金融數(shù)據(jù)質(zhì)量決定機器學(xué)習(xí)時代的投資回報

Gerard Francis

數(shù)據(jù)、機器學(xué)習(xí)和自然語言處理這三大因素正在相互融合，從根本上改變?nèi)蛸Y本市場投資者獲取、使用和分析可用信息的方式。

● 在數(shù)據(jù)更加易于獲取、更加多樣化但也更缺乏關(guān)聯(lián)的背景下，金融信息正在重塑投資策略

● 機器學(xué)習(xí)成為引領(lǐng)金融業(yè)未來發(fā)展的力量，為投資者提供更快、更明智、更精確的市場分析

● 通過即用數(shù)據(jù)可以實現(xiàn)流程自動化、制定新的交易策略和捕捉投資信號

金融業(yè)正在經(jīng)歷前所未見的科技突破，而數(shù)據(jù)是支撐行業(yè)快速轉(zhuǎn)型的基礎(chǔ)。如今，決策者可獲取的數(shù)據(jù)無論在數(shù)量、復(fù)雜程度和多樣性方面都呈指數(shù)級增長，但這些數(shù)據(jù)也變得更缺乏關(guān)聯(lián)性。根據(jù)IBM統(tǒng)計，當(dāng)今世界90%數(shù)據(jù)是在過去兩年中生成的。

數(shù)據(jù)（與另類數(shù)據(jù)）、機器學(xué)習(xí)與自然語言處理這三大因素正在相互融合，這一趨勢從根本上改變了全球資本市場投資者獲取、使用和分析可用信息的方式，也正在重塑投資機構(gòu)的交易策略以及他們辨別商業(yè)信息的方法。

處理數(shù)據(jù)的挑戰(zhàn)——更加多樣化但更欠關(guān)聯(lián)性

金融機構(gòu)的數(shù)據(jù)池十分龐大但同時很零碎，它不僅僅包括大多數(shù)人熟悉的財報、證券價格等基本面數(shù)據(jù)，還包括業(yè)務(wù)流程生成的數(shù)據(jù)（如：商業(yè)交易）、機器生成的數(shù)據(jù)（如：衛(wèi)星信息）以及非傳統(tǒng)來源的數(shù)據(jù)（如：社交媒體）。

越來越多投資者選擇采用另類數(shù)據(jù)集，借助創(chuàng)新技術(shù)專注于發(fā)現(xiàn)有用的投資信號以捕捉超額收益。如今，投資者不但要了解證券定價與財務(wù)表現(xiàn)，還要分析外部圖像、供應(yīng)鏈信息、ESG因素乃至社交媒體輿情。

金融業(yè)不斷產(chǎn)生海量數(shù)據(jù)，彭博每天收到的市場數(shù)據(jù)信息多達1千億條，另外還從12.5萬個新聞來源接收200萬篇新聞報道。我們通過機器學(xué)習(xí)算法和自然語言處理打造的預(yù)測分析工具，可以快速檢閱所有信息，篩選出對投資者最為重要的信息。

今天，市場參與者與金融機構(gòu)面臨的最大挑戰(zhàn)是如何識別有用的數(shù)據(jù)、如何確保收集的數(shù)據(jù)具有高質(zhì)量、連貫性、關(guān)聯(lián)性和即用性，以及如何快速分析這些數(shù)據(jù)從而做出正確的關(guān)鍵決策。

即用數(shù)據(jù)賦能自動化

數(shù)據(jù)的爆發(fā)性增長僅僅是變革與復(fù)雜性的基礎(chǔ)驅(qū)動力?？紤]到所面臨任務(wù)的艱巨程度，毫不意外地許多金融機構(gòu)都借助科技將處理流程自動化，以更高效地管理好數(shù)據(jù)，并借此生成超額收益。

機器學(xué)習(xí)在這些技術(shù)之中快速脫穎而出。自然語言處理和數(shù)據(jù)采集的進步正在推動電子交易執(zhí)行平臺的交易自動化;多家機構(gòu)選擇借助大數(shù)據(jù)與機器學(xué)習(xí)預(yù)測客戶需求與價格波動。

以買方機構(gòu)為例，對沖基金與資產(chǎn)管理公司可使用預(yù)測分析工具，基于市場流動性評估風(fēng)險。隨著更多的工作流程自動化，專業(yè)金融人士將更多的注意力放在注重認知能力的工作上，包括策略和投資組合篩選以及投資理論制定。他們試圖通過這樣的方式解決金融領(lǐng)域的眾多問題，打造更優(yōu)良的信息系統(tǒng)支持交易和客戶溝通工作。

彭博最近在悉尼、新加坡、東京和孟買舉行了以“解碼機器學(xué)習(xí)”為主題的研討會，發(fā)現(xiàn)多數(shù)專業(yè)人士已經(jīng)開始利用機器學(xué)習(xí)發(fā)現(xiàn)投資信號和因子，優(yōu)化執(zhí)行策略以提高交易效率。在上述四個亞太市場當(dāng)中，日本在將機器學(xué)習(xí)應(yīng)用于交易模型方面最為先進，在投資策略中利用的數(shù)據(jù)也是最為多樣化。有鑒于此，我們正在加速投入以發(fā)掘機器學(xué)習(xí)的潛力。

高質(zhì)量數(shù)據(jù)在機器學(xué)習(xí)時代至關(guān)重要

15年前，金融信息與數(shù)據(jù)行業(yè)向電子交易轉(zhuǎn)型，隨后又發(fā)展出了高頻交易和算法交易。今天，我們正在步入機器學(xué)習(xí)與人工智能的信息時代，數(shù)據(jù)賦能自動化、創(chuàng)新交易策略，并發(fā)掘前所未有的洞察。

在機器學(xué)習(xí)時代，金融數(shù)據(jù)與信息將更加豐富，而且也更加可測和更具條理。彭博作為領(lǐng)先的金融信息公司，將數(shù)據(jù)標準化為“整潔格式”（tidy formats），通過提供標準化歷史數(shù)據(jù)使分析變得更加容易，從而提升效率也更便于互相參考。

我們新推出的數(shù)據(jù)接入平臺網(wǎng)站——彭博企業(yè)數(shù)據(jù)接入站點（BEAP）通過便于操作、易于建模和可視化的方式，幫助客戶探索大批量數(shù)據(jù)集并與之互動。最近，我們還向BEAP增加了20多套另類數(shù)據(jù)集，來源同時包括彭博和市場領(lǐng)先的另類數(shù)據(jù)提供商，內(nèi)容涵蓋金屬存貨洞察、股票相關(guān)博客情緒、藥品審批、消費人流量和停車場數(shù)據(jù)、建筑許可、地緣政治風(fēng)險以及APP使用率等。 投資機構(gòu)希望可以靈活應(yīng)用這些數(shù)據(jù)，所以我們正努力做到何時何地都能夠遞送數(shù)據(jù)。數(shù)據(jù)將成為一種服務(wù)，而未來的平臺會更加輕量化且具有移動性。

機器學(xué)習(xí)從本質(zhì)上說是由數(shù)據(jù)驅(qū)動的，投資者應(yīng)用機器學(xué)習(xí)可以快速掌握紛繁復(fù)雜的關(guān)系;從而應(yīng)對之前因為受制于數(shù)據(jù)之間的復(fù)雜關(guān)系、問題的復(fù)雜性，以及數(shù)據(jù)或計算資源的可獲得性而無從入手的問題。

科技日益進步的今天，讓機器學(xué)習(xí)發(fā)揮更大價值需要高質(zhì)量、互相關(guān)聯(lián)并可付諸應(yīng)用的數(shù)據(jù)。在機器學(xué)習(xí)時代，能夠領(lǐng)悟這一點，并有效執(zhí)行數(shù)據(jù)驅(qū)動策略的機構(gòu)將成為最終贏家。

（作者Gerard Francis是彭博企業(yè)數(shù)據(jù)業(yè)務(wù)全球負責(zé)人）