博时基金_20160601_人工智能_简版本

Bosera Asset Management Introduced by Bosera Asset Management (International) Co., Limited 2016.6 人工智能引领投资新方向桂征辉博时基金指数与量化投资部 For Professional Client Use Only 主要内容人工智能基础知识人工智能在金融中的应用举例 02 思考与展望 03 01 2 人工智能基础知识 3 For Professional Client Use Only 4 l 关联 ØNetflix, 豆瓣的电影推荐引擎 ØAmazon 的图书推荐 l 有监督学习有监督学习 Ø 分类 p 各种识别：物体，人脸，车牌，语音 Ø 回归 p 广告点击率预测 l 无监督学习 Ø 聚类 : 文本主题自动发掘 l 强化学习 Ø 棋类 (Alpha-GO) ，自动驾驶基础知识： AI, ML, PR, DM, DS 机器学习 : Machine learning is programming computers to optimize a perance criterion using example data or past experience. For Professional Client Use Only 80 年代年代 90-05 年代年代人工神网经络人工神网经络 Boosting Logistic regressionSVM 06, Hinton 深度神网经络深度神网经络 DNN 05- 至今至今概率模型图概率模型图大致阶段划分及代表算法 5 For Professional Client Use Only 深度学习超越人类 6 ImageNet 冠军及错误率 12 年： 9 层 15 年： 152 层人工智能在金融领域的应用举例 7 For Professional Client Use Only 8 l 对冲基金巨头在 AI 领域招兵买马主要应用领域 l 股票领域应用 Ø 与大数据结合，产生新的 Alpha 来源 Ø 直接预测金融时间序列 p 资产配置，择时，选股，套利 Ø 构建更智能的量化模型 Ø 交易 Ø 组合优化 Ø 金融领域的智能问答 (Kensho) l 其他金融领域应用 Ø 违约监测 Ø 信用卡欺诈检测 Ø 衍生品定价 For Professional Client Use Only 9 l 传统量化日渐成熟 l 何处寻找新的 Alpha 来源？ l 数据即信息，新的信息可以带来新的收益人工智能从大数据挖掘新的 Alpha 因子 For Professional Client Use Only 从大数据挖掘新的 Alpha 因子 10 l 文本： Ø 公告 Ø 新闻 Ø 研报 Ø 社交网络 l 投资者情绪度量： Ø 搜索热度 Ø 股吧评论 Ø 社交媒体的情绪 l 基本面数据 Ø 线上线下的销售数据合理预测 For Professional Client Use Only 博时基金大数据系列产品 11 l 旗舰产品：淘金 100 (15.6 成立 ) Ø 相对中证 500 超额收益年化 25% ，月胜率近 75% ， IR 4 Ø 2016 年至今 (20160616) ，相对中证 500 超额收益 10%, 年化 20% For Professional Client Use Only 金融时间序列预测 12 For Professional Client Use Only 金融时间序列预测 13 For Professional Client Use Only 金融时间序列预测 l Classication-based Financial Markets Prediction using Deep Neural Networks Matthew Dixon etc. 2016 l 数据 Ø 43 种大宗商品和外汇期货 Ø 1991 到 2014 年， 5 分钟线数据 . Ø 25,000 个观测作为训练， 12,500 作为测试 Ø 9895 个特征，包括自身的 MA, Lag 的回报 , 互相的相关等等 l 方法 Ø 5 层神经网络，第一个隐层包含 1000 个神经元，最后一层 129 （ 3*43 ）对应每个品种的三种状态，一共 12,174,500 个权重。 l 结果 14 For Professional Client Use Only 更智能的量化模型 l Yin Luo, etc. 2012: The rise of machine 传统多因子模型 + AdaBoost 15 For Professional Client Use Only 交易 l Machine Learning for Market Microstructure and High Frequency Trading l 通过增强学习获得最佳执行 Ø 指定时间和买卖股数，最佳执行 Ø 方法： RL, 定义状态和目标，学习 action Ø 类比： VWAP, 只有时间和未执行股数。 16 思考与展望 17 For Professional Client Use Only 思考 l 机器学习 : 能拟合任何函数 , 能处理上千万甚至更多的数据 18 For Professional Client Use Only 挑战 l 小数据 l 低信噪比 l 黑箱 l 技术壁垒 l 市场信息不对称 l 市场进化 l 缺少理论基础 19 For Professional Client Use Only 展望 l 在复杂的金融市场，可预见的未来，人工智能还是不能取代人类 l 大数据 + 人工智能提供决策依据 l 利用金融领域知识，挖掘市场无效性，提取更好的，更可区分的新特征 ( 因子 ) ，在此基础上采用机器学习的方法能够进一步提高 l 在外界突发干扰较少，模式重现性较高 , 数据量大的高频领域更有用武之地 20 For Professional Client Use Only 博时量化 l 起步早，人员多，经验丰富 l 量化产品业绩突出 l 产品线丰富 , 管理资产规模大： Ø 指数 ( 黄金，标普，债券， A 股，大数据指数） Ø 指数增强 ( 裕富沪深 300 ，社保委托专户 ) Ø 主动量化 Ø 绝对收益专户 21 For Professional Client Use Only 博时基金大数据系列产品 22 l 旗舰产品：淘金 100 (15.6 成立 ) Ø 相对中证 500 超额收益年化 25% ，月胜率近 75% ， IR 4 Ø 2016 年至今 (20160616) ，相对中证 500 超额收益 10%, 年化 20%