人机协作和Model-Aware投资
据说人们不成为明智的随着年龄的增长,他们变得“更”
无论我们做得很好,更重要的是,无论我们是放大的表现很糟糕。也是如此,当我们添加电脑和数据对人类决策。
算法/机器学习/人工智能(AI)在世界投资工具越来越无处不在。他们把投资者的风险承受能力在项目组合管理和应用于替代数据选择以及实际证券选择,以及其他任务。
“使用人工智能”的争论是因此一点天真:这些工具将表面即使在最侧重于从经济基本面的角度可自由支配的“买入并持有”投资者的研究过程。正确的重点就是“意识”模型:我们如何利用机器学习,选择数据,和AI不仅广泛,但是增加的影响?
Model-Aware投资
模型意识是我们如何思考机器学习,人工智能,大型数据集,等类别,或一系列的规则,机器,或数据驱动的流程推动资本市场。模型的意识,每一个信托,分配器,和经理应该从整体开始关注流程问题:大多数的机会和风险在哪里?
它在于人。
消除人类司机和行人的道路和自动驾驶汽车完美地执行。人类和机器之间的合作是每个人都有“最低带宽”连接。想想我们可以轻易地把计算机外门把手和步行或可以使复杂的图像。相比之下,有多难代表我们的问题或对其结果获得反馈。人机协作是成功的关键和一个向量利用的机会。
人机协作
和机会的问题是我们如何看待计算机——市场和基于模型的方法。他们在我们的团队或其他团队。
人类和机器可以审核对方的方法:我们可以复制现有人类结果machine-learned模型?如果是这样的话,我们的标准工具告诉我们结果模型的缺陷呢?
电脑我们可以“计数器”模型,构建和可靠地预测他们会喜欢或不喜欢的关系。
“α衰变”的概念是真实的。是来带走我们α一代。我们可以使用人机协作开发的缺陷问题,把彼此视为对手。
机器学习对抗的是一套工具和技术,旨在克服聪明的反对。例如,一组研究人员利用image-perturbing镜框使复杂的深度学习网络识别和罗素·克洛瑞茜·威瑟斯彭。
即使是最先进的,明确的问题空间可以反击。我们可以从这里学到什么?这是至关重要的监督和调整模型来解决反对派“智能”的行为。一个简单可行的方法是创建一个“红色的团队“人类现有的可自由支配的方法或形式红色团队对抗一个模型或基于规则的策略。
“红色团队”概念是借用了间谍活动和军事组织。这意味着创建一个内部对方读相同的事实,冒天下之大不韪,支持相反的结论。我们都有自己的非正式版本的红色团队:我们担心操作在公认会计准则/国际财务报告准则收益与现金或滑动从大块交易,对我们的分析和计划做出相应调整。
正式这样一个红色团队模型,我们可能包括这些方法,有额外的“反事实的”数据点,在我们的数据集,和行动,好像一个聪明的对手正在寻求对抗我们。这与纳西姆•塔勒布的号召考虑了我们的方法”所有可能的世界,“不仅仅是一个世界我们所想要的。这样我们可以构建策略获利衰变和混乱。
混合人机行为
从机器和我们分开后彼此“审计”,我们应该记住,人类和机器并不是真正的独立。机器经常复制人类社会偏见。人机协作可以提高某些偏见,但它也可以恶化,创建、或转换:
- 改善:决策脱离人类的手可以缓解甚至解决一些行为偏差。例如,享乐跑步机——感觉损失比收益更敏锐地——不是一个问题对于一个配置的算法。
- 恶化:模型是如何设计——通常是他们的假设,参数,hyperparameters,与人的相互作用,可能会加剧一些问题。相关的波动峰值在市场和资产类这种放大效应有密切关系。计算机方法和退出的渐近线参数迅速,几乎像一个数学“反映边界。”
- 创建:持续上升和依赖模型、基于规则和新的数据源导致行为偏差。“混合”人机问题包括黑盒的效果。这些令人费解的结果——波动率波动相关,例如,开发从哪儿冒出来,就像神秘地消失。隐藏机机互动也可以弹出,如“机器学习勾结“在机器彼此协作,没有人类的方向。
- 变换:人类行为维度承担新形式时,他们一定会计算或数据集。的peak-end规则,最好和最差的点和结束的现象比其余的感受更强烈的经验,提出了在小说方面,当人们和机器合作。
今天我们能做些什么?我们可以首先考虑这组合作差距如何影响我们的策略。我们可以“红色团队”或“计数器”我们的模型和人工流程吗?什么混合行为维度将改变我们的关键假设人类如何看待世界?
如果你喜欢这篇文章,别忘了订阅有事业心的投资者。
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
图片来源:©盖蒂图片社/盾蕴结
