深度学习和长期投资

财富通云 2018-06-06 05:25
第一部分:深度学习和长期投资
75年前，安全分析之父本杰明•格雷厄姆(Benjamin Graham)写道，从短期来看，市场就像一台投票机，但从长期来看，它更像是一台称量机。格雷厄姆的观点是，恐惧、贪婪和其他情绪(投票机)可以驱动短期市场波动，进而导致公司股票的价格和真实价值之间的脱节。然而，在很长一段时间内，称重机开始发挥作用，因为一家公司的基本面因素最终导致其股票的价值和市场价格趋于一致。
传统上，投资者通过研究公司的损益表、资产负债表和其他有关公司运营的公开信息进行长期基本面分析。然后，他们在公司的市场价值的背景下利用这些信息，对公司的长期投资前景做出明智的决定。
这一过程的自动化，系统的价值投资，已经成为可能，随着高质量数据的出现，公司的基本原理和不断增加的计算能力可供研究人员使用。自动化方法的吸引力在于，严格的统计技术可以应用于对数千个机会的评估，一个系统化的过程可以保护投资者不受有记录的行为偏差的影响，而这些偏差往往会影响投资业绩。
在最近的一封投资者信中，我们描述了为什么深度学习，尤其是周期性神经网络，可能非常适合于长期系统价值投资的应用。
背景
最近深度学习和周期性神经网络的应用使得计算机在许多领域的性能都优于人类。然而，在将这些技术应用于投资管理方面几乎没有什么工作。尽管如此，当应用于长期投资时，深度学习可能比传统的统计方法或非深度机器学习方法取得更好的结果，有几个原因。这些原因包括:
机器学习方法的结构通常是这样的:目标是从固定数量的输入中预测一些东西。然而，在投资领域中，输入数据通常是以序列形式出现的(例如，一家公司的运营结果是如何随时间变化的)，而投资结果的分布取决于这些序列的演化。近年来已取得许多成功的递归神经网络，正是为这种排序数据而设计的。
在定量投资领域，大量的工作被投入到“因素工程”中——确定一个公司的哪些特征对预测其未来股价最有价值的过程。深度学习提供了一个潜在的机会，让算法发现基于原始财务数