几乎没有人知道的事

贝莱德是一家领先的投资管理公司，它为投资经理提供的操作系统Aladdin，可以更精确地管理投资组合的风险敞口。

Aladdin声称系统内置有机器学习工具来监控和降低投资组合风险，现已吸引包括贝莱德在内的200多家机构使用。系统其每天可以自动监测2000多个投资风险因素(如利率、汇率)，并模拟不同经济情景下的投资组合绩效。

使用Aladdin系统的投资管理公司可以提高其人力投资组合经理的技能。人类经验与人工智能处理能力的结合，可以比二者单独构建、测试和重新平衡投资组合更加高效。

用人工智能分析另类数据，获取投资洞察

大家都会分析来自美国证券交易委员会(SEC)发布的文件、新闻、彭博社资讯等传统投资数据，分析师想要从这些传统数据中找到其他人都忽略的投资洞察，可能性很低。

投资经理们越来越多地通过分析另类数据来获取投资洞察，包括卫星图像和手机地理位置数据。

利用卫星图像预测零售店销售额
 

为此，投资管理公司可以使用人工智能来管理风险，从另类数据中获取投资洞察，进行自动化分析并开展客户报告。

首先，让我们来看看目前和未来AI在投资管理中的应用，接着探讨投资经理如何识别高价值的AI应用机会，并与AI初创公司共同制定解决方案。

人工智能在投资管理中的应用

人工智能可用于支持前台和后台工作，包括投资分析、风险管理和报告生成等管理任务。人工智能可以为投资管理公司增值的三个领域：

• 风险管理：使用机器学习管理投资和投资组合风险。
• 投资洞察：用机器学习和计算机视觉分析另类数据，预测零售店业绩、商品供应和一般经济活动情况。
• 分析和报告：使用自然语言处理(NLP)为客户提供定制的报告，并为分析师汇总财报电话会议和年度报告。

将人工智能应用于这些领域会大有好处。经过改进的风险管理和数据洞察会带来更好的投资结果，使用人工智能进行自动化分析并生成报告可以节省分析人员的时间和金钱，为客户提供定制的按需报告增添个性化服务的元素，增加了客户信任度，提高了客户满意度。

利用机器学习管理投资风险
 

与广度优先搜索一样，深度优先搜索也包括时间复杂度O(n)，但空间复杂度可能有所不同。深度优先搜索通常占用较少的内存或空间，假设可以在遍历整个树之前找到目标节点。

由于二叉搜索树中的每增加一级节点会加倍(至少对于平衡树而言)，如果丢失的节点(Nemo)位于树的较低位置，则可以使用深度优先搜索来节省内存。在最坏的情况下，两种方法的空间复杂度都是O(n)。

关于二叉搜索树以及如何通过代码实现它们还有很多需要学习，但这个有趣的案例会成为你了解数据结构的起点。
 

果在Mr. Ray之后没有找到Nemo，Marlin会到下一级询问Bruce和Darla等等。使用广度优先搜索可以找到起始节点(Marlin)和目标节点(Nemo)之间的最短距离。时间复杂度是O(n)，因为在最坏的情况下，需要检查每个节点才能找到Nemo。

什么是深度优先搜索?

深度优先搜索(Depth first search)是一种从顶部节点一直向下遍历到其最远子节点的树(或图形)的方法，然后在未找到目标节点时再回去并尝试其他路径。

在《海底总动员》的例子中，Marlin首先会问Dory “你知道Nemo在哪里吗?” 如果她不知道，他就会问Crush同样的问题，因为Crush是Dory最左边的子节点。如果Crush也说没有，Marlin将移动到下一级去问Bruce，尽管他害怕成为鲨鱼的点心，但也会问问他有没有见到自己的儿子。

（编辑：广安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!