2019机器学习的4个关键洞察

机器学习正将几十年前的设想变成现实,其在交易策略、风险管理、量化研究方面的作用也变得越发显著。这种改变有着深远的影响。随着更多企业借助人工智能从竞争中脱颖而出,原本小众化的机器学习正在得到广泛应用。大多数金融机构提倡采用自动化解决方案,并将借助程序或软件来实施自动化交易视为首选。

近期,在彭博于香港举办的活动上,多位行业人士分享了他们有关机器学习如何改变资产管理以及其对行业未来影响的见解。以下是4大主要洞察。

新闻中的情绪指标在交易策略中发挥更大作用    

越来越多的公司通过机器学习来监测市场情绪或特定的市场波动因子。长期以来,新闻一直是影响市场波动的重要因素。如今,有多家公司正千方百计地将自动化新闻监测工具或市场情绪分析融入交易策略中。

通过筛选关键词(不管是具体话题还是新闻情绪指标),企业在寻找多种方式来监控特定的仓位。目前企业能够利用机器学习从数以千计的文章中评估市场情绪或新闻中反映的情绪。然而,并不是所有新闻能对市场产生同样的影响。假如某条特别的新闻引发市场波动,那么诸如市场驱动评分指标等新工具就能够对其进行评估并打分。得分为0表示该新闻没有影响市场,得分为1则意味着该条新闻引起了市场价格波动。

新闻的情绪分析工具近年来经历了几次重大发展,有助于企业优化交易策略。举例而言,机器学习的算法能够帮助企业找到市场情绪模式,从而可将人力资源重新部署到其他方面。

数据认证的重要性提高

当下信息时代,数据是高价商品。要让机器学习真正发挥作用,必须以“干净的”数据作为基础。然而,确保数据干净并且能在得到用户许可的情况下合法获得数据是一项艰巨的任务。

一些公司通过奖励提供数据的用户,创新地将AI和比特币结合在一起。然而,由于监管部门越来越关注数据隐私并通过实施通用数据保护条例(GDPR)等法规来保护和控制消费隐私及个人数据,随着时间推移,该策略将面对更多的监管 。

提高透明度,优化工作流程

企业正通过机器学习来改进工作流程并增强合规。例如,基金管理公司越来越多地借助机器学习来生成对风险或市场波动因素的报警机制。在其他金融服务领域,银行利用机器学习来收集并分析数据。

机器学习能够帮助金融机构提高效率,但金融企业并非总能获得足够的信息来授予信贷额度,且其财务报表可能会出错或需要较长一段时间来认证。

火币大学校长于佳宁表示,“建造大数据认证及合规平台至关重要,看起来唯一的选择是以区块链为基础。”他解释称,区块链可以提高流程的安全性,减少行业风险,令企业更好的服务及支持实体经济。

于佳宁将区块链的影响比作电子邮件对通讯的影响,他说道:“过去寄信要通过邮局,而电子邮件的出现完全改变了这种通讯方式,如今区块链也在为金融体系带来变革。”

研究将更具针对性,为更多金融工具创造空间

约90%当前已有的数据是在过去两年中生成的,其中由分析所得的仅占1%。机器学习有望覆盖所有这些数据,改变行业格局,以及分析师和金融企业在此过程中的研究方式。

随着解析数据的专业工具出现,金融机构将更有针对性地进行研究并制定投资策略。以影响力投资(impact investing)为例,虽然这种投资方式已处于起飞阶段,但要找到可持续的投资机会通常是个挑战。但如果借助于机器学习,投资策略的准确性将更可望实现,透明度也将有所提高,这能够为影响力投资打下更坚实基础,便于其继续扩展到其他市场。

多家金融机构的管理人士已经认识到数据对企业的重要性。根据埃森哲的一项研究,79%的企业高管认为没有做好迎接大数据准备的企业将会失去竞争力。对于金融机构而言,这意味着他们将更多地把关注重点转向数据分析,并通过机器学习来调整交易策略并优化工作流程。

亲身感受彭博终端带来的非凡体验 预约演示