基于深度学习算法,似乎比特币更容易在智能投顾实现落地

文章正文
发布时间:2024-09-11 17:01

李开复曾说过,人工智能深度学习最先产生成果的,一个是自动驾驶,一个就是金融领域。如今,随着人工智能技术的发展,Fintech(金融科技)正在受到资本的追捧,“智能投顾”这一职业也渐渐崛起。

智能投顾,亦称机器人投资顾问。根据美国金融业管理局(FINRA)的官方定义,智能投顾是指利用大数据分析、量化金融模型以及智能化算法,根据投资者的风险承受水平、财务状况、预期收益目标以及投资风格偏好等要求,运用一系列智能算法,投资组合优化等理论模型,为用户提供智能化和自动化的资产配置建议。从定义中我们获悉,在智能顾问的运行过程中,依靠大数据的深度学习算法占据着很大的重要性,而基于此,相对于股票、债券等金融产品,时下大热的比特币似乎更适合智能投顾。

为什么比特币更适用于智能投顾?

根据Wind数据,截至2016年7月,总共只有130只可交易的ETF,资产规模累计4729亿元,主要是传统的指数型ETF,债券型ETF、商品型ETF等较少,而美国市场同期有近1600支ETF,管理资产规模累计2.15万亿美元,且类目也更为全面。

在ETF产品和资产规模的两相对比之下,国内的智能投顾显然不适合模仿美国,转而将目光放在了公募基金。与此同时,“比特币”的投资热也正在崛起,虽然因为政府的介入,其几度发生大起大落,但这依然阻挡不了人们的投资热情,甚至连享誉国内外的“中国大妈”都加入了投资者阵列。

一个是当下竞相追捧的理财产品,一个是正在崛起的理财分析师,其实,它们两个才是最“匹配”的,对于依据深度学习算法的智能投顾,比特币是最容易实现“落地”的产品。至于为什么这么说,主要有两点:

比特币的交易特性更符合深度学习算法的高效率。在国内,为了维持市场的稳定,国家将交易制度由T+0变换为现在的T+1,在某种程度上,该制度严重限制了处于信息劣势的中小投资者,交易效率也有了一定的降低。不同于T+1的交易制度,比特币所采用的是T+0,因而可以无限次的当天买当天卖,提高了交易效率,而这恰巧符合深度学习算法的高效率。

不管是训练还是投入使用,深度学习算法都是以大数据为依托,在计算机的高效运作之下,算法可以对数据进行实时分析预测。在此前提之下,相对于需要在下一个工作日进行交易的股票基金等理财产品,能够随买随卖的比特币显然更适合于这种方式,毕竟涨落有时就在那一刹那间发生。

此外,在短期预测上面,深度学习算法目前已经有了不错的成果。近日,一个由10名来自加拿大和捷克的研究员开发出了一种叫做“DeepStack”的算法,在德州扑克这种依据非完美信息进行博弈的游戏中,该算法战胜了多名专业扑克选手,证明了深度学习算法在博弈中的预测还是相当准确的。从目前来看,智能投顾更适合做一些短期预测,而对于其主要面向的中小型投资者群体,短期实现收益也更能迎合他们的需求,就像能够随买随卖的比特币。

比特币的信息透明更有利于深度学习算法。就如前面所讲,大数据是深度学习算法开发中的核心之一,从一开始算法模型的搭建,以及后来的理财服务,每一环每一扣中都有着数据的参与,因而,只有数据足够全面,届时算法的预测和理财建议才能更准确。

借助于底层的区块链技术,比特币的每一笔交易、每一次变化都将记录在案,为深度学习提供一份完整、全面的数据,为之后模型的建立和所提供的理财服务打下一个很好的开始。对于比特币而言,数据的获得还是不难的,但对于股票基金等理财产品就是个大问题了。

众所周知,“信息不透明”是股票基金等市场的一个特性,而一些基金的相关数据则被掌握在相关机构手中,由此,想要获得理财产品的数据是向相当具有难度的。并且,在另一方面,拥有这些数据的机构也只能基于自己已经掌握的产品进行理财建议,相对于比特币,该理财服务的限制性更大一些,远不如比特币来的全面、透明。

比特币落地智能投顾前,深度学习还需做到这些

除了交易制度带来的高效以及数据的公开透明,比特币也是时下最受欢迎的投资理财产品之一,如此下来,在基于深度学习的智能投顾上,比特币确实是一个很好的“合作伙伴”。并且,在监管上,比特币的交易也已受到了国家相关部门的重视,预计相关法律法规也将陆续出台,届时,比特币的交易将更为严谨。那么,与此同时,为了提供更好地比特币理财服务,基于深度学习算法的智能投顾也需在多方面行动起来。

搭建最优模型

基于对投资者风险承受水平、财务状况、预期收益目标以及投资风格偏好等方面的分析,智能投顾可以为其选择最优配置方案,在这之中,起到决定性作用的就是深度学习算法模型。根据经过大量数据训练和验证的算法模型,智能投顾就可以在很快的时间内将投资者与理财产品进行匹配,从而选出适合投资者的最佳方案。

与股票基金产品类似,要想实现比特币在智能投顾的“落地”,一个算法模型的建立是必须的。在如今现有的智能投顾产品中,马克维茨提出的现代组合理论是其算法模型的开发依据之一,根据该理论来搭建算法模型,智能投顾就可以向投资者提供不同的理财组合,从而将危险分散开,将风险降到最低。

一如此类,在比特币落地智能投顾之前,深度学习算法也应当在相关影响因素、金融理论的基础上,开发搭建一个适用于比特币投资运作的算法模型。

搜集多方数据

上文也已经提过了,对于智能投顾的深度学习算法而言,数据就是一切所在。没有数据,算法就得不到训练,继而就不能得到优化和提升,以为投资者提供精准的服务,而没有数据支撑的“智能投顾”就是一伪概念。

在数据方面,因为区块链的技术,比特币的相关数据还是很容易获得的,其真实性也能够得到保证。配合政策、汇率等因素,基于比特币自出世以来的走势分析,智能投顾可以对其未来走向进行短期预测。举个例子,在2013年,由于国家出台了《关于防范比特币风险的通知》,消息发布后一个小时内,此前呈现大涨趋势的比特币随即下跌35%,最终由1242美元(按当时汇率,约7540.9元人民币)跌倒了2000元人民币。而就在最近,在大涨之时,国家又约谈了主要比特币交易平台的负责人,一时间,比特币的币值又开始下跌,与4年前的情况极其类似,对此,只要数据足够全面,深度学习算法也是可以预测到这种结果的。

此外,除了比特币的相关数据,投资者的行为习惯、财务状况等也是智能投顾需要搜集的数据。对比特币的数据分析只是对其走势的一个分析,判定此时应该是买入、补仓还是卖出,而服务的提供则需要依人而定。基于对投资者相关数据的分析,智能投顾的建议能够精确到买入的时间点,就像有的人喜欢在中途买入,有的人选择低价的时候买入,以此来提供个性化的服务。

配备高效硬件

对于深度学习在比特币交易中的优势,某业内人士称,比特币这类金融交易中产生的数据量特别大,而深度学习正需要大数据的支撑,两者相辅相成。从另一个角度来看,在搜集数据的同时,数据的处理也是一个关键所在,尤其是在深度学习算法中。

在智能投顾中,金融市场的瞬息万变要求数据的运行达到实时高效,而这需要芯片等硬件的支撑。目前,在人工智能技术的研究中,数据的高速运行是必备的条件,为此,期望抓住人工智能机遇的不少硬件厂商都在进行专属硬件的研发,比如正在研制自动驾驶芯片的英特尔、打造出世上第一台人工智能超级计算机的英伟达等等。相比于自动驾驶等人工智能行业,智能投顾对数据的要求或许没那么高,但依旧是一个需要重视的问题,只有数据高速运行,才能实现深度学习算法的高效率,为投资者提供极致服务。

结语

当下,智能投顾已在国内形成了一股风向,截至目前,包括银行在内,国内已有不下于20家智能投顾机构或公司。因为中国比特币的交易平台没有手续费,所以交易是十分活跃的,占据了全球比特币交易量的90%。根据分析,在落地上,相比于股票基金等,智能投顾的环境更适用于比特币。

不过,基于当前比特币监管的空缺、可参考数据的不足以及平台倒闭等多种因素的存在,在服务中,智能投顾还不足以独当一面,在必要的时候,人类投资顾问还是需要出面进行决策的。当下,相关比特币交易平台负责人正在与政府进行约谈,在政府的介入下,相信比特币的行业标准将逐步建立,一如火币网创始人兼CEO李林所言:“行业联盟即将诞生。”届时,在完善的比特币制度下,智能投顾的运行将更为便利,而比特币的落地也将加快进程。

目前,由于市场的不成熟,投资者们对“智能投顾”的接受度并不是太高,那也就意味着还有更大的市场在等待挖掘。据招商证券预计,到2020年,中国智能投顾市场规模将高达5.22万亿元,而这其中,还包含了我国资本市场产品结构单一、投资者尚不成熟等多变因素。相比于人类投资者和投资顾问,在降低成本的同时,智能投顾的理想也避免了人类在投资中的“贪婪”和“冲动”。在市场发展成熟之前,智能投顾的出现将极大影响投资者的行为,并且,当投资者变得理性,虽不至于完全消失,但市场的动荡将逐步减少。