清华大学金融科技研究院孵化
金融科技与金融创新全媒体

扫描分享

本文共字,预计阅读时间

过去几十年,机器学习在交易策略、风险管理和量化研究领域的作用变得日渐重要,许多曾经的行业预测和设想也因此变为现实。如今,越来越多的企业开始使用人工智能来增加平台优势和区分度,而机器学习的利用率也因此逐步提高。大多数金融机构都积极推广自动化解决方案,并坚信使用程序或软件实现自动化交易是机构任务的重中之重。

近日,彭博社在香港举办了一次主题活动,与会专家与我们共同分享了他们对机器学习、区块链等技术对资产管理产业影响的相关见解。

新闻情绪在交易策略中将发挥更大作用

长期起来,新闻一直都是一种重要的市场动因。而如今,越来越多的企业开始通过机器学习监控市场情绪或特定的市场变动因素,及时进行资源的调整和部署。

然而,并非所有新闻事件都对市场产生同样的影响。诸如市场影响得分指标之类的新工具能够评估特定新闻标题是否已经影响市场并将得分归属于它们。得分为零意味着新闻没有影响市场,得分为1表示新闻已经影响了股票价格。

增加了数据身份验证的重要性

在当今的信息时代,数据已经成为一种有价值的商品。为了使机器学习真正成为现实,首先必须保证数据基础的"清洁"。然而,保证数据"清洁"并确保通过用户授权的合法方式获得数据,这并非易事。而随着监管机构对数据隐私的关注度越来越高(比如实施GDPR等法律来保护和控制消费者隐私和个人数据),未来这一领域的重要性和策略实施难度也会继续增加。

可以实现具有更高透明度的优化工作流程

目前,不少企业开始使用机器学习来改进工作流程和合规性。例如,基金经理使用机器学习来创建有关风险或市场变动事件的警告。再比如,资金出借方使用机器学习来积累和分析数据。

机器学习可以帮助金融机构提高效率,但金融公司并不总是有足够的信息来授予信贷额度,财务报表可能会被伪造或需要很长时间才能得到验证。

所以说,建立一个大数据认证与合规平台势在必行,而目前来看,基于区块链的模式最为合适,因为这种模式的安全性相对有保障。

研究将变得更有针对性,为更多金融工具创造空间

据统计,估计有90%的数据是在过去两年中生成的,其中仅有1%被分析。机器学习有可能利用所有这些数据,颠覆现有行业,并改变分析师和金融公司的研究模式。

随着解析数据的专业工具的出现,企业可以更加专注于他们的研究和投资策略。例如,影响力投资(Impact Investing)如今变得越来越热门,但确定真正可持续的机会是一项不小的挑战。通过机器学习,投资策略的准确性变得更容易实现,透明度也会提高,为影响力投资创造更强大的基础,以继续扩展到其他市场。

来自不同金融机构的高管都认识到了数据对企业的重要性。来自埃森哲的一项研究显示,79%的企业高管认为不接受大数据的公司将失去竞争地位。对于金融公司而言,这意味着他们越来越关注数据分析,并利用机器学习来磨练他们的交易策略并优化他们的工作流程。

[Source]

本文系未央网专栏作者发表,属作者个人观点,不代表网站观点,未经许可严禁转载,违者必究!首图来自图虫创意。

本文为作者授权未央网发表,属作者个人观点,不代表网站观点,未经许可严禁转载,违者必究!首图来自图虫创意。

本文版权归原作者所有,如有侵权,请联系删除。首图来自图虫创意。

评论


猜你喜欢

扫描二维码或搜索微信号“iweiyangx”
关注未央网官方微信公众号,获取互联网金融领域前沿资讯。