中文字幕激情国产一区,麻豆自拍伦理电影,日本免费2区

[ 相關(guān)筆記 ]

行業(yè)需求及痛點(diǎn)

傳統(tǒng)投資研究場景下，分析師需要從新聞、財(cái)報(bào)、研報(bào)、行業(yè)網(wǎng)站等多個(gè)渠道獲取大量數(shù)據(jù)、信息和知識形式的“素材”，然后通過邏輯梳理將這些“素材”進(jìn)一步組織，輸出可供投資決策的看法和建議。但在這個(gè)過程中經(jīng)常面臨如下問題：

a. 效率低、耗時(shí)耗力：金融資訊信息非常豐富，且更新快（信息涉及公司新聞、股票、證券、宏觀經(jīng)濟(jì)、政策法規(guī)、社交媒體評論等），從如此多的信息中準(zhǔn)確找到相關(guān)文章并逐篇分析是費(fèi)時(shí)費(fèi)力的。

b. 門檻高、人才流動影響大：某些行業(yè)和產(chǎn)業(yè)的上下游較為復(fù)雜，是否將其梳理清楚直接決定了能否駕馭該領(lǐng)域，而這些梳理后的知識基本都存在分析師的大腦里，一旦分析師離職，將直接影響這個(gè)行業(yè)分析的延續(xù)。

面向客戶

各種一二級市場的投資機(jī)構(gòu)（公募、私募、PE、VC、產(chǎn)業(yè)基金、金融集團(tuán)等)、券商（投行部、研究部）、咨詢公司、監(jiān)管部門（證監(jiān)會、交易所)、銀行、財(cái)經(jīng)媒體、產(chǎn)業(yè)園區(qū)、企業(yè)等。

解決方案

人工智能技術(shù)可以拓寬投資信息來源，減少基礎(chǔ)數(shù)據(jù)處理的工作量，提高信息獲取的效率，通過自動化的數(shù)據(jù)分析，為投資決策提供參考，從而提高投資研究的效率。涉及的底層技術(shù)包括圖像識別、自然語言處理、知識圖譜、情感分析等。其中，就知識圖譜技術(shù)來說，落地應(yīng)用主要包括三類：

一是基礎(chǔ)數(shù)據(jù)服務(wù)：將多源金融數(shù)據(jù)和信息實(shí)現(xiàn)知識結(jié)構(gòu)化，進(jìn)而為客戶提供可視化、智能搜索、智能客服等服務(wù)。

二是事件影響分析：構(gòu)建事件圖譜，研究事件對于發(fā)生實(shí)體的影響，為客戶提供投資預(yù)測、監(jiān)測預(yù)警等服務(wù)。

三是不一致性檢驗(yàn)：為客戶提供風(fēng)險(xiǎn)評估與反欺詐等服務(wù)。

1. 基礎(chǔ)數(shù)據(jù)服務(wù)：金融知識結(jié)構(gòu)化

1.1 基本思想

從較大范圍獲取數(shù)據(jù)（包括但不限于工商數(shù)據(jù)、證監(jiān)會官網(wǎng)、基金業(yè)協(xié)會官網(wǎng)、公司官網(wǎng)和公眾號、專利數(shù)據(jù)、招聘網(wǎng)站、新聞等），清洗并將其結(jié)構(gòu)化，形成知識網(wǎng)絡(luò)，最后以可視化的形式展現(xiàn)出來，供用戶搜索、管理、再組織，或者將知識圖譜當(dāng)做知識庫，通過KBQA為金融問答系統(tǒng)、智能客服系統(tǒng)、金融智能搜索等業(yè)務(wù)提供支持。

1.2 產(chǎn)品價(jià)值

基于知識圖譜建立的金融知識網(wǎng)絡(luò)有兩大優(yōu)勢：一是“規(guī)則化”。構(gòu)建過程摒棄了傳統(tǒng)人工選擇的方式，具有固定的生成規(guī)則，便于回溯和更新迭代。二是“時(shí)序化”。節(jié)點(diǎn)和關(guān)系信息會隨著時(shí)間的變化不斷更新。例如，如果某個(gè)棉花種植公司主營業(yè)務(wù)變更為棉花加工，那么它在產(chǎn)業(yè)鏈中的位置就從上游變?yōu)橹杏巍?/p>

1.3 主要難點(diǎn)

金融知識圖譜的構(gòu)建需要依據(jù)大量先驗(yàn)信息，例如如棉花的上游產(chǎn)業(yè)、下游產(chǎn)品分別包括哪些對象，先驗(yàn)信息的獲取與分析是能否構(gòu)建有效知識圖譜的關(guān)鍵。

1.4 典型落地場景

（1）產(chǎn)業(yè)鏈挖掘

公司主營產(chǎn)品信息、公司所屬行業(yè)，產(chǎn)品所屬細(xì)分行業(yè)，產(chǎn)品上下游、行業(yè)上下游等信息構(gòu)成了實(shí)體公司的投資分析基礎(chǔ)，這些數(shù)據(jù)都屬于產(chǎn)業(yè)鏈數(shù)據(jù)，是分析師做投資研究的基礎(chǔ)數(shù)據(jù)。

例如，將有棉布經(jīng)營的相關(guān)主營業(yè)務(wù)的公司“實(shí)體” 與棉花服務(wù)中的“棉布經(jīng)營” 鏈接，而“棉花經(jīng)營”從屬于棉花產(chǎn)業(yè)鏈中的“中游”這一概念，即可得到該公司處于棉花產(chǎn)業(yè)鏈的中游。

（2）公司股權(quán)挖掘

公司的股權(quán)關(guān)系包括：股東關(guān)系、投資關(guān)系、母子公司關(guān)系、擔(dān)保關(guān)系、質(zhì)押關(guān)系等等，一個(gè)公司的股權(quán)信息代表了一個(gè)實(shí)體公司在金融層面的一些運(yùn)作，股權(quán)投資、股權(quán)激勵、增資擴(kuò)股、股權(quán)質(zhì)押、股權(quán)擔(dān)保等都屬于這類業(yè)務(wù)，股權(quán)結(jié)構(gòu)的變化可能會體現(xiàn)出公司的經(jīng)營風(fēng)險(xiǎn)、業(yè)務(wù)前景等。

1.5 代表公司

AlphaSense（https://www.alpha-sense.com/index.html），成立于 2008 年，其從文件、新聞和研究報(bào)告等碎片化信息中集合所有投資信息，通過語義分析構(gòu)建成知識圖譜，整合相關(guān)概念、主題、行業(yè)等，并提供高級語義搜索引擎、智能問答、交互式知識管理系統(tǒng)、文檔（知識）協(xié)作系統(tǒng)，以對金融知識進(jìn)行更加有效的管理、搜索、使用。

2. 事件圖譜：事件影響分析

2.1 基本思想

將新聞、公告、輿情等各類資訊，用人工智能分類的方法進(jìn)行事件類型識別，將識別好的事件和關(guān)聯(lián)主體跟金融知識圖譜做關(guān)聯(lián)，從而形成事件圖譜。當(dāng)知識圖譜中的某個(gè)節(jié)點(diǎn)受到?jīng)_擊時(shí)，會通過圖網(wǎng)絡(luò)輻射到其他關(guān)聯(lián)實(shí)體。

2.2 產(chǎn)品價(jià)值

通過知識圖譜可以構(gòu)建事件驅(qū)動策略，研究事件對于發(fā)生實(shí)體的影響。例如原材料漲價(jià)，對行業(yè)上下游的公司有什么影響？某P2P平臺暴雷，這個(gè)風(fēng)險(xiǎn)事件對上市公司會有什么影響？CPI拐點(diǎn)出現(xiàn)，該指標(biāo)對哪些行業(yè)、哪些公司有哪些影響？

以“蘋果公司 iPhone 5s 推出時(shí)，市場評價(jià)不佳，公司股價(jià)應(yīng)聲下挫”這一事件為例，傳統(tǒng)策略主要有兩個(gè)特點(diǎn)：一是人工處理，即 iphones 5s 產(chǎn)品市場評價(jià)與蘋果公司股票價(jià)格之間的關(guān)系，主要通過人工確認(rèn)；二是不夠深入，只研究直接發(fā)生事件的實(shí)體的股價(jià)表現(xiàn)，而忽略了間接事件的影響。借助知識圖譜，則可以實(shí)現(xiàn)更為及時(shí)、深入的事件驅(qū)動策略。

2.3 主要難點(diǎn)

基于事件圖譜，我們可以回答哪些公司有可能會被某事件影響，但僅僅是“有可能”，具體會不會有強(qiáng)相關(guān)性必須由數(shù)據(jù)來驗(yàn)證。因此，事件圖譜只是將我們所需要關(guān)注的范圍很快圈定下來，后續(xù)如果要進(jìn)一步分析具體影響程度，必須要有影響模型、以及歷史數(shù)據(jù)才能在知識圖譜中做進(jìn)一步推理以及計(jì)算。

2.4 典型落地場景

（1）投資預(yù)測

分析某一事件對有價(jià)證券價(jià)格的影響，生成投資信號，提高投資者對非結(jié)構(gòu)化信息的應(yīng)用效率。例如，通過“主營業(yè)務(wù)產(chǎn)品”關(guān)系將 iphone 5s 與蘋果公司關(guān)聯(lián)，再通過提及關(guān)系將 twitter 評論與 iphone 5s 相關(guān)聯(lián)。當(dāng) twitter 評論出現(xiàn)負(fù)面情緒時(shí)，就可以通過這兩層關(guān)系快速鏈接到蘋果公司股價(jià)，生成投資信號。其次，通過“主要供應(yīng)商”這一關(guān)系將蘋果公司鏈接到富士康，富士康的股價(jià)在這一事件發(fā)生后同樣出現(xiàn)大跌，原因就是“產(chǎn)品市場認(rèn)可度較差”這一事件在網(wǎng)絡(luò)中的傳播。

（2）監(jiān)測預(yù)警

通過資訊輿情分析，對金融輿情進(jìn)行監(jiān)控，發(fā)現(xiàn)事件影響進(jìn)行預(yù)警。例如“行業(yè)的原材料價(jià)格上漲”這一事件，會沿著企業(yè)的上下游產(chǎn)業(yè)鏈進(jìn)行傳遞，我們可以識別出波及到的企業(yè)，命中事件傳播波動相關(guān)性標(biāo)的、事件要素投研邏輯相關(guān)性標(biāo)的等，從而為相應(yīng)投資人提供相關(guān)標(biāo)的的智能資訊服務(wù)，例如持倉/自選股預(yù)警、投顧等輔助服務(wù)。

2.5 代表公司

kensho（https://www.k ensho.com/），主要產(chǎn)品為warren問答引擎，通過監(jiān)測財(cái)報(bào)發(fā)布、全球數(shù)據(jù)環(huán)境、經(jīng)濟(jì)報(bào)告、公司產(chǎn)品發(fā)布、FDA藥品批準(zhǔn)等等多方面的信息，建立起事件與資產(chǎn)之間的相關(guān)性，從而預(yù)測資產(chǎn)價(jià)格走勢。2017年初，該公司成功預(yù)測了特朗普當(dāng)選后，美元重回漲勢，以及科技股的反彈。

3. 不一致性檢驗(yàn)：風(fēng)險(xiǎn)評估與反欺詐

通過對多路徑的不一致性或“關(guān)系” 沖突的檢驗(yàn)和合并，進(jìn)行業(yè)務(wù)排雷、風(fēng)險(xiǎn)評估與反欺詐等。例如欺詐團(tuán)伙通常會用虛假的身份和信息進(jìn)行詐騙，不一致性驗(yàn)證可以用來判斷一個(gè)借款人是否具有欺詐風(fēng)險(xiǎn)：借款人 A 和 B 分別填寫了兩家不同的公司，但是填寫的公司電話卻是同一個(gè)，這種情況便無法通過不一致性檢驗(yàn)，從而形成一個(gè)風(fēng)險(xiǎn)點(diǎn)。