文/鲍捷,段清华
2015年在新三板上市的企业超过3500家,比整个主板的上市公司数量都要多。在新三板高速发展的同时,文因互联(Memect,2013年成立于美国硅谷)也随着它的创始团队回到了中国,希望用他们从美国学术界带回来的顶尖人工智能技术,帮助中国的投资人更好地做价值判断。 继续阅读 “人工智能与投资价值判断”
文/鲍捷,段清华
关于人工智能AI,我现在想问大家几个问题。
第一个问题:在座有多少人认为人类会因为机器灭绝?在座各位有这看法的吗?没有。
第二个问题:人类永远不会因为机器灭绝,有多少人有这种看法?好,有一个,还有吗?两个,嗯,三个,太好了,还有吗?好,发现了三个。
这是两个极端的看法。现在也有所谓的奇点理论说,到了 2045 年的时候,机器就会超过人。有多少人会认同这个看法?一二三四五,那看来这个看法的拥护者最多。现在两个极端看法的拥护者比较少,第一个看法就完全没有人拥护,所以我是少数派,我是支持第一个观点的。
继续阅读 “你真的了解人工智能吗?——聊聊AI的碰壁和冬天”
Palantir Technologies是硅谷一家十分神秘的大数据公司,其软件允许客户对大量的敏感数据进行分析,以防止欺诈,确保数据安全等。
本文根据鲍捷在云知声的演讲稿整理
感谢Leona对演讲录音的记录和整理
知识管理这个领域,有个分支叫语义网,这两年就改了名字叫知识图谱。知识图谱其实有狭义的和广义的区别。这里讲的是狭义的知识图谱。我觉得华东理工大学的王昊奋教授定义得挺好,抄在这里:知识图谱旨在描述真实世界中存在的各种实体或概念。其中,每个实体或概念用一个全局唯一确定的ID来标识,称为它们的标识符。每个属性-值对用来刻画实体的内在特性,而关系用来连接两个实体,刻画它们之间的关联。
继续阅读 “从语义网到知识图谱——语义技术工程化的回顾与反思”
继续阅读 “新闻自动生成——人工智能正在逐步走进金融领域(其二)”
随着互联网时代的深入发展,我们获取的各种数据都在无限膨胀,远远超过了人类大脑的处理能力,于是机器学习技术成为更利于发展的投资策略。以机器之手在互联网中抓取一个领域的数据和信息,将这些信息通过人工智能系统进行细致的分拣和筛选,进而得出最终的结论和决策。之后再将这些已被梳理好的决策分析反馈给该领域工作人员。接下来我们会分三期就人工智能和金融领域的结合做一系列分析,厘清人工智能在金融领域已经都做了哪些尝试,以及成果:
导言:这篇文章是以前笔者的两篇博客的汇总。因为是两篇论文的介绍,概念比较多,不是很好懂。过几天会再写一篇通俗版的,敬请关注。
XRBL是金融数据结构化,继而语义化的基础。这两篇博客反映的是2010年的工作,当时XBRL刚刚在中国成为标准。目前,在A股和新三板上XBRL都成为了财务报告规范的结构化形式。不过现在看来,XBRL本身作为近二十年前的技术,本身也有一些局限性。此外企业的信息披露材料有大量的内容无法被XBRL承载,不仅依然需要大量的人力去阅读原始材料,披露材料和XBRL报告之间的不一致性也是常见问题。解决这些问题,需要更灵活的金融数据结构化和语义化方法,也需要依赖人工智能技术做好数据的自动提取、交叉验证、信息搜索、价值判断。
就新三板而言,投资的核心是价值判断和规模交易。这是挂牌企业、做市商、风险投资机构和证券基金的根本需求。
人工智能领域的深度学习、自然语言理解、语义搜索技术的应用,会为新三板投资的行业研究和对标分析中提供全面、详实和高效的数据服务。尤其是在科技、互联网和TMT行业,这些国内券商普遍普遍缺乏研究人员,研究能力较弱的现实情况下。没有研究人员提供的报告,无法完成价值判断,大量的高科技领域的公司发展无人知晓、无法了解,证券基金入市规模和交易量受到制约。企业融资遥遥无期。
文因互联提供的大数据服务,能把科技领域的全球领先公司的信息应用到新三板挂牌企业的价值判断上,这门功夫是人工智能技术给予金融行业发展带来的实质帮助。
2011-04-19 Li(李娴)和我, Jim Hendler合作的一篇文章 “Fundamental Analysis Powered by Semantic Web” [1] (基于语义网的基本分析)获得了2011 IEEE Symposium on Computational Intelligence for Financial Engineering and Economics 最佳论文。