買方技術專家說 忽略炒作并專注于機器學習目標

根據(jù)TradeTech FX Europe的小組成員的說法，機器學習和人工智能(AI)的進步可能會改善交易策略，但代價是透明度和可解釋性。

安本資產(chǎn)管理公司(Aberdeen Asset Management)的投資分析師伊恩麥克威廉姆斯(Ian McWilliams)詳細說明了對機器學習技術能力的理解是如何被缺乏理解和夸張所扭曲的。

“我開玩笑說，當你在外面做廣告時，你會說人工智能，但你說機器學習，實際上你只是在進行邏輯回歸等等，”他說。“我不認為這是不誠實的，也許它有點夸張，但它在定義方面并沒有錯，因為當我們談論機器學習時，你真正得到的算法是從數(shù)據(jù)中學習算法。”

“我們正在接受大量的市場信號和情緒信號，預測未來市場將采取哪些措施，并利用這些信息建立交易策略。”

麥克威廉姆斯解釋說，圍繞機器學習元素的炒作，如深度學習，圖像識別和自然語言處理(NLP)，扭曲了對更好地為交易策略決策建模數(shù)據(jù)的工具的期望，特別是涉及與基金經(jīng)理的對話時。

“作為一個行業(yè)，我們需要考慮的有趣的事情可能是需要改變的態(tài)度是圍繞模型的可解釋性，這在許多領域都是一個大問題，而不僅僅是金融，”他說。

“每當我們提出交易時，傳統(tǒng)基金經(jīng)理都會問我們?yōu)槭裁匆M行交易呢?” 他們通常期望一個非常因果的A到B的解釋，但這往往會打敗這些非常復雜的算法。中間地帶不足以說算法說這樣做，所以我們正在這樣做，但需要在量子人和更傳統(tǒng)的人之間進行更多的對話，以了解那里存在權衡。“

Saeed Amen是貿(mào)易咨詢公司Cuemacro的創(chuàng)始人，也是雷曼兄弟和野村制定的系統(tǒng)交易策略的老手，在采用基于機器學習技術的交易策略時，頌揚了簡約的優(yōu)點。

“當你考慮使用機器學習時，要問的問題是：你想要實現(xiàn)什么，你可以使用邏輯回歸或線性回歸，例如，足以滿足你的任務嗎?”阿門說。“我總是會嘗試使用最簡單的工具。交易策略所涉及的復雜性需要有理由。“