首页 > 近期活动 > 4月27日 | 元盛资本 David Harding:人工智能和金融市场
活动时间: 2017-04-27 16:30 至 2017-04-27 18:00 报名时间: 2017-04-24 17:00 至 2017-04-27 12:00 地点: 上海交大上海高级金融学院 查看活动总结


2016年人工智能程序AlphaGo击败了围棋界的世界冠军,人工智能展示了如何从海量数据分析识别出成功模式的远见和洞识。人工智能在金融市场会有多大的颠覆性?会颠覆哪些金融市场领域?


4月27日(本周四),元盛创始人David Harding先生到访高金,将给我们带来一场有关人工智能和金融市场的思维盛宴。David Harding先生是智能投资领域的先驱,他运用统计和数学算法,结合最新的计算机技术,在期货投资领域取得了巨大的成功。成立17年期间,他带领的元盛旗舰基金年化收益近13%。



嘉宾简介


6.jpg

元盛创始人及首席执行官

DAVID HARDING


1961年,Harding出生于英国牛津,1982年以一等荣誉学生的优异成绩毕业于剑桥大学,主修自然科学,获得理论物理学学士学位。

1994年,Harding 在英国《皇家学会》期刊上发文“Making Money from Mathematical Models”,从此开始了他科学投资的传奇人生,他创立了两家世界上领先的另类投资公司:AHL和元盛。

1997年,Harding创立Winton(元盛),这家总部位于英国的全球性资产管理公司,目前资产咨管规模超过300亿美元,公司拥有450名员工,在世界各地设有9处办公室,投资于全球100多个交易市场,虽然Winton传统上被普遍认为是全球最大的CTA公司之一,但公司近年来已突破传统领域成为一家全球性的量化资产管理和数据科技公司。

Harding慈善事业专注于资助科学研究和促进科学教育,捐赠基金包括Cavendish实验室的元盛可持续性物理项目,剑桥大学的元盛风险和实证交流中心,柏林MaxPlanck研究所的Harding风险培育中心,以及伦敦科学博物馆的元盛数学展览馆。



主持人简介


汪滔,上海交通大学上海高级金融学院金融实践教授,“中央企业衍生业务专家评议组”评议专家,美国麻省理工学院工程学博士,复旦大学管理学硕士和理学学士。汪教授曾在中国国际金融公司和摩根士丹利任职,在利率汇率产品设计、汇率衍生品的交易、企业风险管理咨询、大宗商品交易顾问、资金池和非标准债权产品、国内结构化理财信托、香港挂牌深证100指数ETF等方面做出核心决策。


活动时间:

2017年04月27日 16:30~18:00

活动地点:

徐汇区淮海西路211号上海高级金融学院303报告厅

活动主办:

上海高级金融学院  MBA学生联合会

活动承办:

量化投资俱乐部



活动日程


16:30 - 17:00   签到

17:00 - 17:05   主持人开场

17:05– 17:10    张春院长致辞

17:10- 18:00   主旨演讲


大卫·哈丁:人工智能会颠覆传统投资吗?


人工智能(AI)被应用于金融投资领域存在某些必然性,虽然金融市场没有恒久不变的事物,但运用统计和数学方法研究波动性数据,通过AI的数据可视化和机器不断学习的神经网络模式,可以识别出大数据中的规律。


——元盛资产创始人大卫·哈丁



1.jpg



大卫
哈丁
人工智能会颠覆传统投资吗?


人工智能正在成为越来越多中国投资人所谈论的话题。 2017年4月27日,全球最大的CTA公司之一——Winton元盛创始人大卫?哈丁先生(David Harding)到访上海高级金融学院,发表了关于“人工智能和金融市场”的主题演讲,张春院长发表欢迎致辞,汪滔教授担任主持人。该活动由上海高级金融学院MBA学生联合会主办、量化投资俱乐部承办,当天主会场300到场多人,现场还增设2个同步分会场,受到同学及市场人士广泛积极关注。

 

2.jpg


近年来,AI在某些领域有了长足发展,让人们意识到AI已进入前所未有的阶段。众所周知,与世界级围棋选手李世石对弈的AlphaGo,就是哈丁先生母校剑桥大学校友开发的,这家企业叫DeepMind。这场对弈引发了全世界的关注,亦引发人们对于深度学习的关注。围棋运动非常复杂,是人类智力活动最后一块阵地,于是很多人因这场对弈的最终结果得出判断:AI已经离我们不远了。


由此引发了几个问题:1、投资界是否已经到达马上要拥抱AI时代的边界?2、AI对于金融投资者意味着什么?3、上述问题对元盛又意味着什么?


哈丁先生演讲最重要的目的是区分表面和实质,但要去伪存真并不是件容易的事情。哈丁首先回答了什么是AI,或者回归本源AI到底从何而来?如果AI真的存在,还应被视为新鲜事物吗?今年大热的HBO美剧《西部世界》有一个开头片段,大致剧情是说“未来有一座主题公园,置身其中可以完全忘记自己所处的时代”,片头音乐非常优美,是由一个机器人根据已编好程序弹奏的钢琴曲。 


3.jpg


其实此剧是根据80年代一部作品改编的,机器人的程序设置完全是通过打孔卡这种传统编程方式完成的,也就是在每个卡片上打孔作为编程代码。用这种程序设计出来的完成弹钢琴任务的AI机器人,在当时已经被认为是非常高端的智能了。


籍此回溯,人类用机器进行逻辑操作的历史已非常悠久,古希腊时代就已出现机器计算,距今差不多2200年,这可能是现在所知最早的模拟计算机。它们被设计出来的年代可能比人类奥林匹克运动会还早(就是由35个类似下图左的齿轮,被设置进行逻辑运算),这可以说是人类计算机最早的起源了吧!此器何用?——钟表就是这种机械运动的典型代表。到了1700年,慢慢出现了一种算法,并一直延续至今,包括大家非常熟悉的算盘(算盘口诀)。再跳跃到1800年,可以看到打孔卡(下图右),是最早软件编程的存在形式,通过一系列卡片所组成的代码,最终形成了叫捷克卡片梭织机的软件,也有点像法国人发明的纺织机。


4.jpg

 

1700年奥地利人就开始用这样的机器编织羊毛。德国人Johncrystal于1792年在休斯敦发明了第一台计算器。在英国也有这样的机器,称它是“计算赛道上奔跑的赛马”。这个比喻源于英国人到了澳大利亚之后,发现当地人人很喜欢赌马,就开发了非常复杂的机器去算清楚到底哪匹马会跑赢,偌大的一个房间就为了容纳一个机器来计算赌马的胜率,而且是几百年前就已经开发出来的,着实让人惊叹英澳人对赛马热情和计算机的发展迅猛。

 

6.jpg


再到1920年,二战时期一位美国内阁成员开发出来一台机器,在二战当中扮演了非常重要的角色。情报谍战方面很多功劳都是归功于这些“能击落敌机的机枪”,两大阵营之间的军备竞赛趋于白热化,最后的胜利都依赖于能否破解对方的密码,就此也揭开计算机纪元的序幕,包括后面出现的电子计算机———战争激发了人类的智慧。英国在二战期间也开发出了一些电子计算机的基本原型,如图灵机。看过图灵传记这部影片的都知道,图灵是电子计算机之父,在慕尼黑的科技博物馆中,还可以看到这些30-40年代开发出来的机器原型。


电话机始创于30年代,美国的电话机公司AT&T通过电话把大家联系在了一起,诞生了电话交换机网络,这些都为今天的信息互联奠定了非常坚实的基础。二战之后William又发明了晶体管,而晶体管是逻辑计算的基本单位,逻辑计算开始硬件化。


上述人类历史上机械和计算能力的演变中,有的有具体功能,有的是抽象功能,而计算机更突出于抽象功能,大部分机械所做的任务比人类效率都高,或者完成了人们做不了的工作,因为这需要很高的智能才能做到,所以这些机器全都属于AI,换言之人机交互和逻辑运算的历史,从机器出现的第一天就已经开始了,距今已有2100年历史。


所以回到前述问题,AlphaGo打败了人类到底算不算突破呢?是真正意义上的突破吗?大概30年前,当时元盛还比较年轻,为了公司推广,路演时哈丁先生会向大家介绍元盛的投资方法,而听众通常心存疑窦,他们不相信机器能够管理好投资。而路演结束时,哈丁先生常常论断:“十年之后,电脑将会成为世界象棋冠军!”结果证明这个论断说对了,深蓝打败了卡斯帕罗夫。十五年之后,IBM又开发了一个赢得“谁是大富豪”比赛的电脑,一个类似于智力抢答电视节目的冠军。2016年DeepMind战胜了韩国最高段位的围棋手李世石。


既然拥有这么长历史的AI,为什么直到DeepMind的胜利,才被认为是如此重要呢?在哈丁先生看来有几个原因,一是DeepMind的胜利涉及一种特别的算法,而这种算法被称为“深度神经网络学习”。人们一听到神经网络这个字眼就激动起来,臆想中但凡有神经元这样的字眼,就是以人的大脑作为模型建模的。实际上神经元网络和神经元根本没有关系,而且这个网络早在1950年第一个神经元网络就由美国心理学家Frank发明了。


最早的算法灵感从哪里来?就是学习人类大脑的结构。这位心理学家研究了人类大脑的结构并获得灵感,建立算法,他把这个算法称为“感知器”。1950年发明感知器时,很多人都加入了AI研究,然而当大家都以为AI很快会得到突破时,到底发生了什么使1970年被称为AI的寒冬?那年AI各个方向的研究都没有成果,而对AI的投资已巨额难负,以前的投资似乎都打了水漂。


50年代以后,神经元网络又有几次热潮。记忆特别深刻的是80年代,那时候哈丁先生的职业生涯也刚开始,神经元网络也很时髦,很多公司都用神经元网络交易的模型,至少他们都是数学家。哈丁先生当时对这种现代技术的发展感到害怕和疑惑,不知道他们是否会打败元盛这种相对简单的投资方法。没想到他们都失败了,没有一家公司存活下来。因此这些年要是别人说神经元网络又有大突破,哈丁先生总是心存疑虑地说:“我曾亲眼见证这些东西是怎么以失败告终的。”


但是,去年哈丁先生的观点开始改变。


Google在2013年的时候启动了一个有关图像识别的项目,他们用神经元网络来读取数十亿计的因特网上的图片,训练神经元网络来识别东西,比如说能识别出猫脸和人脸。当时就研究具体识别出猫脸和人脸的神经元网络到底是什么?通过逆向分析:识别出图像的节点在哪里?这些识别出来的图像很难由中文表述,在英文里会称普通的猫为“a cat”,现在会说“A cat”(作者特译“A——完美独有的标准特质”)。


古希腊的哲学家柏拉图说,“万事万物都应该有个完美的化身,万事万物都是理想化的实物代表”。世界上存在数不清的猫,但这些猫最终都代表了一只理想化的猫,所以称其为A cat——一只理想化的猫。这个案例表明,如果神经元网络看过海量图片,能够识别出图像,则说明深度学习是有效的。


事实上,人类智能最重要的信号输入来源是听觉和视觉,这是两个非常重要的常规识别渠道。大脑在接收了这些信号之后,进行了处理,然后能识别出更多的东西。所以视觉和听觉是非常有价值的,而哈丁先生相信深度学习在听和看的方面有了重大进步。比如要是给父母看好多小孩的照片,通常都能找出自己家的,本无足道哉;但如果机器能够识别的话,就是一个比较大的突破了。在图像识别、语音识别和创意识别方面,都有一些实例,比如由电脑程序创作出来的艺术作品。


上述这些内容和元盛又有什么关系呢?元盛已经在系统化投资这一领域做了许多年,常常有人来问:你怎么用计算机来赚钱?你怎么用电脑告诉你特朗普会当选?你怎么知道政府开支会增加?


所以这么多年来,哈丁先生一直在苦苦思索如何解释元盛怎样进行投资,并说明为什么这种投资方法是有效的。有时候人们对哈丁先生的投资方法持怀疑态度,他便解释说:“我们做的是规律识别,就是在市场的数据中寻找规律。”人们大概会误解所谓找规律,就是看复杂的图表,比如观察蜡烛图并预测未来市场的发展。其实80年代早期,哈丁先生的确会看很多类似的图表,潜心研究并希望用历史数据来预测未来,这是元盛公司的开端。不过,这些都是35年前的事,元盛可不会35年都原地踏步。所以,你若以为元盛还是靠这些图表去预测未来,那就有失公允了。


就此给大家阐述一下市场上的规律,还要解释一下元盛公司的规律识别是什么。


首先一个三角形的形状。规律是什么呢?哈丁先生所谓的有规律的东西是指“有规则出现,能给这个混乱的世界带来一定秩序的东西,使得我们能够由它来进行预测”。这是一个形状或者叫做一个规律,或者一个图案。一个红色三角形,和黑色三角形不一样,那就不是一个图案?


因为如果黑白的代表二维,加上颜色的话就是三维。新的三角就又是一个图案,一种规律,如此说来它是三维或四维的,很显然这更像是一个规律了。这些如果是按时间顺序排列,那时间又是一个维度,这样就有五个维度的规律了。其实所谓的五维图案或五维规律就这么简单,有了颜色,加上XY轴上的坐标,然后再加上其他的维度,比如加上时间。


鱼也可以成为一种维度,鱼在这里仍然是一种有规律的图案,但是从几何意义上来说它和之前的形状发生了变化,因为不能单纯的认为鱼是一种形状,它现在已经有了一种形态。如果说把鱼也放进维度,会发现这个维度变复杂了,它开始出现特征。继续在XY轴加上颜色,加上时间,加上形态,再加上特征。


再比如,对猫和狗进行二元分析,有多少条腿,有多少只尾巴,能不能发出喵这样的叫声等,用矢量进行标注,这样就出现了可以区分两件事物的规律。这是一种常规空间范围内的规律,用矢量区别猫和狗,也可以去追溯动物的元祖。前面说到万事万物都有一个完美的形态,如果一个名词对应一个实物,那么它就拥有事物的一个特征,也就是所谓的名词,即万事万物都是可以用维度来衡量的。 


7.jpg


这是一位编程人员女儿画的一幅画。有房子、树、太阳,图案底下是象征意义的字母符号。这些同样也在人们所理解的特征空间范围内,汉字中有许多文字是对应人类所处理空间的,这与西方象形文字起源类似。可西方现在所使用的一套字母系统,已经不再反映我们所身处的物理空间了。再看一下图中天上的飞鸟,一样通过符号的形式展现人们身处的物理空间。所以,人们所处物理空间的一切都可以通过图案图形规律所呈现。


比如人们的笑容,英语happiness指的是幸福和笑容,虽然它是一种情绪的表达,但是它仍然可以成为一种名词。人们可以用表情符号来表示,其实这已经是一种全新的语言,也就是可以表达情绪的名词。表情符号可以代表一系列表情,代表一系列情绪状态,就像曾经人们试图反映自身所处的物理世界一样。针对目标现实,或者说是物体现实,具备具体实物的名词,是一种客观现实;而对应人们的情绪——则是所谓的主观现实。


最后对于天堂的概念,是一个主观现实和客观现实交叉的东西,它的存在是因为有共识,如果打破了共识,它就不存在了。比如说,如果大家认为IBM不存在,或者IBM和员工所签署的合同不存在,或者它的专利不存在了,那么IBM这个概念就不存在了,IBM的存在是取决于人们的共识,这个共识与现实世界中的山和水是有区别的,山和水并不会因为人们否认了这个共识而不存在。 


8.jpg


这是世界上最大的对撞机在日内瓦,造价数十亿欧元。为什么要建造这样的庞然大物?它深埋在地底下150米,多年来只重复一件单纯的事情,就是进行粒子对撞,人们希望能够在粒子对撞中寻找出一种新的规律,能够发现被认为理应存在的一种暗物质——希格斯粒子,这可以说是多年来物理界最重要的一个发现。在无数撞击之后,人们终于找到了希格斯粒子,它在几百万亿次撞击中仅出现几次,形成了一种图案和规律并被捕捉到了,是去年的重大发现。


而对哈丁先生个人来说,另一个非常重要的发现是重力波,这也是美国三十年来政府资助的最大项目。两个四公里长的重力波力臂,这两个波形图,证明了爱因斯坦所说的两个黑洞撞击之后所呈现出的形态。在爱因斯坦提出相对论一百年之后,就完全证实了他当初的设想,探测出重力波的重要性相当于找到了一种全新的光。虽然发现重力波的真正意义可能要在几百年之后才会显现出来,但这是人类所跨出的非常重要的一步。


质子本身已经非常小了,重力波粒子的大小是质子的万分之一,也能被发现是非常了不起的。它是迄今为止人类可以捕捉到最细小的物质,背后是巨量的资金,是无数机器共同的运作,也可能是无数偶然随机性当中捕捉到无效的信号。但是,正因为人们所捕捉到的都是规律,比如微小的粒子等,并通过理论和规律最后找到了粒子,有力地证明了人们所身处物理世界所遵循的规律。这是哈丁先生所想要传达的一个核心信息——人们所有通过机器的研究,最后都为了并且能够找到事物形态的规律。


元盛所做的就是把全世界各地金融市场的数据集合在一起,能够从嘈杂的数据中找到类似不易被发现的信号。例如无线电望远镜所记录的外太空无线电波的情况,红色和蓝色代表频率。然后,把过去50年全世界所有期货市场的收益率作对比。下图无线电望远镜所捕捉到的外太空频率,和上图期货市场回报率波动的情况,看上去有类似之处,或者说有规律可循。现在把一个信号引入期货市场回报率波动,即在期货回报当中引入人工干预人为地让这个市场上涨。

 

9.jpg


请注意,是人为地引入了一个信号。如果说可以识别出这样规律的话,那其实已经明确知道市场什么时候上涨。显然,在现实世界中,这样有规律的信号定期地发生是不可能的。但是,如果把这个信号缩小一点,信号仍然存在。只是把它缩小100倍,虽然信号还是同样的信号,但它藏在这么多噪音中看不到了。如果把两个时间序列分成两个区段,可以分成任何长度,任何区段,然后进行堆积,再进行加总。如果分段长度选择合适,那么刚才这个信号应该就能实现叠加,所有的噪音都相互抵消,这样就能证明这个信号是存在的。


把它竖向叠加起来,下面是无线电望远镜的频率信号,上面是期货的回报,先选取了7段进行叠加,看不到信号?再把这些区段叠加上去,到100段,还看不到?叠加到200段,还是没有找到?现在,把数据截成1000段,这样无线电望远镜频率信号看起来非常明显了,于是发现了脉冲星。脉冲星快速地自体旋转,然后再内陷,所以看上去倒挺像是一个外星智力生物发出来的信号。这个无线电望远镜频率中的数据很有趣,虽然单用此数据没办法用它来挣钱;但是,在期货数据里,也可以看到一个隐藏在嘈杂数据中的信号,它凸显出来了。一个肉眼本来看不到的数据信号就这样被识别出来,就是用类似无线电望远镜识别信号的方法。运用物理学和数学等科学的原理,在嘈杂的金融市场上寻找不易被发现的微小规律;而物理和数学等科学是用来寻找现实世界规律的。


现实有三种,客观的、主观的和介于二者中的现实。而金融市场其实属于主观的市场,很多数学家和物理学家进入金融行业的时候犯了一个错误,他们认为金融市场上物理学和数学的规律一定都能用(作者语:影响市场因素的假设有误,在实际交易运用中会造成较大偏差),所以他们建立了很多以物理学原则为基础的模型。其实金融与物理和数学不一样,因为在金融市场中没有一样东西是恒久不变的真理;但尽管如此,在金融交易中还是可以使用一些科学的工具。


回到AI,很显然技术还在不断进步。尤其在硬件方面,技术进步非常快,计算能力在不断增强,根据摩尔定律成本每18个月都会减半。这个定律一直到如今还是对的,实在让人惊讶。从用户体验来说,电脑体积越来越小但运算能力越来越强。如今,还不断有新的突破涌现,比如说,在深度学习领域使用一些数学以及统计学的概念,借助现代电脑强大的计算能力能有新的发现。有些公司,也像元盛一样,在越来越多地开发此类运用计算机运算的工具和技术,只不过,有时候炒作和事实被混在一起。在金钱的世界里,有很多疯狂,很多炒作。如果只用计算机来计算的话,并不会让人变得更聪明,正所谓“垃圾进,垃圾出”。


AI到底是什么?数据的可视化和神经网络是人们使用的两种工具,以识别大数据中的规律,使用统计和数学的方法,进行机器学习,实现自己的目标。哈丁先生想强调的是,如果这些活动造成了眼球效应,有时候人们并不明白这些热门词汇到底是什么意思,就简单将其都划归AI,也不知道这些词汇相互之间有什么关系,像这样的炒作是没办法推动当今世界进步的。 


问答环节:

 

10.jpg


汪滔教授:谢谢哈丁先生,真是一场非常精彩的演讲。从学生和观众中收集了两个问题,都是有关AI、大数据和神经网络的,大家很想知道这些术语对金融市场的影响。


第一个问题,言及量化金融风险,Seth Klarman推荐过一本书叫做《黑天鹅》,他说:“量化模型在正常市场上是有用的;可是在财务困难的市场中,量化的方法可能会起到破坏性作用。”您的观点为何?大数据和AI技术能够怎样帮到人们进行分析呢?


哈丁:写这本书的人是个聪明人,但是他说这句话并不确切。量化模型有好多种,如果他所指的量化模型是对数或者回归,可能他的理解有误。他说这些模型不能在极端市场里面使用,量化分析并非如他所说,实际上在极端市场里仍能挣到钱。我认为,他令读者产生混淆,他认为量化分析是数学计算,而我不这么认为。读者需要理解的是现实,而不是理解那个理想化的状态。理想化状态的理论,很多时候在现实中并不存在。


汪滔教授:第二个问题也跟大数据和AI在投资中的使用有关。现在有很多投资策略都是基于数据,结果交易员们的策略开始趋同。如果市场上的量化投资者都使用类似或同样策略,那么这个策略总有一天会失灵。元盛保持成功的策略最长存续了多久?如果这个策略在实施过程中有挫败,你是如何判断策略是永远失效了还是以后会反弹呢?


哈丁:只要有成功的策略出现,就会有人去模仿。我们最长的成功的策略已经用了30年,还有一些用了15年。当然,这些策略也会有改进和调整,与30年前、15年前的策略不会一模一样。我认为,金融市场可以类比成一个丛林,这里说的丛林是一个生态系统(Echo System),而金融市场就是这样一个金融生态系统。


它不只是一个物理世界,其中任何东西都是原子在运动。我看到的这个生态系统,其中有混沌、有模糊、有互动,有的动物会繁盛,有的会吃掉其他的动物,也会慢慢出现新的动物,如此循环往复。我们的策略一般来说是比较长的,你判断一个策略好不好,不是主要看它时间长短,而是看它挣不挣钱。


如果它每天挣钱,也许持续不了多久,只能持续几个月。我不是说我们所有的投资都做的非常好,就像刚才的问题,你怎么知道亏损是暂时的而以后会收回来呢?我的答案是,你永远都不会知道你的策略是暂时的还是永远的亏损,其中包含很多主观和人为的因素,包括你的信念、判断等等。


11.jpg

 张春院长致辞


高金MBA学生联合会成功主办本场讲座活动,感谢David Harding先生带来精彩绝伦的讲座分享,感谢元盛大中华区投资方案主管田野先生对活动事项的悉心安排。感谢张春院长、李峰副院长对MBA学联工作的大力支持!衷心感谢汪滔教授在嘉宾推荐、学术指导等方面给与的大力支持,感谢廖司斯老师给与活动落实的全力支持!感谢各位支持活动的高金老师和同学们!


12.jpg


13.jpg



供稿:16PT 李文思


王江:为中国金融教育“创业”

王江

张春:落叶归根,只为故里起高楼

张春

陈歆磊:营销领域的微观经济学家

陈歆磊

李峰:年报秘密的发掘者

李峰

王坦:为中国的金融改革和开放把脉

王坦

汪滔:倡导可持续的金融 警惕资本外流隐患

汪滔

严弘:放眼于中国金融市场 争做世界级研究中心

严弘

朱蕾:布道价值投资的金融界“奥普拉”

朱蕾

更多...
职业发展 国际交流 教务管理 资料下载 联系我们
©上海交通大学 上海高级金融学院 版权所有 沪交ICP备 05226