已经有很多基于AI的金融交易系统。 这个来自休斯和帕累托是不同的。 有用。
很多男人会告诉一个女人，这是她的心，他们是。 但是在克里斯汀唐顿和军工工业大楼的一些人的情况下，这是真的。 在她的头脑是专家，休斯电子公司的研究人员 - 导弹制造商，赢咖4设计师，间谍卫星先锋 - 想要挖掘。 敌人的秘密？ 武器计划？ 不，金融市场的质量。
1993年，英国投资公司Pareto Partners Ltd.的明星分析师克里斯汀·唐顿（Christine Downton）飞往加利福尼亚州马利布的休斯研究实验室，将她对世界债券市场的知识上传到机器中。这种知识现在坐落在苹果在帕累托的伦敦办事处，寻找资金价值2亿美元。克里斯汀的另一个克隆将很快加入，选择最好的投资市场。帕累托和休斯决定，在世界市场的战争中，机械化部门将会赢。
Downton是Pareto执行官Ron Liesching，Pareto-Hughes团队的其余成员认为，他们的赢咖4交易系统（称为Robotrader）是通过新技术取消金融业的第一个具体步骤之一。基于计算机的AI系统将自动化分析师和经销商的许多工作，并销毁上层财务部门的封闭商店。华尔街肥猫会看到他们的价格暴跌，股市价格在市场崩溃;只有那些拥抱技术的人才能生存。
大量帕累托的反对，跟随AI的市场记录，将嘲笑Robotrader。科学家早就认为市场提供了针对其技术定制的问题 - 复杂的，具有多个变量和大量数据，必须快速处理。金融家梦想的魔术工具，以使他们的财富。结果，大量的金钱和AI工具箱的大部分内容 - 专家系统，基于案例的推理，神经网络和遗传算法 - 已被抛在这个问题。但结果令人失望。基于赢咖4的交易系统开始在一个公开的宣传，像花旗银行的神经网络外汇交易，往往是他们的插头悄悄拉动，当他们没有到新闻稿。
帕雷托的研究主任Liesching知道这些陷阱：他在伦敦的NatWest投资管理公司遭受了一些困扰。他从一开始就知道，这些项目需要时间和金钱 - 在这种情况下，超过一年和超过200万美元。但是，他不是那种被那个人吓倒的人。他对金融市场中技术的可能性的预测非常清楚，令人吃惊，因为他正在嘲笑别人的失败来实现它们。
在20世纪90年代初，Liesching开始寻找技术合作伙伴，帮助Pareto自动管理其管理的170亿美元资金中的至少一些资金。贝尔实验室，数字设备公司和Unisys都发现了想要。他们有聪明，强大的工具，但他们没有满足金融世界的特别严格的要求。 “有高的数据速率，”他说。 “数据中有很多噪音，有错误，它不是所有的数字，你必须可靠地做这项工作;如果你错了，你就走了。
Liesching的分析听起来很讨厌，甚至是地狱。这是军队进入的地方。毕竟，战争也是地狱。 “军队处理肮脏的应用问题，就像你进入金融，”他说。
他不是第一个发现相似性的人。孙子的“战争的艺术”在商业类型之间进行了快速的交易，就像美国海军陆战队的战斗手册一样。事实上，去年，海军陆战队进入纽约商品交易所，将正在训练的军官进入贸易坑。你可以看到与现代指挥所的相似之处：许多信息，但不一定足够，许多决定，和很多骑在这一切。据海军陆战队助理指挥官理查德·赫尔尼将军说，他们想比较两个职业如何处理通常与战场相关的压力类型。
相似之处解释了为什么士兵和金融家都渴望使用AI。他们担心信息超载;他们也担心情绪压力。情绪，在唐顿的看法，是交易者的敌人。 “情绪扭曲人们的理性判断，”她说，“有一个恐惧因素 - 人们倾向于在他们失去钱时犯错误。他们在赚钱时也犯错误，因为他们得到了大头。
还有其他人类的不理性，也是“认知偏见”，正如唐顿所说的。 “市场将固定在一个变量而不是整个范围。个人，她说，“挂在他们收到的最新信息或一些相当扭曲的信息评估 - 人类只有处理限制。
这些限制正变得越来越成为障碍。考虑最近的研究发现，人们在任何一个时刻只能处理大约七个信息块。二十年前，当一个金融分析师通常仅在三个或四个市场上查看几个数据时，这没有关系;现在它。 “如果你想竞争，你可能需要覆盖大约10到15个市场，”唐顿说。 “你可能想看看三个回报来源的10到20个变量，你看到了数万亿个潜在的组合。
任何试图理解汤姆·克兰西小说的人都会知道，现代军队同样复杂，这是军队花在AI上的原因之一。许多关键的大学AI实验室已经开始，并且仍然由五角大楼的国防高级研究计划署，互联网的孵化器资助。例如，在机器视觉中使用的图像处理技术已经用于分析来自卫星相机，雷达和红外传感器的数据。导弹开发人员采用了为实验室赢咖4编写的跟踪和寻路算法。即使是计算部队运输后勤的老年家庭也从解决问题和专家系统方案中受益。
1991年海湾战争最生动地显示了AI的有用性。 “聪明”的炸弹不是那么聪明 - 他们大多只是在激光飞溅。但是，DART（动态分析和重现工具），一个在BBN系统和技术开发的分布式计划程序，是非常聪明的。它被证明是非常宝贵的在整理一个操作的计划恶梦如巨大和蔓延如沙漠风暴。
这是休斯带到桌子的背景。它还带来了一个渴望从一个萎缩的国防市场多样化。与帕累托的适合似乎完美，很快发展成一个真正的伙伴关系。所剩下的只是表明它真的可以做到 - 真正的AI可以掌握交易者的艺术。
作为那个艺术的老师，唐顿将很难更好。她已经研究了20年的市场作为学术和从业者，包括与英国银行，美国联邦储备银行和Liesching的老公司，县NatWest的法术。这种经验加上一定的个人天赋。 Liesching生动地记得他们的第一次会面：在一堆华尔街类型的西装，唐顿用她明亮的红头发，牛仔裤和摩托车切开一个引人注目的身影。
Hughes的男人被指定挤出唐顿的经验是Charles Dolan，他拥有加州大学洛杉矶分校的计算机科学博士学位。多兰喜欢把自己投入到他所谓的“世界级的硬问题”。起初，他不确定财务是否提供;唐顿说服他。该项目确实有更广泛的吸引力。正如多兰指出的那样：“在军方，在投入生产之前需要14年的时间开发新的导弹，到那时你看不到太多的技术，因为它经历了这么多的转型，在金融领域它立即“。您还可以看到您当前的技术，而不是您认为是前20年前的技术。
Dolan对AI的方法是传统符号逻辑和更新的连接主义理论的混合，其中智能行为出现在人工的“神经网络”之外。多兰的观点是，两者是彼此的一部分和包裹 - 在大脑的神经元网络内有结构，这种结构是符号的实施。他试图在计算机上创建这样的“知识空间”，基于已经努力地建立到他愿意的主体的环境中的符号结构。
