文因君 – 文因互联

专访 | 文因互联:从「金融数据」到「金融知识」

作者 Synced

机器之心原创

作者:邱陆陆

存储了一份财务报表的计算机存下了一条「数据」,而持有这份财务报表的分析师拥有了一份「信息」。其间的区别是,分析师可以通过阅读财务报表得到相关的「知识」并依此作出投资决策。

存储了三万份财务报表的计算机同样存下了三万条「数据」,而持有三万份财务报表的分析师却不再拥有三万份「信息」。原因十分简单:计算机的内存是线性的,人的处理分析能力却不是——即使有三万份报表摆在我的眼前,我也只能眼睁睁看着其中的大部分停留在「数据」的状态无能为力。

除非……计算机可以帮助我吗?哪怕我们并不说同一种语言,计算机并不能「理解」人类所谓的语义是什么。只要它把数据按照一定规则、以一种人类能理解的方式进行组织,我们是否也可以从三万份「数据」里获得等量的「信息」与「知识」?

这就是文因互联希望完成的工作:对纷繁复杂的数据进行处理,归纳总结出金融知识和逻辑,辅助解决各种金融场景下的问题。

继续阅读 “专访 | 文因互联:从「金融数据」到「金融知识」”

捣鼓了一个图表搜索小零件,给你的研报系统加一点智能,了解一下?| 活动预告

事情是这样的——

前段时间和老朋友艾瑞咨询沟通,了解到一个有意义的需求 —— 为研报集成类产品艾瑞智慧增加图表搜索功能。

继续阅读 “捣鼓了一个图表搜索小零件,给你的研报系统加一点智能,了解一下?| 活动预告”

我们研究了2017年3653个上市公司高管的离职原因,原来…

在普通投资者的大脑中,A 股上市公司通常被抽象为6位股票代码、涨跌不休的红绿曲线,很少会想起,大盘背后其实是一个个鲜活的个体,除了行业前景、资本风向等基本面,人事变动也是分析企业发展时必须留意的因素。

一天,人事变动事件公告提取小组的程序媛小姐姐被提取结果逗乐了,继 “世界很大,我想去看看”这一率性离职宣言在网络上爆红之后,又一位高管 “为寻找最真实的自己” 走向了另一片天地。

继续阅读 “我们研究了2017年3653个上市公司高管的离职原因,原来…”

活动邀请|5.5亿美元,金融AI史上最大收购:Kensho 的模式可复制吗?

当地时间3月7日,美国智能投研先行者Kensho被标普全球(S&P GLOBAL)以5.5亿美元收购,以现金加股票的方式。同时,这也创造了迄今为止华尔街最大规模的人工智能公司收购交易。

Kensho的自我定位是数据分析与机器学习公司,为金融、国家安全、医疗健康行业解决分析问题。

其中,它在金融领域的成就更广为人所知。旗下拥有一款名为Warren分析软件,主要利用大数据和机器学习,将数据、信息、决策进行智能整合,并实现数据之间的智能化关联,从而提高投资者工作效率和投资能力。

如果你对人工智能+金融感兴趣,这些问题你一定也好奇:

  1. 从公司融资角度看 kensho 被收购事件对国内智能投研对标创业公司的影响?
  2. 从创业者角度看,为何 kensho 没能成长为一个独角兽,甚至百亿市值的公司?
  3. 如何评价kensho的产品,它对当前金融领域的影响?
  4. kensho的产品及技术在国内是否可复制,对国内的追随者们有哪些在赛道选择、商业模式上的启发?
  5. 人工智能+金融什么时候能服务于大众群体,它未来的形态会如何发展?

……

本周六,第23期智能金融沙龙,我们特别邀请到文因互联CEO 鲍捷博士,和大家深扒“华尔街之狼” kensho的蜕变之路,挖掘背后模式的潜在商机,展望AI+金融模式的未来发展 ,欢迎报名,不要错过。

继续阅读 “活动邀请|5.5亿美元,金融AI史上最大收购:Kensho 的模式可复制吗?”

自动报告+金融问答,这里有一种更快的资讯获取方式

作为一家人工智能公司,文因互联一直在思考如何将知识图谱应用到金融领域。

金融业作为百业之母,与所有的行业都深深交织在一起,蕴含着海量数据,但大量数据都是以非结构的形式存在,无法利用机器进行高效处理直接使用。

虽然技术不断发展,但这些数据收集、研究的工作却还是依赖人力完成。如果能实现数据的结构化,就可以减少重复的手工体力劳动,帮助金融从业者提高工作效率,从而聚焦在更有价值的工作上。而知识图谱、信息提取、自然语言处理这些正好是文因最擅长的领域。

在2016年,我们已经可以从公告、年报、研报等公开数据中,提取行业、公司、人物、财务数据等实体概念和实体关系,开启金融知识图谱构建等相关工作。但是以何种方式交付给用户使用,我们做了很多尝试,这些尝试中有成功也有失败,但最终都为要做的事情打下更深的基础。

继续阅读 “自动报告+金融问答,这里有一种更快的资讯获取方式”