摘要：大数据时代，大数据带来的信息风暴正在变革我们的生活、工作和思维，各个学科都在探索和应用各种新系统、新工具、新模型去处理各类复杂的数据，以便在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯，本文旨在将介绍金融资产数据在多个方面的具体应用。
关键词：数据；金融资产；实证研究；无人驾驶 ；多种应用
一、金融资产数据在人工智能方面的应用
在上世纪50年代，英国数学家图灵首次提出对计算机是否具有人工智能的一项测试。其内容是，如果电脑能在5分钟内回答由人类测试者提出的一系列问题，且被超过30%的测试者误认为是人类所答，则电脑通过测试。对于当今科技水平来说，看似简单的测试，却直到2014年才被首次通过。
大数据在人工智能领域应用十分广泛，首先联想到的是在智能机器人方面的使用。系统通过对用户的海量的搜索记录进行数据化的分析，能够自动呈现与之相似的话题；随时随地播放用户想要聆听的音乐；在清晨叫醒用户并为其提供适合自身体质的营养早餐。而这一切在美国加州门洛帕克办公区的Facebook大厦内都可以得到实现。
其次在智能制造方面，它是基于对人工智能的研究而产生的。无人驾驶智能汽车在各类零配件上，其未来的制造生产必然呈现高质量、高产量的趋势。国内外厂商目前在智能制造中发展较为成熟，大数据环境下的智能制造技术与智能制造系统使单纯的流水线制作转变为集决策、生产、修正、包装、运输、销售于一体的生产过程。
此外，智能化交通也对无人驾驶有着重要的意义。国内外的许多大型城市，通过对交通的智能和数字化管制，建立起随流量改变时长的智能交通信号灯，对道路流量的分析，能够自行规划成一张合适的智能交通图。但目前各国针对无人驾驶的法律政策还并不完善，因此普及智能汽车还需要许多年限。
世界经济与科学技术正突飞猛进的发展，与此同时第四次工业革命也在悄无声息地进行。Tesla的无人驾驶的汽车上了路，AlphaGo的计算机战胜了人类引以为傲的围棋，苹果公司的Siri也开始唱起了自导的”PPAP”。
总之大数据技术的战略意义不在于掌握无人驾驶庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换而言之，如果把大数据比作一种产业，那么这种产业与人工智能领域相辅相成，实现双赢共同发展是社会进步的必然趋势。
二、金融资产数据在人民币汇率方面的应用
当前，人民币汇率的分析已成为经济学领域研究的热点。
期刊文章分类查询,尽在期刊图书馆而且人民币汇率在2005年7月21日开始了汇率机制改革，这使得汇率浮动的区间变大，汇率风险较之以前大了很多，而人民币汇率的走势一直众说纷纭。近期人民币汇率一直呈下降的走势，现在有所好转，外部原因是由于美元这对时间正处于加息的状态，这种行为始终对人民币贬值造成压力。正确的预测人民币汇率的走势对我国货币政策的制定，以及金融机构规避外汇风险高具有非常重要的意义。
人民币持续贬值,已影响到经济生活的各个方面,正确分析与预测汇价及其波动对各经济主体金融政策与投融资决策的制定有着十分重要的意义。近年来，国外关于隐马尔可夫模型在经济和金融领域的运用越来越多，在国内，隐马尔可夫模型在经济上的利用相对较少。国内文献对于人民币汇率的预测使用较多的仍是马尔可夫链和马尔可夫机制转移模型。而目前还没有利用隐性马尔可夫模型对人民币兑美元汇率序列动态变化规律进行研究并提供预测的文献。但马尔可夫琏实在给定当前知识或信息的情况下，过去对于预测将来是无关的，而金融时间序列通常可以被认为是由潜在的(隐性的,不被公众所知晓得)随机过程生成的,而这个潜在的随机过程可以被认为是反映了当前国内外经济环境、宏观经济变量等能够影响这个可观测的时间序列走势的各种经济和非经济因素。因此,可以尝试利用隐性马尔可夫模型来刻画人民币汇率的动态变化规律并进行预测。
三、金融资产数据在波动研究方面的应用
在金融市场中，波动是一个重要的概念，也是人们研究的焦点问题。稳定性的对立面即波动性。人命币汇率的分析也是一种波动，正确的预测人民币汇率的走势对我国货币政策的制定，以及金融机构规避外汇风险高具有非常重要的意义。近年来，隐马尔可夫模型在国内外的经济领域应用的越来越多。本文将尝试用隐马尔可夫模型以及极大似然估计的方法对人民币汇率的变动规律进行研究。
在统计学中，有很多研究金融时间序列的方法，国内关于汇率研究的文献主要使用的是Markov链模型、神经网络模型、和时间序列模型等。惠晓峰等在2003年【1】对汇率体制改革后的人民币兑美元汇率进行预测时就运用了GARCH 模型，通过他的这个模型的研究，可以发现反映了我国人民币汇率之间存在明显的自相关性和异方差性。许少强和李亚敏【2】在2007年用 ARMA 模型计算出人民币兑美元汇率以及对欧元、日元汇率进行分析，果系统从某一时刻的某种状态变为另一时刻的另一种状态时，就称这种变化为状态的转移。
参考文献
[1]惠晓峰，柳鸿生，胡伟，何丹青.基于时间序列GARCH模型的人民币汇率预测[J].金融研究,2003(05):99-105.
[2]许少强，李亚敏.参考“一篮子货币的人民币汇率预测[J].世界经济文汇,2007(03).
[3]刘姝伶，温涛,葛军.人民币汇率预测及方法选择———基于ARIMA与GARCH
模型[J].技术经济与管理研究,2008(4)．
[4]苏玉华.人民币汇率预测模型与实证研究[J].时代金融,2012(9).
作者简介：潘凯（1994.12-），男，江苏盐城人，当前职务：客户经理，学历：本科，研究方向：金融。
论文作者:潘凯
论文发表刊物:《知识-力量》2019年11月50期
论文发表时间:2019/11/12
标签：人民币汇率论文; 模型论文; 数据论文; 汇率论文; 马尔论文; 可夫论文; 智能论文; 《知识-力量》2019年11月50期论文;