AI加持的城市計算，如何助攻智能金融？

雷鋒網(wǎng)AI金融評論按，日前由KDD China與通聯(lián)數(shù)據(jù)合辦的AI金融研習(xí)班在上海舉行，通聯(lián)數(shù)據(jù)創(chuàng)始人兼董事長肖風(fēng)，KDD China主席、香港科技大學(xué)計算機系主任楊強，百度副總裁、KDD China副主席沈抖博士，微軟亞洲研究院城市計算領(lǐng)域負責(zé)人鄭宇博士，第四范式CEO戴文淵和通聯(lián)數(shù)據(jù)智能投研總監(jiān)向偉等業(yè)界專家圍繞各自研究領(lǐng)域進行了授課，來自銀行、基金、保險、信托、券商、科技公司的高管和技術(shù)骨干參加了研習(xí)班。

其中，鄭宇博士提出了觀點：我們應(yīng)更多地從一手數(shù)據(jù)中獲得商業(yè)價值，從而獲得最大的經(jīng)濟利潤。

說到商業(yè)、金融，一般人想到的金融是期貨、債券、基金，智能投資就會想到利用人工智能的方法預(yù)測投資市場走勢，從而量化配置資產(chǎn)。對此，在研習(xí)班上，微軟亞洲研究院城市計算領(lǐng)域負責(zé)人鄭宇博士表示，這個部分是可以做的，但是這個數(shù)據(jù)是三手數(shù)據(jù)，是一個結(jié)果。但市場更多應(yīng)該關(guān)注，在此環(huán)節(jié)之前的一手數(shù)據(jù)、二手數(shù)據(jù)的結(jié)果帶來的表現(xiàn)。

往前推一步，一般而言，投資會根據(jù)一家公司的財報進行業(yè)績調(diào)研，預(yù)判股價，這算是對二手數(shù)據(jù)的利用。而鄭宇指出，從業(yè)者還應(yīng)該再往前多對一手數(shù)據(jù)進行分析，“一手數(shù)據(jù)其實決定了公司運營情況和財報，這個數(shù)據(jù)在我們現(xiàn)實生活之中。”

來自日常生活的數(shù)據(jù)帶來的先知

關(guān)于人工智能的技術(shù)原理在此我們不必過多科普，雷鋒網(wǎng)此前已有相當詳細的報道講述，現(xiàn)在可直接從案例進行觀察。以萬科為例，要判斷萬科未來走勢，除了看財報之外更往前看：拿的地是否都在增值？已建房產(chǎn)銷售情況如何？周邊配套是否越來越好、人氣是不是越來越旺？租金是否在上漲？……“如果知道公司旗下產(chǎn)業(yè)都在增值，你可以預(yù)期未來財報比較好，可以更早地預(yù)判股價會上升。”反之可看空。

摩拜、滴滴的融資成果也是一樣的道理。在這些企業(yè)尚未開始盈利的情況下，投資人是根據(jù)用戶量、日活用戶、有效歷程等數(shù)據(jù)分析，對公司進行的價值預(yù)估。

反過來，如果真的在一手數(shù)據(jù)里面挖掘出可利用價值，那么久未必非要在股票上謀求利益點。根據(jù)從一手數(shù)據(jù)分析出來的信息，直接就可以計算商業(yè)利益和價值。

投資價值預(yù)判

仍是以商業(yè)地產(chǎn)為例，根據(jù)鄭宇的研究，我們很難預(yù)測房地產(chǎn)價格，但是可以對房產(chǎn)相對價值進行評估和排序，以數(shù)據(jù)進行量化，找出高價值的房產(chǎn)——并非高價格，而是在同一個市場中，房產(chǎn)價格漲得比別人更快，而跌的時候會跌得更慢。

“比如說分成五個離散化等級之后，根據(jù)北京市2013年的數(shù)據(jù)觀察一類房的分布，發(fā)現(xiàn)漲得最快、跌得最慢的一類房，并不是大家所理想當然地認為都應(yīng)該在市中心。很可能隔兩個街區(qū)一個是一類房、一個是五類房。為什么有這樣的現(xiàn)象呢？房屋價值又是什么決定的呢？如果大家聽過李嘉誠說過房地產(chǎn)價值怎么決定的，三個因素：地段、地段、地段。”

據(jù)雷鋒網(wǎng)了解，鄭宇的報告顯示，如果用大數(shù)據(jù)量化，會有以下的結(jié)果：

第一個地段是周邊的配套、交通、基礎(chǔ)設(shè)施。周邊有多少商場、學(xué)校、醫(yī)院以及周邊的地鐵、公交、便利程度，這都是地段。第一個地段，同樣是一個學(xué)校，好的學(xué)校、好的學(xué)區(qū)對房屋價值拉動比一個普通學(xué)校價值拉動要大。同樣是一個商場，好的商場、精品商場，破舊不堪的商場對地段價值拉動也是不一樣的。

第二個地段可以用好幾個來量化，社交媒體對它的評價，以及人們的出行規(guī)律等非常重要——多少人打車進來、開車進來，什么時候進來，什么時候出去等等都反映了這個地段的價值。如果有兩個區(qū)域，一個區(qū)域都是早上七八點坐公交地鐵出去，晚上七八點坐公交地鐵回來。另外一個區(qū)域出門的時間非常的自由和松散，不規(guī)律，多半以開車或者坐計程車出去的，覺得哪一個地方的品質(zhì)更高一點？應(yīng)該是后者。所以這需要以人們出行規(guī)律、公交地鐵、出租，社交媒體等人文地理信息對此進行評價。

第三個地段是我們理解的商圈，如果房子在一個好的商圈里面對這個房子有帶動作用的，但是還要考慮前面兩個因素。

這里面我們會用到學(xué)習(xí)排序的方法來做。根據(jù)以上三個地段的數(shù)據(jù)變量，我們可以做一些回歸算法，進行線性回歸分析，但這個方法并不是很好，必然會有冗余性，有什么樣的路網(wǎng)結(jié)構(gòu)決定有什么樣的交通流量。所以這里面變成一個學(xué)習(xí)排序，這是跟以前方法不一樣的地方。

信用評估

由房產(chǎn)而延伸至對綜合商業(yè)體的評估，更加不僅關(guān)乎當前投資效益，對未來銀行貸款征信、國家調(diào)控同樣具有巨大的幫助。

比如對綜合商業(yè)提的價值評估，這個做完了不只是給個人提供建議，也給銀行征信很大幫助。很多時候企業(yè)貸款會抵押客戶的房產(chǎn)，就要對其房產(chǎn)進行評估；評估的時候看均價，但這是當前。客戶貸款為期十年、二十年，十年之后房子什么情況呢？更多的時候要知道預(yù)期和預(yù)估。未來五年房產(chǎn)值錢就多貸一點。

而國家調(diào)控的時候調(diào)查有沒有泡沫，價格和價值的倒掛也需要來判斷。

相關(guān)文章：

第四范式戴文淵：大數(shù)據(jù)不再是AI發(fā)展瓶頸，未來企業(yè)贏在“維度” ｜2016 CAIIC

從獲客、風(fēng)控到投資：百度如何用人工智能做金融？| KDD China