1樓：Bryce
巴菲特曾不止一次說過LTCM公司的故事，這個公司的核心成員包含兩位諾貝爾經濟學獎得主和美聯儲主席前主席，他們的策略所評估出來的俄羅斯債券違約的概率僅僅為萬分之一，但這個事件竟然確實發生了，最終LTCM破產了
ML的決策不過是用演算法把他們走過的走一遍，這是模式的創新，和很多其他行業的創新一樣——解放生產力，但是想依賴量化保持決策處於不敗之地，幾乎不太可能
2樓：
機器學習能幹嘛?頂多就是個貸的違約分析，企業信貸的違約機器學習都做不了，資料集根本不夠。再說這頂多是在風控裡面加個模型，實際上商業銀行核心根本就不是風控，後台破鼓萬人捶的地方，做P2P的人都知道核心不在於風控，商業銀行的核心當然不是風控，只是假裝給存款人聽的。
商業銀行的核心決策模式還是裙帶+喝酒。機器學習能把商業銀行的牌照搞沒麼？搞不沒你大爺還是你大爺。
3樓：尹子嫣
很難吧。作為客戶經理當然非常希望看到這一天，最好連貸前調查也一併完成了，這樣如果決策失誤，出了不良就不會背鍋了，呵呵噠。
4樓：薛昆Kelvin
商業銀行的商業模式不變的話，是沒有可能的
但是對於金融科技創業公司來說，商業銀行有可能成為你的客戶，在風控，反欺詐，智慧型投顧上有商業機會
5樓：
目前看還不能。
無論是對公還是對私，銀行目前都是業務部門主導。
大資料主要是從獲客、營銷、風控幾個方面起作用，降低獲客成本，提公升風控能力，是目前主要起到的作用，主要還是優化和改進原有的業務流程。
但是未來會不會產生本質性的顛覆，這個不好說。
銀行會不會放權給大資料部門，科技部門，將會是未來銀行發展的關鍵一步。有可能會主動變革，也有可能會被動變革，也有可能不會變革，要看新技術對於傳統業務的衝擊究竟有多大。
6樓：FAL金科應用研究院
需要先對決策做出定義。
以商業銀行風險控制為場景，如果是管理決策，仍然以管理者為主，但如果是專案性質的風險決策（比如信貸審批），則完全可以由大資料分析與資料模型形成風險策略，進而完成自動化風險管理。
但策略的選用，最終還是需要依靠決策者或決策團隊共同決定。
所以說，金融科技（ML、Deep Learning）一直都在為傳統商業銀行提供更好管理決策的依據，但不存在要替代決策。
7樓：babyquant
決策是一種權力，現在商業銀行決策出錯終生追責。機器學習更多是技術部門提供決策依據，但自己無權做決策。
除非哪一天，商業銀行的審批檔案可以由碼農簽字，碼農終生追責，或許可以改變目前的決策模式。
金融領域特別是衍生品方面的有什麼好書值得推薦嗎朋友們？
尹冰 要看問這個問題的人的背景和需求是什麼了 我推薦一本Volatility Trading作者是Euan Sinclair。這本書操作性很強，但又不失理論基礎，深入淺出。可以從這本書開始了解vol trading，然後再延展到其他更複雜的衍生品。當然如果提問者本身的興趣是Interest rate...
東南亞和南亞學習漢語的概況如何，特別是印度，泰國以及馬來西亞學習漢語的人數？
印度好像不多吧，但是印度人對中國還是比較感興趣的，你來了印度就能感覺出來。而且印度市場上很多東西都是中國的。由於印度的語言就比較混亂，他們本中國人有時候都用英語交流。而且漢語對於他們來說，很難。基本上，漢語對於很多國家的人來說都很難。特別是對於像英系國家的這些人，他們發音都不准。因為咱們漢語很繞口，...
學習的時候（特別是理科），題目型別都做過，知識點也有背過，可為什麼一到考試就什麼都不會，都不記得呢？
一笑生 學習的四個層次是這樣的。從低到高，知道，理解，掌握，應用。知道，就是你記住了，也就是像你說的，你背出來了。你能夠把題目做出來了，但是你做出來的這道題，你記住了，換乙個問法，你就不知道了。現在你基本上處於這乙個層次。理解，你不僅知道她的文字是怎麼說的，你還得知道他為什麼這麼說。他還可以怎麼樣說...