金融科技与量化金融的未来

什么是FinTech

几十年来，金融科技是金融与科技的交汇点，一直是改变金融业的强大力量。最近的发展包括在交易和投资管理中越来越多地使用自动化；通信网络的速度和带宽的巨大提高，这使得算法和高频交易成为可能；「以及通过机器学习对大量数据集进行深入分析，以评估投资机会，优化投资组合，并降低风险」。 这些技术进步正在影响基本面投资和定量投资的方向，「并产生了一种混合形式的投资分析，称为“量化”投资」。

金融科技在量化金融方面处于什么位置

从历史上看，在金融市场中，技术很早就被部署来协助数据处理和任务自动化。「随着现代投资组合理论在 1950 年代和 1960 年代出现，机器的使用非常适合那些寻求分析股票、评估有效边界和参与投资组合优化的人」。随着1970年代和1980年代期权定价和量化交易的兴起，计算机成为衍生品市场的基石。在 1990 年代初期，引入了电子交易平台，并在 2000 年代推动了股票、债券和信贷市场的全球扩张。特别是对于量化金融而言，数据量和种类的惊人增长推动了2010年代机器学习的激烈活动，并且这一努力一直持续到今天。

金融科技对金融服务业产生最大的改变

金融科技在量化金融领域的一些关键领域包括：

1. 「风险分析」：与监管机构的协调，以及压力测试和其他授权的合规性。

2. 「算法或“黑盒”交易」：全自动系统交易，可在一系列交易场所提供速度和效率。此外，Quants感兴趣的是，高频交易在极短的时间内在超高速、低延迟网络上执行算法交易。

3. 「市场微观结构」：随着时间的推移，全球金融市场呈现碎片化，从纽约证券交易所和纳斯达克等大型机构交易所发展为包括电子交易所、另类交易系统和暗池在内的多个交易场所。金融科技处于这个矩阵的中心，全球金融市场依赖于它。

4. 「数据科学」：数据的空前增长——从包括资产价格、财务报表和经济指标在内的传统数据集，到从社交媒体网络、卫星图像、信用卡交易和传感器网络等收集的替代数据集。

金融业人工智能的兴起如何在金融科技中发挥重要作用

人工智能及其子领域机器学习 (ML) 在金融领域的使用可以追溯到 1980 年代，机器学习 在当今的数据科学革命中获得了动力。

「尽管 ML 已经存在了几十年，但工具、技术、海量数据集的可用性和处理能力直到最近几年才出现」。一些学派侧重于文本分析，一些侧重于自然语言处理，而另一些则着眼于传感器网络、卫星图像或信用卡数据，以深入了解天气模式、全球贸易或零售趋势等。

例如，文本分析使用机器学习技术从公司文件、季度财报电话会议、新闻、社交媒体帖子和电子邮件中获取见解。自然语言处理 (NLP) 与文本分析相关，包括语音识别、情感分析和主题分析。 NLP 分析可用于识别趋势并辨别可能影响短期业绩的公司、股票或经济事件的某些指标。在大量数据的噪音中寻找信号非常复杂，但机器学习在过去十年中已成为金融领域的中心主题，为市场许多领域的Quants提供机会，从对冲基金到最大的机构投资者。

我们需要注意什么

「尽管人们对机器学习(ML)的强大功能充满热情，但仍有充分的理由保持谨慎」。仍然需要人工判断来评估数据，正确清理数据集，并为给定类型的分析选择正确的技术。此外，如果数据集有限或缺少元素，机器学习模型可能无法很好地执行。机器学习还面临过度拟合或欠拟合数据的风险：

• 「在过拟合中」，人们可能会发现虚假的关系或错误的模式，从而导致有缺陷的预测。
• 「在欠拟合中」，真实参数被视为噪声，模型可能无法在数据中发现有意义的模式，即使它们可能存在。

最后，从投资者关系和监管的角度来看，机器学习技术似乎是不透明或“黑匣子”的方法，产生的结果不容易理解或解释。随着机器学习技术越来越多地应用于许多金融市场，这些是进一步研究和开发的重要主题。

金融科技的未来

在CQF研究所最近的一项民意调查中，「绝大多数受访者（61%）认为金融科技最重要的未来趋势将是量子计算」。包括摩根大通（JP Morgan）和高盛（Goldman Sachs）在内的投资银行正在开展计划，预测量子计算可能在五年左右的时间内在金融领域具有实际应用。时间会证明一切，「但具有强大物理学和计算机科学背景的量化人员的机会将继续增长」。

在更普遍的金融科技方面，在CQF研究所的同一项民意调查中，人们对金融科技未来是否会取代银行的问题反应不一；39%的人说是，34%的人说可能，26%的人坚持认为他们不会取代银行。「从实际的角度来看，尽管自动化、网上银行和远程银行 （ATM） 已经取得进展，但人们可能仍然需要实体银行。」

金融科技未来需要量化技能

无论金融行业的最终方向是什么，「量化金融各个方面的扎实教育，包括金融数学、编程和数据科学，对于职业发展都是必不可少的」。CQF研究所进行的民意调查显示，受访者在金融科技工作所需的基本技能方面最看重计算机科学组件，73%的人赞成数据科学和机器学习，23%的人喜欢编程语言。

---

最后欢迎大家点赞、收藏、评论，转发！

欢迎大家关注我的微信公众号！随机分享无用的计算机知识，

微信搜索：进击的Matrix