當前，大數據、云計算、人工智能、區塊鏈等技術加速創新，不斷推動金融科技與期貨行業融合。了解當前金融科技的現狀挑戰及發展趨勢能為各市場主體把握數字化、網絡化、智能化融合的發展契機提供前瞻性的視角。在9月8日的2022中國（鄭州）國際期貨論壇“金融科技分論壇”上，復旦大學計算機科學技術學院教授王曉陽深入介紹了當前智能化發展的趨勢與挑戰。他表示，當前數據紅利的時代才剛剛開始。

王曉陽介紹說，目前智能化發展是處于向數據要知識的階段，信息化最新模態催生大量數據，如互聯網、物聯網等。在這個過程中，數據的重要性越來越被認可，可以說，金融科技，數據是核心。

“量化交易就是典型的智能應用案例。量化交易中一般擁有海量數據，來源豐富，有量化結構化行情的市場數據，也有歷史回測、多事件推理、事件量化策略的數據，以及來自輿情、地理、圖片、音視頻等多方面的數據，進而形成融合的量化事件驅動平臺，在該平臺上可以做各種各樣的應用，如投研、交易等。其中的難點在于需要有更高效的系統支持從海量數據中獲取有用的知識。所謂高效，即用更少的時間做更多的分析、用更少的能耗做更多的計算、用更少的人力及專業知識做更多的數據利用�！蓖鯐躁栒f。

在王曉陽看來，當前智能化應用主要面臨三方面的挑戰：一是流程復雜，不同應用具有獨特流程，人們往往需要多種數據、多種分析及學習方法、多種視角來協同達成目標，而不同的數據及不同的方法往往需要不同的軟硬件計算平臺來完成；二是數據量大，依賴于從大量異構數據中獲取知識；三是人力缺乏，駕馭智能應用仍依賴大量人工，其中各類系統的引入帶來各種“技術債務”，更需要大量人工，這也是當前智能化應用最大的難點。

“從智能投研的方向來看，一方面需要大規模并行運算、數理方法論創新、新型數據庫、硬件技術等系統模型；另一方面需要進行優化的方法，如機器學習算法加速、海量數據運算回測加速、深度學習推演加速等，才能使得整個智能化應用運行下去�！彼�表示，從這個角度來說，目前智能化應用趨勢可以總結為：機器學習軟硬件系統普及且強大，是智能應用系統才剛剛起步。

王曉陽表示，數據紅利的時代剛剛開始，但同時也面臨很大挑戰，比如需要從“淺層知識”的挖掘利用（如圖像識別、語音處理等）向“深層知識”的挖掘利用（如理解、推理）發展。此外，機器學習的準確性是個統計概念，是基于很多假設的，但理想的IT系統要在嚴格的邏輯性下適應不確定的環境，故當前復雜應用智能化的難度仍然較大。

面對智能化應用趨勢的難點，王曉陽認為，解決思路在于用智能技術來解決智能應用難題。智能技術為復雜流程的優化、多種系統的選擇和協同以及自然人機交互提供了一條可能的途徑。未來的目標是實現人工智能計算的“搜索化”，即將分析變成像搜索一樣簡單，從而實現智能系統的“平民化”。

來源：《期貨日報》