人工智能与数据挖掘技术在金融市场中的应用

作者:王娟;姚雪筠 刊名:电子商务 上传者:许冠竑

【摘要】运用人工智能技术是为了寻找能够适应环境变化的机制;例如能够排除不合理解决方案的机制;如今;人工智能技术在医学;游戏;运输和重工业等领域已有了广泛应用;本文主要研究的是一个跨学科问题--人工智能与金融的融合;通过简要介绍数据挖掘技术;专家系统和基于主体的计算智能;并指定用这些技术来解决金融方面的问题;以便更深入地了解智能系统在金融市场上的潜在用途;

全文阅读

76 摘要:运用人工智能技术是为了寻找能够适应环境变化的 机制,例如能够排除不合理解决方案的机制。如今,人工智能 技术在医学,游戏,运输和重工业等领域已有了广泛应用。本 文主要研究的是一个跨学科问题——人工智能与金融的融合。 通过简要介绍数据挖掘技术,专家系统和基于主体的计算智 能,并指定用这些技术来解决金融方面的问题,以便更深入地 了解智能系统在金融市场上的潜在用途。 关键词:人工智能,数据挖掘,金融市场,应用 引言 当前的经济形势下需要一个能够在不断变化的市场环境中 迅速、准确做出决策的处理体系,所以经济主体在决策过程中 使用信息技术的趋势越来越明显。近来,传统的统计方法逐渐 被机器学习方法所代替。应用机器学习的潜在优势不仅在于其 迅速可靠的处理能力,还在于其发现大量数据中隐藏信息的能 力。利用人工智能辅助决策可以消除部分决策者的有限理性, 以便决策者利用更相关的数据和信息做出更好的决策。 人工智能能够处理分类,预测和优化等属于智能决策过程 且不能被简单形式化的问题,这些都是经济学中的典型问题。 本文的主要目的是指出可用于金融领域的人工智能技术,并提 供该领域的研究概述。 1、数据挖掘和人工智能 数据挖掘是指从大型数据库中提取有效的,未知的,可理 解和可操作的信息并据此做出关键业务决策的过程。它被认为 是数据库中知识发现(KDD)的关键过程。主要包括的技术有 聚类分析,时间序列挖掘和关联规则挖掘。数据挖掘技术主要 基于统计和机器学习,其模式可以从不同类型的数据中推断出 来。其中机器学习,属于人工智能领域。 人工智能(人工智能)系统旨在适应和学习。人工智能的 第一个定义是基于图灵测试。艾伦·图灵对机器展示智能的能 力进行了测试。测试过程如下:一个人类法官与一个人和一个 机器进行对话,他们都要努力证明自己是人。法官的目标是仅 凭对话区分出人和机器(没有视觉或其他帮助)。当法官无法 区分人和机器时,机器则被认为是智能的。 人工智能方法可以分为两种主要方法——符号(传统)人 工智能和亚符号人工智能(计算智能)。传统人工智能使用逻 辑和规则来做出决策,例如专家系统和贝叶斯网络,这是一种 自上而下的方法。计算智能(软计算)是从生物机制中获取灵 感,并采用自下而上的方法。经济应用中使用该技术的例子有 神经网络,遗传算法,模糊系统等。 2、数据挖掘在金融市场中的应用 最近的研究涉及基于数据挖掘技术的定量交易工具的设 计。数据挖掘有助于查找资产之间的关系,并根据广泛的数据 创建预测模型。利用历史数据、短期汇率、利率和股票价格可 以进行预测。数据挖掘在股票市场得到了广泛的运用。Tung (2003)等人对十个证券交易所指数采用了一种简单的支持与 信任交易策略并发现关联规则在股票预测中作为分类任务的一 种形式是适用的。 文 本 挖 掘 也 是 解 决 股 票 价 格 预 测 问 题 的 有 用 工 具 。 Schumaker和Chen(2009)将统计机器学习方法应用于财经 新闻。使用技术的主要目标是了解雅虎财经中的哪些条款将对 标准普尔500指数中所列公司的股价产生影响,它们将产生多大 的影响,然后估算在未来二十分钟的股票价格。为了测试拟议 系统的有效性,他们随意选择了一组专家和基金进行比较。他 们的模拟交易收益率为8.50%,优于标准普尔500指数,著名的 交易专家和2005年四大量化共同基金。 数据挖掘工具拥有很强的交互性,易于理解,且投资成本 低,还能够识别出需要进一步检查的重大异常。它在金融市场 上的巨大潜力得到了证明,但使用数据挖掘工具需要注意数据 的

参考文献

引证文献

问答

我要提问