<mark id="oztn4"></mark>
0
| 本文作者： 叨叨 | 2017-07-09 22:22 | 專題：GAIR 2017 |
雷鋒網按：光鮮亮麗的投行工作看似有著羨煞旁人的超高回報，但在幾百頁“金融文檔”的日常重壓之下，會被瞬間秒回原形。在中國計算機學會（CCF）主辦，雷鋒網與香港中文大學（深圳）承辦的 CCF-GAIR 2017 的第二天，中科院計算所副研究員、微信人工智能首席科學顧問、博士生導師羅平教授帶來了題為《人工智能在智能投行中的應用》的分享，講解了如何用 AI 來解救金融民工，給金融文檔的復核和撰寫帶來福音。
以下為羅平演講速記全文整理，雷鋒網在不改變原意的基礎上做了精編：
非常榮幸參加 CCF-GAIR 2017 金融科技專場，特別是外地的同事，到這兒來的都是真愛，而且是一種緣分。為什么這樣說？昨天晚上我坐在飛機上，本來飛機已經停了一兩個小時了，準備要飛了，結果北京下冰雹。我覺得可能沒有緣分跟大家見面了，但是它最終還是飛過來了，得以順利跟大家見面。
剛才主持人說希望跟大家講講干貨，我是做技術的，切入到金融行業，希望能跟大家分享一些技術方面的干貨。
我的演講主題是《AI在智能投行中的應用》，任何的技術要切入到一個非常具體的場景才有價值。我們看看智能投行場景需要解決什么問題。
首先投行是做什么的呢？
其實投行是一個金融的媒介，它實際上是資金需求方和投資方的媒介，讓資金能夠順利的給到資金需求方。投行基本的工作有幾個步驟：
承攬
盡調與承做
發行與承銷
后續督導
這是從前臺到后臺的順序。
知乎上有一個調查：整個金融行業什么樣的職位最苦逼，排在第一名的是投資銀行家，他們非常的苦，他們苦在哪兒呢？投行的從業者門檻非常高，每個人都必須要有光鮮的背景，都是海歸、或名校畢業。
但是實際上他們每天都做著非常苦逼的工作，特別是事業初期的投行從業者，每天都在撰寫各種金融文檔、各種募集說明書，包括債券募集說明書、IPO或者資產證券化說明書。這些說明書平均都是500頁以上，撰寫起來非常的痛苦。而且這些東西都有 Deadline，你不能錯過，錯過要等好幾個月才能重新審批。這么大的工作量，他們非常非常的痛苦。
同時，金融監管機構對文檔的質量要求非常高，有三個詞：真實、準確、完整，這是他們必須做到的基本原則。如果你沒有做到這個要求會有什么后果呢？
因為公開的金融文檔是具有一定法律效力的，公布出來的行業數據有錯誤，可能會承擔訴訟的連帶責任。監管部門也會對文檔質量有非常高的要求。文檔質量往往關乎IPO是否能成功；文檔質量也是證監會考評每個投資銀行的重要指標。如果級別從A降到B，投行每年將支付更多的監管費用，這是很大的一筆運營成本。
那么，我們來看看一些報道出來的金融文檔出錯的例子，大量的例子實際上是沒有報道出來的。
2011年，高盛的一個私募產品，里面存在數字方面的錯誤，帶來超過 4500 萬美金的賠償訴訟。另外，國內某銀行在財報中公布“負債8億億”，實際上是8萬億。該新聞上就有投資者質問：財報這么不負責任，我們也無法信賴所提供的金融服務。所以，金融文檔撰寫的操作風險高，所面臨的聲譽損失和經濟損失非常大。
所以，撰寫這些文檔的投資銀行家們壓力山大。
最苦逼的是什么呢？這個市場每年都在壯大，也就是說，投行從業者每年的工作量都在增加。這確實是一個深刻的痛點。我們看看能不能用AI技術來消除這些痛點。
我們給這項技術取了一個很酷的名字，叫做庖丁解文。大家都知道一個成語叫庖丁解牛。我們希望AI技術能夠像庖丁一樣，干凈利落的把金融文檔結構化。
這項自然語言結構化的技術有三個特點：
瞬時：全自動的，都是機器自動做，沒有人工干預
精準：非常準確
深度：要把所有的語義，特別是金融數據間的勾稽關系，都解析出來。
我給大家舉一個例子：大量的金融文檔中都有一些對公司各種財務指標的描述。
實際上，這句話要讓機器去理解，是非常難的事情。大家都知道，現在機器翻譯是做得很好的，但其實機器翻譯沒有做任何理解，它可以把這句話翻譯成英文，但是你要是詢問：2014年公司第一大客戶的營業額是多少，翻譯程序是回答不了的。
如果要精確問答這樣的問題，機器需要做什么呢？需要把自然語言的描述都結構化。我們研發的深度結構化技術包含兩個層面：
第一個層面是 Text2Tuple，從文本到元組。元組是時間、財務指標、值的三元組，比如說：2013、2014、2015年第一大客戶的營業額分別是多少錢，我們需要提取出來。
第二個層面是 Text2Equ，我們需要把文本中這些比例數字，如60%、58%、55%，解釋為語義相同的計算公式；同時文中提到“呈現逐漸下降的趨勢”，所以，也需要提取出這個不等式的關系。
這就是我們的核心技術：從非結構化的文檔中自動提取出對應語義的元組和公式。因此，我們研發的模型，輸入為非結構化或半結構化的文本，輸出為可供計算機搜索、比對、分析的結構化的數據。這其實是自動構建知識圖譜的核心技術。有了知識圖譜，后續可以支撐很多應用。
我們現在關注的是金融文檔復核的應用。什么是文檔復核呢？簡言之，就是對金融文檔中的數字的勾稽關系進行復核。任何公開的募集說明書都包含大量的數字，同樣的一個財務指標，它可能會在文字和表格中被多次描述。由于，撰寫過程可能多次修改原始數據；這將導致數據前后不一致的情況。
復核文檔，英文叫 Authorized Reading，是投行業的一項重要工作。有了深度結構化技術，我們將能將這項工作完全自動化。
舉一個實際的例子，文本中提到：發行人的固定資產在2014年是紅色的數字；但是在表格中，2014年的固定資產對應不上。這顯然是一個錯誤。
因此，我們研發了一個自動復核的產品，AutoDoc。使用起來很簡單，用戶只需上傳需要復核的金融文檔，經過自動解析和比對，機器會自動標注出數據不一致的地方。
效果怎么樣呢？我們在1000個已公開的債券募集說明書上進行測試和人工確認。測試結果是令人驚訝的。
我們發現這1000個募集說明書里面，有68.92%的文檔存在錯誤，平均包含4.26個錯誤。
有了這樣的測試，我們在4月26日把這個功能發布在微信公眾號 “債有主”上。到目前為止，已經有近1000份募集說明書上傳。我們的數據是：98.4%的文檔存在錯誤，平均每個文檔中有6.5個錯誤。
我們解密一下這項功能背后究竟是什么樣的技術。實際上，我們打造一個 NeuSALG 的平臺，什么是 SALG 呢？就是 Semantic Acquisition和 Language Generation。這個平臺最核心的一點是打造一個通路平臺，溝通標注、訓練、預測、反饋4個部分。只有數據在通路中反復扭轉，系統的性能才會越來越好。
其實，性能的突破并不是單點的突破，需要從底層深度學習框架、模型能力、數據等各方面發力。這也是我們多年研究的積累。比如，在優化算法方面，今年我們在 KDD 上發表了一項研究，能夠動態確定隨機梯度下降每輪所需數據的大小，這一研究能夠減少多機多卡的環境下進行訓練的通信開銷，從而減少訓練時間。這將大幅度提供模型的迭代速度。
最后，我想給大家一些對 FinTech 和 AI 的思考。我覺得金融科技應該特別關注金融業務場景的中后臺，其實金融這個領域非常大，它有各式各樣的業務場景。
比如說，在投行領域，從前臺到后臺的流程是承攬、盡調與承做、發行與承銷或者后續督導。承攬的工作，通常需要跟發行人和客戶打交道，這是靠關系、靠人脈的，這個環節機器做不了，而機器能做的是中后臺的業務。又比如，二級市場的資金業務，從交易、風控到清算與結賬。
我覺得金融科技應該在中后臺的業務領域里面發揮作用。
為什么？我們發現，金融中后臺的這些工作有兩個特點：第一是每天都做同樣的事，重復的做；第二個特點是：單次工作的難度相對較低。例如：對一句話進行復核，這是很簡單的事情。
但是，整個任務的難度是兩個方面的乘積， W是完成單次任務的難度，Dur是持久性難度系數。
我們需要指出：單次完成任務的難度，需要區分人和機器的差異。我們看看，人擅長什么，機器擅長什么。機器擅長計算、存儲、檢索，只要插上電，機器就能完成。但是，機器不擅長下棋、不擅長聽、說、寫、理解。阿爾法狗做的事情是把下棋這個事情轉換成一個計算的問題，一旦完成這樣的轉換，人是永遠都不能夠戰勝機器的。
但是對于人來講，下棋是非常難的，計算、邏輯推理稍微簡單一點；最簡單的是聽說讀寫，就是每個人的基本功能，但是這個事情恰恰是機器難以做到的。
當前AI技術的成功，實際都是“弱人工智能”的勝利，它實質是將所謂的“智能”功能轉化為計算的問題。
所以，我們現在想做的事情，實際上是把人類的聽說讀寫和理解的智能功能轉換成計算的過程。如果完成了這樣的轉換，那么機器就能反復運行，一切都會變得簡單。
因此，我們的愿景是：把 paperwork 變成 happywork；釋放人力，讓投資銀行家們完成更多創造性的有價值的工作。
謝謝大家！
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
