Berkeley yapay zeka bilimcisi Stuart Russell derinlemesine analiz: yatırım danışmanlarında yapay zekanın rolü ve sınırlamaları
14 Ocak'ta Çin Finansal Kırk Forumu (CF40) ve finansal teknoloji şirketi Zipeiyi tarafından düzenlenen 2017 "Robo-Advisor" Uluslararası Forumu Pekin'de düzenlendi. Robo-danışmanlar uzun zamandır popülerdir, ancak hala birçok belirsiz soru vardır: Yatırım için kullanılan yapay zeka teknolojisinin seviyesi nedir? Yatırım için yapay zeka kullanmanın gerçek prensibi nedir? Araştırma yönleri ve kısıtlamaları nelerdir? Forumda, Berkeley'deki California Üniversitesi Yapay Zeka Sistem Merkezi'nin kurucusu ve Bilgisayar Bilimleri Profesörü Stuart Russell (Stuart Russell) açılış konuşmasında bu konuları açıkladı.
Aşağıda, Lei Feng.com'un orijinal niyetini değiştirmediği Profesör Stuart Russell'ın konuşmasının metni yer almaktadır:
Yapay zeka ile neler yapılabilir ve yapılamaz?
Yapay zekanın, makinelere doğru şeyleri yapabilmeleri için zeka kazandırmak olduğunu biliyoruz. Yatırım için, yapay zeka aynı zamanda müşterilerin belirli bir süre içinde en optimize yatırımı elde etmelerine yardımcı olabileceği anlamına da geliyor. Yapay zeka kullanımının sürekli arttığını ve sürücüsüz arabaların dünyada giderek artan bir etkiye sahip olduğunu görüyoruz. Yapay zeka sayesinde, daha doğru tıbbi teşhisler elde edilebilir ve daha iyi arama motorlarına sahip ulaşım ve lojistik endüstrileri de muazzam değişiklikler geçiriyor. İnsanlara çeşitli soru ve cevap hizmetleri sunmak için makinelerin metni anlamasını da sağlıyoruz. Aynı zamanda, yapay zekanın yatırımda ve uzun vadeli işlemlerde, kısa vadeli yüklenimlerde, yüklenimlerde ve kredi verilmesinde giderek daha önemli bir rol oynadığını göreceğiz.
Bu alandaki ilerlemenin de önemli ölçüde hızlandığını görüyoruz.AlphaGo, bir Go oyununda Li Sedol'u yendi ve bu sonucu bir yıldan kısa bir sürede aldılar. Diğeri ise bilgisayar görüşü, yani yapay zeka sistemi fotoğrafları ve görüntüleri tanıyabiliyor İşte bazı bilgisayar zekası örnekleri. Son zamanlarda, 1000 kategoride büyük ölçekli bir görsel tanıma zorluğu yaşandı. Görsel tanımanın insan tarafından tanınmasının doğruluğu% 95'e ulaştı.Ancak, son beş yılda, makinelerin doğruluğu orijinalin altı katına ulaştı ve bu, insanların görsel olarak tanınmasından çok daha iyi. Uzmanlar iyileşiyor, bu çok önemli bir gelişme. Nesne tanıma yetenekleri nedeniyle, hedef tanıma yetenekleri, robot hareketi gibi gerçek dünyada eylemler gerçekleştirme becerisinin temelini oluşturur.
Tabi buradaki herkese yapay zekanın filmlerdeki ve medyadaki bazı sözler gibi olmadığını, yani makinelerin algısal ya da bilinçli olduğunu ve tüm dünyaya hükmedip tüm dünyayı ele geçireceğini hatırlatmak isterim, öyle değil. Ve yapay zeka sadece derin öğrenmenin bir dalı veya büyük verinin bir dalı değil. Derin öğrenme ve büyük veri içeriği olmasına rağmen, başka birçok bileşen vardır. Ve bazı şirketler var, yapay zeka teknolojimiz olduğunu söyleyecekler, getirecek veriniz varsa sorununuzu çözebiliriz. Çoğu durumda, bu etkiyi elde etmek imkansızdır ve çoğu durumda derin öğrenmenin kullanıma sokulması kolay değildir.
Bence yatırım şu anda hala kısıtlı olan alanlardan biri.
Yapay zeka, yatırım ve finansal yönetimi nasıl etkiler?
Ardından, yatırım kararlarının nasıl bir yapay zeka sorunu olarak ele alınacağına bakalım.
-
bilgi
Bu sorunun girdi unsurları, tüm piyasalardaki ve her zaman her bir finansal aracın fiyat bilgilerini içerir. Artık makine bu bilgilere çok basit bir şekilde erişebilir. Peng Boshe, Reuters haberleri, listelenen şirket raporları, finansal raporlar, hükümet raporları, analistler gibi insanlar tarafından üretilen çeşitli dil temelli bilgiler olan birçok sözlü ve dilsel bilgi de vardır. Raporların yanı sıra sosyal medyada yayınlanan tweetler gibi insanlar tarafından oluşturulan tüm bilgiler bu bilgilerin bir parçasıdır.
-
Bilgi
Sonra bilgi var. Büyük veri bilgi sahibi olmalı Şimdi bu alanda ekonomi, politika, sistem operasyonu ve endüstri ve coğrafi bölümler hakkında çok fazla bilgiye sahibiz ve bunların tümü diğer verileri derinlemesine anlamamıza yardımcı olabilir.
-
psikolojik
Sonuncusu psikolojidir. Yaptığımız her şey pazarla ilgili olduğu için, piyasadaki fiyatlar yalnızca gerçekliğe değil, insanların duygularına ve gerçeklik algılarına dayalıdır, bu nedenle tüketiciler gibi piyasa katılımcılarını hisseder ve anlarız. Alıcıların ve kurumsal alıcıların zihni ve zihniyeti önemlidir, ancak bu tür bilgilerle öngörüde bulunulabilir.
Bunlar girdi faktörleridir ve çıktı faktörleri ise alış ve satış gibi yatırım kararlarıdır.
Bu sorun, yatırım danışmanlarınınkiyle tam olarak aynı değil. Yatırım kararı vermekten bahsediyorum. Yatırım kararı verme, yatırım işlemlerine nasıl karar verileceğidir. Yatırım danışmanlığı başka bir konuyu temsil eder. Örneğin, her mikrosaniye alıp satmaya karar verebilirsiniz. Bununla birlikte, mikrosaniye cinsinden bir tavsiye görüşü vermek mümkün değildir. Peki danışmana ne zaman tavsiyede bulunabilirsiniz? Her seferinde kaç danışman veriyorsunuz? Bu çok önemli bir karar. Yapay zeka, sistemin bu tür kararlar almasına yardımcı olabilir.
Bu tür bir danışmanın tavsiyesini verdikten sonra, kurumsal müşterilerinize veya diğer müşterilerinize neden böyle bir tavsiyede bulunduğunuzu açıklamalısınız. Örneğin Arjantin pesosu ile 40 milyar ABD doları almayı önerdiğinizi varsayalım, neden böyle bir öneride bulunuyorsunuz? Müşteri organizasyonunuzun öneriyi kabul edebilmesi için önerinizi iyi açıklamalısınız, açıklama çok önemlidir. Derin öğrenme artık bunu yapmak zor.Derin öğrenme sistemleri önerilerde bulunabilir, ancak bu tür önerileri açıklamak zordur. Buna ek olarak, doğruyu söyleyip söylemediğinize de karar vermelisiniz.Yatırım danışmanlığı hizmetleri verirken, bazen tüm gerçeği söylemiyorsunuz, çünkü bazen danışman sadece müşteriyi belirli eylemleri almaya ikna etmek istiyor, bu da onlardan gizleyebiliyor. Gerçeğin bir kısmı, kararlarının kendileri için faydalı olduğunu düşünüyor.
Finansta yapay zeka karar verme, Go'dan on binlerce kat daha karmaşık
Bu yüzden karar verme sorununa bakıyoruz.
Çünkü biraz önce çok ilginç olan danışmanlar sorusundan bahsettik ama daha anlamlı olan soru ne kadar almalı ve ne kadar satmalı. Bunu matematiksel bir problem olarak değerlendirebiliriz, her şeyden önce çok geniş bir operasyon alanımız var.Her mikrosaniyede, herhangi bir piyasada herhangi bir fiyata istediğiniz sayıda finansal enstrümanı alıp satabilirsiniz. Bazı türev sözleşmeleri yapma yeteneğiniz varsa, her mikrosaniyede otomatik olarak oluşturabileceğiniz türev sözleşmelerin sayısı da sınırsızdır ve karmaşıklık da sınırsızdır. Bu nedenle, hangi seçimlerin yapılabileceğinin bir sınırı yoktur.
Ayrıca pazarda birçok acente ve aracı bulunmaktadır. Go oynarken yalnızca iki taraf vardır, ancak yatırım piyasasında milyonlarca bileşen vardır. Üstelik yatırım zaman ölçeği çok uzun, ister bireysel yatırımcı ister kurumsal bir yatırımcı olsun, yatırımın geri dönüşünü on yıl içinde optimize etmeyi umabiliriz. Ve mikrosaniye düzeyinde işlemler gerçekleştirebiliriz. Yani 10 üzeri 14. kuvvet kararları verebiliriz ve Go oynarken sadece 100-200 karar vermemiz gerekir, bu yüzden zaman ölçeği Go oynamaktan ve diğer kararlardan daha uzundur.
Ayrıca bu tür dinamik bir mekanizma için onun sadece bir kısmını biliyoruz, Go'nun mekanizmasını çok iyi biliyoruz, ancak piyasa ve ekonomik işleyiş gibi mekanizmanın sadece bir kısmını biliyoruz.
Üstelik verilerde çok fazla gürültü ve kirlilik var.Go oyunu bir bakışta net, ancak yatırım sürecinde filtrelenecek çok fazla gürültü var. Elde ettiğimiz verilerin çoğu yanlış. İnsanların Twitter'da yayınladıkları bilgiler olabilir. Bilgiyi manipüle etmek içindir. Sahte haberler ve sahte veriler, tüm çevreyi anlamamızın bir parçasıdır.
En önemlisi yatırım kararlarında pek çok parçayı doğrudan gözlemleyemiyoruz, çeşitli fiyatlar ve çeşitli haberler görmemize rağmen reel ekonomi ve siyasi liderleri doğrudan göremiyoruz. İnsan zihniyeti, dolayısıyla fiyatları etkileyen faktörlerin çoğu bizim için görünmezdir.Girdi faktörlerinin tüm geçmişinden anlamalıyız ve tüm piyasa ve ekonominin arkasındaki mekanizmaları anlamalıyız.
Yapay zeka, finansal işlem kararlarının değişen zaman ölçeklerine nasıl tepki veriyor?
Şimdi zaman ölçeğine bakalım.
Piyasada uzun vadeli, orta vadeli ve kısa vadeli yatırım danışmanları var ve bazı insanlar robo-danışmanlar aracılığıyla yıllık bazda kararlar alıyor. Başka bir şirkette, başka bir binada başka bir kişi, günlük ticaret gibi bir haftalık veya bir günlük yatırım ölçeğine göre yatırım yapar. Buna ek olarak, başka bir şirketin başka bir binasında, birisi önümüzdeki birkaç dakika içinde fiyat eğilimini tahmin etmek için dakika dakika tahmin yapacak. Yatırım kararları veya tahminler için zaman ölçeği ikinci ve mikrosaniye düzeyine ayarlanmış bazı yüksek frekanslı ticaret şirketleri de vardır, bu nedenle birçok durum vardır.
Çoğu durumda, orta ve uzun vadeli getirilerle ilgileniyoruz, ancak bu hedefe farklı yollarla ulaşmayı umuyoruz. Asıl istediğimiz şey, birçok zaman ölçeğinde kararları entegre etmektir. Örneğin, yüksek frekanslı alım satım sistemleri için, yüksek frekanslı alım satım sistemlerinin yol gösterici ilkesi, anlık ve yakın zaman ölçeği, yani koşullardaki değişiklikler ve zaman ölçeğindeki çevresel değişiklikler, sistemlerinin tasarımı ve bir ay, bir ay kullanılmasıdır. Yıl içindeki durumu anlama sistemi farklıdır. Başka bir deyişle, bu kadar yüksek frekanslı bir ticaret sistemiyle, yalnızca tanımak için eğitildikleri ekonomik durumu yargılayabilirler.
Birden fazla zaman ölçeğinin bu entegrasyonu buradaki herkesin durumuna çok benzer, çünkü hepimizin vermesi gereken şey tam olarak böyle bir karar, örneğin, üniversiteye gitmeye veya çocuklarımızı üniversiteye göndermeye karar veriyoruz Bu, uzun yıllar süren bir süre. Zaman ölçeğinde karar verme; yazarken, belki bu yönde veya hangi yönde yazmak istersiniz Bu bir mikrosaniye kararı, o zaman daha sonra nerede öğle yemeği yenir, bu bir toplantı mı? Bir hafta sonra, bir haftalık zaman ölçeğinde karar verme olabilir. Bütün bu kararlar aslında entegre edilmiştir. El hareketinin mikrosaniye düzeyindeki kararları, dakika, saat, hafta, ay ve derecelerdeki zaman ölçeği kararlarınızdan etkilenir. Bu, insanların karar verme şeklidir.
Ama böyle bir karar alma mekanizması şu anda yatırım kararlarımızda yok, teşvik etmemiz gereken en büyük değişiklik bu.
Sonra, bazı çok ilginç sorular var: Sistem bir yıllık bir süreye dayalı kararlar veriyorsa, böyle bir sistem karar verme, dakika düzeyinde ve saat düzeyinde kararlar için ne tür önerilerde bulunabilir? Aslında, bu soru için bir araştırma sonucu yoktur, ancak daha yüksek bir seviyeden, esas olarak mikroekonomik unsurların tüm yönlerini anlamak ve bu mikro ekonomik unsurları, yüksek frekanslı ticarette ikinci seviye durumdaki değişiklikleri ve değişiklikleri yorumlamamıza yardımcı olmak için kullanmaktır. Yorumlama.
Yapay zeka, pazardaki gizli faktörleri nasıl belirliyor?
Sonra, piyasa dinamiklerindeki gizli durum hakkında konuşmak istiyorum. Örneğin, Peng Boshe'nin size bir şirketin marka değerini söylemesine izin veremezsiniz, bazı şirketlerin marka değerini kendiniz hesaplaması gerekir. Araştırma ve geliştirme, reklamcılık ve saygınlık alanlarında ne kadar yatırım yaptığını bilmeniz gerekir; bir ilaç şirketi için araştırma ve geliştirmede hangi ilaçları vardır; bir petrol şirketi için hangi yağ katmanlarını bilmeniz gerekir; lojistik şirketleri için onu tanımanız gerekir Bu müşterileri çekmek için. Bu yüzden tahmin yoluyla anlamalıyız, bu gizli bir durum, ama aynı zamanda fiyatı da etkiliyor.
Piyasa psikolojisinin çok önemli olduğunu söyledim. Örneğin düşünebilirsiniz, General Electric hisselerini alıp almayacağınıza karar vermelisiniz, bu tür hisse senetlerine sahip olduktan sonra bu hisse senetlerini satın almak son çare değil, et keserek satmayacaksınız. Dolayısıyla, GE hisse senetlerini satma kararıyla karşı karşıya kaldığında, ne tür bir zihinsel durum olduğunu - anlamalıyız. Ek olarak, mikrosaniye düzeyinde kararlar da dahil olmak üzere tüm kararlar, mutlaka en son verilere dayanmak zorunda değildir. Bunlar, gizli durumların ve çeşitli anlayış yönlerinin bir kombinasyonunun yanı sıra geçmiş verilere de dayanmaktadır.
Klasik makine öğrenimi karar modeli
Tipik bir makine öğrenimi karar modeline bir göz atalım.
1960'lardan beri bu tür bir düşünce var: kısa vadeli karar verme çok basittir, çok fazla veri toplar ve sonra tarihte ne olduğuna bakın; son kriz neydi ve sonra bunu istatistiksel pozitif korelasyonla başardık karar verme. Başka bir deyişle, verileri alırız ve ister derin öğrenme ister ne tür bir tahmin teknolojisi olsun, çeşitli tahmin teknolojileri kullanırız. Geçmişte buna uygun bir makine, karar ağaçları ve regresyon yöntemleri deniyordu.En popüler yöntemlerden hangisi kullanılırsa kullanılsın, bu makine öğrenimi yöntemini tahmin yapmak için kullanabilir ve karar vermek için aşağıda yaptığınız yeni vakaları kullanabilirsiniz. Bununla birlikte, tahmininiz kolayca elde edilemeyen örtük bilgilere dayandığında bu yöntem geçerli değildir.
Klasik makine öğrenimi karar vermeyle ilgili sorunlar
Küçük veriler bazı sorunlara neden olur.
Örneğin nihayet iklim değişikliği ile ilgili Paris anlaşmasına varıldı ve bu anlaşma çok güçlüydü, herkes hoş bir şekilde şaşırdı, birçok ülke sözleşme imzaladı. Ama verilerde kaç tane "Lübnan iklim anlaşması" var? Makine öğreniminde bunun fiyat değişiklikleri için sıfır anlamı vardır, örneğin fiyatlar üzerinde nasıl bir etkisi var? Ya da Brexit ve Trump'ın seçilmesine benzer birçok olayın ekonomiyi etkileyeceği, bunun kullanımı kolay değil. Panama Kanalı terörist eylemler nedeniyle kaç kez kapatıldı? Çünkü daha önce değil. Kanal aracılığıyla coğrafyayı, arz ve talebi, petrol arzını ve talebini anlamalısınız aksi takdirde yargıya varmak zor olur.Derin öğrenme mantığıyla bir anda yargılayamazsınız.Dünya ve piyasa koşullarını tam olarak anlamanız gerekir. Sürekli değişen. Örneğin, Amerika Birleşik Devletleri'ndeki faiz oranları uzun bir süre temelde sıfıra yakındı ve Avrupa'da da durum böyleydi. Ya faiz oranı değişirse? Makine yetiştirdiğimiz son beş yılda faiz sıfıra yaklaştı, faiz artırıldıktan sonra uyum sağlayamadı. Aslında, insanlar yüksek frekanslı sistemin varsayımlarının değişmediğinden emin oluyorlar, ancak ilişki değiştiğinde, felaketle sonuçlanan başarısız kararlar üretecekler.
Size bir örnek vereyim, bu kitap alıp satmaktır Bu biyoloji kitabıdır Makul fiyat kitap başına 20 dolar Şimdi bu kitabı satan iki robot var, biri 18 milyona, diğeri 2300'e. Wan, bu gösteriyor ki robot sistemi, ona eğittiğimiz makine öğrenme sistemi pek bir şey anlamadı. Ayrıca 2010 yılında robotların kontrolünü kaybetmesinin bir trilyon ABD doları kayba neden olduğu bir olay yaşandı, bu piyasa koşullarında bir değişikliktir.Bu değişim 0.1 saniyede meydana geldi Bu bireysel hisse senedi alım satımındaki bir sorundur. Sık sık bazı hisse senetlerinde ani bir hisse senedi fiyatı düşüşü yaşandığını görüyoruz.Geçen yılın Ekim ayında bile, İngiliz sterlini ABD doları karşısında herhangi bir insan müdahalesi olmaksızın birkaç saniye içinde aniden% 10 değer kaybetti. Bu nedenle, bu otomatik algoritmalar bazı temelleri anlamazlar ve hata yapmaları halinde çok büyük problemler getirirler.
Makine dili işleme, daha önce var olmayan verileri nasıl kullanır?
Aynı zamanda, makine öğreniminde bazı eksik bilgiler veya yanlış veriler, yanlış bilgiler olacağını görüyoruz. Bu durumda, bazı algoritmaların kendileri karışacak ve yanlış kararlara yol açacaktır. Bir karar verirken, makine dili işleme, daha önce var olmayan verileri nasıl kullanır? Çözülmesi gereken sorunlar bunlardır.
Son olarak, bazı temellere bakmalıyız. Küresel temel bilgilerle ilgili olarak, belki daha önce makine diliyle ne ilgisi olduğunu bilmiyorduk, ancak makro düzey ve makro düzey dahil olmak üzere model tabanlı yöntemlerin bu tür avantajları olduğunu gördük.Birçok öngörüde bulunabilirler ve temel alırlar Sıfır veri veya çok az veri tahminlerde bulunabilir. Ancak çok pahalıdırlar ve bazı yeni mezunlar bulamayacaklar çünkü bu tür bir makineyi anlamıyorlar ve pazarı anlayan, birçok tarihi bilgiyi anlayan ve verileri nasıl kullanacaklarını anlayan öğrencileri veya mezunları işe almaları gerekiyor. Ek olarak, bu değişikliği nasıl kontrol ettiğinize bakın ve herhangi bir yatırım şirketi için, ancak böyle bir kişiyle onu büyük varlıkları yönetmek için kullanabilirsiniz.
Bir de eğilim var: Kişisel finansal yönetimde sıklıkla meydana gelen bazı şeyler için, birçok kişi sadece büyük şirketler için değil, sadece hisse senedi alıp satmak için değil, finansal yönetim tavsiyesine de ihtiyaç duyar. Buna ek olarak, nasıl kahve alırım veya çocuğumun harç ücretini nasıl ödeyebilirim, yatırım yapmak için daha iyi bir ev nasıl bulunur, bunların hepsi kişisel ihtiyaçlar için önerilerdir ve bankalar şu anda bu bilgileri sağlayamaz. Çünkü tüm önerileri kamuoyuna sunmak istiyorsanız, maliyet çok yüksektir. Ancak artık yapay zeka bu boşluğu doldurabilir, yalnızca bazı önemli hisse senetlerini analiz etmekle kalmaz, aynı zamanda en temel kişisel finansal durum da analiz edilebilir, böylece onlara bazı kişiselleştirilmiş finansal tavsiyeler verilebilir.
Ek olarak, teknik açıdan bakıldığında, bu tür derin öğrenme ve model tabanlı algoritmalar, yapay zekayı kullanmak için sürekli olarak birbirleriyle birleşiyor, böylece gerçek ortama ve gerçeğe dayalı olabilen, gittikçe daha karmaşık modeller oluşturabiliyoruz. Bilgi, insanların daha iyi yatırım kararları vermesine yardımcı olur. Yapay zekanın gelecekteki yatırımlar için uygulanması, daha kaliteli kararlar üretebilir ve herkese fayda sağlayabilir, maliyetleri düşürebilir ve kaliteyi artırabilir.
sonuç olarak
Yatırım kararlarında yapay zeka giderek daha önemli hale gelecek, bu kararın sadece farklı bir zaman serisinde değil, tamamen farklı bir zaman ve mekanda alınmasının önemli olduğunu düşünüyorum. Sadece piyasanın trendi değil, gizli durum ve dinamikler de çok önemli ve bu durumda daha doğru olacaktır. Örneğin, Warren Buffett kararlar verirken, bir şirketin temellerini ve politik faktörler de dahil olmak üzere ekonominin temellerini anlaması gerekir. Warren Buffett yatırımda çok başarılı Warren Buffett'in yatırım yöntemine dayalı bir makine yapabilir miyiz?
Son olarak, yatırım danışmanları açısından biz insanlar hala uzun bir süre için önemli bir rol oynayacağız ve kısa vadede yapay zeka ile değiştirilemeyeceğiz, ancak yapay zeka çok iyi bir araç sağlayabilir, ancak bizi anlamak da dahil olmak üzere insan rehberliğine ihtiyacımız var. Ekonominin temeli, ekonominin temel yapısı ve modelde yapılan bazı iyileştirmeler. Bu nedenle, farklı zaman serilerinde insan müdahalesi gereklidir.
Postscript: Yapay zekanın özü, Leifeng.com tarafından daha önceki raporlarda ayrıntılı olarak açıklanan beyin benzeri bir hesaplama değildir. Ancak günümüzde çoğu insan yapay zeka anlayışında ve uygulamasında belirli bir sapma yaşıyor.Leifeng.com'un yerinde anlayışına göre bu, robo-danışmanların en büyük talepleri olan aracı kurumların liderlerini içeriyor. Bu nedenle, daha kapsamlı anlamak için mantıklı bir tutum benimsememiz gerekiyor.
Kimliği arayın: aijinrongpinglun veya aşağıdaki QR kodunu tarayarak [AI Finans İncelemesi] 'ni hızlıca izleyin ve Profesör Stuart Russell'ın konuşmasının Çince versiyonunu almak için "Russell" a yanıt verin.
