• QQ空间
  • 回复
  • 收藏

智能(AI)投资时代渐进,哪些量化投资的大神公司都在做什么? ...

宽客精选 科技金融 2021-7-10 22:30 154651人围观

量化投资推向智能时代的步伐越来越快,当基于数据,基于智能模型和算法,基于机器学习的交易越来越多使用的时候,未来普通投资者应该怎么做、2021年7月9日在世界人工智能大会“数据智能,链接未来”的主题分论坛上,数库科技、九坤投资、嘉实基金等公司纷纷就“数智时代”的投资实践与行业展望发表了演讲。记者给大家整理了大会嘉宾演讲的精华,快来一睹为快。

九坤投资作为量化投资领域的头部公司,他们在量化投资中进行非常深度的布局,九坤投资创始人兼总经理王琛认为,量化投资之所以能盈利,是因为金融市场的弱有效性,以及“历史的有条件重复”。实际上,在人工智能崛起之前,量化领域已经有了较快的发展。在进入数字化时代之后,量化投资在数据、算法、执行方面都受到了冲击。比如数据收集方面,过去都是结构化、标准化的数据,而新时代到来后,AI技术显然增强了信息提取的效率。再如执行方面,王琛认为,从全球视角来看,量化投资决策的智能化演进可分为三个阶段,这种进阶速度也相当之快:
首先是机器听从人的指挥或简单信号高速执行交易订单的1.0时代;其次是研究人员研究统计模型并生成代码,再由机器提取并执行策略的2.0时代;再然后是,经过数据清洗、数据关联后,推导、建模都建立在智能化基础上,并通过深度学习归纳知识图谱、生成交易策略的3.0时代,这也是深度智能化的时代。如今,全球量化投资决策已经处于“机器学习+深度理解”的状态。

王琛表示,中国的量化投资从2017年的“量价数据+人工挖掘”,到2018年至2019年的“量价数据+AI算法挖掘”,再到2020年的“大数据+AI算法挖掘”,进化速度飞快,量化私募的管理规模也随之快速增长。
“很多同行都觉得量化是个很内卷的行业,因为技术变化太快了,很容易掉队。”王琛说。
从行业角度来看,王琛认为,目前量化投资的大数据智能化还面临着三大挑战。
其一,多模态化挑战,因为模态化的数据需要多模态的算法来解决,且需要覆盖更多的股票数量。其二,数据质量挑战,包括数据源本身的错误或噪音;数据提取、更新的异常;数据在时间序列要求。其三,处理速度的挑战,包括低延时+海量数据+7x24,以及AI算力支持。
当然,还有一些更大的挑战,王琛举例,如模型有效性、市场反身性与金融市场高噪音的叠加。另外,不同时间市场风格和结构的变化也是未来需要面对的问题,如今年一季度时核心资产表现的“大变脸”等等。
数库科技创始人兼总裁沈鑫认为,在传统投研时代,由于场景单一、数据维度极少,且数据逻辑组装及分析主要由专业人士的人脑来完成,数据孤岛并不是问题。但是,在如今数据驱动决策的时代,数据驱动决策的场景早已不局限在金融投研领域,而是开始向银行、政务、大企业、中小企业等各维度产融决策场景覆盖。
“在这些决策场景中,数据服务需求发生了质变,数据范围及维度剧增,因此破除数据孤岛,实现数据融合成为实现高质量应用的基础。”沈鑫说。
如何实现全景的产业画像和企业画像呢?沈鑫表示,数库通过过往十余年的经验发现,有三大壁垒需要攻克,即 “量”、“准”、“智”。
首先是数据量产的“量”。数库用制造业思维思考,充分利用人工智能技术,将这些前沿科技融入到结构化数据的生产流程中,并实现无缝的人机结合,让高度标准化、结构化数据的自动化量产成为可能,从而形成了数据“冶炼”工厂的概念。
其次是“准”,面对海量资讯,需要精准地提取出决策精华信息,这要求 “手脑并用”。须知,自然语言技术只是工具,配合工具的知识体系才是实现精准提取的关键,“手脑并用”才能真正做到举一反三。
最后就是“智”,即只有打破数据孤岛,实现链接后才能产生智慧。这样“量”、“准”、“智”的结合,才可以打造出基于产业逻辑的全量数据引擎。

路过

雷人

握手

鲜花

鸡蛋
关注微信