2019-07-01
6月(yuè)27-29日，2019年國際智能計算機大會在深圳召開，中(zh路文ōng)國工程院院士李國傑，中(zhōng)國科學院院士楊學話事軍等數十位國内外知名專家學者齊聚一堂，共同探讨智能計算機産業(yè)相關學低(guān)的前沿技術(shù)。會上，西南交大金融大數據研究院院長、美國俄克拉舊哥荷馬州立大學李維萍教授發表題為“關(guān)于金融和(hé)數據科學的創新”的主題演講。
李維萍指出，金融行業(yè)整天就是和(hé)數據打交道，是數字化最早行業(關冷yè)。上個(gè)世紀20年代開始，美國金融市場開始繁榮的時候，處理從小各種各樣的金融數據就開始了。處理金融數據的方式方法，無論是計量我舞學家、統計學家或者金融學家都在裡面做了很大的貢獻，但是挑戰也是非常明顯的，最喝行大的挑戰是因為金融非常實際。你(nǐ)說得天花(huā)亂墜不如(rú)拍匠真正能讓它掙錢或者少(shǎo)損失錢，這是衡量制得的最終标準，但是，金融的論文(wén)可(kě)以寫得以結果非常大海好為導向，但是在真正的實踐裡面是要以起碼不虧錢為導向。
另外，機器(qì)學習的方法和(hé)工具是否能在金融裡面真正起到有效時都的預測效果？能否利用超算，加速計算？金融間睡裡面的有效計算是一個(gè)非常重要的問(wèn)題。
李維萍教授舉例說，要用其他很多很明顯的随機變量討民來描述收益，其他的變量呢(ne)？收益或者聯動(dòng)都金朋要想用其他的方式來刻畫，最簡單的刻畫就是線性遞規，最簡單個南就是線性動(dòng)力系統，最簡單的方式就是線性組水要合，線性組合搞得更深刻就不是這個(gè)關(離我guān)系，是一個(gè)随機變化，它就成花校了一個(gè)高等模型。我們在機器(qì)學習醫小裡面用了無窮多的辦法。速度慢時間長效果不好，做大數據稍微實時更新以後參數都師物調不過來，這時候會問(wèn)這些東西是自可否能用，很多學金融的人知道有機器(qì)學習，但是用其他非常簡單的刀現，有時候太複雜不能對市場有所反應。
李維萍教授還和(hé)與會者做了互動(dòng)，回答了有關物身(guān)機器(qì)學習有效性等方面的看物問(wèn)題。
（内容未經演講者審核，如(rú)有出入，物去責在報道者。）
