|
过去几年里，人工智能热潮快速兴起，这归功于新型机器学习技法——尤其是深度学习 ——使得计算机能够在人类层面感知图像、文本和音频。现在的问题是，人工智能是否能同样感知财务数据。 显然，最新的进展引起了金融领域工程师的注意。 通过精细的计算，电脑每天可以执行数以百万计的电子金融交易，大大提高了速度及效率。然而，越来越多的重要金融交易决策开始依赖更加智能的算法。 业内原有金融交易公司和为数不多的初创公司正在探索，这种借鉴人工智能的金融交易科技是否能帮助他们战胜其他交易商。投资方们也很好奇，这一趋势是否会改变市场动态。 当然，包括桥水联合基金（Bridgewater Associates）、文艺复兴科技公司（Renaissance Technologies）、 德劭基金（D.E. Shaw）和 西格玛（Two Sigma）在内的量化对冲基金，早已使用了先进的算法。这些算法源自人工智能领域的相关研究。 针对相对较新的人工智能技术，最具前景的一项用途，可能用于以新闻、公司报告、或社交媒体等形式，处理非结构化的自然语言数据，以便深入了解公司、货币、商品或金融工具的未来表现。 “我们的系统接收各种信息，包括世界各地交易所的价格和数量，各种来源的多语言新闻、宏观经济和公司会计数据等等”，格策尔告诉TR君。“然后研究这些不同因素如何相互关联，并基于历史数据研究，学习成千上万具备预测价值的预测模型，”这有助于指导公司的投资。 显然金融公司存在增加自动化的趋势。提供金融行业数据的Preqin公司报告称，去年40%的对冲基金是“系统的”，这意味着它们依靠计算机模型进行决策。 然而，并非所有人都相信金融领域的人工智能革命迫在眉睫。另一家英国交易公司温顿资本管理（Winton Capital Management）的创始人兼首席执行官戴维·哈丁（David Harding），对机器学习和人工智能相关炒作持怀疑态度。“如果我眯起眼睛，看看这家公司，我想说的是，这或多或少是我们在过去的30年里一直在做的事，”他说。 去年12月，在蒙特利尔举行的针对人工智能研究者的重要学术活动NIPS会议（神经信息处理系统进展大会）上，聚集了数千学术和工业研究人员，讨论新型机器学习算法的开发进展。通常而言，包括谷歌、脸书、 苹果、微软、亚马逊和IBM在内的大型科技公司会有偿设立招聘点，希望吸引最热门的新型人才。但在NIPS会议进行招聘的公司，将近一半并非科技公司，而是对冲基金和金融公司。 金融交易似乎是非常适合应用机器学习方法的领域，但实际上的效果目前还不清楚。在实时的交易数据中，找到微妙的模式与在数码照片中进行人脸识别是截然不同的。 学术专家同时发出警告。牛津大学机器学习教授斯蒂芬·罗伯茨（Stephen Roberts）说，深度学习可能适用于“寻找隐藏的趋势、信息和关系，但在处理金融领域的问题上还存在不确定性。” 罗伯茨还指出，深度学习可能是个相对缓慢的过程，且不能通过其他统计方法来提供担保行为。他说，通常针对金融领域的人工智能，存在一定程度的炒作。人工智能是个非常宽泛的话题，很多正在使用的统计技术均被冠名为人工智能或机器学习。不过一些专注于人工智能的新型金融公司可能已有所头绪，这其中就包括旧金山的Sentient、纽约的Rebellion Research、以及香港投资公司 Aidyia。 哈丁还记得，1990年代初神经网络的兴起产生了许多创业公司。“人们开始说，“存在了不起的新型计算技术，开启了新世界的大门”，他回忆说。“好吧，我可以告诉你这些公司都已经成为历史了——什么也没留下。” AHL Man的莱德福同样警告那些认为机器学习技术可以提供财富捷径的人：“记住市场的残酷，不要过于乐观，但也不要太沮丧。” 来源：自麻省理工科技 |
|
|
