雷锋网AI金融评论按：由中国计算机学会（CCF）主办、雷锋网与香港中文大学（深圳）全程承办的 AI 盛会 --「全球人工智能与机器人峰会」（CCF-GAIR），将于 7.7-7.9 日在深圳召开。
CCF-GAIR 为国内外学术、业界专家提供一个广阔交流的平台，既在宏观上把握全球人工智能趋势脉搏，也深入探讨人工智能在每一个垂直领域的应用实践细节。
延续上一次大会的顶级嘉宾阵容，本次 CCF-GAIR 2017 将会迎来更多人工智能和机器人行业重磅专家。在未来的一段日子里，雷锋网将陆续放出嘉宾介绍。今天要介绍的是金融科技专场大会嘉宾——香港科技大学资讯，商业统计及运营学系教授张晓泉博士（Professor Michael Zhang）。
银行的公众形象与安全密切相关，而创新总是与风险有关。在金融科技革命这件事情上，银行业关注的重点始终在于“不失败”，而不是“去创新”。所以，当大家都意识到人工智能、大数据能够给金融业务带来革新时，金融从业人士担心的是：人工智能可以做什么，不能做什么？它将带来什么风险？如何落地应用人工智能才不违背金融规律？……
因此，人工智能金融发展到这个阶段，我们很希望能够听一听，经济学家是如何看待，以及实践金融科技创新的。以下内容来自雷锋网AI金融评论与张晓泉教授的大会前对话，也是张晓泉教授大会报告内容的精彩预告！
张晓泉教授 (Professor Michael Zhang) 于2006年在美国麻省理工学院（MIT Sloan School of Management）获得管理学博士学位，此前在清华大学获得管理学硕士，工学学士和文学学士的学位。因为英文名称是麦克教授，所以朋友都称他为麦教授。
麦教授曾经从事过的工作有： 投资银行分析师，证券公司顾问, 高科技公司的国际市场部经理，以及互联网公司创始人。 在美国学习时，他得到了一项美国专利，并创立了一个知名的华人网络社区（MITBBS, 未名空间），该社区在2004年时得到华尔街日报的报道。
麦教授用经济学的方法研究大数据的产生，传播和处理。他擅长的研究领域是信息产品定价策略，大数据营销， 商业人工智能以及互联网金融。他的学术论文在学术期刊如 American Economic Review (美国经济评论)，Management Science (管理科学 ), MIS Quarterly (信息管理系统季刊), Journal of Marketing （市场营销）, Information Systems Research (信息系统研究), Journal of MIS (信息管理系统) 等发表。目前他是学术期刊 Information Systems Research (信息系统研究)的高级主编。
他同时也是招商证券，中国移动，华为，香港数码港，阿里巴巴旗下的湖畔大学等公司和机构的顾问。
麦教授擅长于研究信息产品定价策略，大数据营销， 商业人工智能以及互联网金融。大数据、机器学习兴起以来，大家都表示应该并大力推进来用大数据来研究经济，但张晓泉教授的方法论并不一样，他主张用经济学的方法研究大数据的产生，传播和处理。这样的方法，一定程度弥补了前者的研究相对静态带来的局限。
麦教授认为虽然大家都在用大数据做人工智能，因为大家的出发点和目标不一样，导致能回答的问题也不一样。经济学家，统计学家，和机器学习专家研究的人工智能问题会非常不一样。经济学最核心的问题之一是建立激励机制。“任何场景下都需要解决激励问题，就是人为什么要做这件事情，游戏规则如何制定才能给人以足够的动力去按规则制定者的想法做？”
机器学习在做的事情更多是预测和分类。以电信公司的业务为例，客户是通话多一些还是使用数据多一些，机器学习能否通过分析历史数据来预测用户是否会转用竞争对手的服务。
这两种问题的底层都是统计学，统计学家解决能不能用数学的方法来描述随机性，人工智能归根结底是需要机器去分析哪一种结果是最可能出现的。
麦教授解释道，“经济学家的研究目标更多是去解释事情的底层机制是什么样的？前两年有本大数据的书很火，书本的观点认为我们不需要要解决因果关系，因为有了世界上所有的数据之后，问任何问题都能够通过数据回答，这是不对的。”
经济学家认为，一定要分析清楚因果关系，才能够制定更好的政策和规则 。比方说，有数据表明上私立学校的学生更容易上好大学，那么是否能说私立学校比公立学校更好呢？要回答这个问题需要研究上私立学校的学生是否本来就有别的更好的资源让他们上好大学，如父母的校友资源，去国外旅行开拓视野的机会等。换句话说就是一个上私立学校的学生如果放到公立学校去是否还能上好大学。如果不知道因果关系我们是没法知道答案的。在过去的20年里，经济学家建立了非常多的数据分析模型，有整套的计量经济分析框架，这些模型如果能够和人工智能的一些方法结合，会产生出非常多的有意思的结果。
所以经济学家做的事就是，如何用经济学的这套体系来帮助现在大家做的技术创新？
到底金融市场在干一件什么事？在解决金融科技创新的问题时，首先出发点应该讲清楚到底金融市场在干一件什么事。通俗地说，一般人认为金融市场是帮人们挣钱，“但其实不是的，” 麦教授指出，“金融市场真正在做的是让资源更好地分配。”
“所以看历史上金融科技发展的每一个时代，比如最早我们开始用纸币，后来有信用卡，现在是区块链的出现，不同的技术往前发展，其实都是让我们越来越有效的做资源分配。”
因此，到底金融市场怎么能够通过AI的影响而变得更有效？
近来，《纽约时报》、《 经济学人》等主流媒体都在讨论：金融市场的未来到底是什么样的？很多人认为金融市场会被人工智能替代，比如金融投资分析等职位。
包括目前大学教授的课程，财务学、金融学等，这些到底还有没有用？如果未来都能让人工智能来做，那就无效了。
那么，到底出路在哪里？
…………
这些科技创新带来的问题，在届时的大会演讲上，麦教授都将从一个经济学家的角度出发，结合技术的研究实践来进行分析。
“所以，人工智能能做什么、不能做什么？这点我觉得非常重要。”麦教授表示，现在大部分人都在讨论人工智能可以做各种各样的事，但是人工智能不能做什么？到底界限在哪里？其实是一个更需要讨论的问题。这里的讨论并不需要乐观或悲观的臆想，而是需要建立有效的方法论来研究。
麦教授的演讲将以两个场景为例：
第一个场景是金融市场情感分析。
第二个是金融市场最关心的——能不能预测股价？
现有的分析师，每天要看无数的年报、季报，以及公司的报表，还要看看新闻发生了什么事情，宏观经济，社交媒体讨论等无数信息……目前大部分的情感分析用的研究方法是直接提取文本中带有情感色彩的词语。如果和对金融市场的知识相结合，新的情感分析算法可以直接结合经济学和人工智能的优点，做到更好的辅助分析。另外，麦教授还会讨论如何用人工智能的算法来做股价预测。
此外，金融行业最重要的领域之一是风险管理。如今大家认为用人工智能可以解决所有的风险管理问题，“这是错的。”麦教授指出，“风险管理有很多的层面，一个层面是说只要讲到风险，就是能不能写出来股价涨跌的概率分别有多大？波动率有多大？一旦写出波动率，底层就一定假设了某种概率分布，但是很多金融事件的发生我们是不知道概率分布的。”即便有完备的历史数据仍然无法管理这类风险，那么经济学的方法如何给人工智能提供有力的模型工具呢？
这些问题，届时大会上麦教授都将展开讨论。
…………
今天我们先剧透到这里，大会上麦教授将带来更详尽的前沿研究分享，希望到现场与麦教授进一步交流的朋友，欢迎快快购买我们的六折票！
相关文章：
机器人领域开拓者：斯坦福大学机器人实验室Oussama Khatib教授 | GAIR 2017
AAAI协会主席 Rao：中国AI研究进步喜人，创业风气无处不在 | GAIR 2017
耶鲁大学终身教授邵中：「没有 bug」的操作系统是如何炼成的？| CCF-GAIR 2017
正在生成分享图...
nebula