银行货币战略官首次使用机器学习——让计算机梳理海量数据，并自行进行推断和预测

cslehe

#111723#6 月中旬，西方卫视播出的一档节目《极限挑衅》，演出了一场金融圈的烧脑大戏。
游戏中，急于与王迅豁拳博得成功的罗志祥，亲手将一个市值和利润率颇高的公司送入停业。相反，黄磊公司虽没有特殊精良的市场竞争力，但得益于资深司理人的帮助，他应用种种金融手腕与股平易近树立信赖机制，下降危险同时拉高公司市值。
金融证券买卖市场的的庞杂与危险，在一期不外两小时的节目中展示得淋漓尽致。
事实里，该名资深司理人表演的恰是融资机构买卖员的脚色。
这是一片崎岖了近 400 年的江湖。

现在，位于证券大厅的现金股票买卖柜台上呈现的不再是股票买卖员，取而代之的是呆板。
危险治理、量化投资、行动描绘、资产设置、基金研讨……这些，呆板统统都能实现。
近来，据彭博社的一篇报导指出，美国银行（Bank of America）正搭上人工智能的潮水。银行货泉策略官初次应用呆板进修——让盘算机梳理海量数据，并自前进行揣摸和猜测——告知中小投资者交易甚么。
上月，他们开端动手 AI 技巧方面的研讨。事先，意大利的一场政治动乱搅得金融市场昏入夜地，同时还激发了人们对欧洲另一场现有危急的耽忧。
固然 AI 基础短时光内不会转变与人类互动的方法，但它在数学运算中的表示远超人类。放之金融外汇范畴，呆板进修能够很大水平上下降货泉稳定的危险。
比方，受英国脱欧变乱影响，英镑兑欧元汇率急剧下滑。专家猜测，到 2019 年，贸易投资将比欧盟公投前的猜测低 25%，这类低值投资标明，货泉升值就会呈现危险躲避景象。
假如某一货泉升值，那末资产和投资的代价也会降落。在停止外贸买卖时，本外货币与买卖国的货泉代价对照，决议了企业的利润。假如货泉代价忽然降落，那末企业终究可能会盈余。
对于小公司而言，它们在处置处置货泉危险成绩时会担忧货泉稳定发生的高本钱。假如能妥当治理这些危险，公司不但能够确保高利润，且无需将本钱转嫁给客户。没法承当如许高本钱的小公司，即可应用 AI 的预判增加任何潜伏的丧失。
实在，在华尔街的金融圈，这类看似高真个剖析早就有了。比方，量化投资公司多年以来就始终利用呆板进修。
但当华尔街的剖析研讨机构逐步着重贸易化时，美国银行仿佛翻然觉悟，开端动手这一技巧的研讨和利用。
「外汇市场的实质决议了咱们很难从汗青数据中发掘出甚么，以是咱们试着通过摹拟数据停止呆板进修，以推进前沿科技的开展」，美国银行 AI 研讨货泉策略官 Alice Leng 提到。
在美国三大银行中，美国银行率先将呆板进修模子给出的预判归入到其颁布的货泉研讨中。不外，摩根大通的外汇研讨团队曾经对呆板进修利用停止了摸索，现在还未投放在研讨中。
▌研讨方式
这支美国银行团队的第一研讨要务是，应用呆板进修算法停止完全考察和数据挑选，如当局付出和花费者购置力，以肯定欧元对美元的影响。当呆板接收到「处置信息」的练习信号时，团队会应用监视进修；当没有给出练习信号时，会应用无监视进修。
由此，他们的研讨模子得出了如许一个论断：在乎大利大选以后，欧元猜忌者以为「货泉同一论可能会被削弱」。但是，对美元延续兜售的深深胆怯，就像曾历经欧洲债权危急的人们心中所想一样，被无穷夸张了。
不外，现在少数银行对于人工智能的研讨仍停顿于名义。出书商 Jim Marous 指出，在客岁春季在一项《数字银行讲演》调研中，绝大少数金融机构表现他们正应用某种呆板进修模子，此中有 20% 的受访者表现（呆板进修）没法处理「讹诈、危险、合规性」等成绩。
▌研讨模子
算法买卖员 Milind Paradkar 指出，想要在买卖中应用呆板进修，就得先从汗青数据（股票价钱/外汇数据）开端，并在 R/Python/Java 言语情况中构建模子。而后，拔取准确的呆板进修算法停止猜测。
比方：依据公司从前的季度事迹，猜测 3 个月后股票的价钱；猜测美联储能否会举高基准利率。
起首明白一点，呆板进修算法可用于猜测种别（处理分类成绩）或猜测偏向和幅度（处理回归成绩）。
1、指标/特点：包含技巧指标（EMA、BBANDS、MACD 等）、基础指标、微观经济指标。
例 1：RSI（14）、价钱-SMA（50）、CCI（30）。能够应用这三个指标来构建模子，而后应用恰当的 ML 算法来猜测将来的值。
例 2：RSI（14）、RSI（5）、RSI（10）、价钱 - SMA（50）、价钱 - SMA（10）、CCI（30）、CCI（15）、CCI（5）。在这个例子中，咱们抉择了 8 个指标。此中一些指标可能与模子有关。为了抉择准确的指标子集，将应用特点抉择方式。
2、特点抉择：抉择用于模子的相干特点子集的进程。特点抉择技巧分为 3 大类：过滤方式、包装方式和嵌入式方式。为了抉择准确的子集，基础上在某种组合中应用 ML 算法。所选特点被称为呆板进修中的猜测器。

3、支撑向量机（SVM）：SVM 是一种众所周知的监视呆板进修算法，用于处理分类和回归成绩。
SVM 算法，基于给定的标志数据点起，并通过界限或超立体将数据分别。SVM 试图将分别超立体四周的 margin 最大化。支撑向量是最濒临决议名义的数据点。

4、在 R 言语中应用 SVM 的外汇战略构建规矩：鉴于对特点和 SVM 的懂得，先以 R 言语为例。拔取欧元/美元货泉对的一小不时间框架，可追溯到 2010 年。指标为 MACD（12,26,9）和抛物线 SAR，默许设置为（0.02,0.2）。
起首，在 R 言语中加载须要的库，读取 EUR / USD 数据。而后，应用「TTR」包中供给的各自功效盘算 MACD 和抛物线 SAR。随后，从每个数据点的 SAR 值中减去收盘的 EUR / USD 价钱。

将指标和类兼并为一个称为模子数据的数据框，再将模子数据分红练习和测试数据。

而后，应用「e1071」包中的 SVM 功效并练习数据；通过猜测函数停止猜测，并绘制形式。这一进程正确度到达了 53％。

从图中能够看到看到两个差别的地区，上部白色较大地区是算法做出的短期猜测，而下部蓝色的地区则是临时猜测。

跟着时光的推移，SAR 指标跟着趋向的延长而降落。价钱上涨时 SAR 低于价钱，价钱下跌时高于价钱。当价钱趋向反转时，SAR 结束并反转。
以下所示，构建两个规矩并停止测试：
短期规矩=（价钱-特区）> -0.0025＆（价钱-特区）<0.0100＆MACD> -0.0010＆MACD <0.0010?
长期规则=（价格-特区）> -0.0150＆（价钱-特区）<-0.0050＆MACD > -0.0005

短期买卖的正确率为 54％，临时买卖的正确率为 50％。基础上，在以上案例中 SVM 算法获得了较好成就。
▌有何卖点？
就在本周，摩根士丹利表现，他们聘任了此前曾为 Steve Cohen 对冲基金效劳的宾夕法尼亚大学盘算机迷信教学 Michael Kearns，以扩展 AI 在全部公司的利用。
德意志银行跨资产量化研讨部主管 Caio Natividade 也看到了诸多上风，特殊是在货泉方面。
他的团队曾经将呆板进修融入到剖析中，在他看来，人工智能技巧可用于解读银内行们常常凌乱的舆论。
呆板进修研讨「可能成为一大卖点」，格林威治协会 Richard Johnson 说道。新法例旨在分拆研讨和买卖，「使研讨真正自力」。
纽约大学数据迷信教学、SCT 资源治理公司的开创人 Vasant Dhar 表现，外汇市场仍面对着良多特别的挑衅——SCT 是一家应用呆板进修技巧近 20 年的对冲基金。比方，微观经济要素庞杂且多样，会影响货泉的变化，进而让外汇市场遭受难以剖析股票或债券的成绩。
▌人们在担忧甚么？
「假如你没法将呆板进修模子利用在其余范例的资产，那末就更别提能实用于外汇市场」，Dhar 持续提到。
久长以来，业内存在如许一种担忧：智能盘算机以人类没法懂得的方法检查信息并供给谜底。现实上，呆板不须要编织联贯的故事来支撑给出的猜测，这更使得一些猜忌论者很难将媒体笔下的舆论与事实中产生的事件离开。
其余人表现，呆板进修东西的开放也许会让更多的投资者开辟本人的 AI 剖析软件，而不是依附华尔街的研讨剖析。
虽然如斯，这也不太可能禁止华尔街拥抱 AI 了。
更多内容阅读推荐：燃气热水器坏了怎么修