機器學習在金融中如何應用？
Quora平臺的Afzal Ibrahim的回答，可以借鑑，轉載和翻譯如下。
原文鏈接：https://www.quora.com/How-is-machine-learning-used-in-finance
銀行業是一個生態系統，它需要強大而高質量的智能，而不依賴與基於鬼則的編程（我們已經厭倦了規則）。
現在是戰略績效管理部門必須消失的時候了——因爲他們是一羣負責挖掘數據（手工）和產生洞察力（Excel文件）的人，非常低效的。
我認爲機器學習對銀行的一些潛在場景可以做出很大的貢獻。
產品工程——知道什麼時候賣什麼，賣給誰
編者按：與基於數據驅動化的精準營銷一致
結合不同的產品、客戶行爲和不同的渠道，創造完美的價值主張是銀行業面臨的主要挑戰之一。通過適當的數據挖掘，支持靈活和集成的流程，以瞭解客戶的購買習慣，客戶的參與渠道，以及對銀行銷售重要的關鍵影響因素是什麼，從而設計新產品和服務給正確的客戶。
應用機器學習來生產個性化的產品是下一代銀行的關鍵。購買銀行產品的傾向對於一個銀行家銷售他們的產品和服務來說是一個關鍵的KPI。
風險管理——瞭解客戶的信用價值
編者按：信用風險識別和量化
在向客戶提供產品或服務之前，根據客戶的國籍、職業、工資範圍、工作經驗、所在行業、信用記錄等來確定客戶的風險評分對銀行來說非常重要。風險評分是銀行決定客戶利率和其他產品行爲的重要KPI。
目前，“即時”引入一箇中央的、綜合的金融和風險機制是一個重大挑戰。即使是現在，由於無法預測客戶的風險評分，銀行也無法立即獲得融資批准
欺詐行爲分析
編者按：欺詐風險檢測和量化
銀行面臨的另一個主要挑戰是欺詐。也許，最大的機會之一在於在線檢測欺詐，並通過利用分析和機器學習來獲得客戶的整體視圖來防止欺詐。識別數據中的模式，聚類信息，區分欺詐活動和正常活動。
Treasury-客戶關係管理，現貨交易
CRM在零售銀行領域非常突出。當涉及到銀行內部的Treasury 時，客戶關係管理幾乎無處不在。
Treasury擁有多種產品，如外匯、期權、互換、遠期和更重要的現貨。通過將這些產品的複雜程度、客戶風險、市場和經濟行爲以及信用歷史等方面結合起來進行在線交易，對銀行來說幾乎是一個遙遠的夢想。機器學習結合強大的匯率定價支持一個即時風險健全檢查，然後在網上交易-哦，這將是驚人的!
客戶細分
在這個x世代、y世代、千禧世代和美國(傳統)的世界裏，銀行正在努力將客戶分成不同的羣體，通過收集和分析所有可用數據，並利用大數據技術從基礎數據中挖掘情報，從而支持銷售、促銷和營銷活動。 無論機器學習有什麼新的見解，只有人類管理者才能決定關鍵問題，比如公司真正想要解決的關鍵業務問題。
嘿，銀行，你已經是個數學家了。爲什麼不添加一些機器學習呢?
你有什麼見解或者想法，請留言。
數據人網是數據人學習，交流和分享的平臺，誠邀您創造和分享數據知識，共建和共享數據智庫。