(7月14日,上海讯)7月7日至7月10日,2021世界人工智能大会在上海成功召开。作为人工智能行业的顶级国际盛会,本届大会的主题是“智能互联世界,万物智慧化城”。自研芯片、远程医疗、AI智能、边缘计算、隐私计算……今年的世界人工智能大会重点展示了数字化的未来趋势。
7月9日下午,在以“数据智能,链接未来”为主题的分论坛上,创始人&CEO王晨;久坤投资王晨做了题为“数字智能时代量化投资的演进与挑战”的演讲,主旨演讲主要从量化投资中的数字智能演进、量化投资三个方面阐述了量化行业的发展、久坤在数据和智能方面的实践,以及数字智能量化投资未来发展面临的挑战和瓶颈。
久坤投资创始人兼CEO;汪晨
大数据+AI算法是量化行业未来增长的主要来源
为什么量化投资可以盈利?一是金融市场效力弱,是一切积极投资赚钱的基础;另一个是统计方法的有效性,这是定量方法论的核心信念。在王辰看来,金融市场是一个交易市场,其背后反映的交易者行为规律是量化利润的来源。
毫无疑问,人工智能技术可以提升信息提取的效率。在汪晨看来,量化投资已经从简单的“结构化数据库+算法”发展到了“大数据+深度智能”的阶段。 2017年之前国内量化市场主要依靠量价数据和人工挖掘,2018年之后,中国量化技术逐渐进入AI时代。 2020年后,规模增长驱动的战略研发逐渐进入大数据+AI算法挖掘时代。
“本质上,信息来源的扩展+信息提取能力的提升是量化投资行业的核心引擎。”汪晨表示,量化行业规模突破7000亿后,大数据+AI算法的未来发展趋势更加不可阻挡,这也是未来量化行业增长的主要来源。
久坤投资创始人兼CEO;汪晨
信息、算法和执行是量化投资的核心要素
对于量化行业的核心要素,汪晨认为包括三个方面:信息、算法、和执行。在人工智能兴起之前,量化领域在这三个方向上都取得了相当的高度。但进入数字时代后,这三个方向都得到了人工智能和大数据技术的进一步赋能。
以久坤利用人工智能技术处理信息的实践为例。面对新闻和公告中披露的企业事件信息,将充分利用NLP算法来理解不同类型的新闻或公告的含义。并进行特征分类,最终形成整个信息的分类图。在这个过程中,会发现很多信息会对股价产生出乎意料的影响。比如一家上市公司的重大重组,对公司本身是有利的,但股价却下跌了。这涉及到如何理解因果关系,从而建立正确的模型。
如何用量化做基本面,这是所有量化公司都在考虑的问题。王晨提到,久坤的方法之一是从数百万份研究报告开始,利用NLP算法,建立各个行业基本面指标的知识图谱,从而快速建立行业投资逻辑。这个过程主要是基于深度学习算法,从研究报告中提取大量的行业指标信息,自动高效的提取指标的变化历史和指标预测数据,然后在此基础上验证指标,挖掘指标的影响上市公司股价模型.
此外,久坤还使用了时间序列中的各种多模态替代数据,而不仅仅是传统的成交量和价格数据,并应用不同的机器学习算法进行交织,尝试形成价格对。预测能力。
大数据智能化量化投资面临挑战
数字智能时代量化投资将面临哪些挑战?汪晨认为,具体包括多模态挑战、数据质量挑战、处理速度挑战。
王辰进一步解释说,对于不同类型的替代数据,需要不同的算法,这就需要多模态算法领域的人才。数据源本身的错误或噪声会对历史模型的建立产生严重影响。此外,低延迟的数据处理能力是量化的优势,这也需要非常强大的基础设施和系统才能完成。
除上述之外,数字智能时代量化行业面临的挑战还包括金融市场模型有效性、市场反射性和高噪声的挑战,以及市场风格的挑战中国市场环境下不同时期的结构。变化带来的挑战。
中国的量化投资领域发展非常迅速,策略、方法、产品都在快速迭代。当前量化行业的演进正处于智能投资的开端,每一次迭代都会不断将投资预测的准确性提升到一个新的水平。
主编:
文章来源:《大数据》 网址: http://www.dsjzz.cn/zonghexinwen/2021/0714/2635.html