受AI启发的投资决策

对于许多行业而言，这种受 AI 启发的转变所产生的算法和技术将改变游戏规则，并将等同于全新的业务流程。对于其他行业，尤其是那些传统上很大程度上受信息驱动的行业，人工智能和机器学习的采用可能更像是对现有业务流程的演进式扩展。

投资管理行业完全属于这种信息驱动的类别。在不进入有效市场假设 (EMH) 辩论的情况下，资产市场至少足够有效，大量信息（数据）加上对这些数据的巧妙解释是击败它们的先决条件，这一点已被广泛接受。

所使用的数据和所采用的解释层将因资产类别和投资过程的风格而异，但正是这些因素的结合，再加上投资组合构建、风险管理和执行技能，才能最终区分投资经理。技术以多种形式一直是投资管理的主导力量，推动着投资策略的不断演变。

即使是最传统的投资者也调整了他们的方法来容纳更多的数据、更多的工具，甚至根据经验、判断和证据调整他们解释数据的方法；虽然有时不情愿。但从理性上讲，这种适应往往与投资者普遍的基本信念保持一致。对于希望利用人工智能和机器学习潜力的量化投资者来说也是如此。

人工智能和机器学习在投资策略中的巨大潜力在于，允许使用更大量和类型的数据来为投资决策提供信息，并有可能改进将这些数据解释为投资决策。在这两个方面都进行了大量辩论。

早期采用者正在大力投资，整个产品类别正在形成，以促进使用以前边缘的机器学习技术来解释它的替代数据源、工具和专业知识。因此，量化投资者也对这个领域感兴趣也就不足为奇了。帮助发现和验证数据与后续资产回报之间的感知关系的更多数据和新技术是让量化分析师每天起床的原因。那和咖啡。

传统的量化投资方法和纯粹的人工智能/机器学习方法之间存在相当程度的相似性。但也有一些重要的基本差异需要理解。典型的量化投资策略基于识别资产的“因素”（或可衡量的特征），这些“因素”（或可衡量的特征）可预测后续资产回报。

这项工作的一个基本要素是，一个因素通常首先来自人类关于推动资产回报的因素的直觉或经验。随后的分析或模型构建的重点是确认数据中的证据与直觉一致。

—-

编译者/作者：亿启量化

玩币族申明：玩币族作为开放的资讯翻译/分享平台，所提供的所有资讯仅代表作者个人观点，与玩币族平台立场无关，且不构成任何投资理财建议。文章版权归原作者所有。