眼爆科技

如何用人工智能进行电子交易?摩根大通说要解决这些难题

时间:2019-01-05 16:31  编辑:眼爆科技

选自arXiv

作者:Vangelis Bacoyannis等

机器之心编译

J.P. Morgan(摩根大通)一直是银行金融行业中积极应用大数据和人工智能技术的典范和先行者。他们的 NeurIPS 2018 论文《数据驱动的学习在电子交易中的特质和难题(Idiosyncrasies and challenges of data driven learning in electronic trading)》探讨了算法交易中机器学习等技术的应用情况,也分享了摩根大通的最新经验。机器之心对该论文进行了全文编译,对该论文的介绍也可参阅机器之能的文章《

如何在算法交易中使用 AI?摩根大通发布新版指南

》。

1 引言

由养老基金和其它资产管理机构持有的金融工具投资组合会经历周期性的再平衡,有时候这个过程会很剧烈。代理电子交易(agency electronic trading)是大银行和专业经纪公司等经纪商所提供的一种服务,可帮助提升这些交易的效率。高效的投资组合转换能帮助客户节省很多东西,进而又能助益这些投资组合的最终受益人——教师、医生、消防员、政府公务员、工人、对冲基金运营人等。

资产交易的全球化、超快速信息技术的蓬勃以及快如闪电的通信技术已让人类无力从事例行的低层决策过程。如今,股票和电子期货合约的大多数微观交易决策都是由算法制定的:它们定义在何处以什么价格交易多少数量。图 1 给出了这种算法的一个示例。

图 1:工作中的体量百分比(PoV/Percentage of Volume)算法:深蓝色表示被动订单,浅蓝色和橙色分别表示买入市价和卖出市价,圆圈表示订单成交量。

根据自己的总体投资量和执行目标,客户通常会向执行经纪商下达带有特定限制条件和偏好的指令。举几个例子,客户可能希望保证他们的投资组合转换中的货币中立性,这样卖出的数量就大致等于买入的数量。客户也可能表达他们的风险偏好并指示被执行的证券篮子以一种受控的方式暴露给特定的企业、国家或行业。对于单个订单执行,客户可能希望控制该订单执行影响市场价格的方式(控制市场影响),或控制订单受市场波动性的影响方式(控制风险),或指定一种紧急程度以在市场影响和风险之间取得最优的平衡。

为了满足这些多方面的且有时候互相冲突的目标,电子交易算法会运行在多种粒度层级上。市场分析和量化模型可以为每个层级的决策提供信息。传统上,电子交易算法是科学的量化模型的一种混合体,能从量化角度表达世界的运作方式以及规则和启发性知识,这些来自于人类交易员和算法用户的实际经验、观察和偏好。传统交易算法以及伴随它的模型通常会被封装成数以万计行数的代码,这些代码是人工编写的,难以维护和修改。为了应对不同客户的目标以及金融市场的变化,人工编写的算法往往会遭遇「特征蔓延(feature creep)」问题,并最终会累积很多用于处理特殊情况的逻辑层、参数和修改调整。

  • 共10页:
  • 上一页
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 下一页




  • 上一篇:AI语音助手:全球三巨头争雄,国内小米和百度成赢家? 下一篇:外媒:保护人类才是面对人工智能的最明智决定