首页  >  中文MBA  >  项目动态  >  无边界前沿课堂  

金融大咖说|AI+金融,未来在何方?

发布时间:2019年01月07日

第五期

2018/12/15

金融大咖说

1、人工智能内涵与实质

2、金融行业机器学习应用案例分享

3、AI+金融带来的新机遇

 

《金融大咖说》是长江商学院金融MBA项目向在读学员开设的一系列金融讲座,邀请金融行业不同领域的嘉宾进来分享,旨在有效的帮助学员加深对各领域的理解。

此次活动我们邀请到了我们邀请到了3位重量级嘉宾:主题演讲嘉宾Yaser Abu-Mostafa博士,

长江商学院经济学教授李伟教授以及上海翼品资产管理有限公司的执行董事周鑫先生共同为学员分享——“AI+金融,未来在何方”

 

主讲嘉宾

Yaser Abu-Mostafa博士

加州理工学院电气工程和计算机科学教授

全美畅销书《Learning from Data》作者

AI、人工智能等概念在当下如此流行。那么,人工智能一词到底是什么意思?智能的核心又是什么?在许多华丽的技术噱头下,人工智能究竟能为金融行业带来哪些切实改变?我们又该如何发掘人工智能的潜在力量,打赢市场战争?就让Yaser Abu-Mostafa博士为我们带来他的观点分享。

 

人工智能的实质

首先,智能是什么?

智能的第一层是完成一些较复杂任务。比如解出一个算术题,这是智能的初步阶段。

接下来,公司雇佣员工时,会对他的资质有要求,比如可以完成一个编程任务等。公司招进员工后,会希望他能够学到新技能,更好为公司服务。因此,学习新的技能是智能第二个层次。

如果这个员工有自己的创新能力,能够推出公司没有想到的创意,超越了岗位要求,这样他的智能已经走向了新的层次,这就是我们所说的真正的智能——创新。

从解决问题,到学习新技能,再到创新,智能从底层走到了最高层。

 

机器学习与深度学习又是什么?

机器学习大致等同于人工智能,为什么说是大致等同?人工智能复制智能,机器学习是向机器学习,两者有相关性,两者也有重复之处,智能的核心就是学习。

大数据、数据科学、数据挖掘,实际本质都是机器学习。机器学习是所有机器学科一个大脑,大数据需要对数据进行管理,存储,选择,建立它们的相关性,发现数据中的规律,数据当中发现规律就是机器学习。智能的核心是学习,学习从哪里来,从数据来。

深度学习和神经网络是等同的,背后的算法一样。神经网络是机器学习一个模型,也是最有名的模型。如果做金融业,神经网络并非最适用的模型,现在向量机器在金融业应用上比深度学习好的多。神经网络,也就是深度学习是机器学习的一个模型。

 

智能的核心是什么?

机器更像是只有一个招式的小马,你可以教它复杂的技能,但是这个它只会这一个技能,它们没有创意,没有适应新局面的能力。所以我们认为学习是智能的核心。

AI和机器学习所做的事情就是要找到数据当中的规律。智能的更高层次是,AI和机器能够在数据研究过程中自主地找出规律,并加以利用,而不是需要人去指挥。

拥有了智能之后机器可以做很多事情,比如机器可以从观众以往看过的电影,搜索过的电影,解读出潜在的观众的喜好。 很多时候数据之间的关系人们无法看穿,但内部可能有潜在的规律,机器就可以用算法寻找出规律并为人类所用。

 

人工智能如何助力金融

目前人工智能在金融领域已经有了很多应用,比如对市场进行预测,包括预测价格、波动性,或者是以此作为根据来交易期权,这是最早的应用,非常有吸引力,利润也很好,但前提是市场效率不高。再比如基于一些因子对市场利率波动建立模型,对利率进行预测,又或者是可以用来做信用卡作假的识别,用算法发现作假的行为等。

 

当人工智能比你更懂市场

 

人工智能革命还缺什么?

人工智能要取得突破,首先是要有大量数据。AI需要在数据去学习,有了代表性的数据,人工智能才可以发现数据当中的规律。金融业进行人工智能的应用,就需要有大量的数据。

另外需要的就是更完善的模型,如果神经网络达到十层甚至二十层,就能够对几百个变量甚至几千个变量进行分析。我们需要建立多层次的网络,从而才能让AI有更强的识别能力。如果说能够把我们认为相关,有用的信息作为模型输入,而不是作为单个的像素,这个模型就好像有了思考,它建立了象素之间的关系。

那么这和金融有什么关系?市场某一点的价格,其背后往往结合了一系列的交易,而这些数据背后一定存在着某种关系,不仅能够帮助机器更好地做出决策,并且在今后的模型输入中具有重要意义,未来人工智能或许在这方面能够超越人类。

当然, 现在处理数据有多个模型,甚至有几百万,几十亿的变量,需要进行无数次的迭代与大量的计算,需要强大的计算能力。如果你是一个研究者,想测试自己的想法,你可以选择写一个程序,周五下班后等待周一出结果,让CPU工作三天,如果CPU计算能力比当前慢一百倍,就需要等待一年才能出结果。这体现计算能力的重要性,人工智能要进展就需要数据模型和计算能力,没有强大的计算的能力也不能完成任务。

 

人工智能,为人带来市场先机

我们实验室五年前开始了一个项目:客户全面建模。我们根据客户喜欢的巧克力,喜欢的书,喜欢去的地方,发的推文等等在网络捕捉到所有的数据来进行建模。或许你喜欢的巧克力和你喜欢去的地方之间可能没有必然的逻辑关联,但是如果让机器学习在数据里找规律,如果存在或许就可以找到。

现在我们可以对数据进行全面建模,可能以前一些没有关系的数据,现在建立在一起之后,机器可能会发现一些人没有想到的规律。

 机器通过解读数据,发现一些人类意想不到,发现不了的规律,这就是一种革命。

AlphaGo,是人工智能革命的最佳例证。AlphaGo是一个神经网络,经过不停地训练与几百亿棋手的练习后,它成为了围棋高手,击败了人类的世界冠军。人类教会了AlphaGo下棋,但在比赛中它想出了新策略,它做到了创新。人类很聪明,但在精确和记忆还有计算力等方面有局限,但AlphaGo不会忘记任何的细节,它超越了人类的能力。

一些人类认为没用的信息,交给机器,它或许可以从中发现一些至关重要的规律,在交易中,在这场竞争性的比赛中,如果能提前发现别人发现不了的市场趋势,并且去做,那你就赢了。

 

对话环节

主题演讲后,主持嘉宾长江商学院经济学教授,长江商学院案例研究中心主任,长江商学院中国经济和可持续发展研究中心主任李伟教授,上海翼品资产管理有限公司的执行董事,金融MBA17校友周鑫先生就人工智能的前景与可能威胁等话题与Yaser Abu-Mostafa博士开展了圆桌讨论。

Q & A

李伟教授 :我们经济学家总是关心市场的有效性。AI交易员会使得我们的市场更加有效,还是让市场变得无序?

Yaser 博士 :有效市场的假说有两个假设,违背这两个假设的时候就是无效。一是所有人都可以获取所有信息;第二点人们完全理性处理信息并作出正确的决定。

人们可以利用无效来赚钱,但如果人们利用更多的信息就更加有效。我们可以假定任何有AI系统来做交易的人,都获得了所有的信息,虽然不能做到100%的有效,但是比现在更加有效。

如果有AI系统,能够发现趋势,可以做明智的决定,那么我认为市场会更加有效。

李伟教授:在我们对于信息不完全知情的情况下,AI会不会走向歧途?比如他们会不会成为股价的操纵者?作为监管层会很关心,如果发生这种情况应该如何对待机器?

Yaser 博士:这里涉及到两种情况,第一机器是受害者,是交易员的操纵使机器走入歧途。第二情况是机器去主动骗取他人,这个时候监管层就要引起注意。

一方面,如果认为市场是被动的,那么普通的参与方不会影响整个市场,除非是可以引起市场震动的大型集团。另外从监管层面,我们在利用机器学习的时候会做出限制和规定,机器不会背着我们做一些不好的东西,除非我们让它这么做,所以在监管方面这方面没有危险。

另一方面,在深度学习方面,人们发现可以欺骗机器学习,即故意改变一些象素,让机器发生识别错误。我刚才讲到神经网络一大革命,就是它的输入就是单个象素,这是一个双刃剑。比如拍一张苹果的图片,把个别象素更改,当然还是苹果,但是人们知道神经网络是怎么运作,因此可以发足够的信号让机器以为这其实是橘子。或许有人想要用这样 的方式欺骗机器,这样的威胁是实实在在的。

 

李伟教授 :未来交易中,AI会不会做得很成功进而替代人?

周鑫先生 :我们的结论是AI或者算法交易至少在三个层面是没有办法替代人。

第一个层面就是长期投资,比如说巴非特价值投资,或者巴菲特1995年持仓白银,1996年持续加仓,之后几年是平仓,如果有长期观点的投资,算法是没有取代人。

第二就是事件驱动性的投资,比如说英国脱欧、特朗普当选,这些事件没有足够数据作为原材料就形成不了恰当的算法,这样很难产生持续稳定的策略,算法交易胜在胜率,如果没有足够的数据就没有办法把误差,没有根据大数定律,根据不等式放到非常小的区间,就没有办法来赚钱。

第三个就是人的直觉,更多是隐藏信息。这种信息的获取是算法或者电脑是没有办法获得。

Q :人工智能背景下,未来的银行会是什么样的?人工智能今后在银行比如说后台有什么样的应用呢?  

Yaser 博士 :工业革命里,机器取代人力,现在人工智能时代,就是人工智能取代一定的常规脑力。比如说开车就是常规的智能,可以交给自动驾驶。人可以去思考更高的智能,这就是我说的常规的智能交给机器,人可以关注更加高层次和高战略性的问题,这个是技术的前景。

一些职业会因智能发展而被取代,这会产生一定的社会影响。如果已经预测技术会带来社会的影响,而且对此做好准备,我们就可以让技术发挥更加有利一面,我们可以把人不愿意做的事情交给机器。

   

相关信息Related information

新闻动态