文件名称：未来资本市场中的算法-研究论文
文件大小：1.09MB
文件格式：PDF
更新时间：2024-06-08 14:36:53
Finance Artificial Intelligence Machine Learning
本文回顾了未来资本市场中的人工智能（AI），机器学习（ML）和相关算法。 新的AI算法不断涌现，每种“应变”都模仿人类学习，推理，知识和决策的新形式。 当前影响学习的主要形式包括深度学习，对抗性学习，迁移和元学习。 尽管这些学习模式已经在AI / ML领域中使用了十多年，但是由于数据的可用性，计算能力和基础架构的原因，它们现在更加适用。 这些学习形式已经产生了新的模型（例如，长期短期记忆，生成对抗网络）并利用了重要的应用程序（例如，自然语言处理，对抗示例，假冒产品等）。 这些新模型和应用程序将推动未来资本市场的变化，因此了解它们的计算优势和劣势非常重要。 由于ML算法能够有效地自我编程并动态地发展，因此金融机构和监管机构越来越关注确保保持少量的人为控制，重点是算法的可解释性/可解释性，稳健性和合法性。 例如，令人担忧的是，将来，跨不同机构的交易算法生态系统可能会“合谋”并无意间变得欺诈（请参阅LIBOR），或者通过受到破坏的数据集（例如Microsoft Tay）进行颠覆。 可能会出现新的独特形式的系统性风险，可能是由于算法过于复杂所致。 本文的作用是回顾AI，ML和相关算法，它们的计算优势和劣势，并讨论它们对资本市场的未来影响。