新聞中心訊 面對傳統金融產品的投資和交易，人的精力是有限的，一方面只能有效處理有限的投資，另一方面難以形成快速的決策。但是隨著端對端的深度學習模型的發展，延伸到金融領域，機器有效決策能力的提升降低了金融參與者的專業要求，大數據的蓬勃發展也使全方面理解金融數據成為可能。
日前，恒行2平台計算機科學技術學院教授張軍平帶領的團隊和上海躍然信息技術有限公司合作開發出了一款金融AI助手，可通過人工智能和大數據實時分析監控，提供證劵投資再增值一站式服務，使得投資者的長期持倉也能獲得額外收益。作為一個價格追蹤型的系統，這款金融AI助手並不會直接對股市產生影響。這項曾獲上海市技術轉移協會最具技術交易潛力獎的成果將亮相2018中國國際工業博覽會。
“小平臺”背後的“大系統”：優化學習方法 提高預測能力
幫助不同層次的用戶獲得全方位的金融畫像，對復雜金融產品進行更加直觀快速的理解和判斷，形成更智能、高效、個性化的投資組合，並依據市場的動態性對資產配置再平衡給用戶提供建議……這款金融AI助手如何能做到這樣“機智”？
張軍平介紹，這款金融AI助手是由一個“大系統”和一個“小平臺”組成的。系統是核心，其中包括近十年中國股市的原始數據，而系統的輸出結果就是對股市走勢的預測，不斷提高預測能力是系統的關鍵所在。而平臺的表現形式為一款APP，是連接客戶和系統的橋梁，客戶通過使用APP以利用系統的預測結果，從而對自己的投資進行調整。
“小平臺”背後的“大系統”從無到有，從有到優，在一年的時間內，張軍平團隊搭建框架、選擇模型、優化算法，最終在系統的核心部分取得了突破與創新。在研發初期，團隊面臨著不知道如何下手的困境，在嘗試了許多模型之後，最終的效果也都不盡人意。在傳統的機器學習方法和現在較為熱門的深度學習方法之間，團隊並沒有做出取一舍一的決定。面對兩種學習方法單獨使用效果都不突出的情況，融合借鑒成了團隊的選擇。
金融AI助手系統框架圖
“機器學習方法是使用算法來解析數據、從中學習，通過各種算法從數據中學習如何完成任務，然後對真實世界中的事件做出決策和預測，這種方法的特點在於大量‘數據訓練’帶來的有據可依，解釋性較強。而深度學習方法只是在模型裏進行學習，最後提取到數據中更深層次的特征，這些特征不容易被機器學習方法所發覺。這樣一來，系統的預測能力就會更強，但解釋性相對弱一些。”張軍平說。對此，團隊將兩種學習方法的優勢進行融合，將劣勢進行弱化，通過不斷的調整優化，系統的預測能力也得到了上升。
NVIDIA DGX-1深度學習超級計算機，性能相當於250臺傳統服務器，國內僅26臺
在研發後期，交易員也參與到了系統的運行當中。張軍平介紹，交易員有長期的股市經驗，對股市有一些更深入的看法。這些看法作為信息，從建模的角度來看很難進行量化，所以交易員的經驗就是一種有必要的補充。而對金融AI助手來說，這也是模仿學習的過程，系統模仿人的操作，從而使系統的特征抓取和預測能力都得到進一步提升。進入到正式運營階段，交易員的角色作用逐漸被淡化。目前，系統已經實現百分百獨立運行。
系統後臺服務器
挑戰“不確定性”：超越人所能及 提供投資參考
作為由人工智能和大數據支撐的系統，在股市市場，這款金融AI助手既有著全自動的速度，也有同時監測分析一百支股票的能力，更重要的是，在博弈過程中，系統做出的決策不會受到情緒波動的幹擾，而這些特點都是人所不具有的。
該系統還可以為用戶提供更加個性化的投資策略。以基金投資為例，傳統的基金投資是一個面向於所有投資者的項目，但該系統可以通過“深度學習”得出更多元化的預測值，這樣一來，不同周期、不同風險偏好、不同流動性偏好的投資者都能得到切合本身需求的投資策略。同時，系統可以按照不同的投資周期和不同的投資標的，從收益率和最高勝率兩個方面對所有股票進行排序，為用戶提供預測推薦。
AI驅動的股票交易系統
目前，該系統可以實現的相關性超過了一名資深運營經理，而預測能力高低和相關性大小密不可分。在進入實盤之前，系統進行了多次回測，即仿真測試，在過去股市真實數據上運行系統，測試系統的預測能力和盈利率。最後的測試結果證實是可以盈利的。
據悉，這款金融AI助手已成功管理中國第一只AI股票交易基金。目前有十余家私募和券商正在使用這款金融AI助手，該金融AI助手也成為UBS和高盛的組合優化器供應商，每日的成交量超過五千萬，預計到年底，每日成交量可以超過十億。
“它只是被動追蹤價格，並不會主動影響股市價格，也不能實際進行投資。”商業公司是該系統的主要用戶。在運營的前期，該系統通過準確的預測能力和穩定的收益率吸引用戶使用，給予用戶投資建議。發展到一定階段之後，大量的用戶吸附在各家機構周圍，將會形成機構與機構之間博弈的局面，而製勝的秘訣就在於哪一家的算法更加精準、更加優越。“始終都是一個相互平衡的狀態，是博弈的結果。”張軍平解釋說。
“我覺得很有意思，因為股市數據的不確定性比其他領域的數據要大，中國的股市難度則更大。而有了端對端的深度學習，對金融專業知識的要求就沒那麽高了，金融領域的很多內容都可以轉換到深度學習的模型上去研究。”談及研發的原因和目標，張軍平表示，團隊希望打造一個基於人工智能和大數據的共享平臺，用戶借助這個平臺進行分析，作為投資參考。他同時強調：“任何一種投資都是風險與收益並存的，不可能百分百會賺錢。天下沒有免費的午餐。尤其在中國股市，每一個股票交易數據的背後都有著人的參與，並非人工智能常面臨的、純粹的數據。因此，股民在選擇投資產品時仍需要保持清醒和謹慎的頭腦。”
（封面製圖：張琦）
