AI在金融領域的應用 [2-3-2]

#商業分析  #數據科學  #金融應用  #機器學習

      紐約大學成立於1831年，是全美最大的私立學校之一，地處於繁華的市中心，也是美國唯一一座號稱“沒有校園而把整個紐約城視為校園”的學校。

      作為美國TOP30的名校，紐約大學被列為25所“新常春藤”名校之一。紐約大學各個院系為學生們提供了全面的大學、研究所及專業學位的知識，在實踐方面也擁有傑出優勢，NYU為學生們專門設立了創業實驗室，並與很多公司有直接合作專案，可以讓學生有機會參與到實際工作中。

1、人工智慧數據分析、模式識別、自然語言處理和機器人流程自動化如何適新興的金融科技趨勢？
2、人工智慧技術如何影響金融業者、大型科技公司和金融科技初創公司的競爭格局？
3、人工智慧和機器學習對金融部門的公平性、可解釋性、隱私性、穩健性和彈性提出了哪些新挑戰？這些新的應用工具如何以及應該如何適應金融業的監管結構？

傳統的財務報告，如損益表、資產負債表、現金流量和方差分析已經不能不能説明金融從業者進行關鍵指標的分析工作。當今的企業需要基於數據的財務分析來獲得更深入的金融洞察力，從而將業務運營與長期價值聯繫起來，即時建模有效地分配資源。

我們重點介紹了人工智慧的應用，包括風險管理、資產管理中的alpha生成和管理、機器人和虛擬助手、營銷、客戶關係經歷增強、欺詐檢測和演算法交易。在保險方面，我們著眼於核心支援實踐和面向客戶的活動。我們還解決了在招聘中使用人工智慧的問題。

本課程介紹機器學習，特別強調金融應用。學習如何發現大型數據集中的模式以及如何進行預測。使用 Python 程式設計語言，獲得實施機器學習演算法並瞭解分類和回歸的技能。
● 機器學習簡介，特別是在金融領域的應用
● 發現大型數據集中模式和進行預測的能力
● Excel內部程序語言或者使用Python 程式設計語言實現機器學習演算法的能力

財務分析師負責評估組織的生存能力、穩定性和財務狀況，利用財務報表以及領先的行業工具和技術。隨著大數據的興起，組織現在正在將數據驅動的分析作為識別相關財務趨勢、準備洞察力和為財務經理總結資訊的一種方式。

隨著數位技術的不斷發展，特別是企業中，我們可以發現潛在的解決方案——可以從非數位數據中強化財務核算及提高財務管理水準。

☰ 第一週：回歸任務

一、機器學習：
機器學習概念
機器學習的使用和應用場景
備用數據：非數值數據學習：圖像、文字
符號和假設語法的使用
數據模型的應用

二、線性回歸：
線性模的意義
模型“誤差”學習
金融應用：損益歸屬
金融預測分析
回歸對沖投資

☰ 第二週：分類任務

分類任務是什麼？
它與回歸任務有何不同？
公司財務：公司能否償還貸款？
金融應用：股票漲幅預判

☰ 第三週：神經網路

背景和歷史
它與回歸和分類任務的「經典」技術有何不同？
創建神經網路來解決回歸和分類任務
非數值數據學習：圖像分類
財務應用：通過分析供應鏈預測未來銷售額

☰ 第四週：神經網路的局限性和危險性

機器學習的影響：
意外偏差
欺騙神經網路：對抗性
目標不一致的危險

☰ 第五週：最終成果發表