在未来的证券交易中,人工智能机器人会取代人类吗?

KlipC · 2019-12-27 · 交易



尽管机器学习拥有巨大的潜力提高投资者发现优秀股票的能力和机会,但KlipC认为,开发正确的算法和进行投资判断始终需要人类---是具有不同技能的人才。


图1.jpg机器学习是人工智能的一个分支,它使功能强大的计算机能够针对已定义的目标不断提高性能,而无需人工决定确切的方法步骤。计算机不再依赖详细的指令,而是通过反复试验学习的算法来分析大量数据他们可以发现人类无法察觉的模式。


KlipC董事长Nana Naumovic认为,长期以来,活跃的投资组合经理一直在运作量化基金,该基金考虑到了许多可能会影响未来股价的因素,例如市值波动性价格动量以及价值与增长。在管理这些定量基金时,股票经理们一直在使用复杂的计算机模型来识别因素之间的联系,从而发现表现出色的证券。


图2.png 

那么,除了量化分析已经提供的功能以外,机器学习还为活跃的股票经理提供哪些功能


图3.jpg 

首先,也是最重要的一点,机器学习可以根据一系列人类无法执行的模式来识别表现出色的股票。例如,机器学习(ML)可以分析过去十年中标准普尔500指数(S&P 500)公司的财务收益报告发布后首席执行官的所有反应。通过数百万种可能的关联,计算机可以识别公司或在类似地区开展业务的公司投资绩效的好坏。


其次,通过增强自然语言处理能力,机器学习可以比较和对比关键术语。此过可让数据分析师审查、破译和组织大量密集文档中的信息,例如金融文件或专利申请。


第三,通过训练机器学习的算法可以将图像和声音转换到定量模型中的数据格式。例如,经过训练的算法可以从卫星照片中找到相关的宏观或微观事实。


第四,由于机器学习基于对大型数据库的严格持续的评估,因此它可以减少想要破坏合理投资决策的人为偏见。这些认知扭曲包括过度自信避免后悔和追逐逆转的趋势。


但是,机器学习也有自身的局限性。它可能有来自用于训练算法的数据或其方法中的统计偏差。KlipC的Andi Duan表示:“为了发现限制这些偏见,执行机器学习的人需要在特定行业拥有丰富经验并知道如何过滤这些数据。”


机器学习从输入经过训练的算法中的现有数据点得出结论。它无法预测未来,因为未来的模式并非植根于过去,例如2008年金融危机期间的重大中断。因此投资专家必须对未来趋势做出判断,部分是基于直觉和明智的猜测。


即使机器学习找到有效的模式,这些模式也必须将其转换为有利可图的投资决策。例如,对社交媒体严格计算机分析使一些数据科学家预测Donald Trump将在2016年当选总统。然而正确的预测可能会转化为各种投资场景,这取决于您对美国股市面对特朗普获胜时的看法。


简而言之,由于最近在计算能力、可用数据和更好的算法方面的飞跃发展,机器学习将提供强大的工具来改进股票的选择。尽管如此,仍然需要有才能的专业人员来清理数据开发算法并将转换为可盈利的交易模式。


图4.jpg 


为了避免在这个新兴世界中落后,活跃的股票经理必须在实施机器学习上花费更多的资本和时间,同时招募更多拥有定量和数据技能以及投资判断力的专业人士。





(0)
KlipC
  • 0
  • 打开微信"扫一扫",

    打开网页后点击屏幕

    右上角"分享"按钮

立即评论

请先 登录
立即评论

推荐公司

国投金服
澳大利亚激石
MARKETS.COMCN
环球通金融(香港)有限公司
香港国泰金业有限公司
FXCM
FXNET
金融衍生品
SmartFintechSystems

在未来的证券交易中,人工智能机器人会取代人类吗?

KlipC · 2019-12-27 · 交易



尽管机器学习拥有巨大的潜力提高投资者发现优秀股票的能力和机会,但KlipC认为,开发正确的算法和进行投资判断始终需要人类---是具有不同技能的人才。


图1.jpg机器学习是人工智能的一个分支,它使功能强大的计算机能够针对已定义的目标不断提高性能,而无需人工决定确切的方法步骤。计算机不再依赖详细的指令,而是通过反复试验学习的算法来分析大量数据他们可以发现人类无法察觉的模式。


KlipC董事长Nana Naumovic认为,长期以来,活跃的投资组合经理一直在运作量化基金,该基金考虑到了许多可能会影响未来股价的因素,例如市值波动性价格动量以及价值与增长。在管理这些定量基金时,股票经理们一直在使用复杂的计算机模型来识别因素之间的联系,从而发现表现出色的证券。


图2.png 

那么,除了量化分析已经提供的功能以外,机器学习还为活跃的股票经理提供哪些功能


图3.jpg 

首先,也是最重要的一点,机器学习可以根据一系列人类无法执行的模式来识别表现出色的股票。例如,机器学习(ML)可以分析过去十年中标准普尔500指数(S&P 500)公司的财务收益报告发布后首席执行官的所有反应。通过数百万种可能的关联,计算机可以识别公司或在类似地区开展业务的公司投资绩效的好坏。


其次,通过增强自然语言处理能力,机器学习可以比较和对比关键术语。此过可让数据分析师审查、破译和组织大量密集文档中的信息,例如金融文件或专利申请。


第三,通过训练机器学习的算法可以将图像和声音转换到定量模型中的数据格式。例如,经过训练的算法可以从卫星照片中找到相关的宏观或微观事实。


第四,由于机器学习基于对大型数据库的严格持续的评估,因此它可以减少想要破坏合理投资决策的人为偏见。这些认知扭曲包括过度自信避免后悔和追逐逆转的趋势。


但是,机器学习也有自身的局限性。它可能有来自用于训练算法的数据或其方法中的统计偏差。KlipC的Andi Duan表示:“为了发现限制这些偏见,执行机器学习的人需要在特定行业拥有丰富经验并知道如何过滤这些数据。”


机器学习从输入经过训练的算法中的现有数据点得出结论。它无法预测未来,因为未来的模式并非植根于过去,例如2008年金融危机期间的重大中断。因此投资专家必须对未来趋势做出判断,部分是基于直觉和明智的猜测。


即使机器学习找到有效的模式,这些模式也必须将其转换为有利可图的投资决策。例如,对社交媒体严格计算机分析使一些数据科学家预测Donald Trump将在2016年当选总统。然而正确的预测可能会转化为各种投资场景,这取决于您对美国股市面对特朗普获胜时的看法。


简而言之,由于最近在计算能力、可用数据和更好的算法方面的飞跃发展,机器学习将提供强大的工具来改进股票的选择。尽管如此,仍然需要有才能的专业人员来清理数据开发算法并将转换为可盈利的交易模式。


图4.jpg 


为了避免在这个新兴世界中落后,活跃的股票经理必须在实施机器学习上花费更多的资本和时间,同时招募更多拥有定量和数据技能以及投资判断力的专业人士。