金融數據“挖掘”能手

　　金融數據挖掘，是一個融合金融和數據挖掘的交叉學科。當前，在這一領域搞科研的人中，有計算機研究者，也不乏金融工程學者。中國科學院計算技術研究所副研究員敖翔，就是這一領域的一位計算機研究者。

　　“計算機研究者更加側重利用數據，特別是文本、行為等以往並未被很好利用的新興數據。研究設計複雜的智慧演算法來分析數據；而金融工程學者則更擅長從金融業務出發，研究哪些數據對某個應用有直接影響，顯著性如何，等等。”在敖翔看來，這兩類研究相輔相成，協同發展。多年來，敖翔一直將精力和感情傾注在金融數據挖掘的學術研究之中，取得了不少成果。

　　2015年，敖翔博士畢業，留在中科院計算技術研究所，成為一名助理研究員。當年底，他和上海證券交易所合作，研究如何發現違規交易行為證據。“這個項目，開始因為我不是很了解金融業務，進展不太順利。後來通過學習了一些業務知識，最終設計出非常快速的並行挖掘演算法。”敖翔説，他和團隊成員將計算時間的級別從“天級”縮短到“秒級”，大幅加速了計算時間。此後，這一演算法在很多場合使用。

　　學術研究過程中，敖翔感覺最快樂的，莫過於設計的計算機演算法在實際生産生活中發揮了切實功用。

　　2017年底，敖翔和某金融機構合作一個金融輿情情感分析項目，研究財經新聞裏是否可能蘊含公司債違約風險的演算法。這個演算法，受到了人工智能國際頂級會議的關注，還于2018年部署在某公司智慧債券的一款産品中。“相當於在原産品的風險評級模型里加入了領先因子，大幅提升了預警準確率和提前預警的時間窗口。”後來，那款債券産品成功拉升了市場佔有率，國內一些銀行、券商和保險公司都開始使用。

　　“我們從事應用基礎研究，最希望的就是論文裏的演算法能夠落地，有實際貢獻。”敖翔説，一個好的演算法，不是追求模型的過於複雜，而是在實際場景中能用、好用、易用，這也是他們一直努力的方向。

　　隨著研究日益深入，敖翔也逐漸發現金融數據挖掘領域的糾結之處。在他看來，金融領域是具有悠久歷史的傳統行業，這一行業積累了非常優秀的行業規則和專家經驗等。然而，人工智能和金融數據的結合方法，目前主要集中于通過輸入原始數據，讓數學模型自動提取特徵並判別任務，“這其實在金融行業並不完全適用”。敖翔認為，這種模式缺乏可解釋性，難以輔助金融決策，而且不利於行業知識長期累積。如果要解決這一瓶頸，需將金融行業知識和深度學習方法巧妙結合，找到創新點。

　　如今，敖翔已在數據挖掘、人工智能領域的國際頂級期刊和會議上發表論文20余篇，主持國家自然科學基金、CCF—騰訊犀牛鳥科研基金、螞蟻金服安全專項科研基金等近10個項目。

　　未來，敖翔的最大願望，是圍繞金融監管領域，為國家金融發展作出應有的貢獻。（記者 梁劍簫）