金融領域有很多細分。如果喜歡證券和股票就去炒股，做基金經理；如果喜歡保險就去保險公司；如果喜歡借貸就去銀行或者民間金融機構！

2016 年Euromoney Institutional Investor Thought Leadership 的一項調查報告《機器中的幽靈：金融市場中的人工智慧、風險及監管》對全球金融機構中的 424 名高階管理人員進行了調查問卷，研究人工智慧/機器學習在金融市場的風險以及監管問題。

其中有幾張結果圖，能夠初步看出深度學習（人工智慧）對金融領域的影響，報告中寫到：

在接下來的三年中，最顯著的變化將出現在交易、財務分析和資訊科技中，它們分別得到了受訪者 64%、60% 和 60% 的認同（見表1）。很多人也希望，機器學習能實質性的影響到風險評估（59%）、信用評估（57%）和投資組合管理（52％）。風險評估和金融研究是企業在未來三年內最可能實驗機器學習應用的領域。

麻省理工學院斯隆商學院金融工程實驗室主任 Andrew Lo（他同時也是一家定量投資管理公司的創始人）認為，人工智慧的影響將會非常廣泛：「我認為其將改變金融行業所有方面，因為該行業的許多部分都可以使用這些型別的演算法和使用大型資料池來實現自動化。」

除了交易和研究，Peter Hafez 還認為，機器學習將會極大助益於消費者的信用評分以及不同型別的金融機構的合規職能。他指出，比如說，合規經理開始使用新聞源等非結構化內容以警告他們可疑的交易。

機器學習技術已經在零售投資諮詢中實現了應用。據澳洲證券和投資委員會（ASIC）的專員 John Price 稱：「機器人顧問（Robo-advisers）」——投資管理網站向投資者提供自動化的建議——現已構成了一個使用人工智慧的領域，該領域接受積極的監管審查管轄。英國金融行為監管局甚至走得更遠，該機構在其最新的「金融諮詢市場評估（FAMR）」報告中建議金融機構使用機器建議向它們的客戶提供「精簡化建議（streamline advice）」以提升成本效益。

隨著大資料、雲計算、人工智慧在金融領域的應用，金融資料分析的要求越來越高，應用範圍也越來越廣闊，各大金融機構開始探索運用深度學習技術更好的服務金融行業。那麼，深度學習該如何在金融領域落地呢？

首先解釋一下什麼是深度學習（Deep Learning）？

深度學習是一種基於對資料進行表徵學習的方法，它模仿人腦的機制對於資料進行解釋，包括影象、文字和聲音等等。它是在一定量的學習基礎上來實現質自身價值，基於大資料技術的支撐，將人類生活中的智慧和經驗在機器中進行延伸和運用，總之它源於人，服務於人。

1、提供長尾使用者服務

比如，可以利用人工智慧、大資料技術挖掘潛在使用者需求，金融領域中有許多容易被忽略的潛在投資者，這些潛在投資者如果被挖掘或者實現個性化產品定製需求，就會帶來巨大的回報率，而且這類潛在使用者數量多，如果能夠獲取他們的歷史資料，並進行分類、分層定製服務，能夠發揮出更大的效益。

2、把握輿情資料，評估金融態勢

3、智慧投顧

所謂的智慧投顧就是Robot-Advisor，根據個人投資者的風險承受水平、風險偏好、收益要求，運用一系列智慧演算法及投資組合最佳化等理論模型，為使用者提供最終的投資參考，並結合市場行情給出一系列參考建議。這也是更加人性化的趨勢。