中国人工智能学会通讯——人工智能和大数据在金融科技的创新和应用

  1. 云栖社区>
  2. CCAI>
  3. 博客>
  4. 正文

中国人工智能学会通讯——人工智能和大数据在金融科技的创新和应用

行者武松 2017-09-01 13:34:00 浏览1218
展开阅读全文

image

非常荣幸能够参加全球的人工智能大会,刚才黄院士的精彩报告我们听了很兴奋,起码第一我们的客服不用那么多人了,不懂英语的不用学外语了,翻译可能失业了。

今天是人工智能大会,在座有很多的专家,在这个领域我可能是个外行,我是来自金融界,长期干银行的。银行是个非常传统的产业,但是,银行的危机感也是最强的。我记得上世纪90年代末到招行时,比尔•盖茨一句话对我触动很深,他说你们这些传统银行如果不改变的话,就是21世纪行将灭绝的恐龙。所以在这之后十几年的银行行长的生涯里,我不敢怠慢科学技术对银行的改造。另外,银行也是IT属性很强的产业,在历史上信息技术的每一次变革和进步,都会带来银行的变革和发展。我非常清楚的理解,没有互联网就没有银行的今天,招行就是充分利用了互联网才能快速长大,而且在某些指标中全球领先,成为全国乃至全球最好的零售银行。

今天由于大数据、区块链、云计算,特别是人工智能的发展,金融业特别是商业银行又面临新的考验,能不能在科技金融方面有新的突破、新的发展,关系到金融的命运。我今天讲一下关于人工智能在金融中的应用,主要是在金融市场、在交易中应用的问题。

为什么我要讲这个问题?这要从中国资本市场的现状说起。

大家知道,两年前资本市场、股票市场遇到一个非常大的震荡,老百姓叫“股灾”,很多投资者损失惨重。回顾中国资本市场的发展过程,跌宕起伏,屡见不鲜。为什么有这么大的波动?大家知道,我们的资本市场发展时间比较短,有很多矛盾,其中很重要的一点,就是我们的交易市场是以散户为主导,占比达85%以上。这个情况和美国正好相反,美国是成熟市场,机构投资者占85%以上。散户的特点,追涨杀跌,不太理性,就会放大市场的波动。为什么出现这种情况?为什么我们缺少机构的投资者?其重要原因就是我们缺少优秀的客户经理和优秀的交易员,所以散户对机构投资者不信任,觉得还不如自己干。因此,培养优秀的交易员是改善我们资本市场建设的重要组成部分。

我卸任行长以后,受到了FTD创建者等一批优秀年轻人的启发,他们长期关注市场,觉得对交易员的培训非常关键,所以我们就创建了一个FDT金融创新工厂。它的定位就是培养优秀的交易员,我们把它叫做金融人才跑道的建设者,搭建一个大学生和金融业界的直通桥梁。我们现在一方面缺少优秀的金融人才;另一方面大学教育培养出的学生,宏观面都很强,具体操作的本领比较缺乏。当我们把这个想法跟大学校长们一讲,他们都很重视。

我们首先从中国人民大学开始。鼓励学生用手机下载FDT操盘手这个APP,进行模拟交易,在高校开展模拟投资大赛,让学生通过手机进行比赛。没有门槛,每一个普通大学生都可以参加。开展模拟交易两年左右时间,现在吸引了来自中国、美国、印度、韩国等20多个国家,不完全统计超过100万的大学生,在手机上进行模拟交易。

FDT金融创新工厂还会设置学校的排行,选手优秀,学校排行就靠前。包括牛津、剑桥,包括国内的名校,都有排名。这也有助于学生寻找各个学校的高手,便于沟通。我们每年都要组织若干场模拟交易大赛,总奖金100万。交易大赛分预赛、半决赛和决赛,每阶段的比赛为外汇、期货、股票三大市场,现在大陆参与的大学将近有50所,另外台湾、香港、海外也有30多所大学,总人数达到了10万人。为了让学生能够了解宏观经济,我们已经在上海交大、清华大学、西安交大等大学建成了金融空间、FDT金融咖啡厅,免费为他们提供培训,今年计划入驻20所大学。

另外,我们把参与FDT比赛的学生组织成高校投资社团,这是由沃顿商学院FDT的操盘手学生们发起的,在2014年5月组织成立。现在已经发展为全球大学生FDT金融技术联盟,不完全估计已经有100万的全球大学生参与进来。

我们也和一些高校的研究机构进行合作,建立高校联合实验室。比如,2014年和牛津大学的金融大数据实验室合作;2015年和南京大学的金融创新研究院,共同建立了FDT金融创新研究院;前年和清华大学经管学院合作,成立FDT金融创新实验室;最近和哥伦比亚大学建立了智能金融资产管理中心;还和香港科技大学商学院、清华大学五道口合作,一起共享大数据。

在通过金融创新工厂培养交易员的过程,我们也遇到了一些难题。这些难题应该是金融领域都遇到的难题,也是我们和世界高校联合实验室研究的重点。比如说,模拟交易数据和真实市场它们有什么异同?模拟交易能不能反映金融市场的真实情况?我们每天让学生通过APP搞模拟交易有没有意义?和真实市场有没有关联?还比如,如何建立科学的交易评价准则?怎样评价交易员?如何根据评价来对交易员进行个性化的教育和个性化的训练?还有如何提供最优的投资组合?如何让交易系统更加快速有效?如何加快处理海量的带有大量噪音的数据?等等。这些问题是FDT模拟交易的问题,同时也是真实的交易市场遇到的问题。实践证明,解决这些问题就必须靠智能金融,也就是通过大数据,靠人工智能、靠金融科技来解决。

我们做模拟交易积累了海量的模拟交易数据,这是一个重大的收获,但一开始没有太注意到。我们只是注意怎么培养交易员,现在我们意识到,这些模拟数据对培养交易员意义非常重大。经过对比来自美国国家经济研究局的真实交易数据,我们寻找模拟交易和真实市场交易的异同。结论很有意思。我们发现,二者的差异体现在模拟交易更活跃、交易额更大,因为它不是真钱;而相似的地方体现在,每笔交易的盈利分布、盈利交易的占比、多头交易的占比和最终盈利账户的占比等数据非常接近。模拟交易员和实盘交易员的行为也有相似之处,即两者都具有散户行为的偏差,追涨杀跌是普遍现象,符合二八定律,甚至是一九定律,只有那些最优秀的模拟交易员和优秀的实盘交易员,能够克服人性的弱点。二者交易行为的差别则体现在,模拟交易员的交易行为不受外在的干扰,比如富裕程度和可用资金量等因素的影响不大,这种结果更有利于行为金融学的心理建模。

模拟交易的数据显示,股票月交易量在140亿人民币以上,期货月交易量8 000亿人民币以上,外汇交易量2 700亿美元以上。更关键的是,我们发现这些模拟交易的数据,能够反映真实的金融市场。中国股市大盘在2016年1月到2017年2月的走势,这里大盘有一个巨额的下跌,模拟交易也反映出剧烈的亏损。而2016年6月到11月,中国股市单边缓慢上升,股盘模拟交易普遍盈利。所以模拟交易基本上反映了真实市场的情况。期货和外汇的模拟交易也有类似的结论。

模拟交易的大量数据能够反映真实的金融市场,正是可以利用的价值。怎么利用,就是通过大数据和人工智能技术来提炼分析。我们知道,人工智能不仅是实现普通的智能,还能实现专家的智能,特别是对金融,是对现有系统效能的提高。我也这么认为,如果互联网对金融来说,解决的是客户的体验,是渠道问题,那么包括人工智能在内的金融科技,解决的是效能提升的问题,所以现在金融科技的时代比互联网金融的时代有一个很大的提升,这个联系到人工智能对交易的应用也是这样的。我们不仅可以让机器像人类一样思考,就是我们说的深度学习,当然对于金融来说,模糊学习也很重要,因为它是一种趋势的判断。利用人工智能,我们还可以让机器像人类一样听懂,即语言识别;可以让机器像人类一样看懂,即视觉识别;可以让机器像人一样运动,即运动控制;可以让机器像专家一样的教学,这就是我们后面要讲的智能教育;让机器像专家一样交易,这就是后面讲的智能交易;还可以让机器像专家一样投资,这就是智能投资,包括现在人工智能在投资领域的应用,包括智能投顾。后三类即FDT在金融领域的一些尝试和探索。

近年来,人工智能有一系列的突破,在金融领域的应用也发展很快。我们做FDT时心目中有一个偶像,就是美国的文艺复兴科技公司,它旗下基金的平均回报率,在1989—2009年间达到35%,比索罗斯和巴菲特高出10个百分点。2015年9月花旗做了一个预测,未来10年智能理财管理会增加5万亿美元的收入。高盛预测2025年AI为金融行业带来的增值每年达到430亿美元。2017年3月摩根大通发布了一款金融合同解析软件,只需几秒就能完成以前律师们36万小时的工作。这说明人工智能很可能大规模地在商业,特别是在金融领域应用。而且,在金融领域应用大数据也有一些先天的优势条件和基础。刚才黄院士讲了,人工智能的前提是必须有海量的大数据,数据越多越能说明问题。而金融公司天生就是数据公司,银行也好,交易也好,每天和数据打交道,而且这个数据的质量和数量也能达到一定的要求,这是人工智能得以应用的一个非常重要的数字基础。另外,银行金融的业务相当多的是预测和决策类的,正是人工智能模型最擅长的领域。还有一点,金融作为全社会资源的配置工具,用AI对其加以优化,无疑有很大的社会意义和商业意义。

网友评论

登录后评论
0/500
评论
行者武松
+ 关注
所属团队号: CCAI