博時(shí)基金-20160601-人工智能-簡版本

1、2016.6,人工智能引領(lǐng)投資新方向,桂征輝 博時(shí)基金指數(shù)與量化投資部,主要內(nèi)容,,,,,人工智能基礎(chǔ)知識(shí),,人工智能在金融中的應(yīng)用舉例,02,,思考與展望,03,,01,2,人工智能基礎(chǔ)知識(shí),3,,4,關(guān)聯(lián)Netflix, 豆瓣的電影推薦引擎Amazon的圖書推薦有監(jiān)督學(xué)習(xí) 分類各種識(shí)別： 物體，人臉，車牌， 語音 回歸廣告點(diǎn)擊率預(yù)測無監(jiān)督學(xué)習(xí)聚類: 文本主題自動(dòng)發(fā)掘強(qiáng)化學(xué)習(xí)棋類(Alpha-GO

2、)，自動(dòng)駕駛,基礎(chǔ)知識(shí)： AI, ML, PR, DM, DS,機(jī)器學(xué)習(xí): Machine learning is programming computers to optimize a performance criterion using example data or past experience.,,80年代,90-05年代,人工神經(jīng)網(wǎng)絡(luò),Boosting,Logistic regression,SVM,06, Hin

3、ton,深度神經(jīng)網(wǎng)絡(luò)DNN,05-至今,概率圖模型,大致階段劃分及代表算法,5,,深度學(xué)習(xí)超越人類,6,12年： 9層15年：152層,人工智能在金融領(lǐng)域的應(yīng)用舉例,7,,8,對(duì)沖基金巨頭在AI領(lǐng)域招兵買馬,主要應(yīng)用領(lǐng)域,股票領(lǐng)域應(yīng)用與大數(shù)據(jù)結(jié)合，產(chǎn)生新的Alpha來源直接預(yù)測金融時(shí)間序列資產(chǎn)配置，擇時(shí)， 選股，套利構(gòu)建更智能的量化模型交易組合優(yōu)化金融領(lǐng)域的智能問答(Kensho)其他金融領(lǐng)域應(yīng)用違約監(jiān)測信用卡欺

4、詐檢測衍生品定價(jià),,9,傳統(tǒng)量化日漸成熟何處尋找新的Alpha來源？ 數(shù)據(jù)即信息，新的信息可以帶來新的收益,人工智能從大數(shù)據(jù)挖掘新的Alpha因子,從大數(shù)據(jù)挖掘新的Alpha因子,10,文本： 公告 新聞研報(bào)社交網(wǎng)絡(luò)投資者情緒度量： 搜索熱度股吧評(píng)論社交媒體的情緒基本面數(shù)據(jù)線上線下的銷售數(shù)據(jù)合理預(yù)測,,博時(shí)基金大數(shù)據(jù)系列產(chǎn)品,11,旗艦產(chǎn)品： 淘金100 (15.6成立)相對(duì)中證500 超額收益年

5、化 25%， 月勝率近75%， IR > 42016年至今(20160616)， 相對(duì)中證500超額收益 > 10%, 年化 > 20%,金融時(shí)間序列預(yù)測,12,金融時(shí)間序列預(yù)測,,13,金融時(shí)間序列預(yù)測,Classication-based Financial Markets Prediction using Deep Neural Networks Matthew Dixon etc. 2016數(shù)據(jù)43種大宗

6、商品和外匯期貨1991 到 2014年， 5分鐘線數(shù)據(jù).25,000 個(gè)觀測作為訓(xùn)練，12,500作為測試9895個(gè)特征，包括自身的MA, Lag的回報(bào), 互相的相關(guān)等等方法5層神經(jīng)網(wǎng)絡(luò)， 第一個(gè)隱層包含1000個(gè)神經(jīng)元， 最后一層129（3*43）對(duì)應(yīng)每個(gè)品種的三種狀態(tài)，一共12,174,500個(gè)權(quán)重。結(jié)果,14,更智能的量化模型,,Yin Luo, etc. 2012: The rise of machine

7、 傳統(tǒng)多因子模型 + AdaBoost,15,交易,Machine Learning for Market Microstructure and High Frequency Trading通過增強(qiáng)學(xué)習(xí)獲得最佳執(zhí)行指定時(shí)間和買賣股數(shù)，最佳執(zhí)行方法： RL, 定義狀態(tài)和目標(biāo)， 學(xué)習(xí)action類比： VWAP, 只有時(shí)間和未執(zhí)行股數(shù)。,16,思考與展望,17,思考,機(jī)器學(xué)習(xí): 能擬合任何函數(shù),

8、 能處理上千萬甚至更多的數(shù)據(jù),18,挑戰(zhàn),小數(shù)據(jù)低信噪比 黑箱技術(shù)壁壘市場信息不對(duì)稱市場進(jìn)化缺少理論基礎(chǔ),19,展望,在復(fù)雜的金融市場，可預(yù)見的未來，人工智能還是不能取代人類大數(shù)據(jù)+人工智能 提供決策依據(jù)利用金融領(lǐng)域知識(shí)，挖掘市場無效性，提取更好的，更可區(qū)分的新特征(因子)， 在此基礎(chǔ)上采用機(jī)器學(xué)習(xí)的方法能夠進(jìn)一步提高在外界突發(fā)干擾較少，模式重現(xiàn)性較高, 數(shù)據(jù)量大的高頻領(lǐng)域更有用武之地,20,博時(shí)量化,起步早，人

9、員多，經(jīng)驗(yàn)豐富量化產(chǎn)品業(yè)績突出產(chǎn)品線豐富, 管理資產(chǎn)規(guī)模大： 指數(shù) (黃金，標(biāo)普，債券， A股， 大數(shù)據(jù)指數(shù)）指數(shù)增強(qiáng) (裕富滬深300， 社保委托專戶)主動(dòng)量化絕對(duì)收益專戶,21,,博時(shí)基金大數(shù)據(jù)系列產(chǎn)品,22,旗艦產(chǎn)品： 淘金100 (15.6成立)相對(duì)中證500 超額收益年化 25%， 月勝率近75%， IR > 42016年至今(20160616)， 相對(duì)中證500超額收益 > 10%, 年化&