当前位置: 首页 >> 趣闻中心 >> oppo手机,兔展,破解版游戏盒子-校园日记-校园日记网-在线编写秘密日记-全球校园动态 >> 正文

oppo手机,兔展,破解版游戏盒子-校园日记-校园日记网-在线编写秘密日记-全球校园动态

2019年06月13日 18:13:26     作者:admin     分类:趣闻中心     阅读次数:214    

编译:大众号海外翻译部、海外部

收拾:Mikhail Samonov、新金融议论、亿欧智库研讨院

♥2万字干货:

文末免费送书

大众号例行免费送书活动,欢迎参与!

正文

前不久在纽约参与Alpha Events主办的人工智能会议,下面是我的一些感触共享给咱们,仅供参考。

人工智能(AI)

1、大多数量化爱好者更喜爱机器学习(ML)这个术语而不是人工智能(AI)。

2、AI(ML)在量化出资过程中怎么添加价值的问题依然存在:

观念一

英仕曼集团(Man Group)首席信息官Sandy Rattray:对交易的履行很有用,但在猜测收益方面却没有多大协助。来自彭博的一篇报导:

”Rattray said executing buy and sell orders is one of the easiest places to apply machine learning. Armed with huge amounts of data, traders can find clear patterns showing them the best banks to handle their orders.

Man trades about $6 trillion to $7 trillion a year and uses machine learning to execute almost all of those wagers, he said. The London-listed firm, which also uses quant methods in its discretionary business, oversaw $108.5 billion as of the end of last year.“

他谈到了机器学习的许多“rabbit holes”,没有任何价值的研讨方向,比方卫星印象剖析。危险模型和归因中的机器学习很难向客户解说,因为这些因子几乎没有经济解说才能

观念二

WorldQuant的首席技能官David Rushin:这些先进的机器学习办法怎么消除了新数据集的搜集,预备,整理和测验的瓶颈,然后缩短研讨周期。

观念三

AQR的Marcos Lopez de Padro:谈到了机器学习在危险办理和概率估量方面的成功。他说机器学习关于大数据处理和剖析的必要性,但没有直接议论机器学对收益猜测成功率的内容。

观念四

几家草创的对冲基金公司:运用机器学习在多财物/微观猜测中运用很多的微观经济时刻序列来估量regime。效果却是一半一半。

观念五

法国巴黎银行Ben Steiner:机器学习的模型危险,并回应了这样的观念:与物理学,翻译,技能或工程学不同,机器学习正在学习类似“从图画中辨认猫”这样的“实在”的现象,而金融学中的机器学习学到东西有些不存在或正在发生改变,这样便带来了严峻的模型危险问题。

人工智能、机器学习和大数据剖析的示意图

上图来自金融安稳理事会(Financial Stability Board,FSB)的一份陈述。

特殊数据

特殊数据实际上是一个并行开发,现已在某种程度上加快了机器学习,但并不是一切的新数据都需求它。

题外话:

NRI(Nomura Research Institute,日本野村归纳研讨所)Takeshi Shimamura写过一篇文章说到:

近些年,特殊数据在财物办理职业中的运用越来越广泛。依据Opimas公司的猜测,全球特殊数据商场将从2017年43亿美元增长到2020年的90亿美元——在3年间翻一番。

特殊数据更多的运用于偏股票型的量化对冲基金。近于实时的特殊数据流有助财物办理公司提早取得很多股票买入或卖出的信号。除此之外,传统财物办理公司也现已开始运用特殊数据来协助进步人工拟定长时间出资决策的质量。例如,英国财物办理公司Schroders在2014年推出了一个“数据洞悉部分”(Data Insights Unit,以下简称“DIU”)。DIU具有30名数据科学家,他们剖析各种特殊数据,协助出资组合办理团队拟定中长时间出资决策。

欧美商场也正在构成包含运用特殊数据的财物办理司理、数据一切者和供货商的特殊数据生态体系。例如,Orbital Insights和Prattle两家特殊数据供货商,前者运用卫星图画估量原油库存,后者依据文本数据定量剖析首要国家货币政策心情。

依据新金融议论的报导:

从数据堆集方面看

依据 IDC 的一份陈述,2018 年全球有 33ZB 的数据,而这个数量估计在 2025 年会增长到 175ZB,这依赖于计算机算力的进步和存储设备技能的进步。

从特殊数据公司数量上看

特殊数据公司首要分为三类。一是原始数据供给者,这类供货商只搜集最原始的特殊数据,关于数据的处理程度最小;二是轻处理数据供给者,供给与金融财物相关的可视化数据;三是信号供给者,一般重视于某个特定职业,向财物办理公司供给打包好的量化出资信号。

从商场空间上看

特殊数据计算标明截止 2017 年全球已有约 800 支基金运用特殊数据做出资决策,2017 年出资组织对特殊数据的投入规划约为 4 亿美金,职业正处于快速开展期,估计 2020 年可达 17 亿美金,CAGR 约为 45%。

特殊数据在量化出资范畴

出资组织为了取得超量收益,不断寻觅新的商场阿尔法,但自动型基金在寻觅商场阿尔法这个中心竞争力上的优势越来越弱:

1、因为商场有用性不断增强,基金司理很难找到被过错定价的财物;

2、因为大部分基金司理能得到的信息同质化,导致很难找到共同的信息优势和额定信息;

3、因为调研高度人工化导致人才的费用越来越高。

现在国内运用特殊数据的多为对冲基金、二级商场基金及部分一级商场基金。特殊数据能够给基金司理带来五点优势:

尽管基金司理运用特殊数据寻觅到新的阿尔法仅仅时刻问题,但并不是一切特殊数据都有潜力能够协助基金公司获取商场阿尔法,因而特殊数据公司在搜集、清洗数据的一起,需求基金司理来评判数据是否有价值,一起高效的处理和运用将是降低本钱和进步功率的要害,因而特殊数据公司应当具有机器学习等技能开发才能和高效的产品战略

特殊数据供给商名单(部分举例):

国内1:Wind

国内2:数据威

国内3:数库

国内4:通联数据

国外1:Quandl

因为触及百家国外公司,咱们自行检查:

https://alternativedata.org/data-providers/

文献研讨1

https://www.cfasociety.org/cleveland/Lists/Events%20Calendar/Attachments/1045/BIG-Data_AI-JPMmay2017.pdf

特殊数据让咱们感到充满了期望和创造力,但许多人拿”淘金热“作比方——出售东西或许比寻觅黄金自身更有利可图。

在许多对冲基金中,数据来历/收购是一项新的作业功能,它协助数据供货商了解量化需求,并为大规划的量化研讨细化数据。

作者观念

每个人都想议论人工智能,但每个人都以为人工智能有太多的炒作。一些量化剖析人士表明,人工智能并不是什么新东西。其他人则以为,先进的深度学习技能是真实的游戏规则改动者,而传统的剖析办法无法处理大型杂乱的数据集。不管哪种方法,咱们都能够在金融范畴找到机器学习的方方面面。

具体介绍见下面长达53页的PPT:

作者介绍

部分展现

PPT下载:

https://cdn.ymaws.com/www.scshp.com/resource/resmgr/fpa-nc_50min.pdf

我信任,整合最新技能和数据的基本原理是相同的。首要,需求一个很好的研讨方向或主意,然后是找到解决问题的东西。假如次序倒置过来,东西推进主意,那么“rabbit holes”很或许就会呈现。

就像90年代的Compustat / IBES / Matlab相同,今日的特殊数据、机器学习将为那些具有共同立异思想的人带来一些特殊的效果。

总的来说,我以为对特殊数据和机器学习的运用十分有价值,但条件是它要契合你一向的出资风格。

再引证一段来自亿欧智库研讨院对特殊数据的解读,觉得说的很好:

特殊数据并非奥秘的、彻底重生的事物,而是人类扩展信息鸿沟的漫漫过程中的又一次量变性打破。之所以这么说,是因为特殊数据彻底是一个具有相对性与改变性的概念。将前史拉长来看能更好了解:两百年前,地缘政治事件是特殊数据;一百年前,股票价格数据是特殊数据;五十年前,路透社公司初次将公司报表数字化之前,公司财务报表数据是特殊数据。其时的这些数据和当今的网页数据等等很类似,都关于出资决策有重要意义,但其获取本钱还未降低到足以使其遍及。跟着后来技能的不断进步,这些数据逐渐被正式归入出资决策数据,构成了今日的咱们所以为的传统数据。而跟着今日和未来技能的开展迭代,越来越多之前无法运用的有用信息、当下咱们所称的“特殊信息”也将逐渐惯例化,成为未来的传统数据。

这一观念带给咱们的启示是,数据的内在与外延在不断改变,剖析人员的思想不能停留在传统数据的舒适圈中,有必要与时俱进,坚持敞开。而现在,咱们的年代或许正处于这一轮革新浪潮的高潮。

最终:

“Most problems don’t require more data. They require more insight, more innovation and better eyes. Information is what we call it when a human being takes data and turns it into a useful truth.”

- Seth Godin

”大多数问题无需很多的数据。它们需求更多的洞悉力,更多的立异性和一双慧眼。当人类获取数据并将其转化为有用的真理时,咱们称之为信息。“

免费赠书活动

大众号今日免费送读者5本区块链与金融大数据整合实战

本书从区块链的概念、原理、中心技能和运用等几个方面体系地介绍了区块链的相关常识,要点介绍了公链、联盟链和DApp开发等内容,并对区块链的海量存储和下一代公链扩容技能做了必要解说。别的,本书对金融大数据的相关常识也做了具体介绍,并结合公链DApp和联盟链Fabric金融体系的开发,从实战视点介绍了区块链与金融大数据的整合运用,便于读者了解未来区块链技能在金融范畴中的运用远景。

获取方法很简单

写留言处宣布留言

取得点赞前5的读者

即可免费获赠此书

截止日期:2019-06-17 12:00

到时,作业人员会联络五位读者微信,寄出此书

—End—

声明:该文观念仅代表作者自己,搜狐号系信息发布渠道,搜狐仅供给信息存储空间服务。
除非特别注明,本文『oppo手机,兔展,破解版游戏盒子-校园日记-校园日记网-在线编写秘密日记-全球校园动态』来源于互联网、微信平台、QQ空间以及其它朋友推荐等,非本站作者原创。 本站作者admin不对本文拥有版权,如有侵犯,请投诉。我们会在72小时内删除。 但烦请转载时请标明出处:“本文转载于『校园日记-校园日记网-在线编写秘密日记-全球校园动态』,原文地址:http://www.campus-notes.com/articles/2746.html