人工智能如何赋能量化交易

之前NewBloc已经为大家简单的介绍了量化交易的概念。量化投资借助计算机系统强大的信息处理能力，对搜集到的大量数据进行分析来建立数学模型，根据模型的运行结果进行投资决策。在效率、准确性和稳定性上，对传统投资进行了重塑升级。目前市场上看到的量化交易，背后大多有某种交易逻辑。每一个量化交易策略的建立，都需要输入与这套逻辑相关联的因子，比如历史表现、公司财务数据、宏观经济数据、上下游供应商数据等众多参数，建立一套模型，并生成投资组合和相应的仓位管理策略。目前量化投资的应用场景主要在投资交易、资产管理、智能投顾三大领域。

随着近几年人工智能兴起，AI技术本身的突破正推进着各个细分赛道的应用场景不断落地。人工智能的发展从赋予逻辑即可推理的“推理时代”、到学习专家系统的“知识工程”时代，经过数据挖掘和大数据时代的沉淀和积累，如今已经进入了神经网络深度学习的时代，基于人工智能深度学习技术的量化投资，技术条件本身已经成熟。

全球最大的对冲基金桥水(Bridgewater)早在2013年就开启一个新的人工智能团队，由曾经供职IBM并开发了认知计算系统Watson的David Ferrucci领导。据彭博新闻社报道，该团队将设计交易算法，通过历史数据和统计概率预测未来。该程序将随着市场变化而变化，不断适应新的信息，而不是遵循固定的模型。

金融市场的海量结构化数据、超越人脑的复杂网络组合与人工智能深度学习的技术是天作之合。不少人开始选用机器学习等方式，让 AI 自身运用现代统计学和数学的方法，从大量的历史数据中寻找并搭建获得超额收益的投资策略。AI能够通过自博弈训练产生数百万的交易数据，对数据的深度学习又产生可以有效的策略。通过最新的机器学习技术，AI完全能够突破人类基金经理的工作时长、身体精力、工作稳定性的限制，取代基金经理。AI赋能下的量化交易，正在受到资本市场和投资者的越来越多的关注。

而具体来看，AI量化交易与传统量化交易相比，有以下几个突出的优势：

更多更广的数据基本上可以认为，越高层次的量化交易，背后需要处理越多数据。支撑顶级量化策略背后的往往正是海量的数据。

目前一些公司不仅利用传统的金融数据，还会用到卫星拍摄到的港口集装箱图像等图片信息，或者从新闻报道、博客、名人讲话中获得经济发展的线索。在图像识别和自然语言处理的技术支持下，很多非结构化的数据也能成为分析对象。而大数据、非结构化数据以及训练模型，都需要人工智能技术介入其中。FRM对冲基金在伦敦的负责人Patric对此有很好的解释：在这个互联网时代，我们获得的数据远远超过了人类可能的处理能力。要在这个巨大的信息海洋中分析和识别模式，唯一的办法就是使用机器学习工具和技术。这是一条发展更优的投资策略路径。”

不断自我进化和迭代的交易策略在对数据的处理上，人工智能技术拓宽了数据来源，使得有更多数据能够被纳入分析。而在算法上，人工智能技术也让金融工具能自动进化和迭代交易策略。AI量化交易的先驱Rebellion首席投资官Alexander介绍自己的产品说：

“我们给了系统20年的全球经济和市场数据，以及让它学习现代金融的历史，让它找出不同因素是如何影响各资产类别、行业和地区的价格。它不是按照程序遵循任何特定的交易策略，因为我们没有告诉它去寻找这些。系统会自动识别概念，并在特定市场状况下，将概念通性能绩效联系起来。”

相比之下，传统的量化投资方法往往严格应用事先设定好的策略，它的基本假设是现在的相关性会无限持续下去。但这往往会造成很大问题，因为市场瞬息万变。所以人工智能系统的优势在于，它能够随着旧关系的衰减以及新关系的出现，不断进化自己的投资策略。

以Rebellion的例子看，它在分析了金融和贸易数据后，发现在过去的18个月里，大宗商品和外汇市场周期变短了。所以它会自动重新校准，计算周期变短的影响，以新的策略进行交易。

自然语言处理实时精准把握市场动态当量化交易分析师发现数字推测模型的局限性后，开始考虑引入新闻，政策，社交网络中的丰富文本并运用自然语言处理技术分析，将这些非结构化数据结构化，并从中探寻影响市场变动的线索。

率先使用自然语言处理技术的人工智能对冲基金是今年6月份在伦敦新设的CommEq。CommEq的投资方法结合了定量模型与自然语言处理(NLP)，使计算机能够如人类一样通过推断和逻辑演绎理解不完整和非结构化的信息。

除此之外，也有采用自然语言处理技术的金融科技公司，如由李嘉诚与塔塔通讯投资的Sentient Technologies运用自然语言处理，深度学习(Deep Learning)等多种AI技术，进行量化交易模型的建立。

其中最为知名的是号称取代投行分析师的投资机器人——Kensho。Kensho是一家致力于量化投资大众化的人工智能公司，旗下有一款产品Warren被称之为金融投资领域的“问答助手Siri”。Kensho结合自然语言搜索，图形化用户界面和云计算，将发生事件关联金融市场，提供研究辅助，智能回答复杂金融投资问题，从而加快交易速度，减少成本，用动态数据与实时信息，及时反映市场动态。

NewBloc人工智能量化交易系统，结合了上述优势，通过机器学习的方法，优化全球标准化金融资产的投资策略和策略组合。通过强化学习、深度学习等最先进的机器学习算法从全球不同的市场中探索投资机会，从海量结构化与非结构化数据中自动发掘、验证、优化Alpha或Beta策略并构建策略池，可在复杂多变的全球市场中对不同的投资标的动态地进行智能组合与风险对冲，并应用最恰当的策略组合进行自主决策，以实现“全天候”交易。在保证稳健盈利的基础上将风险和回撤降低到一个安全可控的范围。

NewBloc通过人工智能量化交易策略分享工具，根据每个人不同的风险偏好等级，提供与风险偏好等级对应的量化策略和工具，帮助大众投资者实现稳健投资。借助机器学习，实现投资策略组合的不断升级；并通过开放式工具消除系统的使用门槛，使人人平等地享有人工智能全球化投资加密资产的机会，避免某一市场系统性风险和政策风险导致的财富缩水，避免投资者的财富被市场操纵者收割。

NewBloc人工智能量化交易系统，让资产产生更大的价值，让AI更合理的配置资产。NewBloc在符合法律法规和监管政策的前提下，精准提供投资组合和策略，将会以比人更敏锐更准确地捕捉到市场的细微变化，获取超额收益，实现资产的稳健增值。