的出资剖析，称为“量化”出资。
金融科技在量化金融方面处于什么方位
从历史上看，在金融商场中，技术很早就被布置来帮忙数据处理和使命自动化。跟着现代出资组合理论在 1950 时代和 1960 时代呈现，机器的运用非常适合那些寻求剖析股票、评估有用鸿沟和参与出资组合优化的人。跟着1970时代和1980时代期权定价和量化买卖的鼓起，核算机成为衍生品商场的柱石。在 1990 时代初期，引入了电子买卖平台，并在 2000 时代推动了股票、债券和信贷商场的全球扩张。特别是对于量化金融而言，数据量和品种的惊人增长推动了2010时代机器学习的激烈活动，而且这一努力一向持续到今天。
金融科技对金融服务业发生最大的改动
金融科技在量化金融范畴的一些关键范畴包含：
-
危险剖析：与监管机构的协调，以及压力测试和其他授权的合规性。
-
算法或“黑盒”买卖：全自动系统买卖，可在一系列买卖场所供给速度和功率。此外，Quants感兴趣的是，高频买卖在极短的时刻内涵超高速、低推迟网络上执行算法买卖。
-
商场微观结构：跟着时刻的推移，全球金融商场呈现碎片化，从纽约证券买卖所和纳斯达克等大型机构买卖所开展为包含电子买卖所、另类买卖系统和暗池在内的多个买卖场所。金融科技处于这个矩阵的中心，全球金融商场依赖于它。
-
数据科学：数据的空前增长——从包含财物价格、财务报表和经济目标在内的传统数据集，到从交际媒体网络、卫星图像、信用卡买卖和传感器网络等收集的代替数据集。
金融业人工智能的鼓起如何在金融科技中发挥重要作用
人工智能及其子范畴机器学习 (ML) 在金融范畴的运用可以追溯到 1980 时代，机器学习 在当今的数据科学革射中获得了动力。
虽然 ML 现已存在了几十年，但工具、技术、海量数据集的可用性和处理才能直到最近几年才呈现。一些学派侧重于文本剖析，一些侧重于自然语言处理，而另一些则着眼于传感器网络、卫星图像或信用卡数据，以深化了解天气形式、全球交易或零售趋势等。
例如，文本剖析运用机器学习技术从公司文件、季度财报电话会议、新闻、交际媒体帖子和电子邮件中获取见地。自然语言处理 (NLP) 与文本剖析相关，包含语音辨认、情感剖析和主题剖析。 NLP 剖析可用于辨认趋势并辨别或许影响短期成绩的公司、股票或经济事件的某些目标。在很多数据的噪音中寻觅信号非常复杂，但机器学习在过去十年中已成为金融范畴的中心主题，为商场许多范畴的Quants供给时机，从对冲基金到最大的机构出资者。
我们需要留意什么
虽然人们对机器学习(ML)的强壮功用充满热情，但仍有充沛的理由保持谨慎。仍然需要人工判别来评估数据，正确整理数据集，并为给定类型的剖析挑选正确的技术。此外，假如数据集有限或缺少元素，机器学习模型或许无法很好地执行。机器学习还面对过度拟合或欠拟合数据的危险：
- 在过拟合中，人们或许会发现虚假的关系或过错的形式，然后导致有缺点的猜测。
- 在欠拟合中，真实参数被视为噪声，模型或许无法在数据中发现有意义的形式，即使它们或许存在。
最后，从出资者关系和监管的视点来看，机器学习技术似乎是不透明或“黑匣子”的方法，发生的结果不容易了解或解释。跟着机器学习技术越来越多地应用于许多金融商场，这些是进一步研讨和开发的重要主题。
金融科技的未来
在CQF研讨所最近的一项民意调查中，绝大多数受访者（61%）认为金融科技最重要的未来趋势将是量子核算。包含摩根大通（JP Morgan）和高盛（Goldman Sachs）在内的出资银行正在开展方案，猜测量子核算或许在五年左右的时刻内涵金融范畴具有实践应用。时刻会证明全部，但具有强壮物理学和核算机科学布景的量化人员的时机将继续增长。
在更普遍的金融科技方面，在CQF研讨所的同一项民意调查中，人们对金融科技未来是否会替代银行的问题反应纷歧；39%的人说是，34%的人说或许，26%的人坚持认为他们不会替代银行。从实践的视点来看，虽然自动化、网上银行和远程银行 （ATM） 现已取得进展，但人们或许仍然需要实体银行。
金融科技未来需要量化技术
不管金融行业的终究方向是什么，量化金融各个方面的扎实教育，包含金融数学、编程和数据科学，对于工作开展都是必不可少的。CQF研讨所进行的民意调查显现，受访者在金融科技工作所需的基本技术方面最看重核算机科学组件，73%的人赞成数据科学和机器学习，23%的人喜欢编程语言。
最后欢迎我们点赞、收藏、谈论，转发！
欢迎我们重视我的微信公众号！随机共享无用的核算机常识，
微信搜索：进击的Matrix
