照片由来自 Pexels 的 Karolina Grabowska 拍摄
阅读和聆听——为了更好的体验
在过去的几年里，强化学习(RL)的应用为各个行业创造了无数的创新。对于银行和金融行业来说，这些应用程序正在以多种解决方案迅速取代现在和未来的应用程序。
RL 对当今银行和金融部门的一些重大好处包括对大多数金融应用程序的几项深入发明。今天，当谈到银行、聊天机器人、搜索引擎工具和财富管理时，社会看到了更多的可能性。
当谈到强化学习时，未来的应用程序可以通过几种方式来提供更好的服务。一些关键领域包括:更好的客户服务体验、更低的成本和更高的投资回报率。
在不久的将来，为更精确地预测股票和相关投资建立一个基础，可能会成为银行业和金融业更有利可图的机会。
由于以下原因，RL 框架将在金融和贸易领域提供更具启发性的应用
1.金融中定量环境描述的规模可能是巨大的，甚至是不变的。
2.行动可能会产生长期影响，无法通过其他监督学习方法直接计算。
3.交易者的行为可能会影响当前的市场设置。
资料来源:https://www.ft.com/
最近，AI 研究和部署公司 OpenAI 创造了 开放式 AI 健身房——一个比较和开发 RL 算法的工具。尽管其金融应用仍处于早期阶段，但一些人已经尝试基于其框架创建模型。一个显著的例子是爱德华·卢创造的【Q-Trader】，作为深度强化学习的模型。
一些投资者倾向于使用强化学习的一个重要原因是它评估金融市场的能力——创造更好的准确性和详细的结果。使用 RL 进行更好的投资组合管理，如 Robo-advisors 的 被认为随着时间的推移会产生更高的效率。
有了几种分散投资的方法，未来强化学习的使用将创造出比人类顾问更好的投资计划。
RL 模型正被用于通过使用来自用户的反馈和通过观察用户数据中的行为模式来提供高度准确和定制的见解。 个性化 也将它应用于财富管理服务，这是一种帮助财务顾问识别客户投资偏好并以以前无法想象的水平提供定制建议的方法。
这可能包括考虑各种因素，如围绕客户目标及其对风险的态度陈述、检测和推断的信息，或通过参与帮助财富顾问在理想的时间和渠道获得客户的最佳见解。
领先的商业公司— IBM —部署了一个开放的、多云平台，让用户自动化人工智能生命周期。 IBM Watson 改善金融公司的风险管理。Armanta，IBM 的人工智能顾问，旨在管理与投资组合相关的市场、信用和流动性风险。
Watson 的另一个工具正在用于金融犯罪和欺诈的一些领域，其中有一个金融犯罪洞察引擎，这是一个用于发现欺诈和市场滥用模式的平台。
Alpha-Sense ，一家总部位于纽约的人工智能驱动的公司提供了一个平台，经纪人和交易员可以在这个平台上获得私营和上市公司的信息，如 SEC 和全球备案文件、财报电话会议记录和新闻稿。它还使用户能够研究和发现金融市场的趋势。
聊天机器人— 金融领域的强化学习也在改善聊天机器人的体验，从而提升客户体验。由于它能够从以前的经验中学习，它赋予了人机交互新的生命。它们对用户友好，对所有用户都有益，包括客户和金融业。 卡斯托 利用聊天机器人监控个人财务。一些领先的银行，如富国银行，也受益于这项战略技术。美国银行也开发了它的 bot， Erica 。
资源管理— 分配有限资源的算法设计涉及多个任务流程和要求。关于资源管理的研究显示了 RL 如何自动学习有效地分配和调度资源，同时还最小化平均工作减速。
对当前资源分配的状态空间的公式化有助于作业的资源概况。对于操作空间，该应用程序允许代理一次选择多个操作。它还提供了最佳的政策参数，这些参数为最小化成本的概率分布服务。
资料来源:https://media.newyorker.com/
安全— 如今存在多种风险因素，似乎没有足够的资源来有效应对这些安全威胁。但是在未来的系统中使用强化学习会带来较小的安全挑战。
这一特征归因于这样一个事实，即当今可用的大多数系统仅能够检测考虑到制定的规则和规章的特定活动。未来的强化学习将被设置为能够检测欺诈本身。
紧急风险和可能的安全挑战可以得到及时标记。过去几年的技术发展显示了强化学习取代现有系统的巨大前景。这样的收购将完全不用担心欺诈或安全漏洞。强化学习有更多的承诺，随着适当技术的实施，我们都可以期待更多的进步。
UX — 强化学习采用与机器学习类似的算法方法。这种算法让银行和金融系统在改善客户体验方面充分发挥其性能。在未来，现实世界的应用程序将使用深度强化学习来收集用户习惯，以改善整体体验。
随着时间的推移获得的知识和记忆将允许为金融部门的客户创建更精确的系统。
依赖强化学习也会带来后果。RL 完全依赖数据。如果数据被篡改，模型将是不准确的，并给出错误的信息，很可能导致重大损失。它依赖于当前输入的状态来决定其输出。没有当前状态的正确数据，结果或生产只能给出基于它们的预测和结果。
Gartner 预测，到 2020 年，84%的客户与任何企业的交易(T1)都将发生在(T2)T3，而没有另一个人的互动(T4)T5。强化学习将推动银行和金融行业成为一个能够利用技术来增强其对最终用户的服务的行业。
然而，它的好处超过了它对最终客户体验的影响。未来的强化学习正在寻求在主要系统和过程中更广泛的应用。借助针对数据泄露、安全威胁等问题的实用解决方案，未来的风险水平将显著降低。
此外，银行和金融业更好的可预测性和决策过程将在未来从强化学习中受益匪浅。
感谢您的阅读，祝您愉快！
您可能喜欢的其他一些文章—
pub.towardsai.net](/lets-quantify-consciousness-rethinking-it-mathematically-a626fe93761) [## 值得了解的 10 个改变游戏规则的人工智能突破
pub.towardsai.net](/10-game-changing-ai-breakthroughs-worth-knowing-about-b2076afc4930) [## 为什么做一个 ML 研究员或者开发者超级难？
pub.towardsai.net](/why-its-super-hard-to-be-an-ml-researcher-or-developer-67fa62fc1971)***