分类：科技

文/鲍捷，段清华

本文根据鲍捷在云知声的演讲稿整理

感谢Leona对演讲录音的记录和整理

 

知识图谱的皮相

知识管理这个领域，有个分支叫语义网，这两年就改了名字叫知识图谱。知识图谱其实有狭义的和广义的区别。这里讲的是狭义的知识图谱。我觉得华东理工大学的王昊奋教授定义得挺好，抄在这里：知识图谱旨在描述真实世界中存在的各种实体或概念。其中，每个实体或概念用一个全局唯一确定的ID来标识，称为它们的标识符。每个属性-值对用来刻画实体的内在特性，而关系用来连接两个实体，刻画它们之间的关联。

继续阅读 “从语义网到知识图谱——语义技术工程化的回顾与反思” →

上期，我们讲述了人工智能与量化交易的结合——主要利用机器学习，自然语言处理，以及最近火热的知识图谱技术，将海量异构信息分析，为投资者建立交易投资的预测模型。

本期，我们来关注成本问题，思考下人工智能如何辅助金融新闻、研报、投资意向书的生成。尽管交易才是金融领域的核心，但如果降低了工作的时间成本，减少数字罗列、整理、反复Copy-Paste的繁琐工作，分析员们便有更多的时间进行深入分析，早先一步准备材料并上会，便早一步握住了商机。此外，对于我国的上亿股民来说，信息传达的快速与准确是核心需求，机器自动生成的新闻便可提供客观实时的市场资讯。

继续阅读 “新闻自动生成——人工智能正在逐步走进金融领域（其二）” →

随着互联网时代的深入发展，我们获取的各种数据都在无限膨胀，远远超过了人类大脑的处理能力，于是机器学习技术成为更利于发展的投资策略。以机器之手在互联网中抓取一个领域的数据和信息，将这些信息通过人工智能系统进行细致的分拣和筛选，进而得出最终的结论和决策。之后再将这些已被梳理好的决策分析反馈给该领域工作人员。接下来我们会分三期就人工智能和金融领域的结合做一系列分析，厘清人工智能在金融领域已经都做了哪些尝试，以及成果：

1.运用人工智能进行量化交易；

2.人工智能辅助金融新闻、报告、投资意向书的半自动化生产；

3.人工智能进行行业、企业的语义搜索。

 

本文专注于【运用人工智能进行量化交易】，后两者会在之后的微信公众号文章推出。

量化交易从很早开始就运用机器进行辅助工作，分析员通过编写简单函数，设计一些指标，观察数据分布，而这些仅仅把机器当做一个运算器来使用。直到近些年机器学习的崛起，数据可以快速海量地进行分析、拟合、预测，人们逐渐把人工智能与量化交易联系得愈发紧密。

我们可以把量化交易按照人工智能的子领域（机器学习，自然语言处理，知识图谱）分为三个阶段。

一.机器学习

分析员们对财务、交易数据进行建模，分析其中显著特征，利用回归分析等传统机器学习算法预测交易策略。这种方式有两个主要弊端，其一是数据不够丰富，仅限于交易数据，更重要的是它受限于特征的选取与组合（Feature Engineering），模型的好坏取决于分析员对数据的敏感程度。此外一种做法是，模仿专家的行为，选择某一领域的特定专家，复制他们的决策过程，并导入可重复的计算框架。

 

代表公司：

总部位于纽约的Rebellion Research在2007年推出了第一个纯人工智能（AI）投资基金。该公司的交易系统是基于贝叶斯机器学习，结合预测算法，响应新的信息和历史经验从而不断演化，有效地通过自学习完成全球44个国家在股票、债券、大宗商品和外汇上的交易。

日本的初创公司Alpaca，他们的交易平台Capitalico利用基于图像识别的深度学习技术，允许用户很容易地从存档里找到外汇交易图表并帮忙做好分析，这样一来，普通人就能知道明星交易员是如何做交易的，从他们的经验中学习并作出更准确的交易。

伦敦的对冲基金机构Castilium由金融领域大佬与计算机科学家一同创建，包括前德意志银行衍生品专家、花旗集团前董事长兼首席执行官和麻省理工的教授。他们采访了大量交易员和基金经理，复制分析师、交易员和风险经理们的推理和决策过程，并将它们纳入算法中。

坐落在香港的Aidyia致力于用人工智能分析美股市场，依赖于多种AI的混合，包括遗传算法(genetic evolution)，概率逻辑(probabilistic logic)，系统会分析大盘行情以及宏观经济数据，之后会做出自己的市场预测，并对最好的行动进行表决。

全球最大的对冲基金桥水联合(Bridgewater Asspcoates)，使用一种基于历史数据与统计概率的交易算法，让系统能够自动学习市场变化并适应新的信息。与其类似的公司还有Point72 Asset，Renaissance Technologies， Two Sigma。

继续阅读 “人工智能正在逐步走进金融领域” →

导言：这篇文章是以前笔者的两篇博客的汇总。因为是两篇论文的介绍，概念比较多，不是很好懂。过几天会再写一篇通俗版的，敬请关注。

XRBL是金融数据结构化，继而语义化的基础。这两篇博客反映的是2010年的工作，当时XBRL刚刚在中国成为标准。目前，在A股和新三板上XBRL都成为了财务报告规范的结构化形式。不过现在看来，XBRL本身作为近二十年前的技术，本身也有一些局限性。此外企业的信息披露材料有大量的内容无法被XBRL承载，不仅依然需要大量的人力去阅读原始材料，披露材料和XBRL报告之间的不一致性也是常见问题。解决这些问题，需要更灵活的金融数据结构化和语义化方法，也需要依赖人工智能技术做好数据的自动提取、交叉验证、信息搜索、价值判断。

就新三板而言，投资的核心是价值判断和规模交易。这是挂牌企业、做市商、风险投资机构和证券基金的根本需求。

人工智能领域的深度学习、自然语言理解、语义搜索技术的应用，会为新三板投资的行业研究和对标分析中提供全面、详实和高效的数据服务。尤其是在科技、互联网和TMT行业，这些国内券商普遍普遍缺乏研究人员，研究能力较弱的现实情况下。没有研究人员提供的报告，无法完成价值判断，大量的高科技领域的公司发展无人知晓、无法了解，证券基金入市规模和交易量受到制约。企业融资遥遥无期。

文因互联提供的大数据服务，能把科技领域的全球领先公司的信息应用到新三板挂牌企业的价值判断上，这门功夫是人工智能技术给予金融行业发展带来的实质帮助。

基于语义网的证券分析

 

2011-04-19  Li（李娴）和我, Jim Hendler合作的一篇文章 “Fundamental Analysis Powered by Semantic Web” [1] （基于语义网的基本分析）获得了2011 IEEE Symposium on Computational Intelligence for Financial Engineering and Economics 最佳论文。

继续阅读 “金融报表数据的语义化” →

近几年来，“人工智能”（Artificial Ingellience，AI）持续被热议，也成为了媒体及业界关注的焦点。深度学习、无人驾驶、语音识别、个人助手、服务机器人、语义搜索等这些新概念也源源不断地出现在新闻中，再一次引发了一些人对人工智能的担忧。

 

特斯拉 CEO埃隆·马斯克 （Elon Musk）和著名物理学家史蒂芬·霍金（Stephen Hawking）博士在内的很多人工智能专家都表示，这项技术成为了人类最大的存在性威胁，他们二人因担忧人工智能的发展而获颁2015年阻碍科技创新奖“卢德奖”。

 

于此同时，人工智能在投资界也引发了一轮新的投资热潮。下面我们将梳理人工智能产品的发展脉络并谈谈其在新三板上的表现。

继续阅读 “结合新三板谈人工智能产业的发展” →