論文の概要: AI in Finance: Challenges, Techniques and Opportunities
- arxiv url: http://arxiv.org/abs/2107.09051v1
- Date: Tue, 20 Jul 2021 01:39:10 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-21 15:06:40.880294
- Title: AI in Finance: Challenges, Techniques and Opportunities
- Title（参考訳）: ファイナンスにおけるAI - チャレンジ、テクニック、機会
- Authors: Longbing Cao
- Abstract要約: 金融におけるAIは、金融ビジネスにおけるAI技術の応用を広く指している。
このレビューは、金融におけるAI研究の圧倒的な課題、技術、および機会に関する包括的で密集したロードマップを提供する。
- 参考スコア（独自算出の注目度）: 32.98512067306018
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: AI in finance broadly refers to the applications of AI techniques in
financial businesses. This area has been lasting for decades with both classic
and modern AI techniques applied to increasingly broader areas of finance,
economy and society. In contrast to either discussing the problems, aspects and
opportunities of finance that have benefited from specific AI techniques and in
particular some new-generation AI and data science (AIDS) areas or reviewing
the progress of applying specific techniques to resolving certain financial
problems, this review offers a comprehensive and dense roadmap of the
overwhelming challenges, techniques and opportunities of AI research in finance
over the past decades. The landscapes and challenges of financial businesses
and data are firstly outlined, followed by a comprehensive categorization and a
dense overview of the decades of AI research in finance. We then structure and
illustrate the data-driven analytics and learning of financial businesses and
data. The comparison, criticism and discussion of classic vs. modern AI
techniques for finance are followed. Lastly, open issues and opportunities
address future AI-empowered finance and finance-motivated AI research.
- Abstract（参考訳）: 金融におけるAIは、金融ビジネスにおけるAI技術の応用を広く指している。
この領域は、金融、経済、社会のより広範な分野に適用される古典的および近代的なAI技術によって、何十年も続いている。
特定のAI技術、特にいくつかの新しい世代のAIとデータサイエンス(AIDS)分野から恩恵を受けた金融の課題、側面、機会について議論したり、特定の金融問題の解決に特定の技術を適用する進捗をレビューするのとは対照的に、このレビューは過去数十年にわたって金融におけるAI研究の圧倒的な課題、技術、および機会に関する包括的なロードマップを提供する。
金融ビジネスとデータの展望と課題は、まず最初に概説され、続いて包括的な分類と、金融における数十年にわたるAI研究の概要が述べられている。
そして、金融ビジネスとデータのデータ駆動分析と学習を構築し、説明します。
金融のための古典的対現代的AI技術の比較、批判、議論が続く。
最後に、オープンな問題と機会は、将来のAIを活用した金融と金融を動機とするAI研究に対処する。
関連論文リスト
- The Role of AI in Financial Forecasting: ChatGPT's Potential and Challenges [0.9217021281095907]
金融セクター、特に財務予測における人工知能(AI)の将来への展望。
ディープラーニング、強化学習、BlockchAInとモノのインターネットとの統合など、AI技術のダイナミクス。
AIの統合は、金融セクターにおける規制と倫理上の問題、およびデータプライバシ保護の意義に挑戦する。
論文 参考訳（メタデータ） (2024-11-07T15:35:16Z) - Opportunities and Challenges of Generative-AI in Finance [0.09895793818721334]
本稿では,金融分野におけるGen-AI技術の応用について概観する。
本稿では,Gen-AI技術の育成に使用可能な各種手法と,金融エコシステムにおけるGen-AI技術の応用分野について述べる。
論文 参考訳（メタデータ） (2024-10-21T05:30:39Z) - A Survey of Large Language Models for Financial Applications: Progress, Prospects and Challenges [60.546677053091685]
大規模言語モデル(LLM)は金融分野における機械学習アプリケーションに新たな機会を開放した。
我々は、従来のプラクティスを変革し、イノベーションを促進する可能性に焦点を当て、様々な金融業務におけるLLMの適用について検討する。
本稿では,既存の文献を言語タスク,感情分析,財務時系列,財務推論,エージェントベースモデリング,その他の応用分野に分類するための調査を紹介する。
論文 参考訳（メタデータ） (2024-06-15T16:11:35Z) - Now, Later, and Lasting: Ten Priorities for AI Research, Policy, and Practice [63.20307830884542]
今後数十年は、産業革命に匹敵する人類の転換点になるかもしれない。
10年前に立ち上げられたこのプロジェクトは、複数の専門分野の専門家による永続的な研究にコミットしている。
AI技術の短期的および長期的影響の両方に対処する、アクションのための10のレコメンデーションを提供します。
論文 参考訳（メタデータ） (2024-04-06T22:18:31Z) - Artificial Intelligence in the Service of Entrepreneurial Finance:
Knowledge Structure and the Foundational Algorithmic Paradigm [0.8287206589886879]
この研究は、起業家ファイナンス文学における人工知能の応用に関する文献的レビューを提供する。
文献分析は、知識分野の概念、知性、社会構造に関する豊富な洞察を与える。
論文 参考訳（メタデータ） (2023-11-22T07:58:46Z) - A Comprehensive Review on Financial Explainable AI [29.229196780505532]
金融の文脈における深層学習モデルの説明可能性向上を目的とした手法の比較調査を行う。
説明可能なAI手法のコレクションは,その特性に応じて分類する。
我々は、説明可能なAI手法を採用する際の懸念と課題を、適切かつ重要と考えられる今後の方向性とともにレビューする。
論文 参考訳（メタデータ） (2023-09-21T10:30:49Z) - AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities
and Challenges [60.56413461109281]
IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。
我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。
主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
論文 参考訳（メタデータ） (2023-04-10T15:38:12Z) - FinQA: A Dataset of Numerical Reasoning over Financial Data [52.7249610894623]
我々は、大量の財務文書の分析を自動化することを目的として、財務データに関する深い質問に答えることに重点を置いている。
我々は,金融専門家が作成した財務報告に対して質問回答のペアを用いた,新たな大規模データセットFinQAを提案する。
その結果、人気があり、大規模で、事前訓練されたモデルは、金融知識を得るための専門的な人間には程遠いことが示される。
論文 参考訳（メタデータ） (2021-09-01T00:08:14Z) - Data science and AI in FinTech: An overview [102.56893575390569]
Smart FinTechは、主にデータサイエンスと新世代のAIとDSAI(DSAI)技術にインスパイアされ、強化されている。
FinTechのデータサイエンスとAIの研究には、BandingTech、TradeTech、LendTech、InsurTech、WealthTech、PayTech、R RiskTech、暗号通貨、ブロックチェーン向けのスマートフィンテックにおける最新の進歩が含まれている。
論文 参考訳（メタデータ） (2020-07-10T01:10:37Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。