不断学习:AI会给白发减薪?

阿尔伯特·爱因斯坦是对的,如果他真的说,“知识是经验的唯一来源。“引用总结每一个雄心勃勃的年轻分析师的挫败感。的教训吗?白发会获胜。根本不能代替投资业务的经验。对吧?好吧,也许不会了。

一项新技术可能给白发减薪。,它是其中一个最热门的人工智能(AI)研究的线程,它被称为持续学习(CL)。CL使机器能够随着时间的推移积累知识,然后学习如何应用这些知识在未来做出更好的决策。它可能被证明是最颠覆性技术的投资管理。

但这项新技术比较老的怎么样?它足够成熟的在生活中使用投资过程?和创新背后的是谁?

有偏见的回忆

人类分析师和传统宽客——是的,宽客——遭受许多行为偏差。也许最基本的是那些影响我们自己的知识。什么知识积累和如何最好使用这些知识来指导未来的投资决策。判断,换句话说。随着英语算命者,魔术师和作家Derren布朗指出,“我们每个人,我们的故事我们告诉自己。)安排复杂的现实让我们到一个整洁的包裹。“我们自己的故事主观驱动我们的投资决策,是否“整洁包裹”是基于Eugene Fama和肯尼斯•法国和结果的主观性在模型或另一个高度程式化的因素包括投资叙事扭曲了“群体思维”的投资委员会会议。

必须有一个更客观的方法来建立持久的知识应用在过去的押韵。AI现在可能提供一个解决方案。

选股:人类还是机器?

最近的人工智能研究挑战的主导地位最重要的知识池投资业务:人类的经验。这个人工智能研究领域,CL,客观上积累投资知识,也许比人类做的。持续合成知识可能比企业继承或提供的客观体验,从而扰乱了企业传统的被动和主动的投资经理。我们将进入CL的细节,但首先是帮助演示一个周密的AI投资策略应该在实践中工作。

所有基本的投资方法应该从多个角度每个投资决策方法,适应和发展随着现实的变化随着时间的推移,并提供可以理解的解释每一个决定。传统(即。,human analyst-driven) and AI-driven fundamental investment strategies should meet these criteria. But perhaps the chief advantages AI ought to have over traditional fundamental methods are objectivity and consistency. The graphic below illustrates where AI-driven investment strategies should exceed their traditional fundamental investing counterparts (in blue). CL now extends these advantages to the objective accumulation and use of knowledge itself.

---

哪种类型的基本,人工智能(AI)还是人类?

---

1990年代科技缓慢

在经验丰富的投资,管理人员主观记忆过去的事件,其中最好的克服这些通过纪律和学习这些知识的应用,良好的判断力。然而,量化策略,几乎所有这些依赖股权因素模型,往往遭受最严重的伤疤。这些定量模型没有外显记忆,和那些部署它们经常把外生因果关系,因为自己的确认偏见。一旦市场事件离开了滑动窗口用来训练这些模型之一,它是永远被遗忘。如果我们没有学会从过去的危机和失去的机会,我们应该坚持1990年代的传统因素量化解决方案。但这很难有意义在一个更大的世界,更好的数据人工智能提供了潜在的手段分析,数据客观的推论。

2019:终身机器学习在市场上

所以CL是如何工作的呢?

神经信息处理系统会议(NeurIPS)去年12月,人工智能研究者提出了尖端的创新,和CL的申请融资的一个重要组成部分。在过去,学者们普遍探索理论建立综合知识的方法。今年,我们的团队从一个城市,伦敦大学组成的Tillman Weyde,阿图尔d 'Avila Garcez,罗伊·巴舍乐和我自己提出了一个系统,使机器运动综合判断,获取知识,然后运用它来指导投资决策。它被称为不断学习增强(CLA),和这是一个新的方法在金融市场领域,第一个应用程序。团队和领先的人工智能研究人员的一名高级成员,d 'Avila Garcez,评论说:“CL已经部分实现了在无菌的环境中,但我们相信这是第一次成功地应用于嘈杂的,不稳定的金融时间序列的现实世界。”

系统管理综合知识通过学习哪些事件是值得记住的少(或忽略),哪些是有用的和最好的遗忘。同时,这些知识是有选择地召回来提高选股决策在当下。这个系统的架构简化下面的插图。

---

学会记住:人工知识

---

记忆是人类可读的(不是黑盒)和倾向于适用于重要的金融事件。过去十年或更多的金融历史重演,和CLA系统形成许多重要的记忆。最有趣的是次贷危机,“定量地震”post-quantitative宽松(QE)时代,(第一个)欧元区危机。模型似乎最好确定好(坏)投资期间被存储为记忆,可以回忆起当时事似乎过去的回声。举个例子,在2009年召回QE-driven复苏的方法,认为这些知识是最相关的刺激驱动适用于选股决策在另一个2017年在中国股市反弹。

不断学习:一个简短的和强烈的历史

这些想法来自哪里?

知识积累是至关重要的一般智力是一个新的和先进的人工智能研究的主要焦点允许终身学习的最终目的。CL与深度学习和其他形式的AI,倾向于孤立的快照信息——比如说,在Facebook上识别面孔。CL可以针对一个连续流的信息提取知识。通常在机器学习,一旦时间的步骤和一个新的模型是后天习得的,被遗忘的旧模式。深学习可能是,但聪明的它不是。

根据CL先锋丹尼银,CL的研究开始于1980年代的构造知识积累的欲望机器。到1990年代末,“封闭的”方法,等然而Hochreiter和尤尔根•Schmidhuber短期记忆的长(LSTM),介绍了学习序列——在一段文本,例如。

文艺复兴后神经计算过去十年的后期,不切实际,但复杂的发展可微的神经计算机(DNC)是一大进步。由亚历克斯·格雷夫斯和他的团队DeepMindDNC克服了“灾难性的遗忘”,削弱了更简单的方法。DNC有其缺陷:它主要处理宠物的问题,学习伦敦地铁导航,例如,以及更复杂的但程式化的机器学习任务。DNC太笨拙,容易应用,所以研究人员试图改进它或者寻找更简单的解决方案,一些神经规则。

例如,综合形成长期记忆的一种方法是通过弹性重量整合(以)。以尝试复制假设在哺乳动物大脑的可塑性突触连接。类比是一个孩子如何学会骑自行车:摇摆不定,但是随着技术的发展与实践,神经通路是慢慢印在大脑。一旦学会了,这些知识很难忘记,可以增强山地自行车,如果孩子毕业生说,或转移如果他们选择独轮车。模拟这种效果与技术已被证明具有挑战性。幸运的是,在金融领域应用提供一个更简单(且更吝啬的)的方法。这就是我们所说的当前状态的科学。今天,CL移动如此之快,研究必须每周检查,以跟上发展的步伐。

人工智能的时代

建立投资知识随着时间的使用是人类独有的能力。不再。虽然我们仍然是一个很长很长的路从一个一般的人工智能奇点,AI的司机基本投资已经走向成熟。一些行业比股票更成熟的破坏2019年投资管理。拥挤的1990年代因素量化模型需求仍在,而高质量的数据最近的爆炸式增长,再加上它的技术意义,开辟了新的视野。事情变化太快,下一代tech-fluent专业人士进入金融正准备取代灰色的头发和过时的。爱因斯坦可能是正确的,当他(据说)将知识与经验。但他预计他的言论将适用于未来的机器吗?未来就是现在。

如果你喜欢这篇文章,别忘了订阅有事业心的投资者。

---

观点是当前的注明日期,如有更改,恕,不得反映当前视图。

观点不应被视为一个推荐购买,持有或出售任何安全,不应依赖于研究或投资建议。

信息的来源我们相信是可靠的,但并不保证其准确性和它可能不完整或浓缩。所有的信息可随时更改,不另行通知。没有表示任何帐户将或可能实现利润或损失所示类似。

这个文档可能包含前瞻性陈述。以外的所有声明语句的历史事实是前瞻性的陈述,(包括词如“相信”“估计”,“预期”,“可能”“将”“应该”“期待”)。尽管我们相信预期反映在这些前瞻性陈述是合理的,我们可以给没有保证这种预期会被证明是正确的。各种因素可能导致实际结果或性能不同物质的反映在这些前瞻性陈述。

这篇介绍性的材料仅作参考之用,不提供或征集对任何证券。任何证券的报价只能由书面提供材料,完全可以根据客户要求,在一个专门的私人基础上,只有合格的经济成熟的投资者。

摩根士丹利资本国际(MSCI)和其他相关方参与或编译、计算或创建MSCI数据使得任何明示或默示保证或陈述关于这些数据(或使用)获得的结果是,和所有这些政党在此明确放弃所有担保的创意,准确性,完整性、适销性或健身为特定目的对任何这样的数据。不限制任何上述,任何事件不得摩根士丹利资本国际(MSCI)、任何其附属公司或任何第三方参与或与之相关的编译、计算或创建数据有任何直接责任,间接的、特殊的、惩罚性的、后果性或其他损失(包括利润损失),即使告知此类损害的可能性。任何进一步的分布和传播摩根士丹利资本国际(MSCI)的数据允许没有摩根士丹利资本国际(MSCI)的书面同意。

图形化展示本文档中只属于和罗斯科的知识产权投资策略。

罗斯科投资策略是一个交易的名字蒙德里安投资伙伴有限。蒙德里安投资伙伴有限公司是由金融市场行为监管局授权和监管。

---

所有文章作者的观点。因此,他们不应该被视为投资建议,也不代表CFA协会的观点表达的观点或作者的雇主。爱游戏安全吗

礼貌的国会图书馆打印和照片。

---

专业学习CFA协会会员爱游戏安全吗

爱游戏安全吗CFA协会成员有权自行决定和自我报告的专业学习(PL)的学分,包括内容有事业心的投资者。成员可以记录学分容易使用他们在线PL追踪。