一文读懂 | 金融科技邂逅火爆的GPT-3 (3)

大家好, 我是Lucy@FinTech社区。

欢迎大家来到深度学习模型解析,GPT-3系列的第三期,在前两期中(一文读懂 | 引爆AI界的1750亿参数模型 GPT-3!一文读懂 | GPT-3模型背后的深度学习 (2)),我们介绍了GPT-3模型各种实用的领域和给予其这样强大的能力的深度学习技术,那么这样有突破意义的模型对于金融科技行业又意味着什么呢?

 

欢迎大家添加微信fintech34,或扫描底部微信,加入FinTech社区,攒人脉,求职招聘,提认知!

 

本期我们将为您分析GPT-3这样的深度学习模型在金融相关领域的应用和目前最新的前沿科技方向

 

阅读本文你将收获:

1、GPT-3未来在金融科技界的爆点

2、GPT-3相关的深度学习技术在金融的前景


 

一、GPT-3未来在金融科技界的爆点

 

活跃的金融行业目前紧紧follow深度学习的浪潮,总是能够在第一时间接收到新技术的讯号,并开始尝试将最尖端的模型技术应用在提高金融科技的能力上,目的在于对金融行业进行全方位的深度优化。

那么强大的GPT-3模型,目前有什么有潜力的可能性,未来又会有怎样的爆点呢?让我们一起畅想,希望可以带给你启发,同时也很有可能就成功预言了下一次金融技术的热点!如果感兴趣的话,不妨从现在开始了解学习深度学习。
 

1.1 自动报表生成

GPT-3已经被用来构建可以为没有会计知识的人生成专业财务报表的自动化工具, 该工具可以通过将用户的日常自然语言直接转换为Python代码进而操作表格,来创建资产负债表。不需要任何财务背景知识,用户只要根据自己的需要简单而自然地描述每一笔开销,GPT-3就能够自动生成符合规范的财务报表。

在下图的例子中我们可以看到,操作者在左边屏幕输入“我今天在业务上花了两万美元”、“我预付了900刀给接下来三个月的房租”,这样的语句被自动转化为后台的程序逻辑,紧接着通过一些辅助库函数填充和改变右边的表格,从而实现自动修改资产负债表上相应的项目数值。整个过程准确而高效。看到这儿,会记专业的朋友们是不是感受到了一点点紧张呢?

 

1.2 自动金融信息检索分析

GPT-3使用一些被简单提取的公司季度报表,同时附加上一些对于同公司的其他新闻来源,就可以实现自动提取财务指标,同时搜集广泛的评价,对公司进行分析。

这样的操作有什么实际价值呢?

我们可以举一些例子: 对于一家非热点公司,GPT-3可能会告诉我们,虽然目前公司目前规模不大,估值可能也并不是明显的低,但是现金增长速度快,没有负债,利润率高,又可能营销费用和获客费用极低,已经有大量的群众基础,品牌有了认知度,综上来看未来很可能有爆发性增长,那么这就很可能是一个极佳的投资机会。

相反,如果分析一下热点公司的财务报表之后,却发现现金流正在萎缩的;宣传的高利润有水分,有很多自相矛盾的新闻稿,疑似虚假宣传,甚至发现隐藏的财务风险,那么就必须注意规避。

对于多信源的快速分析可以辅助我们进行投资,这一块的市场可能性想象力极大。

 

1.3 自动金融新闻撰写

GPT-3 模型能够执行多项语言任务,例如,机器翻译、回答问题、语言分析以及文本生成。而GPT-3 生成的伪造文本甚至能够以假乱真,引起了新闻媒体的注意。那么很多时候网络上流传的信息会对金融市场产生巨大的影响,上一节也提到过,很多信息源目前都会被各大分析机构检索并收录分析,也会继续作为二次传播的源头,因此以假乱真的信息源很容易对于市场上的决策产生影响。

比如彭博(Bloomberg)就早以使用深度学习技术应用NLP算法来搜罗互联网上的信息,并给予自己的系统对资产进行积极与消极的评价。在最近举行的顶级学术会议SIGIR2020(国际信息检索大会)中,彭博的研究员 Edgar Meji 博士就展示了这些技术如何能够有效地从浩如烟海的数据中发现对于某些标的有价值的信息并提前预测市场的波动。

 

虽然并未透露技术细节,但这也足够证明GPT-3能够创造以假乱真的金融新闻的能力必须受到关注,随着整个市场对文本数据的不断深度挖掘和应用,GPT-3这样的深度学习模型必定会对市场产生巨大的影响。


 

二、GPT-3相关的深度学习技术在金融科技的前景

 

2.1 流程自动化

深度学习技术将逐渐消灭很多现在需要人工完成的工作,这不是危言耸听,比如人工客服,人工财务报表生成,客户引导等等。目前已经有很多金融科技企业(蚂蚁金服,微众银行,平安科技等)逐渐使用应用深度学习的自动化机器人来完成这些工作。

 

2.2 多渠道综合信息获取与分析

自然语言处理作为深度学习技术的一大应用场景,已经开始被广泛应用于金融新闻信息相关的数据挖掘,自动整合多渠道多语言的金融相关信息,并快速进行倾向性分类,情感分类,真实性检测等操作,从而快速整合出对目标标的或产品的最新市场判断,可以在激烈的竞争中占领先机。
 

2.3 金融时序数据预测

深度学习模型(RNN, LSTM, Transformer...)已经被广泛认可用来作为金融时序数据的预测工具,其捕捉历史数据模式从而推测未来趋势的能力得到了验证,同时深度学习技术由于其对于非线性关系相比传统统计预测模型有更好的捕捉性能而在对于金融时序数据的预测任务中被寄予厚望。

越来越多的人认识到在目前市场的金融时序数据(如股价,期货价格等)中,对于预期收益率和标的特征之间的非线性关系。

使用深度学习技术预测金融时序数据有着巨大的开发潜力!

 

#今日互动#

关于GPT-3运用于金融科技行业大家还有什么想法呢?欢迎添加微信:fintech12加入FinTech社区-机器学习群讨论!

 

近期热招: (点击标题,即可了解详情) 

招聘 | 算法工程师(机器学习)

招聘 | 系统架构师

招聘 | 深度学习工程师

招聘 | 量化开发工程师( C++/Python)

招聘 | 期权交易