인공지능이 바둑, 장기, 독일 로봇 등에서 압도적인 승리를 거둔 것은 명백한 사실이다. 실제로 AlphaGo 와 같은 AI 는 복잡한 모델을 이해하고 장기적인 계획을 세우고 결정을 내려야 하는 모든 분야에서 사용할 수 있습니다. 사람들은 인공지능이 극복할 수 없는 것이 무엇이냐고 묻지 않을 수 없다. 예를 들어 변화무쌍한 A 주?
많은 사람들이 이 문제에 대해 다른 관점을 가지고 있다. 탐구는 두 부분으로 나눌 수 있다: 1. 주식시장은 예측할 수 있습니까? 2. 만약 예측할 수 있다면 기계 학습으로 예측할 수 있습니까?
첫 번째 질문에 먼저 대답하십시오: 주식 시장의 상승과 하락을 예측할 수 있습니까?
만약 우리가 주식 시장의 가격 변화를 시변 서열, Price = Market (t) 으로 본다면, 우리는 종종 우리가 N 개 모델 (선형, 비선형, 확률) 으로 그것을 근사화하려고 시도하든 안 하든, 우리가 주식 가격 변화에 맞는 모델을 만들든, 충분한 교육 데이터로
첫째, 보상 학습, 마르코프성에 따라 한 상태에서 다음 상태를 예측하지만 주가의 상승과 하락은 강력한 마코프성을 가지고 있습니까? 즉, 지난 순간의 주가가 다음 순간의 주가와 필연적인 연관이 있는 것일까? 너무 크지는 않을 겁니다. N 차 마르코프 성격에 기반한 이 시스템은 주가의 분석에 불리하다. 그리고 주가의 역사 데이터로만 모델을 훈련시킨다면 정확도는 거의 0 이라고 할 수 있다.
사실 주가에 영향을 미치는 요인은 역사 주가뿐 아니라 회사의 근황, 투자자의 주식에 대한 태도, 정책의 영향 등 더 많은 요인이 있다. 그래서 많은 사람들이 인공지능이 제공하는 빠른 컴퓨팅 능력을 이용하여 이러한 요소들을 적절한 모델로 수량화한다. 예를 들면, (정책 X 의 출범은 주가를 Y 위안으로 바꿀 수 있다.) 모델이 모든 요소를 고려한다면 주가 예측은 쉽게 얻을 수 있다. 주가 = f (정책요소, 회사상황, 시장요소, 역사주가, 전년의 역사주가, 한 주주가 자살한 영향 ...)
그런데 몇 가지 요인이 있을까요? 그것들이 어떻게 서로 영향을 미칠지는 문제의 관건이다. 일부 안정된 조건에서는 대략적인 예측을 할 수 있지만, 모델이 모든 요소를 고려하기가 어렵기 때문에 부정확한 경우가 많습니다. 그리고 요소들 사이에는 상호 영향이 있을 것이다. 주가의 모델은 매우 복잡해질 것이다. 다음 그림과 같이 나타납니다.
한 요소와 다른 요소 간의 상호 작용은 예측할 수 있을 가능성이 높지만, 상호 작용이 있으면 전체 시스템이 이 시점에서 거의 예측할 수 없게 됩니다. 한 요인의 변화는 몇 가지 요인의 변화로 이어질 수 있으며, 결국 이러한 요소들은 마지막 요소들을 직간접적으로 변화시켜 주가의 변화가 갑자기 종잡을 수 없게 된다. 일부 작은 요소들도 이 시스템을 통해 무한히 확대될 수 있으며, 결국 주식시장에 큰 영향을 미칠 수 있다.
그럼 주가를 예측할 수 없는 거 아닌가요?
사실 인공지능은 우리가 생각했던 것보다 훨씬 강하다. 예를 들어, 심층 학습/깊이 보상 학습을 포함한 매우 복잡한 베네치아 추리는 복잡한 숨겨진 변수 간의 관계를 표현할 수 있습니다. 현재 국내외 많은 회사들이 인공지능을 주식시장에 적용할 가능성을 모색하고 있다.
그러나 여기서 말하는 인공지능 기술을 주식시장에 적용하는 것은 대부분 인공지능이 사람을 대신하여 결정을 내리게 하는 것이 아니라, 인공지능을 이용하여 데이터 처리, 주관적 선호도의 영향을 받지 않는 등의 장점을 이용하고, 투자 결정에서' AI 전문가 자문 시스템' 의 역할을 발휘하여 인류가 더 현명한 결정을 내릴 수 있도록 도와준다.
주식시장 분석에는 기본면 분석과 기술면 분석이 포함되며, 인공지능 기술은 이 두 가지 방면에서 역할을 할 수 있다.
1
펀더멘털 분석
요컨대 각종 재경 정보를 보는 것이다. 인터넷 상해의 복잡한 정보에 직면하여, 인간의 뇌만으로는 문제를 해결할 수 없다. 우리는 데이터 마이닝의 세 가지 V, (대용량 데이터), (빠른 업데이트) 및 (다양성) 을 알고 있습니다. 이렇게 방대한 양의 데이터를 처리할 때, 컴퓨터는 인간의 뇌가 비교할 수 없는 장점을 가지고 있다. 자연어 처리 분야에서 심도 있는 학습의 응용은 대량의 정보에서 자동 요약을 하고, 본질적인 정보를 추출하고, 인류가 의사 결정을 내리는 데 도움을 줄 수 있다.
또한 주가는 주로 매매 쌍방의 실력에 의해 결정되며, 각 주주의 주식에 대한 심정에 의해 결정된다. 만약 모두가 주식에 대해 낙관적이라면, 그것은 상승할 수 있다. 그렇지 않으면 떨어질 것이다. 주가에 뚜렷한 영향을 미칠 구체적인 사건도 있다. 예를 들어 올해 미국이 40 년 만에 처음으로 원유 수출을 개방한 이후 국내 에너지판이 의외로 하락했다. 이것이 많은 투자자들이 뉴스를 닦고 역학을 보고 예민한 후각을 유지하는 이유이다. 주식을 예측하는 데 가장 중요한 것은 정보, 즉 데이터를 통해 투자자의 감정을 발굴할 수 있다는 것을 알 수 있다. 감정 인식은 이미 인공지능이 잘하는 기술이다. DataMinr 와 같은 일부 회사들은 소셜 미디어에서 가치 있는 재무 신호를 추출하는 데 주력하고 있습니다.
아래 그림과 같이 American Communications 는 흑색됐고 (오바마가 공격당하고 다쳤다는 소문이 나옴), 곧 주식시장이 크게 하락했다-상승 (13 시 근처 참조). 이 사건은 비교적 특별하지만, 만약 첫 순간에 비슷한 소식을 얻을 수 있다면, 우리는 실제로 주식시장을 예측하는 주동권을 장악할 수 있다. (존 F. 케네디, Northern Exposure (미국 TV 드라마), 스포츠명언)
감정 분석과 기계 학습을 결합하여 대량의 데이터를 수집하여 감정 분석을 하고, 사람들이 특정 주식에 대해 낙관적인지 비관적인지를 찾아내는 것을 대담하게 상상할 수 있다면, 적어도 이 요소를 모델 학습 범위에 포함시킬 수 있을 것이다. 많은 기존 논문들이 감정 분석의 정확성을 높이기 위해 많은 방법을 찾고 있다. 다른 더 간단한 방법은 (1) 구글 트렌드입니다. 이것은 매우 간단한 방법이다: 구글이 제공하는 검색량 데이터는 검색량의 변화에 의해 예측된다. (2) 트위터 사용 (트위터와 관련된 게시물 수)
2. 기술 분석
전통적인 기술 분석에서' 대양성성',' 소음성',' 욱일동승',' 마음을 입는 것' 과 같은 K 라인 분석은 사실 인간의 뇌의 패턴 인식이다. 인간의 뇌의 정보 처리 능력에 따라 다음과 같은 단점이 있습니다. (1) 단 하나의 KLOC 만 있고, 모호한 형태만을 기반으로 하며, 정확한 수치 기준은 없습니다. (2) 제한된 역사적 정보를 기반으로합니다. 좋은 심도 있는 학습 전략은 인간의 뇌의 한계를 돌파할 수 있다. 예를 들면 단일 K 선의 한계를 돌파하고 더 많은 금융신호 (다른 주식, 금, 외환 등) 에서 법칙을 찾는 것이다. ); 또는 더 긴 역사 정보로부터 법칙을 알 수 있습니다.
간단히 말해서, 인공지능은 우리의 정보 처리의 깊이와 폭을 강화할 것이다. 인공지능 기술을 기반으로 한' 스마트 투자' 를 사용하는 사람은' 인간 두뇌' 를 사용하지 않거나 여전히 사용하여 기본면 분석과 기술 분석을 하는 사람보다 정보 우위를 가지고 있어 주식시장에서 더 쉽게 이익을 얻을 수 있다.
인공지능의 증권 투자 분야에서의 흥기는 2007 년에 시작되었다. 당시 미국 뉴욕에서 최초의 순수 인공지능 투자 기금이 탄생했다. 그 이후로, 증권 투자 분야에서의 인공지능의 발전은 빠른 차선으로 접어들었다. 사실 증권투자 분야에서는 인공지능이 더 이상 새로운 일이 아니다. 헤지펀드 매니저가 베이징 금융거리와 상하이 육가입에 널리 퍼져 있다는 것을 수량화한다. 일반적으로 공모 기금이나 대형 사모 펀드의 양적투자 부문은 두 부분으로 구성되어 있는데, 하나는 연구팀, 다른 하나는 IT 팀이다. 투자팀은 수요를 제시하고, IT 팀은 알고리즘 거래의 모듈을 만들어 펀드 매니저의 요구를 해결한다.
"일반적으로, 제가 매일 하는 작업흐름은 아침에 일어나서 (기계) 에서 생성된 주식목록을 보고, 포트폴리오 관리 시스템의 각 전략에 얼마나 많은 가중치가 있는지, 이러한 전략이 얼마나 많은 창고를 더하는지, 그리고 금융권, 투자자 입장 등을 포함한 다양한 데이터를 근거로 기계가 제시한 신호에 뚜렷한 오류가 있는지 판단하는 것입니다. ) 기계가 제공하는 신호. 클릭합니다 한 양적 헤지매니저에 따르면, 그날 거래가 필요한 경우 거래 지시를 생성한 다음 거래 시스템에서 주문하면 거래 시스템이 자동으로 실행되기 시작한다고 합니다.
전통적인 투자 연구에서 펀드 매니저와 연구원들은 회귀 분석과 같은 전통적인 기계 학습 알고리즘을 이용하여 금융, 거래, 시장 등의 데이터를 모델링하고, 뚜렷한 특징을 분석하고, 거래 전략을 제정한다. 인공지능 단계에서, 이 임무들은 모두 컴퓨터에 넘겨졌다. 현재 일부 사모기금은 기계 학습, 자연어 처리, 지식지도 등 양적 헤지의 세 가지 하위 영역을 일상적인 거래 전략에 통합하기 시작했다. 예를 들어 세계 최대 헤지펀드인 Bridgewater Asspcoates 는 과거 데이터와 통계 확률에 기반한 거래 알고리즘을 사용하여 시스템이 시장 변화를 독립적으로 학습하고 새로운 정보에 적응할 수 있도록 합니다.
알파고는 이세돌 잭을 이기고 전 세계의 관심을 끌었다. 투자 연구 분야에 투사하는 것은 인공지능으로 선주와 인류펀드 매니저의 대립을 수량화하는 것이다. 인공지능선주가 비이성적 선택을 피하고, 비체계적 위험을 피하고, 시장 변동을 통해 확실한 수익을 얻는 데 있어 더 나은 것으로 입증되었으며, 변동률, 최대 철수 등의 지표도 낮고, 성과도 안정적이었다.
하지만 기계는 사람보다 동작이 빠르지만 사유는 사람보다 빠르지 않다. 예를 들어, 펀드 매니저는 새로운 정책과 시장 핫스팟에 직면하여 즉각적인 조치를 취할 수 있습니다. 그러나 기계는 그렇게 빠르지 않다. 이것이 인류의 장점이다. 예를 들어, 기계는 한 번에 한 가지 전략만 할 수 있습니다. 예를 들어 공급측 개혁은 석탄, 철강, 유색금속의 주식만 생각할 수 있지만 펀드 매니저에게는 가치 투자나 운동량 반전 등의 전략도 동시에 할 수 있습니다.
전반적으로 주식 투자 결정 과정 전체를 기계에 넘기는 것은 현재 소수의 금융 거물만이 할 수 있는 일이다.
미국 실리콘 밸리의 센세이션 테크놀로지사는 인공지능 프로그램이 주식 거래를 계속 책임지도록 했다. 인공지능을 사용하는 다른 투자 회사와 달리, 이 회사의 거래 부서에는 두 명의 직원만 있으며, 그들은 기계를 모니터링하여 통제할 수 없는 상황이 발생할 경우 종료를 통해 거래를 종료할 수 있도록 합니다. 지각회사의 인공지능 투자 시스템은 경험학습을 통해' 자주진화' 를 실현할 수 있다고 한다. 이 회사는 전 세계에 수천 대의 동시 실행 기계를 보유하고 있으며, 그 독특한 알고리즘은' 유전자' 라고 불리는 수조 개의 가상 거래원을 만들었다. 이 시스템은 과거 데이터를 사용하여 거래를 시뮬레이션합니다. 현재 몇 분 안에 1800 일 동안 거래량을 시뮬레이션할 수 있습니다. 테스트 후, 나쁜' 유전자' 는 도태되고, 좋은' 유전자' 는 보존된다. 테스트를 통과한 좋은' 유전자' 는 실제 거래에 쓰인다. 회사 직원들은 시간, 수익률, 위험지수 등 거래지표만 설정하면 나머지는 기계로 관리한다.
이 회사의 CEO 인 제프 홀먼 (Jeff holman) 에 따르면, 현재 이 기계는 무인 상태에서 대량의 주식을 보유하고 있으며, 매일 수백 건의 거래를 완료하여 며칠 ~ 몇 주 동안 창고를 보유하고 있다. 이 회사는 이 기계의 성능이 내부 지표를 초과했지만 지표의 구체적인 내용은 밝히지 않았다고 밝혔다.
인공지능 기술이 끊임없이 발전함에 따라 인공지능 투자는 학술계와 자본이 선호하는 분야가 되었다. 영국 브리스토 대학 교수인 크리스티아니니 교수는 주식투자가 인공지능에 의해 바뀔 가능성이 가장 높은 10 대 산업 중 하나라고 말했다. 반면에, 모든 투자자들이 기계를 신뢰하는 것은 아니다. 영국 헤지펀드 MF Global 수석 과학자 레드포드는 인공지능 투자를 지나치게 신뢰해서는 안 된다고 경고했다. 여러 가지 혼란스러운 약속에도 불구하고, 많은 투자자들의 돈은 결코 돌려주지 않았다.