<mark id="oztn4"></mark>
0
雷鋒網AI金融評論按，日前由KDD China與通聯數據合辦的AI金融研習班在上海舉行，通聯數據創始人兼董事長肖風，KDD China主席、香港科技大學計算機系主任楊強，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域負責人鄭宇博士，第四范式CEO戴文淵和通聯數據智能投研總監向偉等業界專家圍繞各自研究領域進行了授課，來自銀行、基金、保險、信托、券商、科技公司的高管和技術骨干參加了研習班。
其中，鄭宇博士提出了觀點：我們應更多地從一手數據中獲得商業價值，從而獲得最大的經濟利潤。
說到商業、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測投資市場走勢，從而量化配置資產。對此，在研習班上，微軟亞洲研究院城市計算領域負責人鄭宇博士表示，這個部分是可以做的，但是這個數據是三手數據，是一個結果。但市場更多應該關注，在此環節之前的一手數據、二手數據的結果帶來的表現。
往前推一步，一般而言，投資會根據一家公司的財報進行業績調研，預判股價，這算是對二手數據的利用。而鄭宇指出，從業者還應該再往前多對一手數據進行分析，“一手數據其實決定了公司運營情況和財報，這個數據在我們現實生活之中。”
關于人工智能的技術原理在此我們不必過多科普，雷鋒網此前已有相當詳細的報道講述，現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業都在增值，你可以預期未來財報比較好，可以更早地預判股價會上升?！狈粗煽纯?。
摩拜、滴滴的融資成果也是一樣的道理。在這些企業尚未開始盈利的情況下，投資人是根據用戶量、日活用戶、有效歷程等數據分析，對公司進行的價值預估。
反過來，如果真的在一手數據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。根據從一手數據分析出來的信息，直接就可以計算商業利益和價值。
仍是以商業地產為例，根據鄭宇的研究，我們很難預測房地產價格，但是可以對房產相對價值進行評估和排序，以數據進行量化，找出高價值的房產——并非高價格，而是在同一個市場中，房產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，根據北京市2013年的數據觀察一類房的分布，發現漲得最快、跌得最慢的一類房，并不是大家所理想當然地認為都應該在市中心。很可能隔兩個街區一個是一類房、一個是五類房。為什么有這樣的現象呢？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價值怎么決定的，三個因素：地段、地段、地段?！?/p>
據雷鋒網了解，鄭宇的報告顯示，如果用大數據量化，會有以下的結果：
第一個地段是周邊的配套、交通、基礎設施。周邊有多少商場、學校、醫院以及周邊的地鐵、公交、便利程度，這都是地段。第一個地段，同樣是一個學校，好的學校、好的學區對房屋價值拉動比一個普通學校價值拉動要大。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。如果有兩個區域，一個區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。另外一個區域出門的時間非常的自由和松散，不規律，多半以開車或者坐計程車出去的，覺得哪一個地方的品質更高一點？應該是后者。所以這需要以人們出行規律、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習排序的方法來做。根據以上三個地段的數據變量，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，有什么樣的路網結構決定有什么樣的交通流量。所以這里面變成一個學習排序，這是跟以前方法不一樣的地方。
由房產而延伸至對綜合商業體的評估，更加不僅關乎當前投資效益，對未來銀行貸款征信、國家調控同樣具有巨大的幫助。
比如對綜合商業提的價值評估，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。很多時候企業貸款會抵押客戶的房產，就要對其房產進行評估；評估的時候看均價，但這是當前?？蛻糍J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期和預估。未來五年房產值錢就多貸一點。
而國家調控的時候調查有沒有泡沫，價格和價值的倒掛也需要來判斷。
相關文章：
