遵化市论坛

注册

 

发新话题 回复该主题

人工智能与投资互联网催生大数据时代, [复制链接]

1#
北京白癜风最好医院在哪 https://jbk.39.net/yiyuanzaixian/bjzkbdfyy/bdf/

前言

通过对金融投资的数千年发展历史进行了浅显但本质化的探寻,我们可以发现,金融不但是智能与量化的产物,也是最早运用机器智能和量化分析的行业,是智能与量化的推动者。这种趋势在20世纪后期变得非常明显,到了21世纪,更成为金融所彰显出来的最重要特征。

机器学习的进攻

金融从业者相信数据统计,相信模型和算法,更依赖运转越来越快的计算机,这些都使得他们对新的技术有着更强烈的渴望。金融从业者知道,只有运用更为强大的技术,使用更为先进的算法,掌握更多的数据,才有可能在激烈的竞争中取胜,才能更好地获取利润。正是因此,他们对机器学习和深度学习等人工智能技术的追逐也就变得顺理成章。

金融业从一开始就可以看作一个数据行业,到了20世纪80年代之后,随着交易越来越电子化,电子数据的数量也开始爆炸性增长,金融从业者也越来越认识到数据的重要性。这种重要性的一个最初体现就是彭博公司的建立与壮大。彭博公司由迈克尔·布隆伯格于年创办,时至今日,已成为全世界最大的金融信息服务商。

在年之前,布隆伯格这位哈佛商学院的高才生一直在所罗门兄弟公司工作,起初他是一位交易员,后来因为业绩出色而逐步晋升为合伙人。不过,后来公司的内斗让布隆伯格成了牺牲品,他被从一线职位上赶下来,被派到后台负责计算机和数据系统。

在当时,负责数据信息系统就跟被打入冷宫没什么区别,但对于布隆伯格来说,这次挫折却使他看到了数据和信息的价值所在。不久之后,他被所罗门兄弟公司彻底扫地出门,于是他就拿着万美元的分手费开始了彭博公司的建设。

彭博为金融机构提供实时的金融数据、各种计算工具和数据分析服务,甚至还建立了一个交易平台。这些服务很快得到了金融机构的认可,彭博也因此快速发展。到如今,除了金融数据之外,彭博还创办了新闻社、电视台以及杂志等,为用户提供其他类型的数据和信息。

互联网催生了大数据时代的到来,而这也在无形之中影响到了金融产业。金融行业对数据的利用,说到底就是两个方向,一个是风险控制,包括投资风险和信贷风险,另外一个则是机会挖掘。在大数据时代之前,可以说,金融业对数据的利用基本限于金融行业本身。

但是,随着互联网提供了越来越多的图片、文字、视频等信息,金融业也逐渐认识到这些数据对于掌控风险和发掘机会的重要性。挖掘这些数据,然后从一些不相关的数据中间找到其与金融波动的相关性,正是金融业新的机会所在。

西蒙斯和他的大奖章对冲基金,就是这一方面的一个最典型的成功案例。西蒙斯自己是一个没有学习过金融的数学家,他所雇佣的物理学家和人工智能专家也完全是非金融出身,但是他和他的团队却极度善于从不同的事物之中发现关联性,然后用这种关联性来预测市场变化。尽管西蒙斯很少透露自己的成功秘诀,但在TED的一次对谈中他承认自己使用了人工智能方法。

Q:机器学习在这里扮演了怎样一个角色?

A:某种意义上,我们做的就是机器学习。

你观察一大堆数据,模拟不同的预测方案,直到你越来越擅长于此。我们所做之事,不见得一定有自我反馈,但确实有效。我们知道,传统的宽客遵循的是一个自然界的基本定律——大数定理,同时它们也是均衡和随机游走的信徒,这样的一个基础,加上又都是在使用金融数据进行建模,因此他们所能结出的成果往往会过于相似或者趋向相似,而这对于金融机构而言则是一种灾难,这不仅会加剧竞争,也会增加市场风险。

但西蒙斯这一派使用的方法明显不同。他们不会对市场有效这样的理论抱有过多的遐想,相反,他们相信的是数据本身。输入数据,得出模型,然后通过市场来验证,这才是他们的行事方式。在这里,我们也看到了机器学习投资和量化策略的根本不同。

量化策略就是由人主观设定一种选股方法,然后进行编程,交给电脑去运算并得出选股结果,但是机器学习投资则是尽量从数据出发,由机器去寻找不同因子和金融波动的相关性,然后机器自己再设计出用于实践的新模型。简单点说,前者是一个静态的分析过程,但是后者永远处于动态之中,因为计算机可以随时根据数据变化做出策略调整,但由人设置的因子,只有靠人的干涉才能得到修正。

机器学习时代的投资变得非常有趣,那就是不再局限于使用金融本身的数据,相反,它把眼光放到了更为广阔的世界之中。就像混沌理论认为一只蝴蝶扇动翅膀就可以引发一场远方的风暴,机器学习要做的就是找到推是那只蝴蝶,谁是那场风暴,以及两者之间的关联性到底如何。

在21世纪的第一个10年之中,高杠杆的高频交易成了市场上的一把利剑,它一秒钟完成上百万次快速交易的能力,可以轻易把人拉到马下。对人来讲,高频交易似乎是不公正的交易方式,毕竞速度并非人所擅长,人更擅长的是智力活动。

然而到了机器学习的时代,人更擅长智力活动的观点恐怕也要被证明是一个伪命题,因为机器学习想要做到的,不再是靠速度取胜,而是靠“能力”——从大量千丝万缕看似毫无头绪的数据中发现问题本质或者机会的能力。

除了文艺复兴科技这样的典型基金公司,其他人也在尝试将人工智能用于金融交易。毕业于麻省理工学院的未来学家雷·库兹韦尔一直是人工智能的坚定支持者,他相信计算机和人工智能终有一天会达到一个自我创造的时刻,而这个时刻就叫作“奇点”。虽然这位未来学家的主业是创作和发明,但是他在年时就开始涉足对冲基金。

这家于年开始交易的基金叫作肥猫(FatKat),它的主要策略就是利用算法来收集和梳理市场机会,出奇制胜。按照库兹韦尔的理论,机器将取代人类,掌控全世界所有的股票交易。在一个机器操控的市场里,没有人性的贪婪和恐惧,因此也就不会有大崩溃和泡沫。

阿斯托·泰勒(AstroTeller)如今是谷歌X实验室的CEO,但在此之前他曾经有过多次创业经历,其中也包括和别人共同创建了一只叫作“小脑资本”的对冲基金。这家对冲基金使用机器学习来制订投资策略,他们的机器学习程序被命名为“源机器”。源机器会模拟很多不同的交易信号,然后从中找出最好的,也就是说,这个机器可以先生成很多的算法,然后通过测试,来确定哪个算法更好,换言之,这些算法可以自我进化。

这家基金研究的数据也非常广泛,例如他们会

分享 转发
TOP
发新话题 回复该主题