当人工智能与证券交易相遇,会擦出怎样的火

柯洁：中国围棋职业九段棋手，世界围棋史上最年轻的五冠王。他是天才棋手，从四段直升九段，17岁排名世界第一，一时间笑傲围棋江湖。他说不狂枉少年，扬言让日本冠军“血溅五步”，放话韩国传奇是时候落幕了。张扬背后是两万盘棋的坚持，自信背后是背水一战的决绝。那年此时，被寄予厚望的他，迎来世纪人机大战。面对AlphaGo，遭遇“三连杀”，他经历至暗时刻，中途离场20分钟。落座后，泪痕在，泣难止。年5月23日-27日中国乌镇“中国乌镇·围棋峰会”，AlphaGo再度与柯洁等为代表的中国顶尖棋手进行为期对弈，，代表人类地表最强的柯洁浑身颤抖，大声痛哭！提到人工智能，就不得不提人机大战，不得不提谷歌与IBM。当年的“人机大战”轰动一时，谷歌的AlphaGO因击败韩国天王级棋手李世石而名声大噪，也点燃了人工智能的热潮。谷歌因AlphaGO、人工智能领域的系列并购和人才挖角、而成为人工智能领域下注最大的科技企业。谷歌也称自己是人工智能公司。镜头一转，来到了IBM人工智能研发中心。他的英文名叫Watson，如果翻译成“华生”，很容易会让人联想到福尔摩斯的助手，那个名叫华生的医生；巧的是，今天我们要介绍的Watson，也是一个医生。不过，在中国市场上，人们通常将喜欢把他叫做“沃森“。他，是一个机器人医生！将关乎生死的诊病过程交由一个人工智能医生，是否不妥？一位胃癌局部晚期患者坐到肿瘤科主任吴医生面前，递上自己的各种检查单据。有着多年肿瘤临床经验的吴医生一边思考，一边把病理数据“讲述”给沃森，包括治疗史、分期特征、转移位点、危重病情况等。沃森医生“思考”了不到10秒钟，就在电脑屏幕上开出了一张详细的诊疗方案分析单。对于这份分析单，医院肿瘤内科主任陈医生是这样评价的：“跟我的判断完全一致。同样的诊断方案，陈医生依据的是他多年的临床经验，而沃森依据的是？在问诊的10秒钟内，沃森都做了些什么呢？据说，在患者看不见的网络时空里，它跑了一趟美国，在庞大的数据库里翻阅了超过份全球最权威的医学杂志、多种教科书，以及多万页资料中的关键信息。然后，返回中国患者身边前，顺便把诊疗方案，翻译成了中文。是的，沃森医生就是这么牛。诊断癌症，是他的拿手好戏。沃森来自IBM，并且由IBM和美国癌医院——纪念斯隆-凯特琳癌症中心共同“训练”，可以通过询问病人的病征、病史，凭借从各个渠道搜集到的信息和数据，迅速给出诊断提示和治疗意见。说白了，沃森的大脑里，全是和癌症相关的数据和信息。当人工智能与证券投资相遇，又会擦出怎样的火花？算法交易与金融AI的出现什么是算法交易在交易市场当中也存在各种不确定因素，比如说价格变动、交易量变动、买盘压力、卖盘压力，各种因素都是不确定的，这些因素会很直接的给投资者带来交易损失。我们同样有一个数学的方法面对这样一个问题，解决这样一个问题。下面我来简单介绍一下算法交易的技术背景。什么是算法交易？算法交易是60年代末提出的一个概念，但是技术成型，到应用到数学的方法，到最后提出最佳执行的概念，这是一个长期的过程。最早是在上世纪80年代时有一位数学家提出，算法交易的本质是数学上的动态编程，后来又有新的论文把它用精确的数学公式归纳，并做出了形式化说明。从数学上提出，存在一个可解方程，如果说对市场、价格等方面的波动做一些预先技术上的假设，就可以把这个问题作为一个可解决的数学方程去解，而这个方程也是控制论的核心方程。通过这样一个数学整理之后，算法交易是一项非常复杂的技术，虽然我们有这样的方程，但是方程当中所有的参数依然存在，并且对市场有一个不同的假设，如果说市场的假设本身存在问题，方程本身就也会有很多变形。虽然说在数学层面对算法交易有一些归纳，但是算法交易依然是一种执行成本与时间风险的平衡艺术。两年前美国SpaceX公司成功在海上收回猎鹰9号重型运载火箭的例子。在相当复杂的大气和海洋环境下，存在很多不可控因素，比如说会不会有大风，或者说有没有一些波浪。在这样一个复杂环境当中，科学技术的发展是如何控制这样一个重型运载火箭成功回收降落到海平面上的呢？其实我们的证券算法交易也是这样的，甚至在数学上是等价的问题，我们称之为随机优化控制。算法交易是60年代提出的，其实深度学习这个概念更早一些，深度学习这个概念在50年代就出现了，当时因为软硬件条件的限制，所以一直到最近几年才特别火，最近几年神经网络、深度学习、人工智能是非常火的概念，而且在很多领域大展身手，比如图像分类、人脸识别、自然语言处理、自动驾驶上都有很好的应用。而且深度学习在证券领域也已经有所运用，比如说价格预测、波率预测、算法交易等。从市场需要来看，国外有70%的交易是通过算法交易完成的，而相对应的，我们在中国的算法交易应用情况非常有限，可以说10%都不到。我们同时看到在中国市场上存在大量的大单，在去年50万以上的大单占到全市场10%，如果说这些可以通过算法交易，我们相信可以在里面节约很大的成本。根据上海证交所去年的报告，佣金只占3个基点，如果说是90万以上的大单，冲击成本将达到33个基点。如果说这个股票盘子比较小，只有10亿以下，它的冲击成本甚至可以达到个基点，也就是说2.63%，是非常高的交易比例。因为在国外普遍采用算法交易，国外一方面做得比较好，他们算法交易的冲击成本已经降到10个基点，而国内情况不太一样，国内市场的归准性比较差，比如说量跑的不是那么均匀，包括国内监管以及下单撤单的数量控制，也包括国内算法交易技术水平的限制，国内通过算法交易执行，冲击成本会达到30个基点。但是即便如此，沪市人工交易的冲击会达到60个基点，即便使用国内的算法交易模式依然可以降低一半的冲击成本。如果说10亿的盘子，按照10倍的换手率，降低3个基点，一年就可以节约0万。通俗易懂的讲，这一系例算法交易的过程，也就是利用人工智能的过程，减少了市场冲击成本，增大了投资收益。在实际应用当中，比如说随机化下单，冰山拆单，隐藏自己大单的交易目的，还有一些针对市场和对手盘的一些算法。这些也是属于算法交易与人工智能范畴。在最近三到五年之内，随着深度学习的发展，算法交易和金融AI碰到一起了。目前一些量化交易过程算法。利用人工智能深度学习的技术，使用最近一段连续时间的数据，应用深度学习技术来预测短期价格趋势，以及构建标的股票池。也用到了一些神经网络方面的技术，从人从技术角度来说，人的主观建模水平还是停留在比较标准的模型，出于对模型理解不够，还不能针对股市日用。一方面股市噪音非常大，另一方面特征漂移非常明显。不像很多预测几乎没有什么漂移，特征非常明确，而股市特征是非常漂移的，这样的特征你简单跑一个模型效果是不会太好的。模型必须经过了长时间的研究，进行反复的回测比较之后，才能形成比较有效的一个算法。国内目前逐渐大行其道的量化交易，也就是人工智能与算法交易在证券投资领域最真实的反映与体现。

转载请注明：http://www.abuoumao.com/hytd/6799.html