开题报告人工智能操作在证券类产品中的应用.docx

1、开题报告人工智能操作在证券类产品中的应用人工智能操作在证券类产品中的应用学位论文选题和文献综述报告一、拟定论文题目（25字以内）人工智能操作在证券类产品中的应用二、选题的背景/来源/目的随着证券市场的不断发展，越来越多的投资机构开始运用基于大数据的人工智能技术来从事证券投资分析研究与交易。金融市场大数据获取的便利性也使得这一技术迅速渗透到证券投资的各个领域。人工智能技术在证券投资领域的应用正成为下一个互联网金融的热点。由此而产生的全新的投资策略 、交易模式将会给监管层带来诸多挑战。人工智能(AI，Articial Intelligence)定义为从环境中接收感知信息并执行行动的智能代理(IA，

2、Intellgent Agent)。从外部看，每个这样的智能代理都实现了一个把感知序列映射到行动的函数集，这些函数集从外部反映了智能代理的特性。从内部看，智能代理函数集是通过运行在自身结构上的智能代理程序实现的。目前很多投资机构开始运用基于大数据的智能代理进行证券投资。虽然智能代理也是由程序实现的，但它构建了学习机制以及建立在其上的知识库，因此，具备了一定的学习、推理以及进行决策的能力。资本市场本身的特性，使得证券投资智能代理面临非常复杂的任务环境，其特征表现为部分可观察、随机的、延续式的、动态的、连续的和多代理人的。交易所高频行情数据以大概每分钟6MB的速度更新，数据的增长速度是惊人的。计算

3、1天的所有状态估计的计算量超过10的100次方(目前可观测到的全部宇宙的原子的数目小于10的80次方)。因此，设计一个能够应对全部任务环境的智能代理几乎是不可能的。目前通常的做法是给定一个具体的任务环境，然后设计开发智能代理。由于早期的计算能力和数据有限，设计开发者的视野和认知受限，设计开发出来的证券投资智能代理大部分是简单复制某些已知的投资策略。只是由于计算机处理的效率和没有人为因素影响，使得其能够获得比人操作更好的表现。目前很多高频交易、量化交易都属于此类形式。此类智能代理没有“贡献”新的认知。随着近几年大数据技术的广泛应用，智能代理的任务环境扩展到了更宽、更深的领域。机器学习技术的大规模

4、应用，使得智能代理具备了超越其设计开发者的认知和视野的能力：智能代理可以“贡献”新的认知。证券投资领域因此将会产生革命性的变革。三、选题的价值和意义传统的投资策略生产模式将被颠覆，大部分分析师的工作都可以被智能代理取代，而且可能做得更好。其次，投资策略的生产从“确定的模型”向“随机的效用”转变。“确定的模型”是确定的事件发生时，通过模型计算，求解最优的配置资产的方案。“随机的效用”是依据效用函数对发生的随机事件进行反应，求解最优效用资产配置方案。机器学习的强大挖掘能力，结合大数据，将会产生更多以往无法通过经验和理论推导出来的新认知，成为新的投资策略持续生产的源泉。而且由于速度的提高，使得投资策

5、略的生产时间从以往的短则几天、长则几个月，缩短到可以以秒、分钟来衡量。完全个性化的、实时的投资策略生产成为可能，每个投资者都可以按照其需求定制个性化的投资策略。投资策略本身而不是某个证券，成为可以买卖的“产品”。这里的投资策略指的是满足某些特定指标，具备完整操作逻辑的智能代理程序。智能代理能够以更快的速度、更高的精度和更敏捷的反应执行交易。“手工下单”的时代将逐渐成为历史。一个智能代理交易程序能够轻易地同时跟踪几百只不同的证券，同时还能通过实时观察申报单的态势、高频交易数据，拟订最优交易指令，并准确无误地执行。跨市场、跨品种的交易将能够很轻松地实现，以往“人眼盯盘、手工下单、人工查询”的交易模

6、式将被彻底改变。投资人可以委托自己专属的“交易机器人”帮助自己完成所有这些事项，他需做的事情就是给此“交易机器人”装载某个投资策略。随着证券投资人工智能代理设计开发的普遍性、复杂性的提高，将衍生出新的业态。比如，专门用不同测度方法对信息进行量化，并发布给特定智能代理程序的信号服务提供商；专门进行投资策略设计开发的工作室、供应商；为投资人提供智能交易代理服务的交易服务商；提供大数据服务的专业和通用的数据服务商等。随着人工智能技术不断深入各个领域，以往看似毫不相干的领域(比如“微博 ”、贴吧与股票相关性、某只股票的股民的大数据等等)也会被重新考量，证券投资的生态圈将在广度和深度上扩展。证券投资行业

7、将涌现出大量基于“要素”的新型业态，提供更细分、更多维度和层次的服务。 基于大数据的人工智能的应用可以显著提高资本市场的深度和宽度。基于“效用”决策的智能代理，会不断在整个“交易机会空间”中以人工操作无法想像的速度、效率和海量计算积极地搜索和学习，捕捉任何可能的交易机会。由于各自的独立性以及路径的差异，反过来会极大地拓展资本市场的多层次特性。四、文献综述（一）文献检索主要路径： 中国知网、万方数据、维普数据、校图书馆。 文献检索途径包括以下几种：一、著者途径；二、题名包括书名、刊名、篇名等途径。；三、分类途径；四、主题途径；五、引文途径；六、序号途径；七、代码途径；八、专门项目途径。（二）国内

8、外研究现状： 随着近几年大数据技术的广泛应用，智能代理的任务环境扩展到了更宽、更深的领域。机器学习技术的大规模应用，使得智能代理具备了超越其设计开发者的认知和视野的能力:智能代理可以“贡献”新的认知。证券投资领域因此将会产生革命性的变革。 首先是投资策略生产的变革。传统的投资策略生产模式将被颠覆，大部分分析师的工作都可以被智能代理取代，而且可能做得更好。其次，投资策略的生产从“确定的模型”向“随机的效用”转变。“确定的模型”是确定的事件发生时，通过模型计算，求解最优的配置资产的方案。“随机的效用”是依据效用函数对发生的随机事件进行反应，求解最优效用资产配置方案。机器学习的强大挖掘能力，结合大数

9、据，将会产生更多以往无法通过经验和理论推导出来的新认知，成为新的投资策略持续生产的源泉。这里的投资策略指的是满足某些特定指标，具备完整操作逻辑的智能代理程序。 其次是交易的变革。智能代理能够以更快的速度、更高的精度和更敏捷的反应执行交易。“手工下单”的时代将逐渐成为历史。一个智能代理交易程序能够轻易地同时跟踪儿白只不同的证券，同时还能通过实时观察申报单的态势、高频交易数据，拟订最优交易指令，并准确无误地执行。跨市场、跨品种的交易将能够很轻松地实现，以往“人眼盯盘、手工下单、人工查询”的交易模式将被彻底改变。投资人可以委托白己专属的“交易机器人”帮助白己完成所有这些事项，他需做的事情就是给此“交

10、易机器人”装载某个投资策略。 最后是行业结构的变革。随着证券投资人工智能代理设计开发的普遍性、复杂性的提高，将衍生出新的业态。比如，专门用不同测度方法对信息进行量化，并发布给特定智能代理程序的信号服务提供商;专门进行投资策略设计开发的工作室、供应商;为投资人提供智能交易代理服务的交易服务商;提供大数据服务的专业和通用的数据服务商等。随着人工智能技术不断深入各个领域，以往看似毫不相干的领域(比如“微博”、贴吧与股票相关性、某只股票的股民的大数据等等)也会被重新考量，证券投资的生态圈将在广度和深度上扩展。证券投资行业将涌现出大量基于“要素”的新型业态，提供更细分、更多维度和层次的服务。 资本市场的

11、维度以及时问尺度构成了一个非常浩瀚的“交易机会空问”，那些认为当所有投资人都采用某种人工智能代理进行交易，可能会导致“同质性”的担忧是没有依据的。如果把一个交易机会比作“一条鱼”，“交易机会空问”比作太平洋里的所有鱼，智能代理比作捕鱼者，那么的确会在某个时问段，出于“效用”原则，所有的捕鱼者都聚集到某个区域捕鱼。这样的现象发生的根本原因不是“交易机会空问”的问题，而是捕鱼者内生的因素。真正的挑战不在于能否捕到鱼，而是可否在给定的时问和地点捕捉到鱼。 基于大数据的人工智能的应用可以显著提高证券资本市场的深度和宽度。基于“效用”决策的智能代理，会不断在整个“交易机会空问”中以人工操作无法想像的速度

12、、效率和海量计算积极地搜索和学习，捕捉任何可能的交易机会。由于各白的独立性以及路径的差异，反过来会极大地拓展资本市场的多层次特性。（三）对相关文献的详述与分析： 刘兴华1(2004)致力于建立更合理的智能体整体市场模型。复杂适应性系统思想下的基于智能体的计算模型是一种研究证券市场的新方法，其代表便是圣塔菲研究所的人工市场模型。本文从市场动力学的角度认为圣塔菲的模型有许多并不完善的地方，如智能体智能不够高、学习的速度不够快、价格的决定机制依然采用预期均衡机制、仿真结果不够理想等。本文以扩展的少数派博弈模型为核心，建立一种新的基于智能体的计算模型，本文的模型有更接近实际的结构和机制，特别是可以分析

13、趋势交易者的形成和影响，模型仿真认为趋势交易者是因为归纳推理及适应而自然产生的，这有别于行为金融学的固定非理性假设;智能体同时拥有价值策略和趋势策略会更“聪明”，可以比纯价值策略的智能更多获利;在对称信息下，趋势交易的存在不会扩大波动，反而可以有减少波动的作用。 刘兴华,杨建梅2(2007)采用仿真分析的方法, 利用建立的证券市场人工模型为平台, 研究分析了预期多样性和归纳推理在证券市场机制中的关键作用. 证券市场作为一种典型的复杂适应系统 ,其内部因素众多, 相互作用复杂 . 如何把一些关键因素和整体涌现出的所谓格式化特征相联系是很重要的工作 . Arthur 曾经暗示多样性和归纳推理是证券

14、市场投资者的本质特点, 他们的研究也印证了Arthur 的思想，而仿真研究发现, 智能体策略的多样性是系统稳定的基础; 在对称信息下，趋势交易作为一种可选交易风格不会导致系统波动增大, 反而可以进一步提供多样性 ,稳定系统 ; 归纳推理是产生收益率分布尖峰肥尾现象的关键因素之一。 郭旭冲3(2011)致力于股票市场投资者情绪传播扩散的微观机理研究，为我国证券市场监督管理者及相关管理部门定量探索股市投资者情绪传播机理及其对股价的影响提供有益的理论及模型借鉴。本文相关研究结论及建议，可辅助证券市场相关管理部门制定出科学监管决策，以促进股票市场健康稳定运行;同时，也有助于引导广大投资者作出更为理性的

15、投资决策。他通过仿真实验，主要结论有:1)相对于规则网络，小世界网络下的股市情绪传播模型更能够反映真实的股市运行状况。在同等条件下，规则网络模型的股票收益率尖峰肥尾特征不明显，小世界网络模型则能够明显呈现。而在基于调研数据的现实网络下的传播模型中收益率的尖峰肥尾特征更加明显;2)不同类型投资者之间的相互影响力不同，机构大户的信息操纵会影响股市的稳定;3)市场信息对投资者的影响越大，也即投资者受外部消息的影响越大，股市越不稳定。 李巍4(2012)以上证指数作为我国股票市场的代表，利用宏观经济指标，使用人工智能方法对上证指数的走势做出预测。上证指数样本主要选取2005年股权分置改革以后的数据。宏

16、观经济变量主要选取2005年以后的月度数据。在人工智能方法中本文主要使用神经网络和支持向量机两种方法。在神经网络方法中，BP神经网络由于具有良好的拟合能力和容错能力成为使用最为广泛的神经网络模型之一，但是BP神经网络模型又有自己的局限性，本文在前人提出的改进BP神经网络的基础之上提出了使用贝叶斯正则算法和提前停止算法相结合的方法来改进标准的BP神经网络。在提出改进的BP神经网络模型之后，本文分别使用改进的BP神经网络和支持向量机方法对上证指数做出预测，并比较两种方法的预测结果。 王释5(2012)提出了使用模拟退火遗传算法对改进后的BP神经网络进行优化的方案，模拟退火遗传算法将最优保存模拟退火

17、算法和遗传算法有机的结合在一起，充分发挥这两种算法在局部搜索和全局搜索能力强的特性，解决了模拟退火算法易陷入局部极小值的问题，又弥补了遗传算法在局部搜索方面的不足。其次将新型的BP神经网络用于预测分析证券未来的价格与趋势变化，我们以上证指数为例，采用不同的神经网络预测分析其价格的变化，结果表明优化后的新型神经网络在稳定性、收敛速度及预测精度方面都有了很大的提高。最后以上述研究提出的新型BP神经网络为基础，实现了一个用于对未来证券的价格或趋势变化进行预测分析的系统，考虑到影响证券市场的因素较多，还增加了对神经网络输入数据的调整，可以增加数据的完整性，同时降低数据的噪声干扰。证券市场环境的变化无常

18、，有着很强的随机性，为了提高系统的灵活性，系统中添加了参数调整功能，可以通过对参数的调整来改变网络的性能以适应市场变化。 肖元6(2013)认为人工智能中的CBR推理技术同人类推理十分相似，所以他提出一种基于技术分析和CBR的证券时间序列预测模型。该模型中关键技术是案例推理(case based reasoning, CBR)，主要包含案例检索、案例重用、案例修正和案例保存四个过程。本文首先结合给定个股的证券时间序列的技术形态特征，利用基于最大最小点实现了典型技术形态的模式识别，及识别形态模式的起止时间、成交量、MA. OBV, RSI等指标属性值的信息，以连续3个形态模式作为一个完整的案例，

19、构建案例库并表示案例。然后，利用案例检索的相似匹配算法一NN算法，检索出与目标案例相似的己经存在于案例库中的源案例，进行相似度与入库闽值的比较，最终实现对证券时间序列未来走势的预测，并验证了该模型在理论和实际应用中的准确性及有效性。 张家林7(2014)论述了基于大数据的人工智能的应用可以显著提高资本市场的深度和宽度。基于“效用”决策的智能代理，会不断在整个“交易机会空问”中以人工操作无法想像的速度、效率和海量计算积极地搜索和学习，捕捉任何可能的交易机会。由于各白的独立性以及路径的差异，反过来会极大地拓展资本市场的多层次特性。虽然智能代理的交易逻辑可以设定合规审核的内控程序，但对于其行为监管的

20、边界以及如果追溯该智能代理行为的责任主体，目前的监管框架还没有涉及。“实质大于形式”的监管原则运用于对智能代理的监管，可能引起混淆。鉴于此，作者建议建立注册备案和源代码公证制度，包括：建立证券投资智能代理注册备案制度，建立证券投资智能代理源代码公证制度，以及构建适应普惠金融服务的监管框架。从而推动基于大数据的证券投资智能代理主要以普惠金融服务的视角进行引导和大力支持，使更广大的散户投资人可以享受技术进步带来的红利，获得更好的服务。因此，需要营造良好的创新政策环境和包容性的监管文化。 张家林8(2014)调研发现，证券公司还主要依靠传统收取交易佣金的方式，业务相对单一，缺乏对客户的针对性、个性化

21、的服务。目前通道服务的经营模式已难以为继，证券公司的盈利将由通道服务产生的佣金收人为主逐步转向“佣金收人+交易型业务收人”为主。摆脱传统依靠收取交易佣金的方式，实现业务多样化，是证券公司寻求业务转型发展的必然选择。鉴于大数据在国内各领域的广泛应用和快速发展，他建议证券公司应把握机遇、积极推动该领域的发展与创新，具体措施包括：第一，大数据落地，架构优先；第二，消除隐患，确保公司和客户信息安全；第三，培养和引进大数据人才；第四，建立大数据分析团队。作者还建议证券公司尽快建立大数据团队，整合各部门的资源进行大数据研究。大数据团队的建设将对证券公司发展起重要的推动作用。 何裕9(2014)通过数据挖掘

22、技术，来研究上市公司财务比率指标的动态变化和股票价格变化趋势的内在联系，期望挖掘出则一务数据中有用的信矛息，从而对股票的投资决策做出更好的判断。数据挖掘通过结合统计学、机器学习和人工智能等技术对于处理海量数据和高频数据往往能够达到不错的效果。另外数据挖掘还能够对不断获得的新数据进行模型的动态更新，非常适合应用于新环境。数据挖掘是当今国际上统计学、人工智能和数据库研究方面最富活力的新兴领域，从大型数据库中挖掘有效信息的问题已经成为近年来数据分析研究领域中的一个新热点。在上市公司公布的财务数据以及股票行情数据库中积累了大量的历史数据，如何充分利用这些历史数据，为投资者提供决策依据，把数据挖掘方法运

23、用于股市投资研究和探索变得很有意义。他们基于国内外相关方面研究成果，介绍了数据挖掘的相关理论，并且引入数据挖掘的相关方法对上市公司两年间的财务比率指标的变化量和股票价格变化之间的关系进行了研究分析，最后运用组合模型对数据挖掘的几种方法进行组合和优化。 吴俊、陈亮、高勇10(2016)针对性研究了全球金融界正在人工智能的催化下悄然改变，尤其是基于大数据技术的人工智能给投资顾问领域带来全新的视角。但我国人工智能在金融投资顾问方面的运用尚处于初始阶段，业务发展模式尚须引导，监管规则有待完善。他们重点调研了国内外人工智能在金融投资顾问领域的应用，并提出相关政策建议。其中对策包括：第一，及时完善相关制度

24、，包括及时出台应对人工智能环境下金融运行及创新的相关法规、制度和建立智能代理的投资和使用的注册备案制度；第二，加强风险控制；第三，加大技术、业务及人员储备，积极应对智能化冲击；第四，加强金融知识普及。加大金融知识及规则的宣传、相关业务讲解，推广人工智能技术在金融领域的应用，使广大投资者享受技术进步带来的红利。五、拟采取的研究方法和规划成果研究方法：1.文献研究法：搜集整理与人工智能和证券陈品的相关专业书籍、期刊和网络各种文献。2.案例分析法：在分析人工智能在证券类产品的同时，引入不同企业的案例进行研究。3.探索性研究法：在已有的理论基础上进行研究得出自己的观点。六、主要参考文献1 刘兴华.证券

25、市场动力机制及智能体建模分析D.东华大学博士学位论文,2004 2 刘兴华,杨建梅.基于大数据的人工智能：证券投资领域的下一个变革J.系统工程理论与实践2007(06) 3 郭旭冲.基于复杂网络的多智能体股市情绪传播模型D.广东工业大学硕士学位论文,20114 李巍.基于宏观经济指标和人工智能方法的上证综合指数预测D.西南财经大学硕士学位论文,2012 5 王释.基于BP神经网络的证券智能分析系统研究与实现D.国防科技大学硕士学位论文,2012 6 肖元.基于技术分析和CBR的证券时间序列预测模型D.昆明理工大学硕士学位论文,2013 7 张家林.基于大数据的人工智能:证券投资领域的下一个变革J.21世纪经济报道,2014(09)8 张家林.解读大数据及其在证券公司的应用C.创新与发展：中国证券业2014年发展报告,2014(09) 9 何裕.基于数据挖掘组合模型的股价预测研究D.西南财经大学,2014 10 吴俊，陈亮，高勇.国外人工智能在金融投资顾问领域的应用及对我国启示J.21世纪经济报道,2016(06)