资产管理中的人工智能 AI in Asset Management - （二）人工智能的趋势

关键词：金融科技，人工智能，机器学习

本文翻译自 CFA研究基金会 2020年 非盈利调研报告

 

近年来，人工智能和机器学习在实践和学术界都得到了广泛的应用。因此，在过去五年中，以“人工智能”和“机器学习”为关键词发表的研究论文数量急剧增加（如图1所示）。人工智能（AI）是一个比机器学习（ML）更宽泛的概念，因为它指的是一般使用计算机来模仿人类认知功能的算法。机器学习（ML）实际上是人工智能（AI）的一个子集，因为机器能够根据过去的经验来决定和执行动作。到目前为止，金融领域的人工智能应用大多使用机器学习（ML）技术，如统计学习，因此人工智能标签仅在一个非常广泛的意义上适用于该领域 (Gu, Kelly and Xiu 2020)。此外，在金融业中被称为人工智能（AI）（或机器学习（ML））的东西中，很大一部分其实并不新鲜，因为它们以统计或计量经济学建模技术的形式存在了很长一段时间。

 

最近关于人工智能的炒作可以归结为三个发展阶段，当然这些发展不一定与人工智能本身的科学有关 (Giamouridis 2017)。首先，计算机处理和存储能力在过去十年中有了显著的提高，使得一些长期的人工智能技术的使用成为可行。第二，市面上可以用于训练AI模型的数据量和广度大幅读增加。最后，因为人工智能算法得到了改进并变得广泛可用，使得它们在许多情况下都可以使用，而不需要专家级别的计算机科学知识。以上这些因素都促进了人工智能的发展，以及人工智能作为社会科学研究课题的普及。

虽然人工智能是一个广泛的领域，需要一系列随着时间推移而不断发展的方法，但是最近（学界和业界）对人工智能的兴趣几乎完全集中在机器学习（ML）上，因为其是迄今为止最流行的人工智能（AI）方法之一。机器学习（ML）关注的是逐步使用数据来适应统计、概率和其他计算模型的参数。它（指机器学习）基本上令一个或多个信息处理阶段进行了自动化的处理。虽然一系列技术可以实现这一自动化过程，但是大多数机器学习（ML）的应用程序在资产管理，甚至更一般的财务中，都依赖于一些（类）主要技术或算法（如图2所示）。这些算法包括人工神经网络（ANNs）、聚类分析（Clustering Analysis）、决策树（Decision Tree）和随机森林（Random Forest）、进化（遗传）算法（Evolutionary (Genetic) Algorithms）、套索算法（LASSO）、支持向量机（SVMs）和自然语言处理（Nature Language Processing）。

 

在过去的二十年里，学术界对特定人工智能技术的研究兴趣稳步增长，这一点可以从发表的论文数量上得到证明（如图3所示）。其中一些技术，如演进算法或神经网络，早在机器学习流行之前就已被确立为研究课题。另一方面，支持向量机和自然语言处理最近引起了人们的兴趣。在过去的五年中，神经网络、随机森林和自然语言处理技术在已发表的论文中的引用率增长最快。

 

参考文献

• Gu, Shihao, Bryan T. Kelly, and Dacheng Xiu. 2020. “Empirical Asset Pricing via Machine Learning.” Review of Financial Studies 33 (5): 2223–73. 
• Giamouridis, Daniel. 2017. “Systematic Investment Strategies.” Financial Analysts Journal 73 (4): 10–14. https://doi.org/10.2469/faj.v73.n4.10. 

 

相关阅读
（一） 资产管理中的人工智能 AI in Asset Management - （一）简介

 

未完待续
（三）投资组合管理
（四）交易
（五）投资风险管理
（六）咨询机器人
（七）人工智能的风险和挑战：哪一部分会出错？