外汇经纪人金小雅告诉你机器学习正颠覆金融市场

从苹果的Siri、语言识别输入法，到支付宝的刷脸认证、近几年来这些基于机器学习的人工智能技术开始渗透到日常生活中。与大部分人所想的正相反，机器学习其实已经存在几十年了。只是因为当初的计算能力无法满足它对大量计算的需求，而停留在理论阶段。近年来，由于计算机硬件带来的算力优势，机器学习正快速复苏。

机器学习是人工智能的主要组成部分，而这一切均建立在统计学的基础之上，在传统的金融产品交易中，所有的决策均来源于统计学，比如MACD、KDJ，RSI等一系列经典指标，其原理只是统计历史数据为未来的决策作出辅助推理依据，而一切推理一定要以“历史上发生过的事情必然发生”作为前提，一旦这个前提不存在，那么一切基于统计模型的系统将完全崩溃。面对诸如今年原油价格出现负数等从未发生过的事件，统计学模型则一败涂地，血本无归。

简而言之，统计模型可以做出预测，但预测效果比较差强人意。机器学习虽然建立在统计学的基础上，但是两者的本质区别是目的性的不同。统计模型是为推理而设计，而机器学习是关于准确的预测。比如，你打开手机，问苹果的Siri“今天的天气”，它甚至从未听过你的声音，也可以准确理解你的意思表达，而不需要你一直和Siri说话，直到它“统计”出你的声音和意思。这就是机器学习和机器统计的本质性区别。即机器学习旨在使最准确的预测成为可能。统计模型是为推断变量之间的关系而设计的。

在金融交易中目前常用的Expert Advisor（简称EA），俗称智能交易系统，绝大部分是基于统计模型的各种技术指标，达到一定条件的时候自动执行交易，其先天缺陷就是基于统计数据，一旦行情有别与历史则必然导致判断失误，所以在迅速变化的金融市场，不会有一个交易策略能够稳定持续的获利。然而EA系统不受投资者情绪影响而导致极端交易的特性却符合严谨交易的原则，只需要将决策机制从传统的统计模型变更为机器学习的预测逻辑即可实现提高金融交易胜率的效果。

DEME则是将深度机器学习结合到金融交易的一组人工智能算法，DEME的前身是一套商业银行的风险控制计量模型，例如它可以实时监控信用卡持卡人的消费习惯，作出风控判断。如果一张信用卡大部分消费为商超消费，偶发的奢侈品消费时，将综合时间和地点等等因子，则可能触发风险控制。2018年5月，得益于神经网络算法的成熟，DEME开始进入以外汇远期套保为起点的金融风险对冲领域，同时建立了DEME Banking Center（DemeBC）对其进行维护和拓展开发。

DEME大部分时候用于估计无法观测的数据，其核心是最大期望算法（Expectation-maximization algorithm，简称EM），学术上，这是一个在已知部分相关变量的情况下，估计未知变量的迭代技术。而在实际交易中，这样的预估技术可以应用的范围很多，交易的本质就是对未来价格的预期，例如DEME可以容易的实现获取多种交叉货币对汇率的情况下，预测多种对冲套利方案的最优成功率等等。

DEME应用于Forex对冲交易的内测将于近日开始，在保障初始资本80％（即最大回撤20％）的前提下，开放少量测试名额，详细见内测规则。人工智能不仅在默默改变生活，也将逐步颠覆传统金融市场。

想了解更多外汇知识，加VX