注册 投稿
经济金融网 中国经济学教育科研网 中国经济学年会 EFN通讯社

人工智能如何重构金融行业?

谷歌AlphaGo与围棋九段李世乭的世纪之战刚过去不久,今年的夏季达沃斯论坛就将焦点转向人工智能技术,探寻第四次科技革命的潜在未来。诚然,人工智能行业的风口已到来。

花旗银行在近期的报告中披露,人工智能管理下的资产呈现爆发式增长,从2012几乎为零激增到2014年的一百四十亿美元,未来十年有望达到五万亿美元。而国家《“互联网+”人工智能三年行动实施方案》的印发亦为该领域的发展提供了一剂政策助力。怎样顺应人工智能技术与金融投资相结合的趋势?面对日益强大的智能平台,金融分析师如何多一分胜算,少一分恐慌?

6月20日,经济金融网在北大汇丰商学院举办了第三期量化公开课,邀请中信证券朱晓天博士就“人工智能在量化投资中的运用”展开专题讲座。朱博士先后在美国摩根大通银行和瑞信第一波士顿银行任职,目前负责中信证券Delta One指数化衍生品业务,管理行业最大的融券池的增强收益;此外,他还是国家千人计划金融类专家,复旦大学管理学院客座教授。凭借人工智能方面和量化投资领域的深入研究,朱晓天博士以人工智能与顶尖棋手对弈为引,侧重讲解人工智能技术在资产配置、交易执行、套利策略、风险管理等方面的应用现状和发展脉络,分享了其对人工智能技术在投资领域的前沿运用及未来发展趋势的真知灼见。

人机世纪之战的真相“浮出水面”

 

三千万围棋对局样本—在历史对局上练习—习得策略—蒙特卡洛模拟—自我强化学习—回归导出价值网络的盘面评估函数

朱晓天博士从人工智能与人类顶尖棋手的对弈讲起,深入剖析人工智能的运行逻辑。他指出相较二十年前IBM深蓝与世界冠军卡斯巴罗夫的国际象棋对弈,AlphaGo所针对的围棋领域竞技规则要复杂许多。围棋对弈中盘点位非常广,胜负取决于最后占地多少而非吃子多少,所以在盘中很难用程式评估盘面的好坏,整体布局思维必不可少。与人类相比,AlphaGo的优势在于强大的计算能力与存储能力,以及自我强化学习能力。基于三千万围棋实盘对局样本,AlphaGo运用神经网络技术,搭建策略神经网络及价值神经网络,再运用蒙特卡洛模拟进行强化学习,最终导出盘面评估函数。

为了让大家深入理解这一过程,朱博士具体讲解了盘面评估函数中起着核心作用的卷积神经网络模型和蒙特卡洛树状搜索方法。策略神经网络和价值神经网络是卷积神经网络模型的一体两面,前者判断下这步棋的胜算是多少,而后者则是测算整个盘面的形势,两者可以用来判断决策并互相推导。蒙特卡洛树状搜索方法在对现有历史样本的扩充中起到重要作用,尤其是在面对历史对局数据库里面没有见过的棋局时,该方法会在值得研究的某些棋局下加入随机乱走的设置,最大限度地训练AlphaGo。

基于AlphaGo的运行逻辑,他对人工智能领域做了深入分析,侧重机器学习如何在经验学习中改善具体的算法。通过介绍基本的Feedforward人工神经网络模型,他详述网络模型监督学习、无监督学习、增强学习的几个层级,并结合案例分析了人工神经网络模型节点上的转换函数以及人工神经网络模型如何用于指数预测。“如果人工神经网络中的隐藏层级超过十层就是深度学习,仿照人类神经元的模式。随着网络的复杂程度的加深,可以模拟及其复杂的非线性函数关系。”不过,朱博士提醒投资者,人工神经网络模拟一般存在过度拟合问题,随着训练次数的提升,虽然样本内的训练效果提升了,但样本外的训练效果却会先升后降。

人工智能技术与量化投资策略“强强联合”

在剖析了人工智能技术运用的逻辑后,朱晓天博士分享了人工智能技术在量化投资领域的前沿运用。总体而言,该技术可用于金融市场预测、信用风险分级、综合应用三大领域。相比传统的一些参数模型,人工网络不需要预先知道参数的分布,却能更好地拟合数据中的非线性关系,对资本市场变动做出准确的预测,帮助金融机构在风险管理和投资决策中提高效率。

他指出,在金融市场预测领域的应用可分为六个子领域,涉及大类资产配置、权益类资产配置、固定收益类资产配置、算法和做市交易执行、投资及套利策略、复杂金融产品波动率预测、衍生品交易策略。在固定收益类资产管理领域,华尔街管理固定收益类资产组合的对冲基金或者资产管理公司已经开始应用机器学习技术来准确地预测利率曲线,按照利率分布的曲线来配置或调整资产,更好地管理自然组合的风险投资。此外,海外许多资产管理公司及部分对冲基金交易很频繁,他们还非常重视交易的执行效率,所以国际投行近年来在“高级算法执行服务”业务上竞相大力投入。结合案例,朱博士具体分析了基于智能机器学习算法的第三代算法交易系统在减少交易成本、市场冲击及优化VWAP方面的优势。以瑞信为例,改良后的算法可对市场微观价格波动做高频预测,稳定提高自动做市过程中双边报价的成功率,从而获取更多的价差收益。他还指出,准确的市场微观价格预测亦有助于算法交易策略实施,因为其能更准确地对客户委托订单进行拆分和执行,极地大降低市场冲击成本,甚至获得优于市场基准成本的结果。以中信证券为例,其2012年的净利润为42.37亿元,非经纪业务若采用二代算法利润可提高17%, 而若采用三代算法利润可提高26%。

在复杂衍生品定价方面,朱博士认为不准确的定价会导致对风险计量VaR值的错误估计,同时也会使得衍生品组合不能完全对冲,存在较大的风险暴露。传统统计模型无法准确预测股票的回购利率,进而无法准确计算它的远期价格,从而难准确定价。例如,德意志银行的衍生品交易采用人工智能模型提高了预测该股票回购利率的准确性,从而提升了关联期权定价的准确性及交易利润。

在信用风险分级方面,朱博士以自身实战经验为例探讨了人工智能模型在评估信用风险方面的优势。2008年美国次贷危机期间,他先后在贝尔斯登和摩根大通银行的信用风险部门任职,他们的团队曾利用机器学习、神经网络技术预测到房产信用资产组合的信用违约率大幅攀升的情况。当时由于该模型的预测与传统预测存在很大差别,领导层对此抱有疑虑,但危机的爆发证明了这个模型的准确性,所以这个模型现在也还在继续用,它实际上就是通过人工神经网络准确、及时地预测信用风险。

人工智能重构金融行业,从业者何去何从?

算法交易执行创新--投资策略产生的创新--资产配置效率的创新--金融行业结构的变革

随着人工智能技术的成熟及其在金融领域的运用,有预测指出未来五到十年间初级分析师的工作可能被智能算法所取代。朱博士指出,这种趋势已经在美国发生,很多金融机构的交易大厅的交易员慢慢减少,很多这种交易员的职位最后直接被机器取代了,留下来编程能力非常强的程序员。面对这样一个不可逆转的趋势,投资者要如何顺应并在资本市场中取胜?金融从业者又如何多一分优势,少一分恐慌?

根据在内外顶尖金融机构的从业经验,朱博士给出了中肯的建议:“我觉得知道怎么处理数据,知道怎么去编程,要么就是知道怎么找客户。”他认为,整个金融行业将呈现出智能要素爆发的新型业态,处在这样一个大数据及计算机能力爆发的行业,要么就选择避免与机器直接竞争,依靠跟客户达成协议,为公司获得投资所需资本;要么选择跟机器竞争,去开发策略、配置资产,这就需要与时俱进,要学会编程,学会使用数据。后者则必须了解人工智能在未来几年中的阶段性发展趋势。

听众就“普通金融从业者如何把握及应对新趋势”提问

在第一阶段,由于智能代理的算法交易系统能够更高效地按照定制化需求执行涉及组合或者一篮子资产的下单命令,智能代理交易程序能同时跟踪成百上千只不同的证券标的,并实时反馈订单执行情况,因而跨市场或者跨品种的定制化交易需求能够很轻松地实现,并且执行交易的交易员职位逐步会被自动执行的做市及算法交易平台所逐步取代。

在第二阶段,投资策略的生产模式将由大规模人力转向大规模人工智能机器。由于计算机计算能力的大幅提高以及平行分布式计算的广泛应用,策略开发的时间大大缩短;结合大数据,机器学习的强大挖掘能力将会开发出以往无法发现的‘新认知’和新策略。从而未来十年大部分初级分析师的工作都可能被智能算法所取代。“美国对冲基金及大投行广泛应用平行计算、分布式计算,缩短了计算投资组合数据的时间,及时自动更新交易参数。”所以大规模的人力开发会逐渐变成交易系统开发策略,人工智能机器可以在一个大框架下,对交易池的策略进行配置组合,最后由投资人根据效果进行调整,极大缩短了策略开发时间。

在第三阶段,由于基于大数据的人工智能的应用可以显著提高资本市场的深度和宽度,人工智能代理会以人工操作无法比拟的速度、效率和海量计算捕捉任何交易机会,因而市场的有效性会大大提高,资本市场有效配置资源的功能将得以更好地发挥。不过,随着机器识别套利机会的效率增强,将来整个市场的套利其实越来越难了,价差很快就通过套利被消除。

在第四阶段,由于人工智能技术专业性和复杂性的提高,将衍生出金融新业态。基于量化背景的智能信号服务提供商开始为金融机构提供定制信号,大数据服务或者大型计算服务平台的运营商将会蓬勃涌现,证券投资行业将涌现大量基于“智能要素”的新型业态。“其实这种趋势已经显现,美国目前有智能信号服务提供商为金融机构提供定制化的交易信号。该公司与瑞信签订合约提供市场交易的短期信号,同时它也给别的对冲基金及芝加哥交易所提供信号,最后能享受根据信号所赚取的利润分成。” 而高盛两年前就开始寻求人工智能与量化投资的深度结合,大举投资Kensho推动金融数据工作平台的开发。该平台将能快速、大量地进行各种数据处理分析并且实时回答投资者所提出的复杂的金融问题。

 “尽管人工智能热度一直上下波动,但对于金融行业而言,我认为人工智能的上升趋势不可阻挡。”最后,朱博士提醒金融从业者正确看待这一趋势:人工智能与金融行业的结合过程始终需要人类的设计和维护,所以整个人工智能是技术为人类服务的,不要把人工智能神化了。虽然人工智能可以协助或替代某些领域的工作,但要超越人类还是遥遥无期。

本文为经济金融网独家稿件,作者金颖琦,转载请联系小编微信894584880授权。

朱晓天在北大汇丰量化投资(全球视角)培训课程中主讲量化投资策略开发过程实例包含简单多因子组合策略开发模拟演示、实际策略开发过程案例分析、构建量化策略回测、优化和模拟交易基本框架、跨境套利策略开发过程分析、中国市场多空对冲统计套利策略开发过程分析、市场中性阿尔法策略:量化多因子选股、反转因子案例、量化交易系统构成及实操过程、国内市场政策回顾及量化发展方向分析等课程内容。

北大汇丰量化投资(全球视角)培训

咨询微信/电话:

本老师18028705168   邵老师13724230118  

北大汇丰量化投资(全球视角)培训授课教师多为在国内、国外市场都有丰富投资资历和实战经验的量化投资专家,他们具有在美国摩根大通、瑞信第一波士顿、富达投资集团、美林证券、Acadian等国际一流金融机构和中信证券、博时基金、国元证券等国内主流证券公司的从业经历,还享有美国新兴市场类基金10年复合业绩第一名、中国“远见杯”年度GDP预测第一名、国家“千人计划”专家等荣誉。

 
文章评论
关注我们

快速入口
回到顶部
深圳网站建设