语言处理 – 文因互联

人工智能正在逐步走进金融领域

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

022901
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:
Snip20160506_5
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”