快捷搜索:

【广发金融工程】2018年重磅专题系列之七:人工

作者: 技术支持  发布:2019-11-13

在处理非结构化数据方面,人工智能技术具有独特的优势。对于网络文本数据,包括公司财报、研究报告、新闻、社交媒体数据等,可以通过自然语言处理技术提取和分析关键信息、比传统机构更早识别出市场的正面和负面消息。对于卫星影像等图片信息,可以通过卷积神经网络等方法进行分析,获得相关公司和工业生产中的一手数据。

人工智能在金融领域的最大潜力是什么?

就金融领域而言,人工智能属于fintech(financial technology)一系列技术创新中的一种,可界定为是基于大数据、云计算、人工智能、区块链等技术全面应用于支付清算、借贷融资、财富管理、零售银行、保险、交易结算等金融领域。实现金融+科技高度融合
人工智能在以下三个方面“跑赢”时间:

  • 快速吸收信息,将信息转化为知识的能力。人工智能在对文本、语音和视频等非结构化信息的获取方面出现较大飞跃,人类手工手机、整理、提取非结构化数据中有用信息的能力已步入人工智能程序,特别是文本信息。
  • 在领域建模和大数据分析基础上预测未来的能力。时间最本质的属性就是其箭头的不可逆。未来是不确定的,但又是有规律可循的。
  • 在确定规则下优化博弈策略的能力。价值交换领域充满了博弈,博弈皆需解决局势判断和最有对策搜索两个基本问题。人工智能由于人类,第一因为人工智能可以比人更充分地学习有史以来的所有公开数据;第二,人工智能可以比人更充分地利用离线时间采用左右互博来增强学习策略;第三,人工智能可以几万台带脑共同协作,相对于几万人的协作而言不存在人类面对利益考量以及各种不淡定乃至贪婪的表现。所以人工智能在博弈环节的普遍应用,也是一个必然的趋势。
    量化投资已有实际案例,对标全球,世界最大的对冲基金桥水联合在2013年开启一个新的人工智能团队。Rebellion Research运用机器学习进行量化资产管理于2007年推出了第一个纯投资基金。今年9月末安信证券开发的A股机器人大战5万投资者的结局揭晓,从6月1日至9月的三个月里,以24.06%(年化96%)的累计收益率战胜了98%的用户。机器人运作模式是先从基本面、技术面、交易行为、终端行为、互联网大数据信息、第三方信息等衍化成一个因子库,属于数据准备过程,将因子数据提炼生成训练样本,然后选取机器学习算法进行建模训练,最后保留有效因子生成打分方程输出组合。

机器人大数据量化选股较人类从基本面、公司财务等方面挑选因子量化选股而言更偏向从基本面、技术、投资者情绪行为类等方面挑选因子,对IT技术、数据处理技术的要求较高。

在智能投顾方面(智能金融管家)也已有初步的运用。广义的智能投顾,考虑投资者的财务情况对其进行个人财富精算配置,比如统筹考虑支票、储蓄、投资和养老保险。对于偏好主动进行资产管理的投资者,智能投顾能够根据投资者的问题,智能的分析海量信息给出答案。从国外的实践来看,智能投顾产品主要有投资推荐、财务规划和智能分析三种。具体应用案例如下:1)摩羯投顾:招商银行发布 APP 5.0,“摩羯智投”成为最大看点。摩羯智投运用机器学习算法,试图整合招商银行十多年财富管理实践及基金研究经验,并在此基础上构建以公募基金为底层资产,全球范围配置的“智能基金组合配置服务”。在利率市场化尾声之际,摩羯智投的问世,标志着银行等金融机构应对“储蓄搬家”的应对。对标海外智能投顾的资产管理规模已经从2012年几乎为零增加到2015年底的187亿美元。AT Kearney预测,未来五年,机器人投顾的市场复合增长率将达到68%,到2020年,机器人投顾资产管理规模将突破2.2万亿美元。2)智能报告:人工智能能够自动搜集企业公告、上百万份研报、维基百科等公开知识库等披露信息后通过自然语言处理和知识图谱来自动生成报告。速度为0.4秒/份,60分钟即可生成全市场9000份新三板挂牌公司报告,在时空上的优势由此得以体现。3)信用卡还款:截至2015年末,全国人均持有银行卡3.99张,现代消费模式中,人们已习惯了信用卡或者手机绑定信用卡进行消费。一人多卡的现象有时会让持卡人忘记按时还款,逾期不还款的高额滞纳金会让用户产生损失。此类情况下人工智能能够将用户所有的信用卡集中管理,帮助用户在不同的还款期内合理安排资金,以支付最少的滞纳金。若账户没有余额的情况发生,开发公司会提供比信用卡公司利率更低的贷款,帮助用户还信用卡账单。

人工智能乃至金融科技的创新,是对金融市场、金融机构以及金融服务供给产生重大影响的新业务模式、新技术应用、新产品服务。他与传统金融并不是相互竞争的关系,而是以技术为纽带,相信未来将为有更多人工智能的应用场景出现,让传统金融行业摈弃低效、高成本的环节从而形成良性生态圈循环。

图片 1

图片 2

(三)众包模式

RS Metrics是一家卫星情报分析公司,通过高分辨率卫星影像,对零售店、餐馆、商场、办公楼和其他商业地产的停车场进行监控,可以估计出它们在全国范围内或者某一地区的客流量增长情况。RS Metrics提供的数据可以帮助对冲基金了解公司基本面,预测销售量,预估企业运营状况。

对冲基金研究机构Eurekahedge比较了不同类型的对冲基金在2010年至2016年的表现,如下图所示。其中,人工智能对冲基金指数(AI/Machine Learning Hedge Fund Index)跟踪了历史上23只用人工智能投资的对冲基金的净值。

图片 3

智能客服利用统一的运维管理平台,能够有效融合多种渠道,与用户进行智能化人机交互,真正实现成本低(一次性投入,后期释放大量人力资源)、效率高(可24小时运营,同时处理量极大,无需等待)、体验好(不受负面情绪干扰)的客户服务。此外,通过数据的积累和知识的学习,能够不断提升用户体验。

图片 4

根据Eurekahedge的统计结果,人工智能对冲基金指数从2010年以来的年化收益率为8.44%。同期,管理期货类对冲基金指数、趋势跟踪对冲基金指数和传统方法对冲基金指数的年化收益率分别为2.62%、1.62%和4.27%。不同类型对冲基金指数的分年度收益率如下图所示,其中,在2011年、2013年、2015年和2016年,人工智能对冲基金跑赢了其他传统类型的对冲基金。

人工智能技术在另类数据处理、信息整合和信息检索上具有远远高于人类的效率。J.P. Morgan在2016年部署了可以自动筛选商业贷款合同的软件,该软件每秒钟可以筛查1.2万份商业贷款合同。如果用人工处理的话,这些合同需要耗费律师和信贷员36万个钟头的工作。

另外,人工智能技术能够加速投研工作的自动化和智能化。目前人工智能方法已经用于撰写新闻和公司的营收报告。通过自然语言处理技术,人工智能为卖方机构和买方机构撰写研究报告也是值得期待的。

在资产管理领域,人工智能技术受到的关注也越来越多,并且已经开始影响资产管理的诸多方面。一方面,初创型公司和科技公司积极依托大数据分析和人工智能技术上的优势涉足资产管理领域;另一方面,传统的金融机构也积极拥抱人工智能技术,争取在人工智能时代取得先机。

正文

法律声明:

金融市场包含大量的结构化数据。然而,市场数据的开放性使得不同的资产管理机构相对来说并没有信息优势,在基于公开市场数据进行投资和博弈的过程中,投资机构将越来越难以获得超额收益。因此,从非结构化数据中提取信息,进行投资决策,将成为资产管理领域的重要发展方向之一。

人类擅长处理数据中的线性关系,而对非线性关系难以直观理解。与之相比,人工智能方法能够从复杂的数据中提炼非线性关系。金融市场中,变量之间关系复杂,例如,股票走势不仅与公司基本面有关系,而且和宏观经济、大盘走势、投资者情绪等众多变量相关。人类投资者不善于处理这样的问题。与主观投资和传统的量化投资相比,人工智能更擅长从复杂的历史数据中寻找规律、学习知识,将更广泛、更复杂的因素纳入走势预测的分析中,用来指导未来的交易决策。

3)基于人工智能算法,拥有强大的学习能力。Kensho运用人工智能的算法,具有强大的机器学习能力,能够根据各类不同的问题积累经验,并逐步获得成长。Kensho的计算机系统能够让Kensho以极快的速度读取亿万条数据或信息,在分析数据的过程中不断地进行学习,并不断地优化其分析结果,变得更加智能。

六、人工智能技术推动业务模式创新

Sqreem通过人工智能技术获取和分析投资者的行为数据,帮助资产管理机构从投资者的行为中预测投资者最需要的产品和服务。例如,Sqreem给高净值客户建立了详细了个人信息档案,绘制了高净值客户的年龄、兴趣、交易行为、购物记录、社交活动等方面的信息,包括他们平常使用哪家银行。基于这些信息,Sqreem可以发现各种模式,并且让销售部门跟进客户的需求。目前,BlackRock、富国银行、汇丰银行和瑞士联合银行等都是Sqreem的客户。其中,瑞士联合银行早在2014年就采用Sqreem的人工智能技术向高净值客户提供定制化的投资建议。

人工智能技术主要是从两方面应用于投资决策:一方面依靠人工智能的信息处理能力,通过人工智能方法高效地获取和处理另类数据;另一方面依靠人工智能的知识学习能力,通过人工智能方法进行资产的收益预测和资产的交易。

除了金融机构积累的用户数据,其他日常生活中的用户行为数据也可以用来评估用户的行为。

风险提示:本篇报告就人工智能在资产管理业务上的应用进行介绍,不构成投资建议。

图片 5

八、总结

一、概述

自动交易大致分为决策型交易和执行型交易。决策型交易是量化投资策略的一部分,使用计算机程序,寻找市场上的各种交易机会,做出交易决策。程序化的决策型交易在市场中自动监测交易信号,并且迅速实施投资决策。

图片 6

BlackRock的Aladdin系统可以为资产管理行业提供风险管理。一方面,Aladdin系统可以基于庞大的数据库进行风险因子的监测和压力测试等。Aladdin基于其数据中心存储的大量历史数据,将预测细化到每一天。通过蒙特卡洛测试,模拟金融市场可能的各种变化,检查客户投资组合中资产可能出现的走势。

从数据的产生方式来看,另类数据可以划分为个体产生的数据、商业过程产生的数据和传感器产生的数据等。个体产生的数据包括在社交媒体、专业网站、新闻、搜索引擎上产生的一系列数据;商业数据包括交易数据、企业、行业、政府机构的数据等;传感器产生的数据包括卫星图像、定位数据、物联网数据等。

原标题:【广发金融工程】2018年重磅专题系列之七:人工智能在资产管理行业的应用和展望

智能客服是一种能够使用自然语言与用户进行交流的智能自动服务软件系统,通常包括交互前端、智能引擎和管理后台三部分。

按照美国证券交易委员会(SEC)2017年底披露的文件显示,BlackRock在计划推出一系列追踪其自创指数的ETF。该ETF的主要特点在跟踪指数的设计上,BlackRock通过机器学习的方法将上市公司分成不同的类别,例如医疗健康、金融、消费品和科技等,按照不同的类别分别构建ETF指数。由于某些上市公司业务覆盖的多样化,一个公司有可能成为多个板块的成份股;同时,随着企业经营模式的变化,这些板块的组成也会随之发生变化。与传统的行业划分相比,这种对上市公司分类的方法存在一定的合理性。

iSentium提出了一种Twitter情绪指标对市场进行择时的方法。 从2014年1月到2016年6月,该择时策略获取了67.23%的累积收益,而同期标普500指数的涨幅为23.33%。

例如,量化交易中常用的多因子选股策略一般是通过多个因子的线性组合来预估股票的未来表现。而采用机器学习算法,挖掘股票因子与收益的非线性关系,有望从中获得与线性模型不同的超额收益。下图展示了深度学习挖掘选股因子的非线性的示意图。将基金经理挑选的与股票收益相关的因素,例如规模、反转、估值、流动性等选股因子,股票的行业特性以及由市场交易产生的技术指标等作为股票的特征,通过机器学习的手段,从历史数据中挖掘这些股票特征与股票未来收益的关系。从数据中挖掘人类难以识别的非线性关系,是人工智能用于投资的重要优势。

(二)人工智能客服

图片 7

资产管理行业需要了解用户的风险偏好。目前,风险测评的主要方法是通过调查问卷的方式,根据用户的回答计算风险偏好。这样评估投资者的风险偏好存在一些问题。一方面,用户可能对自己并不是非常了解,而且对投资风险和收益的认识不够深入,问卷调查回答的内容可能并非自己的客观情况;另一方面,用户可能认为风险偏好的测评不重要,粗略作答甚至随便填写。因而,通过调查问卷获取的用户信息存在大量“噪音”,基于这样的问卷获得的风险评估可能并不准确。

信贷评分和银行的欺诈监测是较早应用人工智能技术的金融领域。蚂蚁金服的芝麻信用通过分析大量的网络交易及行为数据,可对用户进行信用评估,这些信用评估可以帮助互联网金融企业对用户的还款意愿及还款能力得出结论,继而为用户提供快速授信及现金分期服务。

2014年以来,机器人投顾在美国迅速发展。国际知名咨询公司AT Kearney在2014年预测,未来五年,机器人投顾的市场复合增长率将达到68%,到2020年,机器人投顾行业的资产管理规模将突破2.2万亿美元。目前,国外的机器人投顾产品走在了世界前列,主要包括Wealthfront、Betterment、Future Advisor、Personal Capital、LearnVest、SigFig、Motif Investing等。这些产品尽管在投资门槛、收取费用上有所不同,但是它们都是根据现代投资组合理论,利用交易所上市基金(ETF)组建投资组合。

近年来,人工智能技术发展迅速,在图像识别、语音识别等人工智能研究和应用的不同领域取得了突破性进展。以图像识别为例,目前计算机图像识别的准确率已经超过了人类。下图展示了每年ImageNet网站大规模视觉识别挑战赛(ILSVRC)图像识别错误率的下降情况。从2010年到2017年,图像识别错误率已经从28.2%降低到2.25%。

分部门来看,人工智能正在或者即将对资产管理领域的投资、研究、交易、风险管理、产品设计、营销等细分部门产生深远的影响。我们将在下文对人工智能在资产管理不同部门上的应用进行梳理。

iSentium公司是社交媒体数据处理的先行者之一。iSentium提供了基于Twitter信息的实时情绪时序数据,给投资者提供了一个Twitter、新闻或者其他社交媒体信息的市场情绪的一个搜索引擎。

智能客服本质上是一个聊天机器人,例如,微软小冰通过语音识别、语音合成、自然语言处理技术等手段与用户交互,从事先积累的人类对话库和互联网资料库中,查找最有可能匹配的回答。类似的,百度在2015年发布了集成个人搜索助理和智能聊天功能的度秘;亚马逊在2014年发布了可以和用户聊音乐的智能音箱Echo;苹果在2011年发布了iOS语音助理Siri。

目前,国外机器人投顾产品的主要功能是通过了解用户的投资目标、风险承受能力和风险偏好,提供给用户个性化的最优投资组合,投资标的主要是ETF基金,并且提供后续的组合跟踪、资产再平衡、节税等服务。在实现这个功能的过程中,构建投资组合的模型是产品的核心竞争力和区别所在。此外,国外主流机器人投顾产品在投资门槛、收费模式上也有所区别,并且增加了许多创新性的服务吸引投资者。

(二)智能投顾

图片 8

人工智能用户画像和智能客服等技术可以提升资产管理机构的产品营销水平。首先,通过用户画像,可以更好地了解用户的风险偏好,理解用户的理财目标和对资金的需求,据此,给用户设计更合适的产品和服务。其次,通过人工智能客服,可以有效地降低资产管理机构销售部门的人力成本。

科技公司是人工智能技术的主要研发者,也是人工智能首先的受益者。谷歌、百度等搜索巨头是人工智能的先驱。一方面,通过人工智能方法提高查询效率,实现更精准的搜索服务;另一方面,基于人工智能技术的广告投放是搜索巨头的主要盈利模式。脸书通过人工智能方法在面部识别、机器翻译和文本学习方面给公司产品带来新的突破。苹果公司通过人工智能方法优化用户在移动产品上的使用体验。英伟达和英特尔等硬件公司主要通过生产更适合深度学习和人工智能计算的(专用)芯片来盈利。

2013年成立的Castle Ridge资产管理公司通过遗传算法和一些机器学习方法进行投资决策,年均回报率达到32%。

图片 9

知识图谱本质上是语义网络,是一种基于“图”的数据结构,通过知识图谱建立起不同实体和事件之间的关系。下图是知识图谱的一种展示。通过机器学习和知识图谱,可以建立起每个上市公司和与其关联度最高的上下游公司、行业、宏观经济之间的关系。如果某公司发生了高风险事件,可以及时预测未来有潜在风险的关联行业和公司;如果宏观经济或者政策有变化,也可以及时发现投资机会。

五、人工智能技术增强风险管理

(一)基金产品创新

七、人工智能技术提升产品营销能力

用人工智能技术提升交易策略表现是新兴的交易技术。增强学习是自动交易中常用的机器学习模型,这也是围棋人工智能程序AlphaGo的核心算法。J.P. Morgan的电子交易部门开发了基于增强学习的算法交易策略(LOXM)。LOXM采用增强学习算法使计算机做出最优的交易决策:通过过往的真实交易和模拟交易学习知识,最优化未来的交易决策。LOXM可以在给定交易时间内完成给定的交易任务并且使得冲击成本损失最小,例如,在不影响市场价格的情况下买入大笔股票。实践表明,在不同的交易量占比(POV)下,LOXM算法都显著降低了冲击成本。下图展示了在不同的交易量占比下,LOXM算法(绿色)的冲击成本相对于参考算法(橙色)显著下降。

《人工智能在资产管理行业的应用和展望 》

近年来,一批依托人工智能的新的业务模式涌现出来,智能投顾是其中最热门的一种类型。海内外目前有一大批初创公司、互联网公司和传统金融机构已经涉足智能投顾领域。

人工智能能够帮助不同类别的资管机构提高竞争力,在未来的市场竞争中占得先机。分部门来看,人工智能正在或者即将对资管机构的投资、研究、交易、风险管理、产品设计、营销等细分部门产生深远的影响。

近年来也产生了一批专注于用人工智能方法进行投资决策的对冲基金。Rebellion Research公司推出的人工智能投资基金是基于贝叶斯机器学习,结合预测算法进行判断,该系统可以根据新的信息和历史经验不断演化,有效地通过自学习完成全球54个国家在股票、债券、大宗商品和外汇上的交易。

按照IDC公司的估计,目前全球存储的数据中,非结构化数据约全体数据的80%左右,而结构化数据仅占约20%。人工智能方法能够高效地处理非结构化数据,从数据中提取信息。

Numerai是另一种用人工智能进行投资的众包模式。Numerai采用的方法比较特别,是采用加密数据的方式进行机器学习的建模和预测。Numerai每周定期发布加密数据和建模比赛,任何人都可以参与比赛,并且将预测结果提交给Numerai。Numerai通过把数据科学家提交的预测结果进行整合,用于投资。

图片 10

随着投资机构对另类数据价值的进一步认可和相应的人工智能技术的成熟,会有越来越多的另类数据被应用到金融投资中。目前,海外已经有一些通过人工智能方法应用另类数据进行投资的实践者。

https://pan.baidu.com/s/1a_Db1O0hCZd1ZsmiqPor_A

AlphaSense是一家服务金融投资的科技公司,它在2010年推出了一款服务专业投资机构的搜索引擎AlphaSense。该搜索引擎采用自然语言处理技术,从公司报告、新闻和研究报告中整合投资信息。通过该搜索引擎,研究人员可以更加方便地寻找与投资有关的关键信息。

目前,人工智能技术在许多相关领域表现出接近甚至超过人类专家的性能和效率,开始在不同领域发挥实际价值。

图片 11

本文由百乐门棋牌发布于技术支持,转载请注明出处:【广发金融工程】2018年重磅专题系列之七:人工

关键词:

上一篇:6.5寸新iPhone名字出来了!或将不使用Plus
下一篇:没有了