07 AI带来的普惠曙光（第2/10页）

金融信息可能是最复杂、最枯燥的信息，一份股转书有两百多页，还有大量的年报、半年报、研究报告、公告、反馈意见、尽职调查结果……我们不知道，有多少行业分析师是完全看完这些信息，再做出决策的。也许，不是他们不够勤勉，而是读完这些信息已经非人力所及。

百度数据金融总经理杨晓静描述过这样的行业现实：20世纪90年代，一个基金经理要把市场当天产生的研报、舆情、新闻、交易数据等看完，大概需要10个小时，也就是两天的工作量。2010年，移动数据爆发之后，这个基金经理要把每天市场上产生的信息吸收掉，大概需要10个月的时间。2016年，还是这个基金经理，假如把当天市场上所有的信息看完，大概需要20年的时间，相当于整个职业生涯。所以基金经理迫切需要利用先进的智能技术，比如百度的自然语言处理技术。

今天，当百度金融的智能金融信息分析系统处理数百篇行业新闻，并将其中的关键信息结构化，抑或是阅读上市公司的年报并形成分析报告，用时已经缩短到以分钟计。

在这一过程中，机器相当于承担了一个金融机构初级分析师的工作，甚至是一个实习生的工作，承揽了最基础的所有的累活儿。

这位机器实习生的工作逻辑也是类似提取“关键词”，并进行再组合的过程。

机器可以瞬间完成上市公司的公告、财务报表、官方发布、社交平台、证券行情、实时新闻、行业分析报告等海量异构数据的阅读，对于文本中的图片和表格需要OCR（光学字符识别）等技术解析。紧接着，进行关键实体信息的提取，发现埋藏在实体信息之间，如行业上下游关系、供应链关系、股权变更历史、定增与重大资产重组的关系、多张财务报表之间的数据交叉验证等数据关系，形成并呈现这些复杂关系的“知识图谱”。

如果更进一步，分析师只需要选择符合其需求的模板，确定主题，机器即可生成基本的报告文本。在最终输出前，分析师还可以人工校正报告精度，并加上独特的个人分析和结论，这样，一篇格式标准，甚至图文并茂的金融分析报告就诞生了。

这个潜力无穷的实习生显然不会停留在简单处理信息这个阶段。既然已经登堂入室，它必然会走得更远。

人工智能让起点更公平

机器人首先推门进入的就是传统金融的核心区域——信用评级。

2016年7月18日下午，百度宣布投资美国金融科技公司ZestFinance。而一年前，ZestFinance还曾获得京东集团的投资。能同时得到中国两大互联网巨头的青睐，让ZestFinance这家当时仅服务10万名美国人的数据征信公司，为更多的中国人所了解。

这家位于洛杉矶的金融科技公司，使用机器学习的方式来评估个人贷款的信贷风险指数。其创始人是谷歌前首席信息官及工程副总裁道格拉斯·梅里尔和美国第一资本投资国际集团公司前主管肖恩·布德。

在美国，ZestFinance是挑战征信巨头FICO公司的革命者，后者占据着美国99%的信用评分市场和绝大部分发达国家的信用评分市场。

ZestFinance信奉“一切数据皆是信用数据”。不同于FICO的信用分数仅包含贷款人的几十项变量，ZestFinance的模型基于海量社交网络数据和非结构化数据，包含的变量将近1万项，在大数据挖掘的基础上最终形成一个独立的信用分数。而且与常规的信用评估体系相比，效率能够提高约90%。其号称在5秒内，就能对每位信贷申请人的超过1万条原始信息数据进行分析，并得出超过7万个可对其行为做出测量的指标。