注册

方志:人工智能前景广 适合金融的AlphaGo或会出现

2018-01-20 16:58:27 和讯期货 

  和讯期货消息 2018年1月20日,由和讯期货主办的第十五届财经风云榜期货行业颁奖典礼暨第五届创世纪期货大赛颁奖典礼在上海召开。本次论坛以“转型升级,共融发展”为主题,邀请期货及衍生品业内各位重磅嘉宾、专业机构代表及行业人士汇聚一堂,共襄盛会,共谋未来!和讯期货现场图文直播报道。

和讯网金融衍生品事业部总经理 方志
和讯网金融衍生品事业部总经理 方志

  和讯网金融衍生品事业部总经理方志以“人工智能交易的市场前景”为主题发表演讲。他从一个经营者如何为投资者提供好的金融科技产品,以及金融投资者有什么样的金融产品需求两方面进行了阐述。

  云计算在金融交易,包括期货交易、证券交易等方面有很多的应用场的。首先是云存储,现在的量化交易最重要的就是金融数据共享,国内有几家做金融数据公司可以做到市值百亿以上的规模,数据的价值不言而喻。那么期货公司是不是可以为用户提供金融数据云呢?把过往的历史数据、研究报告、经济指标等等数据融合在一个云上,可以提供给投资者,相信这样的期货公司会非常有吸引力。
   
此外,还有大数据。对金融行业而言,数据是非常宝贵的。数据主要是包括两块。一块是交易类的原始交易数据,包括一些即时数据进行一些转发和优化处理,这是期货公司未来一段时间非常有竞争力的表现。第二块是对非交易数据的处理。

  方志重点提到人工智能。他认为在金融行业,对于人工智能的应用领域和应用级别可以更高,前景是非常大的。有了AlphaGo之后,金融行业讨论过很多的问题,这当中有几个比较典型的问题。第一个是下围棋的AlphaGo能不能做金融交易,能不能赚钱?目前来看是不可以的,在金融交易的股票和期货方面,对AlphaGo而言,现在的算力是无法支撑金融市场的计算的。但是如果参照AlphaGo的老版模式,用一种经验网络进行学习,人给机器一些经验,他可以找到大概的交易方向。

  但是一个适合金融的AlphaGo是能够被做出来的。现在的人工智能还是一种被动技能,在被动技能之下,人工智能,高频交易是可以服务实体经济的。人工智能交易精确的历史算法推测最大的功能是定价,会检验市场上所有人犯的错误,找出一个真正合理的价格在哪里。其次,它给市场提供了流动性只要有成交的需求,如果说价格合理,他不会给你提供流动性,但是如果有成交需求,就会把价格放在稍微不合理的地方。这两点让我们有理由相信,现在的人工智能是可以为期货市场提供良性循环,并且能够服务实体经济。

 

  以下为文字实录:

  方志:大家下午好,我简单介绍一下人工智能在金融衍生品市场交易领域的一些研究和想法。人工智能这个话题牵涉面非常大,我今天只能讲很小的一部分,给大家提供一些思路。

  首先,当下谈金融科技必然会谈到“ABCD”四个话题。A是AI,也就是人工智能,B是Block Chain区块链,C是Cloud云计算,D是data大数据。在早几年主要的关键词是云计算和大数据。到了2017年上半年大家主要提人工智能,因为AlphaGo的形象代言。而在2017年下半年大家基本上都是在提区块链了。我觉得ABCD四个技术都没有过时,而且都有很大的应用空间。并不是说大家不谈云计算和大数据就没有用了,反而它们是支撑其他应用的重要基础。

  在今天这个场合,因为一方面我们有期货投资者,一方面有我们期货行业的经营者,所以我从一个经营者如何为投资者提供好的金融科技产品以及我们的金融投资者有什么样的金融产品需求来方面来做一个综合的描述,希望能给大家提供一些想法。

  在讲AI之前,我先讲“CD”。云计算,云计算在我们金融交易,包括期货交易、证券交易方面是有很多的应用场景的。首先是云存储,现在的量化交易最重要的就是金融数据共享,国内有几家做金融数据公司可以做到市值百亿以上的规模,数据的价值不言而喻。比如说我们期货公司是不是可以为用户提供金融数据云呢?把过往的历史数据、研究报告、经济指标等等数据融合在一个云上,可以提供给我们的投资者,我相信这样的期货公司会非常有吸引力。

  云托管。今年和去年比较大的变化,今年量化交易在国内占比越来越高,尽管从交易所或者监管机构做了很大的限制。但是中国的量化交易比例还是在不断提高。现在对于量化交易而言,对金融机构最大的困境就在于交易所的机房资源不够,同时又有很多的客户和投资者有大量的托管需求。其实可以建立一个云托管的概念,比如说一台服务器上托管几十个客户,跟大家分享服务器的托管资源,这适用于入门级程序化交易进行共享。如果每一个做量化交易的都有一台自己的服务器,实际上现在的资源是不够的。但是对入门级、学习型的需求,一些简单的云托管模式就可以满足绝大部分人的需要。实际上我们看到国内也有一些做科技的公司已经在这一块一些开发和部署,这也是大家在后面可以密切关注的。期货公司尤其要发展量化交易,云托管是一个非常好的解决方案。

  云策略。现在投资者面临各种各样的问题,比如说用策略交易替代人工交易。其实用策略交易可以通过云来进行共享,具体我不做介绍。

  云计算。未来AI级别的机器学习以及深度挖掘是需要云计算来提供支撑的。

  再讲一下大数据。对金融行业而言,数据是非常宝贵的,数据主要是包括两块。一块是交易类的原始交易数据,这一块如果说可以有更长时间的历史数据,包括一些即时数据进行一些转发和优化处理,这是期货公司未来一段时间非常有竞争力的表现。

  第二块是对非交易数据的处理,比如说对基本面数据如何量化、接口化,如何连续不间断、准确的给到投资者,你能够把新闻和产业状况转化为投资者可以看到的数据。这样的产品,对于投资者而言需求是最大的,效益是最高的,对专业机构更是如此。

  区块链方面,因为涉及面太大,而且在期货行业暂时没有找到落地的应用,因此我不多做介绍。我重点谈一下人工智能。

  人工智能到底是什么呢?它是一个模拟、延伸、扩展人的思维的科学领域。人工智能现在有很多耳熟能详的应用,比如说科大讯飞的语音输入,比如说自动驾驶,这一类大家可以看得到的一些落地型应用。但是在我们金融行业,其实对于人工智能的应用领域和应用级别其实是可以更高的,我认为这个前景是非常大的。

  我们大概看一下主要的应用领域,其实最多的就是在高频交易上,其次是统计套利、机器学习、估值算法、行为金融、资产组合管理、智能投顾等等都有很实际的应用。今天我从机器学习如何转化为交易谈一下对人工智能的看法。

  AlphaGo的故事我这里不多做介绍,有了AlphaGo之后,金融行业讨论过很多的问题,这当中有几个比较典型的问题。第一个是下围棋的AlphaGo能不能做金融交易,能不能赚钱?下围棋的AlphaGo给大家的感觉非常恐怖,可以秒杀人类棋手,那么在金融交易当中,是不是也可以秒杀人的交易?第二是怎么样设计一个金融交易的AlphaGo?第三是金融交易的AlphaGo是否能稳定战胜市场?第四是多个AlphaGo会把市场变成什么样子?第五是AlphaGo来了,人类在与交易市场里还有存活的可能吗?

  问题一:下围棋的AlphaGo能不能做金融交易?从目前的答案来看,是不可以的。第一,围棋是有限制的,围棋是一个有限的可以解答的集合。当然尽管如此,也是一个非常恐怖的计算级别,但是毕竟还是一个有限解,而且也被解出来了,但是在金融市场,这个问题没有那么简单。金融市场几乎是无限解的。因为你并不是一个轮流下棋的过程,而是在每一个行情推给你的瞬间可以做各种各样的决策,可以做多做空,可以选择品种、合约,选择用多少仓位,下一个半秒的数据,你要面临重新选择。在金融交易,对股票和期货而言,对AlphaGo而言,它现在的算力是无法支撑金融市场的计算的。在我们的AlphaGo计算思维当中,其实有两种倾向。一种是经验网络学习,也就是说把棋谱输入给AlphaGo,让他学习人类的下棋模式,这样可以大大减少做没有意义或者是概率很低的计算。但是深度学习则不同,他没有按照人的思维设定固定的交易模式,而是在所有可能性上进行暴力破解。如果说我们做金融交易的AlphaGo,用的是暴力破解思维,要穷举市场上所有的可能,现在世界这种服务器资源来讲,是不足以支撑这样的计算方式的。但是如果说你参照AlphaGo的老版模式,用一种经验网络进行学习,人给机器一些经验,他可以找到大概的交易方向。

  二是围棋的学习目标是明确的,就是在棋盘上占领更多的地盘,而且占有超过50%的地盘就赢了,赢是他的目标。但是金融交易并没有那么简单,你给机器的目标是很难明确。比如说我们给金融界的AlphaGo一个目标,你今年给我盈利就可以了,机器可能学出来的目标可能是准确率最高,但是你无法实现的目标。比如说他在今年一整年当中,给你只找了一个机会,这个机会一定赚钱。今年有一次股指打了乌龙指,股指打到涨停板。AlphaGo会给你一个结论,等待乌龙指出现的时候做空他,保证今年一定赚钱,这是没有任何意义的。

  三是金融市场和围棋有一个很大的区别,金融交易是动态的,而围棋是静态的。但是有没有这样的感觉,你看到市场一直在涨,你心里很痒,但是一直没有去买。等到你终于有一天去买了,结果市场就开始调头向下。然后你在砍仓的时候,市场又转头向上了。而围棋是一个相对静态的过程,不会因为下了一个棋就把棋盘改了。但是金融是会改变生态的,当一个人每天长期盈利的方法让你不断亏损,你就会把电脑关掉,然后重新思考投资的方法。作为机器,你可能学到一个好的方法,但是你用这个方法去交易,会发现和你原来的想法完全不一样。

  问题二:怎样设计一只金融交易的AlphaGo?很多人认为金融科技、AI离我们很远,属于世界上顶尖的科学家或者是数学家。实际上AI交易离我们并不遥远。为什么这几年大家敢提这一点,而且很多人取得了成果。这归功于市场的数据从小数据变成了大数据,数据越来越丰富,而且还有好的算法可以创造数据。比如说你用日线交易,你想要模拟240万根K线在日线上交易,在原来理解是不可能的,但是现在你有了数据制造的方法,你可以把有限数据变成无限数据。

  第二,人工智能很多的算法已经开源了。谷歌是一家伟大的公司,最近他们上了机器学习的民众应用,而且费用很低。你只要有一定的思路和数据,可以在谷歌的平台上来做机器学习的建模。你在前台只要给一个目标和数据就能给你找到一个答案。所以在机器学习上,如果我们有了一定的数据,可以整理出尽量清晰机器学习教材就会变得更加容易。其实这个并不复杂,比如说你认为均线和未来交易有关系,你把均线丢给机器学习,让他从历史上所有的均线组合和周期当中寻找到的未来概率最大的交易方法,这就是简单的丢给他一个教材,你也可以丢很多其他的教材给到机器。

  第三,给出精确狭小的学习目标。给机器的学习目标也就是给机器设定一个性格。把它当成一个人一样。你可以给机器设置成风险极度厌恶型,就是不能亏损,每笔都要盈利。他可能最后给你找出一个做乌龙指的做法。你也可以相对比较激进,可能机器会给你做出一大堆的信号。

  第四,多套教材拼合学习。可以给机器不断增加新的学习空间。

  第五,样本内和样本外交叉学习。让机器在一部分数据上做学习,在另外一部分数据上做检验。

  第六,把每次机器的学习结果再交给机器进行学习。

  第七,把学习成果直接丢进实盘,因为实盘和机器想像的东西是有差别的。

  第八,把你的最终交易情况再反馈给机器进行学习。

  通过以上的反复学习,一个适合金融的AlphaGo是能够被做出来的。现在的人工智能还是一种被动技能,在被动技能之下,人工智能,高频交易是可以服务实体经济的。这里给大家讲两个点,人工智能交易精确的历史算法推测最大的功能是定价,你会检验市场上所有人犯的错误,就是一个真正合理的价格在哪里?人工智能最终可以帮助你定价,他会惩罚所有犯错的人。这个时候,用人工智能交易,对市场上一些不理性的波动是有一个回归的过程的。不知道大家有没有感觉,2017年下半年是人工智能爆发的半年,市场的波动和以前是不太一样的。以前一根阳线突破,后面就是一波气势如虹上涨。而今天,我们看到这种波动是非常小的。这很多在于人工智能对不合理的定价是有迅速的修整,把价格拉回到原来的价格区间当中。第二,它给市场提供了流动性只要你有成交的需求,如果说你的价格合理,他不会给你提供流动性,但是如果说你有成交需求,你就会把价格放在稍微不合理的地方。比如说螺纹现在价格是4000,你把买进价格放在4001块时候,市场AI就会给你提供这样的流动性,因为他要赚这个价位,他会把无限的流动性给到你。这两点让我们有理由相信,现在的人工智能是可以为期货市场提供良性循环,并且能够服务实体经济。

  问题三:金融交易的AlphaGo是否能稳定战胜市场?

  第一,学习的数据量注定了受到从高频交易开始。

  第二,市场冲击可以模拟,难以学习。

  第三,市场生态会改变机器学习的初始设定。

  问题四:多个AlphaGo会把市场变成什么样子。

  第一,局部生态会形成100%胜率的交易模型。作为一个人工交易者,一年下来你可以做到绝大部分时间赚钱,但是你能否做到每小时都能赚钱,甚至是每一笔都赚钱?但是作为AlphaGo来说,在局部生态当中,他可以做到100%胜率的交易模型。比如说他在识别市场上哪些是乌龙指,只要是市场上不合理价位偏离太多,机器并不是说预测市场回归到某一个点位,而是预期其他的程序化交易或者是其他人在某一个阶段做什么样的事情。这就可以使他在局部生态当中达到百分之百的正确率。

  第二,会形成AlphaGo的两极分化。一种是超长期的AlphaGo,他注重决策的精确性而不是数量。第二种方向是演化为非常动态的AlphaGo,它的交易频率非常高,在每一个时点都做预测和发出信号。这是两个完全不同的方向。

  第三,极其容易达成一致,导致长期波动过小,短期波动过大。因为你给出的教材都是大致类似的,最终导致把多个AlphaGo最后找出的盈利模式是类似的,一旦找出的盈利模式是类似的,问题就来了。如果说大家在同一个时间点发出类似的交易决策,那么这个市场就会出现一个比较明显的变化,也就是说价格如果说波动的时候,它不会连续波动,而是跳跃波动。也就是说机器认为3000的价格是不合理的,3500才是合理的,机器会瞬间跳到3500,而不是一点点的跳上去。这会造成短期波动过大,量相对小。

  第四,传统的交易技术方式因为很多人在用,比如说你用均线5天穿10天,很多人在用这种方式的时候,对于智能交易来说,这就是一个稳定的指标,这种信号对于金融市场的AlphaGo而言就是一个大餐,他可以准确知道你要干吗,就容易成为它猎杀的目标。

  第五,连贯性行情会变成跳跃性的行情。

  第六,算力发展会促进AlphaGo的进化速度。现在的算力是比较贫乏的,未来增加之后,人工智能的交易进化时间可以从一个月进化一次,变成一天进化一次。未来你不用担心金融市场的AlphaGo不能适应市场的变化,当你还没有意识到市场变化的时候,在0.25秒的时间之内就可以把自身再重新进化一遍,这样的话它对市场适应性和现在相比就完全不可同日而语了。

  那么市场会发生什么样的变化?基本面和交易规则发生根本变化的时候,AlphaGo基于历史的经验做出的判断会遇到致命挑战。二是市场短期操纵、突发性新闻、“黑天鹅”事件都是系统很难模拟的,容易让机器处于被动。三是AlphaGo改变不了金融标的的长期走势。四是以上机器都有改进的路径,未来也未必如此。最后,以上只要监管一纸文书,所有的人工智能都会被市场监管打败。

  时间的关系,我的分享就到这里,谢谢大家。

  

(责任编辑:邵一迪 HF116)
看全文
和讯网今天刊登了《方志:人工智能前景广 适合金融的AlphaGo或会出现》一文,关于此事的更多报道,请在和讯财经客户端上阅读。
写评论已有条评论跟帖用户自律公约
提 交还可输入500

最新评论

查看剩下100条评论

热门新闻排行榜

和讯热销金融证券产品

【免责声明】本文仅代表作者本人观点,与和讯网无关。和讯网站对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考,并请自行承担全部责任。