數據是數字經濟時代的新型生產資料，其中尤以金融行業的數據資源最為豐富，大數據、人工智能等技術與金融業務深度融合，大大推動了我國金融業轉型升級，用科技賦能金融成為最新流行趨勢。

　　作為行業領先的人工智能、大數據企業，中譯語通也在金融業務中發揮大數據和人工智能技術的優勢，深度布局金融科技，豐富金融大數據產品生態。

　　AI賦能金融量化

　　如何以大數據、人工智能技術驅動金融量化發展，挖掘另類數據潛力并實現其價值最大化，中譯語通CEO于洋結合中譯語通的實踐給出了詳細的闡述。

　　中譯語通基于強大的大數據及人工智能技術，對全球海量開放非結構化數據進行精細化分析和深度挖掘，構建量化模型，用量化數據計算市場信息、投資者信心等另類數據，為投資者提供投資機會分析，從全球角度制定最佳投資策略。

　　于洋重點從市場情緒、市場情感、全球恐慌指數等獨有算法與數據出發，結合數據資產、知識圖譜構建能力等角度介紹了中譯語通探索全球海量金融另類數據價值的技術實力和實踐成果。其中，中譯語通構建的上證指數量化模型超過三個月的連續交易預測趨勢準確率超過85%、并且能夠實現長周期、短周期和每日股指數值進行實時數據計算。

　　具體來說，反映和影響市場變化的情緒指標是基于市場漲跌速率變化、股價、股票成交量等因子指標分析市場買賣人氣;分析情緒級別、熱度、變化程度及速度，通過量化方法估算全球投資者的風險資產變化情況、投資態度、投資決策以及風險承受度等指標，分析有關收益預期、利率預測等觀點，反映市場買賣意愿的程度;利用外匯收益和外匯風險相關系數等因子指標建立風險偏好指數，反映市場投資者風險態度，通過提供不同視角的市場洞察分析，幫助金融從業者做出更合適的決策，提升投資回報。

　　推動金融量化新變革

　　傳統的量化投資主要是通過對基本面數據和交易數據進行分析來預測未來收益。其中，基本面數據是指與公司相關或者與宏觀相關的數據，例如盈利，分紅，GDP，CPI，利率等等;交易數據則是與技術分析相關，例如價格，成交量，資金流向等等，基于金融大數據，將以前人工較難考慮的因素納入到投資模型中去，通過機器學習等人工智能方式去挖掘歷史規律，發現可行的投資策略。

　　隨著技術不斷發展，量化投資還需要大量的投資者行為數據、市場輿論和情緒數據等等。對此，中譯語通CEO于洋表示，中譯語通五年間在大數據領域持續深耕，積累了互聯網開放數據、科技數據、金融數據等龐大的數據資源，正是這些數據資源造就了龐大的市場情緒，助力另類數據在金融量化領域的創新應用。

　　對于金融市場行情而言，觸發市場情緒將助力更高效的市場決策，全方位感知與測量市場情緒，實時準確判斷對市場的影響，對金融量化有重大意義。隨著金融科技與大數據技術的不斷發展，未來，中譯語通將通過持續深耕大數據和人工智能技術，運用NLP金融市場情緒算法，分析政策因子、情緒因子、風控因子和成長因子等多維度參考因子，并應用至投資交易、大宗商品貿易、行業監管等不同領域，推動金融量化科技的創新發展，為投資者提供不同視角的市場洞察分析，發現新的市場投資機會。