在過去的十年中，金融行業采用了很多前所未有的尖端技術。這種轉變在很大程度上歸因于2008年金融危機之后出現的許多初創企業，它們遵循技術優先的方法來創建金融產品和服務，其目標是改善客戶體驗。金融科技初創廠商是智能手機、大數據、機器學習（ML）、區塊鏈等新技術的早期采用者，被認為是被更傳統的銀行和金融機構所效仿的潮流引領者。

機器學習和深度學習的最新進展確實推動了計算機視覺和自然語言處理的界限。金融科技公司將不遺余力地利用這些突破來改善金融服務。根據一份報告，2019年，全球金融科技市場的價值為72.7億美元，預計到2025年將增長到354億美元。Statista公司預測，到2025年，通過機器學習，整個銀行業將能夠獲得全球1820億美元的商業價值。

這些數字確實令人難以置信，表明該行業已經從機器學習中獲得了多少收益。以下深入研究金融行業中機器學習中斷的示例和真實案例研究。

1. 風險管理

由于行業的性質，金融行業始終面臨各種風險。如果管理不當，可能會給銀行等金融機構和客戶造成麻煩，在最壞的情況下也可能導致銀行徹底倒閉。總是存在銀行的多種風險，最常見的是信用風險和市場風險。現在，大多數銀行已開始利用人工智能來最大程度地降低此類風險。

銀行現在通過機器學習預測模型評估貸款申請人的信譽，以發現他們將來可能違約的可能性。那些沒有信譽較差的人不會得到任何信貸，從而減少了因違約貸款而造成的銀行損失。ZestFinance公司是該領域領先的金融科技初創企業，它已通過使用機器學習分析設法將默認率降低了20%。

股票市場總是被視為一個非常有風險的行業領域，因為它可能會在人們最不期待的時候崩潰，讓人們和投資組合經理無所適從。然而，崩潰并不是突然發生的，事實上，導致崩潰的微觀和宏觀因素很多，但人類卻無法提前發現這些蛛絲馬跡。機器學習和時間序列模型可以用來提前預測這些模式，以便在發生問題之前及時采取行動。Trading Technologies公司和Kavout公司是這一領域的兩個著名公司，它們正在利用機器學習來識別復雜的交易模式。

EquBot公司還有另一種有趣的方法，該方法使用IBM Watson抓取市場上的各種新聞和社交媒體帖子，并創建市場情緒分析以預測趨勢。

2. 欺詐管理

世界各地的銀行和保險公司都面臨著經常性的金融欺詐企圖，造成了巨大的損失。僅在美國，2019年，這些保險公司因欺詐索賠而面臨340億美元的損失。利用機器學習分類模型可以有效地檢測到這些欺詐性索賠。土耳其一家保險商AKSigorta公司使用其預測模型，可以在8秒內標記出可疑的索賠，以便進一步審查，這有助于他們將此類虛假索賠的發現率提高了66%。

信用卡被盜和銀行詳細信息被盜造成的交易給銀行和客戶造成巨大損失。為了遏制此類欺詐，許多公司正在構建基于機器學習的欺詐檢測系統，以檢測實時欺詐交易。當這樣的系統看到異常交易時，或者阻止它，或者通過OTP尋求客戶確認。Datavisor這樣的公司聲稱其機器學習可以以90%的準確率檢測出30%以上的財務欺詐。

每天都有數以百萬計的人收到網絡釣魚電子郵件，成千上萬的人由于泄露了導致財務欺詐的財務詳細信息而成為他們的犧牲品。現在，許多著名的電子郵件服務提供商已經集成了機器學習分類系統，以檢測并阻止此類網絡釣魚電子郵件。僅Gmail一分鐘就阻止了1000萬個垃圾郵件和惡意電子郵件，從而大大減少了網絡釣魚欺詐的可能性。

3. 安全性

對于銀行來說，實現強大的安全性非常重要，并且它們現在正在使用智能監控攝像頭來監視本地和遠程ATM上的活動。這些監控攝像頭由計算機視覺和物聯網技術驅動，可以檢測可疑活動并發出警報。UncannyVision就是這樣一家領先的公司，它為ATM提供此類基于人工智能的監控攝像頭。

為了保護內部部署，安全銀行還依靠指紋、視網膜、面部掃描等生物識別安全技術來對人員進行身份驗證，并防止未經授權的人員進入限制區域。已實施生物識別證券的一些受歡迎的銀行包括蘇格蘭皇家銀行、富國銀行、美國銀行，巴克萊銀行。

實際上，它不僅用于內部安全，而且還使用生物識別功能對通過智能手機訪問銀行服務的客戶進行身份驗證。它在密碼之上增加了一層額外的安全保護功能，以確保正確的用戶正在使用他們的移動應用程序。

4. 客戶體驗

通過為客戶提供豐富的經驗來贏得客戶，可確保他們在幾乎一生中都繼續使用銀行服務。傳統上，銀行不是一個非常人性化的舞臺，但是在在線和電話銀行時代，它開始逐漸發生變化。銀行現在正在嘗試通過利用機器學習將這種體驗提升到另一個水平。

申請銀行帳戶時最繁瑣的工作之一是KYC流程，客戶認為這是間接費用，會延遲開設帳戶的時間。現在，人們正在努力通過OCR和計算機視覺技術的幫助使KYC流程自動化來減少客戶的等待時間，從而更快地處理客戶文檔。事實上，歐洲銀行Bilco Bilbao Vizcaya Argentaria（BBVA）大大簡化了KYC流程，客戶只需上傳自拍照照片或視頻即可輕松開設帳戶。

一旦客戶被接納，處理他們的定期詢問并在需要時提供幫助是很重要的。近年來，銀行已經成功地在其網站和移動應用程序上使用基于ML的聊天機器人和虛擬助手，為客戶提供按需幫助。據一份報告稱，到2022年，銀行可以使用聊天機器人實現高達90%的客戶互動自動化。美國銀行是銀行業巨頭之一，它已經推出了一個虛擬助手Erica來幫助客戶查詢。

銀行也在利用機器學習建立智能機器人顧問，為客戶提供更加個性化的金融建議，這不僅對他們有利，而且增加了銀行轉換的可能性。對于客戶和銀行來說，這是一個雙贏的局面。

結論

機器學習確實是世界走向的未來，這僅僅是開始。在不久的將來，金融領域將看到更多創新性的機器學習采納方式，而這是人們現在無法想到的。
責編AJX