金融投资行业分析-机器学习在投资中的应用.pptxVIP

0FSG金融服务事业群机器学习在投资中的应用2016年6月01机器学习的应用场景互联网索引知识搜索广告证券机器学习 人人机交互智能硬件机器人自动驾驶物理世界传感器3D建模探索发现3D打印高性能计算感知理解决策01机器学习的演进过程是问题驱动、循环上升的 高 计算量需求低推荐系统用户分类医学辅助判断相对复杂的分类问题垃圾邮件识别信用卡审批二分/多分问题语音/人脸/图像识别用户画像/衣食住行高度复杂的决策问题Neural NetworkSVMCNN / RNNDeep LearningNearestNeighborsDecisionTreePerceptionLogistic RegNB ClassifierRandomForestLinear / Non-Linear Regression 1900s 1960s 1980s - 1990s1990s - Now 01机器学习在金融领域的应用已覆盖风控、智能理财和投资风险控制：信贷风险、欺诈风险、运营风险数据维度和量级的提升，使得机器学习能更精准的识别风险智能化理财服务：智能投顾、个性化资产配置建议用户行为数据的不断丰富，使更了解客户需求的智能理财服务成为可能量化投资：自动交易策略、新量化因子的挖掘、多因子模型的改进量化投资领域是机器学习技术一个非常天然的应用场景01量化投资是机器学习的天然应用场景存在隐含模式无法简单表达有足够数据机器学习的先决条件存在系统性影响股价走势的关键因素无法表达或遍历所有的投资模式有多种时间维度多个市场的历史数据证券投资的现实问题02百度互联网证券部应运而生，成为专注于证券业务的科技团队百度首个投资类垂直领域专业团队ToC产品：百度股市通机构产品：大数据、策略合作2015年，百度互联网证券事业部成立，专注于证券业务。同时组建金融工程组和数据挖掘组，深挖百度大数据的投资价值02我们从基础数据、投资因子和量化模型三个方面着手研究量化模型基础数据股票知识图谱策略实验基于机器学习的因子综合和参数调整更智能的组合配权方式及专门针对大数据的评估体系完全使用机器学习模型定义投资问题策略效果回测自动化、流程化、模块化对个股股价有影响的关键信息结构化存储 例如，公司产品、股东、行业上下游等相关信息非结构化+结构化数据 搜索数据（query、流量、点击、session） 全网网页数据/财经新闻 UGC数据（股吧、雪球） 交易所数据 公告及券商研究报告 其它结构化数据/数据库策略多因子选股CTA择时机器学习模型策略输出数据挖掘投资因子生成独有因子，并对传统因子进行增强 独有情绪、关注度因子 独有各类预期因子（重组、并购、分红等） 机器增强的波动、成长、动量、财务因子等02随着非结构化数据增加及可获取难度的提高，机器处理的优势日渐显现特点：容易获取、分析举例：交易数据、财务数据特点：获取成本高、技术门槛高举例：1. 公司公告、调研报告、券商研报：文本挖掘与语义分析技术 2. 社交、热点、新闻、事件：大数据搜集技术、非结构化数据结构化 3. 搜索日志、网络舆情：大数据处理技术、舆情分析技术 消费数据、供应链交互、物联网数据结构化数据非结构化数据多维数据02利用机器学习方法，可将数据加工为独特的投资因子基于个股/行业/板块/热点概念搜索量的关注度因子聚类算法：利用股票相近属性进行热点概念聚类基于财经新闻、券商研报语义分析的舆情因子NLP技术：语义分析，关键信息抽取和正负向情感判断基于机器学习技术提炼的经典量化投资因子Boosting技术：聚合高相似度的同类因子，提升因子贡献02百度大数据因子与传统金融因子相关性非常低　NetProfitYOYNetAssetYOYNetCashFlowOperYOYROEYOYROEDividendRatioTotallogTotalMarketVallogFreeMarketValTLToTAPETTMPEPBCurrentRatioYOYCashFlowOperPerValueF1F2F3F4F5F6F7F8NetProfitYOY　0.38 0.10 0.88 0.45 0.06 0.15 0.10 -0.02 0.04 0.02 0.19 0.07 -0.05 -0.02 0.04 -0.01 -0.02 0.01 -0.02 0.07 0.02 NetAssetYOY　　-0.02 0.20 0.57 0.23 0.31 0.17 -0.05 -0.01 -0.10 0.22 0.28 -0.04 -0.08 0.06 -0.01 -0.06 0.02 -0.04 0.00 0.01 NetCashFlowOperYOY　　　0.11 0.07