6月13日, 中國領先資產管理公司華夏基金同國際科技巨頭微軟公司在亞太地區設立的微軟亞洲研究院舉辦戰略合作發佈會, 宣佈雙方將就人工智慧在金融服務領域的應用展開戰略合作研究。 此次跨界合作研究將結合微軟在人工智慧領域的深厚積澱以及華夏基金強大的投研實力, 旨在探索智慧投資的疆界, 推動資產管理行業智慧化轉型。
微軟亞洲研究院副院長劉鐵岩表示, 相對于傳統投顧, 人工智慧投顧可以永遠保持冷靜, 並擁有更快速的反應和強大的資料處理能力, “隨著端到端學習能力的不斷完善,
以下是文字實錄:
微軟亞洲研究院首席研究員劉鐵岩:各位來賓, 各位同仁, 各位媒體的朋友, 大家下午好!首先非常感謝蔣昌建老師, 我非常喜歡蔣昌建老師, 所以容我先裝個嫩, 我這一代人是看著蔣昌建老師的辯論會長大的。
今天我們想起蔣昌建老師就會想起《最強大腦》, 說起《最強大腦》我們就得不提這個大家街頭巷尾都在熱議的人類最強大腦和人工智慧的對弈。 就在上個月底, 人工智慧再一次在這個圍棋被大家普遍認為代表著人類高智商的棋類運動裡面晚生了人類的最強大腦,
其實除了圍棋之外, 人工智慧在其他的領域也都在千變萬化地推動著產業的變革, 或如炸雷平地起, 或似春雨細無聲, 我們今天要來談的是人工智慧如何改變投資這個冷遇。
但我們在搜尋引擎隨需應變輸入人工智慧或者金融這樣的關鍵字, 大家會看到很多與此有關的包括和媒體評論, 比如說我們看到人工智慧讓華爾街深感不安, 比如說對沖季節將會用人工智慧收割市場如此這般, 為什麼人工智慧的到來會讓投資界如此振動,
正是因為看到了人工智慧的這些優勢以及看好人工智慧在金融領域長期的發展, 華夏基金和微軟亞洲研究院走到一起, 強強聯手, 決定進行深入的戰略研究合作。 華夏基金作為資產管理領域, 中國的龍頭企業, 它代表了在中國投資的最高水準, 而且它擁有中國最大的投研團隊, 華夏基金所積累的非常豐厚的專業知識, 毋庸多言, 而為研究院作為全球領先的人工智慧研究機構, 彙聚了大量世界一流的科學家, 也創造了大量世界一流的學術成果和世界領先的人工智慧演算法和系統。
所以我們堅信, 華夏基金和微軟亞洲研究院的深入合作, 將為整個金融領域做出一個示範性的表率作用, 極大地推動人工智慧和金融的深度整合。
那麼話說回來, 人工智慧技術將如何助力金融投資呢?接下來我將從量價資料分析, 文本資料分析, 知識圖譜及推理, 以及預測、模擬與決策諸多方面加以簡單闡述。
首先量價資料是股票投資裡面非常重要的資訊源之一, 通常, 投資經理會根據量價資料的時序序列來尋找二維的模式, 時空的模式以此來預估股票的漲跌, 何時買入、賣出股票, 這種經驗的抽取, 一定會受到個人因素的限制, 很難有最優性的保障, 在這個時候如果我們用人工智慧技術, 依託大資料去尋找更加客觀, 更加有效的時空模式,來指導我們的投資,會不會有效呢?
我想這個答案是肯定的。而且微軟研究院在與此相關的某些領域的研究會大有用武之地。舉個例子,在時序序列分析方面,2016年底,來自我們微軟研究院的,基於深入神經網路的語音辨識技術,首次達到了人類語音辨識的精度,秒殺了其他同類的演算法。再舉個離子在二維的模式識別方面來自微軟亞洲研究院的ResNet技術、正式率先地超過了人類,獲得了2015年(英)的冠軍,如今已經成為了圖像識別領域首選的演算法,這些例子想告訴大家,在人工智慧模型的設計和研發方面,微軟亞洲研究院具有非常強的實力,如果再配合上華夏基金非常豐富的知識積累,我們一定可以為量價分析這樣的技術取得更好的效果。
除了量價資料,文本資料也是非常重要的一個資料來源,我們可以通過對文本資料的分類,語義分析,主題分析和情感分析,來預測市場對於一個行業或一個公司的預期,我們甚至可以去預測股票走勢的拐點。
通常意義上講,人類的投資經理會根據他所熟悉的,與此相關的若干文本資料來源,依據理性判斷來做出判斷。但是我們如果有本事,有能力去利用互聯網上海量的文本資料,我們一定能把這件事情做得更加全面,更加客觀。
但是說到對互聯上海量文本資料的分析也並非是一件容易事兒,傳統的一些統計工具和分類方法,可能會遇到巨大的挑戰,比如說如果我們將要處理的文本資料是來自於整個互聯網上的海量文本,它的詞表裡面如果包含了上千萬量級的處理,這個模型的訓練要用非常長的時間甚至長達百年。如果我們想對文本資料做非常細力度的分析,比如說我們想區分超過百萬個不同內容的主題,也同樣會遇到巨大的挑戰,我們會動用成千論萬台機器用上幾周或者幾個月的時間。
這些看似不可能完成的任務,在微軟亞洲研究院的面前,卻變得可行。這是因為我們擁有能夠處理千萬詞表的人工智慧網路LiigtRNN這套系統可以把體量縮小上千倍,把可能需要幾百年的時間縮小到一個月。同時我們擁有可以分析百萬主題的人工智慧模型LightLDA在用(英)進行分散式部署,我們就可以只有幾十太機器的小型集群可以實現使百萬量級的主題分析。如果我們有了像LiigtRNN、LigtLDA拓展性非常強的技術,就可以對非常大的文本資料進行超細密度的分析,並且這些事情可以即時做到。這就使得我們能夠在資訊的獲取和處理方面獲得巨大的優勢。
除了前面提到的這些原始資料以外,在投資的時候我們常常會利用一些資訊,比如說政治事件、金融事件、經濟事件,比如說我們可以利用供應鏈的上下游關係,利用投資人和公司之間的這種關係來進行推理。這就會遇到幾個問題,首先我們如何去構建一個可靠的、資訊豐富的金融知識圖譜,第二當我們擁有大量的金融知識圖譜的時候,我們如何進行分析和推理。
我們微軟亞洲研究院擁有目前最高效的知識圖譜的索引和分析的開源引擎,有了這種引擎的支援,我們就可以對巨大體量的知識圖譜,進行即時的分析推理,使高階因果關係進行改變,插上理性的翅膀。
投資經理還需要根據市場的回饋不斷地調整他之前既定的一個決策投資方案。如何能夠即時地、快速地根據市場進行反應,並且能夠對市場裡面參與者,比如說其他的參與者、投資機構、散戶他們的經過建模成為致勝的力器,來自微軟亞洲研究院比如說對偶增強學習,博弈機器學習將會有大有用武之地,會有先發優勢。
這裡提到的人工智慧演算法都需要強大的人工智慧平臺和技術平臺作為支撐,我們微軟研究院同樣擁有現在目世界上效率最高的人工智慧平臺CNTK,CNTK不管在效率方面,還是在單機CPU的單機訓練效率,還是集群的訓練效率上都表現突出,力拔頭籌。
當我們把演算法和人工智慧平臺結合上華夏基金和投研團隊的領域知識,以及微軟亞洲研究院的專家,我們非常有信心,共同打造一個屬於人工智慧由人工智慧驅動的一個全新的金融投資框架,這個框架裡面會包含很多新的組成部分,比如說基於人工職能的端到端的因數提取與動態符合,比如說增強學習和博弈機器學習的交易和資產配製的策略等等。
想實現這些目標有並非易事,我面前也有非常多的挑戰,尤其是前面昆總提到,人的行為是最難模擬的,金融市場是開放的,裡邊非常多的豐富的資訊,隱藏的資訊,四如此種種,都對我們是一個挑戰,但是我們非常有信心,正是因為我們有著豐富的人工智慧的研發經歷,而華夏基金的同仁們有非常豐富對做建模的經驗,這兩類龍頭的企業走在一起,我們一定會沿著這條道路克服重重困難,取得非統反向的研究成果。
大家可能還記得,當柯潔向人工智慧投死人數的時候,他曾經說過如下的感慨,他說人工智慧讓我重新認識了圍棋這件事情,沒有什麼棋是不可以下的,人要開闊絲路,就可能有全新的空間。這樣就可以讓我更自由地去下一盤棋,我想當我們以創新的技術引入到這個領域裡,我們將開啟一個全新的局面,我們將面臨一個全新的世界。
短期來講我們堅信人工智慧將會成為人類投資經理有力的助手,無論是在擴大投資分析的範圍,都將起到非常強的作用,長期展望,當人工智慧的技術逐漸成熟,它甚至可能成為人類投資經理的強有力的競爭對手。
正是因為對未來有這樣的一個期望,華夏基金和微軟研究院走在一起強強聯手,我們將要進入從事非常深入的研究合作,我們要去解決前面提到的各種挑戰,從事更多元,更深入的研究。我們的目標非常清楚,就是使用人工智慧技術去助力金融產業的數位化轉型,實現金融的自動化、智慧化、數位化,開啟智慧金融的瑰麗篇章,我希望我們大家一起攜手同行,共啟未來,突破疆界,謝謝大家!
更多精彩資訊,請來金融界網站(www.jrj.com.cn)
更加有效的時空模式,來指導我們的投資,會不會有效呢?我想這個答案是肯定的。而且微軟研究院在與此相關的某些領域的研究會大有用武之地。舉個例子,在時序序列分析方面,2016年底,來自我們微軟研究院的,基於深入神經網路的語音辨識技術,首次達到了人類語音辨識的精度,秒殺了其他同類的演算法。再舉個離子在二維的模式識別方面來自微軟亞洲研究院的ResNet技術、正式率先地超過了人類,獲得了2015年(英)的冠軍,如今已經成為了圖像識別領域首選的演算法,這些例子想告訴大家,在人工智慧模型的設計和研發方面,微軟亞洲研究院具有非常強的實力,如果再配合上華夏基金非常豐富的知識積累,我們一定可以為量價分析這樣的技術取得更好的效果。
除了量價資料,文本資料也是非常重要的一個資料來源,我們可以通過對文本資料的分類,語義分析,主題分析和情感分析,來預測市場對於一個行業或一個公司的預期,我們甚至可以去預測股票走勢的拐點。
通常意義上講,人類的投資經理會根據他所熟悉的,與此相關的若干文本資料來源,依據理性判斷來做出判斷。但是我們如果有本事,有能力去利用互聯網上海量的文本資料,我們一定能把這件事情做得更加全面,更加客觀。
但是說到對互聯上海量文本資料的分析也並非是一件容易事兒,傳統的一些統計工具和分類方法,可能會遇到巨大的挑戰,比如說如果我們將要處理的文本資料是來自於整個互聯網上的海量文本,它的詞表裡面如果包含了上千萬量級的處理,這個模型的訓練要用非常長的時間甚至長達百年。如果我們想對文本資料做非常細力度的分析,比如說我們想區分超過百萬個不同內容的主題,也同樣會遇到巨大的挑戰,我們會動用成千論萬台機器用上幾周或者幾個月的時間。
這些看似不可能完成的任務,在微軟亞洲研究院的面前,卻變得可行。這是因為我們擁有能夠處理千萬詞表的人工智慧網路LiigtRNN這套系統可以把體量縮小上千倍,把可能需要幾百年的時間縮小到一個月。同時我們擁有可以分析百萬主題的人工智慧模型LightLDA在用(英)進行分散式部署,我們就可以只有幾十太機器的小型集群可以實現使百萬量級的主題分析。如果我們有了像LiigtRNN、LigtLDA拓展性非常強的技術,就可以對非常大的文本資料進行超細密度的分析,並且這些事情可以即時做到。這就使得我們能夠在資訊的獲取和處理方面獲得巨大的優勢。
除了前面提到的這些原始資料以外,在投資的時候我們常常會利用一些資訊,比如說政治事件、金融事件、經濟事件,比如說我們可以利用供應鏈的上下游關係,利用投資人和公司之間的這種關係來進行推理。這就會遇到幾個問題,首先我們如何去構建一個可靠的、資訊豐富的金融知識圖譜,第二當我們擁有大量的金融知識圖譜的時候,我們如何進行分析和推理。
我們微軟亞洲研究院擁有目前最高效的知識圖譜的索引和分析的開源引擎,有了這種引擎的支援,我們就可以對巨大體量的知識圖譜,進行即時的分析推理,使高階因果關係進行改變,插上理性的翅膀。
投資經理還需要根據市場的回饋不斷地調整他之前既定的一個決策投資方案。如何能夠即時地、快速地根據市場進行反應,並且能夠對市場裡面參與者,比如說其他的參與者、投資機構、散戶他們的經過建模成為致勝的力器,來自微軟亞洲研究院比如說對偶增強學習,博弈機器學習將會有大有用武之地,會有先發優勢。
這裡提到的人工智慧演算法都需要強大的人工智慧平臺和技術平臺作為支撐,我們微軟研究院同樣擁有現在目世界上效率最高的人工智慧平臺CNTK,CNTK不管在效率方面,還是在單機CPU的單機訓練效率,還是集群的訓練效率上都表現突出,力拔頭籌。
當我們把演算法和人工智慧平臺結合上華夏基金和投研團隊的領域知識,以及微軟亞洲研究院的專家,我們非常有信心,共同打造一個屬於人工智慧由人工智慧驅動的一個全新的金融投資框架,這個框架裡面會包含很多新的組成部分,比如說基於人工職能的端到端的因數提取與動態符合,比如說增強學習和博弈機器學習的交易和資產配製的策略等等。
想實現這些目標有並非易事,我面前也有非常多的挑戰,尤其是前面昆總提到,人的行為是最難模擬的,金融市場是開放的,裡邊非常多的豐富的資訊,隱藏的資訊,四如此種種,都對我們是一個挑戰,但是我們非常有信心,正是因為我們有著豐富的人工智慧的研發經歷,而華夏基金的同仁們有非常豐富對做建模的經驗,這兩類龍頭的企業走在一起,我們一定會沿著這條道路克服重重困難,取得非統反向的研究成果。
大家可能還記得,當柯潔向人工智慧投死人數的時候,他曾經說過如下的感慨,他說人工智慧讓我重新認識了圍棋這件事情,沒有什麼棋是不可以下的,人要開闊絲路,就可能有全新的空間。這樣就可以讓我更自由地去下一盤棋,我想當我們以創新的技術引入到這個領域裡,我們將開啟一個全新的局面,我們將面臨一個全新的世界。
短期來講我們堅信人工智慧將會成為人類投資經理有力的助手,無論是在擴大投資分析的範圍,都將起到非常強的作用,長期展望,當人工智慧的技術逐漸成熟,它甚至可能成為人類投資經理的強有力的競爭對手。
正是因為對未來有這樣的一個期望,華夏基金和微軟研究院走在一起強強聯手,我們將要進入從事非常深入的研究合作,我們要去解決前面提到的各種挑戰,從事更多元,更深入的研究。我們的目標非常清楚,就是使用人工智慧技術去助力金融產業的數位化轉型,實現金融的自動化、智慧化、數位化,開啟智慧金融的瑰麗篇章,我希望我們大家一起攜手同行,共啟未來,突破疆界,謝謝大家!
更多精彩資訊,請來金融界網站(www.jrj.com.cn)