機器學習：推動大數據金融發展

何大安

從機器學習在新科技應用中扮演的角色考察，無論是以許多簡單模型代替單一復雜模型，進而得到大量計算機服務器支持并廣泛運用的“數據驅動法”，還是以計量經濟學為底蘊從而將人工智能作為通用技術使用的分析方法，機器學習都將成為赫然貫穿其間的主要技術方法。

（一）機器學習技術及其類型不斷提升的過程，是大數據金融發展的過程，這個過程代表著金融運行的未來趨勢

機器學習是指通過對海量數據之多維度的分析處理，甄別和剔除扭曲信息和錯誤信息，通過搜尋真實或準確信息來實現最大化決策的一種匹配大數據的人工智能方法。學術界根據機器學習的特征，將之分為監督學習（Supervised Learning）、無監督學習（Unsupervised Learning）和強化學習（Reinforcement Learning）三種類型。監督學習與無監督學習之間的區別，在于學習過程中有沒有標簽的數據樣本。對于大數據金融來說，由于不同金融產品具有不同資本屬性，具有不同的價格數據，金融機構通常會運用具有回歸算法和分類算法的監督學習，按照數據輸入和輸出的一般法則，通過建模對這些數據展開機器學習。另一方面，在大數據金融的運行中，基于任何一種金融產品都不明顯具有反映明確收益的特征，金融機構也會運用沒有數據樣本標識的聚類算法來進行無監督學習，以期通過機器學習來體驗和匹配各種不同金融產品的大數據，進而運用于自己的決策。不過，針對大數據金融之數據多維度的復雜性，監督學習和無監督學習只是金融大數據走向大數據金融中的基礎性機器學習方法;它們通常局限于歷史數據，對現期數據的匹配還有相當大的距離，至于把未來數據轉化成“算法”則是很遙遠的事。……