0
雷鋒網(wǎng)3月29日報道，據(jù)彭博社報道稱，在過去數(shù)年中，對沖基金已經(jīng)在嘗試教計算機像人類交易員去思考。
知情人士表示，深度學(xué)習(xí)、模仿人腦神經(jīng)元的人工智能技術(shù)，WorldQuant這家公司正在使用這項技術(shù)做小規(guī)模的交易。
使用量化分析做交易的公司，希望機器學(xué)習(xí)可以為他們在全球金融市場日益升級的技術(shù)軍備競賽中取得優(yōu)勢。如果這些公司是對的，神經(jīng)網(wǎng)絡(luò)可以幫助推進金融業(yè)的改革，讓機器和人類同場競技，同時也會影響到老派的投資工作。但是今天的研究者在經(jīng)歷了之前的一輪推銷和失望之后，對此技術(shù)表現(xiàn)得不以為意，表示其只是眾多投資技巧工具中的另外一種而已。
“見證了1990年代聲稱使用神經(jīng)網(wǎng)絡(luò)的對沖基金的迅速走紅和緊接著更快的失敗后，我們現(xiàn)在對‘深度學(xué)習(xí)可以解決投資管理中的通常問題’這樣的言論是傾向于質(zhì)疑的態(tài)度，”管理著315億美元的倫敦量化交易公司W(wǎng)inton在一則聲明中這樣提到。
而在像Google這樣科技巨頭已經(jīng)證明了深度學(xué)習(xí)的能力之后，量化交易公司也開始跟隨這些巨頭的腳步。這項需要非常強大計算機和大量數(shù)據(jù)來完成任務(wù)的技術(shù)已經(jīng)為Telsa帶了自動駕駛汽車，并為Amazon帶來了語音激活的智能音響，Echo。
計算機科學(xué)家Nicolas Chapados稱，“目前我們距離深度學(xué)習(xí)成為對沖基金行業(yè)的主流技術(shù)還有5年的時間。”
Chapados曾與深度學(xué)習(xí)的先驅(qū)Yoshua Bengio一起合作過，曾是位于蒙特利爾的量化交易基金Chapados Couture Capital的高管之一，也是一間使用深度學(xué)習(xí)技術(shù)的研究公司的高管。他說道，“在科技企業(yè)中存在著很多可以為金融信息處理而改寫的深度學(xué)習(xí)模型?！?/p>
對沖基金在部署深度學(xué)習(xí)的浪潮中遲了一步，因為他們?nèi)鄙賹⑦@樣技術(shù)應(yīng)用于復(fù)雜金融數(shù)據(jù)的專業(yè)經(jīng)驗。比如有能力從圖片中辨認(rèn)出狗的Facebook圖片識別系統(tǒng)，這樣的系統(tǒng)之所以能夠成功，是因為它可以從幾乎無限的數(shù)據(jù)中學(xué)習(xí)，這些數(shù)據(jù)是社交網(wǎng)絡(luò)用戶上傳的圖片像素數(shù)據(jù)。相較而言，金融市場的數(shù)據(jù)就顯得非常有限而又永遠都在變化中，這讓比如預(yù)測股票走勢之類的工作變得更具挑戰(zhàn)性。
深度學(xué)習(xí)技術(shù)大體上是模仿人腦中多層神經(jīng)元的活動。神經(jīng)元被以非常稠密而復(fù)雜的形式互相連接，相互傳遞信息并且隨著我們的學(xué)習(xí)過程而產(chǎn)生新的連接。深度學(xué)習(xí)的力量來源于相似的非線性、多層次的數(shù)據(jù)處理，這樣計算機可以從簡單的概念上去構(gòu)造更加復(fù)雜的概念。
想象一個量化交易的研究員正在尋找會導(dǎo)致一支股票表現(xiàn)強于基準(zhǔn)指數(shù)的因子。今天的一個分析師必須手動地選取類似市盈率這樣的因子去測試。使用深度學(xué)習(xí)的研究員會給神經(jīng)網(wǎng)絡(luò)一個價格目標(biāo)，然后就向模型注入原始的公司股票和股票市場數(shù)據(jù)。人工神經(jīng)元就是處理數(shù)據(jù)的數(shù)學(xué)公式。當(dāng)它經(jīng)過不同層次的時候，神經(jīng)元會自行調(diào)整——或者說學(xué)習(xí)——來接近價格目標(biāo)：這就能找到可以預(yù)測股票會達到目標(biāo)的因子。
深度學(xué)習(xí)的挑戰(zhàn)
Anothony Ledford，位于倫敦的 Man AHL的首席科學(xué)家，表示他的研究員已經(jīng)花費了超過一年的時間來發(fā)展深度學(xué)習(xí)，希望可以盡快將這項技術(shù)應(yīng)用到實盤交易中去。而這家基金公司業(yè)已經(jīng)為一項機器學(xué)習(xí)的交易策略準(zhǔn)備好投資資金。
“在深度學(xué)習(xí)領(lǐng)域中，并不需要去事先設(shè)定特征，深度學(xué)習(xí)的目標(biāo)是為你找到它們，”Ledford在Man Group Plc的部門管理著大約183億美元的資產(chǎn)，他說道，“我們在AHL 30年的歷史中了解到很多可能具備預(yù)測能力的特征，所以真正的挑戰(zhàn)在于調(diào)整策略，數(shù)據(jù)和計算來讓我們發(fā)現(xiàn)新的特征，而不是我們已知的特征，這讓這項工作本身就非常的具有挑戰(zhàn)性?！?/p>
Two Sigma，來自紐約管理著400億美元資產(chǎn)的量化交易對沖基金，也正在為一個全新的深度學(xué)習(xí)團隊招聘研究員。
據(jù)雷鋒網(wǎng)了解，學(xué)術(shù)界研究員也紛紛開始AI金融投資的研究，并已經(jīng)發(fā)現(xiàn)深度學(xué)習(xí)可以通過投資例如公司間收購這樣的事件來獲取回報。2015年一項旨在探索深度學(xué)習(xí)技術(shù)在預(yù)測S&P500指數(shù)中15支股票走勢能力的研究顯示，超過1000萬的事件被從金融新聞中抽取作為訓(xùn)練計算機的樣本數(shù)據(jù)的一部分。
與此同時，來自中國哈工大社會計算及信息收集中心的以丁曉為首的研究員們表示，在模擬股票交易中，模型最終獲得了正向的交易利潤，
人才爭奪戰(zhàn)
Chapados稱，深度學(xué)習(xí)也可以勝過比它更簡單的其他模式。神經(jīng)網(wǎng)絡(luò)比機器學(xué)習(xí)在防止過度擬合現(xiàn)象方面表現(xiàn)的更好。（雷鋒網(wǎng)注：過度擬合是指一個模型被過度調(diào)整來擬合訓(xùn)練數(shù)據(jù)，以至于無法在實際數(shù)據(jù)上工作的現(xiàn)象。）這項技術(shù)也可以幫助應(yīng)對比如市場劇烈變化這樣的非線性事件，而標(biāo)準(zhǔn)的量化交易模型在這樣的事件中必須被手工矯正。
“神經(jīng)網(wǎng)絡(luò)會從一個足夠靈活、可以代表廣泛的非線性事件的模型出發(fā)，而不用花費大量的人力去發(fā)現(xiàn)哪些非線性事件是相關(guān)的，還要痛苦地一個接一個地去驗證它們是否是有意義的，”Chapados說道。
在和科技公司爭奪人才的戰(zhàn)爭中，對沖基金在招聘科學(xué)家方面很吃力。Chapados表示，這也拖慢了他們追逐深度學(xué)習(xí)技術(shù)的腳步。這些基金同時也面臨在一些市場缺乏數(shù)據(jù)的情況。
Alpaca的聯(lián)合創(chuàng)始人Hitoshi Harada說道，“深度學(xué)習(xí)手段可以非常好地使用外匯和大宗商品市場中相互相關(guān)的以百萬甚至是以十億計的數(shù)據(jù)點來達到很好的效果，但是要只使用一只股票一天的交易數(shù)據(jù)來訓(xùn)練一個好的模型是很困難的。”
但盡管面臨挑戰(zhàn)，Winton的研究員正在進行深度學(xué)習(xí)的研究，不過他們并不是把它作為一種革命性的力量，更多是作為一種有用的武器。
“我們相信這項技術(shù)在最近幾年中取得了長足的進步，使它有機會幫助改進我們流程中的一些元素。深度學(xué)習(xí)是Winton長期研究中的一個活躍的研究領(lǐng)域?！?/p>
via Bloomberg
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
