12月12日上午消息，一名對(duì)沖基金經(jīng)理和一名計(jì)算機(jī)科學(xué)家發(fā)現(xiàn)了一種很有前景的新方式，用人工智能來選股。相對(duì)于華爾街以往采用的機(jī)器驅(qū)動(dòng)方法，新方法適合更長(zhǎng)的投資周期。
12月12日上午消息，一名對(duì)沖基金經(jīng)理和一名計(jì)算機(jī)科學(xué)家發(fā)現(xiàn)了一種很有前景的新方式，用人工智能來選股。相對(duì)于華爾街以往采用的機(jī)器驅(qū)動(dòng)方法，新方法適合更長(zhǎng)的投資周期。
在測(cè)試中，對(duì)沖基金Euclidean Technologies聯(lián)合創(chuàng)始人約翰·阿爾伯格（John Alberg）和亞馬遜人工智能實(shí)驗(yàn)室研究員扎恰里·利普頓（Zachary Liptoon）利用這項(xiàng)技術(shù)取得了17.1%的年化回報(bào)率，而標(biāo)準(zhǔn)統(tǒng)計(jì)模型的回報(bào)率為14.4%。上周五，在NIPS大會(huì)的研討會(huì)上，他們介紹了相關(guān)論文。
金融行業(yè)正在積極擁抱人工智能。在今年的NIPS大會(huì)上，對(duì)沖基金和投資銀行正在與大型科技公司爭(zhēng)奪神經(jīng)網(wǎng)絡(luò)方面的人才。
目前只有很少的公司使用神經(jīng)網(wǎng)絡(luò)去進(jìn)行交易和投資。這些公司大多專注于短時(shí)間內(nèi)復(fù)雜的交易策略。阿爾伯格和利普頓的研究表明，通過處理大量基本面信息，例如盈利、營(yíng)收和債務(wù)水平，這一深度神經(jīng)網(wǎng)絡(luò)適合更長(zhǎng)線的股票交易。
他們向神經(jīng)網(wǎng)絡(luò)輸入了財(cái)報(bào)中的16種常見數(shù)據(jù)，以及4種關(guān)于股價(jià)變動(dòng)的指標(biāo)。他們選擇了紐約股票交易所、納斯達(dá)克和美國(guó)股票交易所所有股票從1970年1月到2017年9月中至少連續(xù)12個(gè)月的數(shù)據(jù)。
最開始，他們讓神經(jīng)網(wǎng)絡(luò)處理5年的數(shù)據(jù)，隨后試圖預(yù)測(cè)一年后的未來股價(jià)。然而與標(biāo)準(zhǔn)的計(jì)算機(jī)交易模型相比，這個(gè)神經(jīng)網(wǎng)絡(luò)的表現(xiàn)并沒有更好。
利普頓表示：“至少在短期內(nèi)，股價(jià)會(huì)出現(xiàn)大幅反彈，這獨(dú)立于實(shí)際事件?！卑柌癖硎?，這種不穩(wěn)定的股價(jià)變動(dòng)在人工智能和數(shù)據(jù)科學(xué)領(lǐng)域被視為“噪聲”，而神經(jīng)網(wǎng)絡(luò)會(huì)被這樣的情況誤導(dǎo)。
隨后，他們嘗試了不同的技術(shù)。他們不再要求神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)股票未來一年的價(jià)格變化，而是預(yù)測(cè)公司未來的基本面價(jià)值，包括利潤(rùn)和息稅前利潤(rùn)（EBIT），隨后用這個(gè)數(shù)字除以當(dāng)前的企業(yè)價(jià)值，最終得出基于人工智能的前瞻性估值倍數(shù)?；谶@一指標(biāo)，他們投資了50家“最便宜”的股票。
阿爾伯格表示：“如果你將問題劃分為兩步：從歷史基本面預(yù)測(cè)未來基本面，隨后用未來基本面去預(yù)測(cè)股價(jià)，那么深度學(xué)習(xí)的復(fù)雜性可以變得有用，給模型帶來優(yōu)化?！?/p>
他們將繼續(xù)推動(dòng)這方面的研究，而未來的項(xiàng)目之一是，看看神經(jīng)網(wǎng)絡(luò)在預(yù)測(cè)公司基本面方面是否比股票分析師做得更好。他們還想看看，如果向系統(tǒng)輸入關(guān)于公司未來的其他信息，例如財(cái)報(bào)電話會(huì)議的內(nèi)容，那么性能是否還可以優(yōu)化。
來源：TechWeb
