前言
在AI盛起的当下，各类AI应用不断地出现在人们的视野中，AI正在重塑着各行各业。相信现在各大公司都在进行着不同程度的AI布局。笔者致力于对行业内优秀的AI项目和创意进行调研，在进行知识梳理的同时也能达成对大多数人进行AI知识科普的目的。本文主要介绍一下AI的发展给金融领域带来的一些改变，十分中肯。
金融中的人工智能：从移动平均到生成式人工智能
金融行业关乎捕捉变化。如果你做得好，你赢；如果不行，你输。了解人工智能如何显著改变这场游戏。
预测是困难的。一方面，预测股票价格等事物在概念上非常简单——你有一个单变量的图表，对比另一个变量：股票价格与时间的关系。你只希望能够准确预测未来某个时间点的价格。
但在金融领域，惊喜是常态。当公司的业绩超出预期时，股价上涨；当公司表现不佳时，股价下跌。除了定期的财务报告外，惊喜可能每天都会发生，比如自然灾害或你喜欢的名人大量发推文。
有多种方法可以尝试预测价格。其中一种常用的方法是ARIMA模型。ARIMA模型试图在不考虑任何信息（除了历史趋势）的情况下预测股票价格。ARIMA模型可以考虑时间序列的变化均值、季节性和固定方差。
然而，这些模型的缺点是它们不考虑可能导致尚未发生的意外情况的潜在因素。想象一下发生在10年一次的事件，比如经济泡沫。ARIMA模型可能根据历史数据预测股票价格的趋势，但导致泡沫的因素是独特的，更多地取决于当前的经济状况，而不是历史趋势。
在一项分析中，哈佛商业评论发现ARIMA在预测方面表现最差，而金融专家的表现更好。你会发现，尽管专家大部分时间都是错误的，但平均而言，他们表现得足够好。共识经济预测的误差足够小，使它们对做出决策具有价值。
金融领域的预测模型一直受到批评，例如未能预测到2007年的金融危机，低估了复杂金融资产中固有的风险。然而，人工智能的相关性可能会完全改变这一情况。
现在有什么不同之处呢？
近期的技术进步使我们在数据收集方面非常出色。而数据无处不在。当然，有关市场实时表现的金融数据是必不可少的，但还有许多与之相关的实时事件的数据。
新闻都在线上——所以这些都可以被获取到。人们在社交媒体平台上如Twitter、TikTok、Facebook等透露出他们真实的情感。而且还有许多其他数据来源，让我们能够了解现代社会的脉搏。
我们已经看到人工智能在处理这些信息的多项任务中展现出强大的能力。其中一种经典的问题类型是自然语言处理（NLP）相关的问题。NLP涉及从文本数据中提取信息。情感分析就是一种经典的NLP任务。
黑石集团每个季度使用情感分析从超过5000个盈利电话会议记录和每天超过6000份经纪人报告中提取信息。传统的方法是由人工逐篇阅读报告。人工智能可以规模化地自动化这种过程。这类信息对投资组合经理等人来说是有用的，可以帮助他们做出明智的决策。
利用人工智能构想金融未来
到目前为止，人工智能和语言模型在范围上受到了限制，仅限于情感分析、根据历史趋势预测价格等任务。
黑石集团使用Aladdin平台，该平台统一了投资组合的管理。他们能够以前所未有的规模动员数据。人工智能技术将数据转化为有价值的见解，例如市场情绪的图表。分析师可以查看各种图表和趋势，选择他们认为有意义的投资。
虽然人工智能可以用于制作各种图表和指标，但我们目前缺乏的是一种能够将所有这些类型的信息综合起来，并做出类似金融专家的决策的人工智能。而生成式人工智能（如ChatGPT、BloombergGPT等）可能在这方面发挥改变游戏规则的作用！
世界知名量化金融教授Bryan Kelly表示：
“像ChatGPT这样的生成式人工智能工具使投资组合经理能够更高效地处理新闻或其他金融文件。”
我们已经看到，像ChatGPT这样的模型可以从复杂的用户输入中产生逼真的输出，就像在与专业的专家交流一样。同样，金融生成式人工智能模型很快就可以处理包括市场趋势、热门新闻、新闻声明、情感等在内的复杂信息，并做出与全球最优秀的投资组合经理类似的决策。
在EMAlpha，我们不仅在等待生成式人工智能改变金融，而且积极引领多语言人工智能和金融的前沿。由于网络上近一半的信息存在于非英语语言中，世界各地的非英语使用人口以前所未有的速度成为互联网用户，因此有必要开发能够处理尽可能多语言的人工智能。EMAlpha使用其专有的多语言人工智能为金融市场创建情感、趋势和各类风险数据和分析。
EMAlpha的多语言人工智能（Multilingual-AI）可帮助宏观、大宗商品和新兴市场投资者更好地发现新兴趋势，并在这些市场中应对一直存在的风险。如果没有获取当地语言中可能存在的信息，人工智能就无法透视这些地区的“实地”情况。以智利为例，智利是全球最大的铜生产国，其新闻和当地媒体主要使用西班牙语。多语言人工智能可以揭示铜价波动与当地情绪之间的根本原因。
想象一下土耳其选举、其热门股票市场和土耳其语新闻媒体。有许多例子表明，投资者可以从访问这些数据中获益。最后，尽管大多数生成式人工智能似乎专注于英语信息，但EMAlpha致力于开发自己的多语言生成式预训练模型（GPT），名为EM-GPT，其中EM代表新兴市场。EM-GPT将使投资者能够及时了解新兴市场的数据和信息。
资源
1.《经济预测师值得倾听吗？》- 哈佛商业评论[1]2.动态随机均衡 - 维基百科[2]3.《预测无法预测》- 哈佛商业评论[3]4.Financial Time Series Forecasting with Machine Learning Techniques: A Survey - arXiv[4]5.Using Machine Learning Algorithms for Stock Price Prediction: An Overview - Frontiers in Artificial Intelligence[5]6.1990年诺贝尔经济学奖 - 新闻公告 - NobelPrize.org[6]7.夏普比率公式与定义及示例 - Investopedia[7]8.深度学习在金融中的应用：一项调查 - ScienceDirect[8]9.新兴市场经济中央银行干预的有效性 - 美联储[9]10.CESI对股票市场有何启示？ - CentralCharts[10]11.亚洲市场走势疲软，通胀鹰派影响 - Reuters[11]12.人工智能和机器学习在资产管理中的应用 - BlackRock[12]13.AQR实验使用GPT改进回报 - Institutional Investor[13]14.盈利意外：概述、示例和公式 - Investopedia[14]
声明
本文翻译整理自：https://medium.com/emalpha/ai-in-finance-from-moving-averages-to-generative-ai-4d7f4339bd78，欢迎大家点赞、收藏。
References
[1] 《经济预测师值得倾听吗？》- 哈佛商业评论: https://hbr.org/1984/09/are-economic-forecasters-worth-listening-to
[2] 动态随机均衡 - 维基百科: https://en.wikipedia.org/wiki/Dynamic_stochastic_general_equilibrium
[3] 《预测无法预测》- 哈佛商业评论: https://hbr.org/2002/03/predicting-the-unpredictable
[4] Financial Time Series Forecasting with Machine Learning Techniques: A Survey - arXiv: https://arxiv.org/pdf/1908.10063.pdf
[5] Using Machine Learning Algorithms for Stock Price Prediction: An Overview - Frontiers in Artificial Intelligence: https://www.frontiersin.org/articles/10.3389/frai.2022.836809/full
[6] 1990年诺贝尔经济学奖 - 新闻公告 - NobelPrize.org: https://www.nobelprize.org/prizes/economic-sciences/1990/press-release/
[7] 夏普比率公式与定义及示例 - Investopedia: https://www.investopedia.com/terms/s/sharperatio.asp
[8] 深度学习在金融中的应用：一项调查 - ScienceDirect: https://www.sciencedirect.com/science/article/abs/pii/S0169207019300135
[9] 新兴市场经济中央银行干预的有效性 - 美联储: https://www.federalreserve.gov/pubs/ifdp/2013/1093/ifdp1093.pdf
[10] CESI对股票市场有何启示？ - CentralCharts: https://www.centralcharts.com/en/gm/1-learn/9-economics/34-fundamental-analysis/917-what-can-the-cesi-tell-us-about-the-stock-market
[11] 亚洲市场走势疲软，通胀鹰派影响 - Reuters: https://www.reuters.com/markets/global-markets-view-asia-graphic-pix-2023-02-08/
[12] 人工智能和机器学习在资产管理中的应用 - BlackRock: https://www.blackrock.com/corporate/literature/whitepaper/viewpoint-artificial-intelligence-machine-learning-asset-management-october-2019.pdf
[13] AQR实验使用GPT改进回报 - Institutional Investor: https://www.institutionalinvestor.com/article/b8yk5pv773vdg7/AQR-Experiments-With-GPT-to-Improve-Returns
[14] 盈利意外：概述、示例和公式 - Investopedia: https://www.investopedia.com/terms/e/earningssurprise.asp
