MioTalk

深度学习:“深”在何处?我们究竟可以走多远?

Larry Cao, CFA协会行业研究主管 2018-12-03

在本篇访谈中,MioTech与CFA协会行业研究主管Larry Cao就投资领域中深度学习的应用以及未来前景进行了探讨。

什么是深度学习?

从本质上说,深度学习是一门计算机利用大规模神经网络来检测和分类模式的学科。这些神经网络就像我们自己的大脑一样,包含了数以百万计的神经元,既有输入又包括输出。而如果使用了多个结构层次的神经元,神经元中又包含了丰富的节点,具有广泛而丰富的连接,那么就可以被认为是“深度学习”。

今天,人工智能的成功可以归因于强大的计算机能力、先进的算法和庞大数据集。这使得深度学习模型得以进一步发展,并取得前所未有的成就。

 

深度学习包括哪些分支?

在深度学习技术的帮助下,人工智能研究人员在自然语言处理(NLP)、语音识别和图像识别方面取得了重大进展。计算机可以看见、听到并理解人类,有时甚至可以比人类做得更好。谷歌翻译目前使用的深度学习神经网络架构,在性能上越来越接近于人工翻译,表现出了卓越的决策能力。

 

深度学习如何“赋能”金融世界?

效率提高

深度神经网络需要在庞大的数据集上进行训练,以使系统能够以最小的误差进行有效识别。为了增加“学习”的效率,需要用不同的样本反复训练模型,以达到更高的准确性。使用深度学习提高效率是指模型在没有人为干预的情况下拥有“学习”的能力,即所谓的无监督式学习。这些算法直接从数据本身获取见解,对数据进行聚类、汇总,从而帮助人类做出以数据驱动的决策。

来源: https://warandpeas.com/2017/11/19/born-sexy-yesterday/

 

就像AlphaGo Zero在40天就可以自学击败所有版本的AlphaGo,深度学习能够减少金融领域繁琐、单调、重复性人工工作的时间。

摩根大通的COIN程序通过自然语言处理在几秒钟内完成了36万个小时的金融工作。

许多分析师会参加公司管理层的季度电话会议,从而找到用来评估公司盈利和建立估值模型的线索。如果算法能够成功地捕捉到首席执行官或管理层在电话会议上的某些不确定因素,那么你就可能在最有利的时候卖掉这些公司股票,在不应该持有的时候尽量避开。而技术能够实现的不止于此。

分析的越深入,结果就越好

训练一个复杂的模型需要大量的数据,而近年来有越来越多的数据可供我们使用。只需轻轻一点,深度学习就能够聚合和分析数以百万计的新闻源,处理大量的盈利报表,抓取大量的网站信息。它还能够自动更新模型,以反映在数据集中发现的最新趋势。

舆情分析的准确性是深度学习应用的重要方面。对于一个平均每分钟阅读300字的人来说,要在一分钟内读完投资组合的公司产生的100篇新闻是不可能的。最重要的就是能够为每篇文章进行舆情打分。

虽然利用公开信息预测股票表现并不是什么新鲜事,但如今它越来越受欢迎,不仅是因为它能够处理大量数据,还因为深度学习能够产生更准确的结果。深入的分析为估值模型提供了更准确的数值输入。而通过更精确的资产定价,分析师就可以做出更好的决策。NLP等深度学习模型帮助投资经理分析数十万个法律文件、业务交易、关键实体和事件的动向,从而更好地评估其风险敞口。

以上所有的技术应用都可以帮助投资者在市场上获得优势、做出预测,从而获得更好的收益,并帮助投资机构更有效地扩大规模。

 

深度学习的局限在哪里?

虽然深度学习取得了重大的进步,但我们要做的还有很多。首先,获取大型数据集就十分困难。例如,并购数据十分有限,以至于无法预测交易是否会成功。此外,深度学习算法需要标记数据进行训练。此类工作大部分是人工完成的,贴标签的过程需要动用大量人力资源,而人总是容易出错的。

来源:https://imgs.xkcd.com/comics/recipes.png

 

其次,目前深度学习在迁移能力方面仍受到限制。当模型面对的是与输入的示例不同的场景时,系统发现很难对其进行分类或者根据具体语境分析。特别是在金融市场不可预测的情况下,9 / 11这样的“黑天鹅事件”时有发生,此种复杂的问题模型仍无法适应。人工智能模型还没有进化到能够处理不确定性。

第三,也是最重要的一点,深度学习网络仍然不透明。它们就像一个黑箱,我们无法解释它如何进行决定、如何得出结论或会产生什么反应,尤其是在程序从未接触过的情况下。算法在输入和输出之间,有许多步骤是看不到的。由于透明度的缺乏,阻碍了它在需要问责制度和可靠性的财务部门进一步应用。这种联系在人工智能领域还没有建立起来。

”深度学习网络仍然不透明。“

我们人类可以做些什么?

强大的金融科技是强大的金融机构和科技公司合作的结果。海量的数据既是一个挑战,但同时也是一个机遇。新的技术和数据分析方法将颠覆投资部门,为投资者带来效率和实打实的收益。没有采用技术解决方案的金融机构将最终落后,最终只剩下少数公司主导市场。

虽然我们经常围绕人机大战展开讨论,但我认为,我们更应该关注的是机器赋能下的智能与人类本身智慧的竞争。只有不断发展并采用创新思维的投资人士才能脱颖而出,成为行业领头羊,并获得差异化的回报。而这种思维同样适用于金融机构之中

"我认为未来的竞争将存在于机器赋能下的智能与人类本身智慧之间。"

然而,应用人工智能并非易事,金融领域仍旧有很多AI无法解决的复杂问题。深度学习只是众多工具和未来机器学习方法中的一种。接下来,算法要找出经济学家尚未理解的东西。这个“黑箱”能打开吗?这是金融和投资领域目前缺乏的,但这也是希望所在。尽管前路慢慢,但最为确定的是,我们面对的是一个充满希望的未来。


 

分享