曾經擔任交易員，現在身為倫敦大學學院（UCL）學者和創業者的特里斯坦·弗萊徹（Tristan Fletcher）博士想要了解機器學習技術的局限所在，所以他決定將復雜的人工智能技術應用於（在表面上）混亂不堪的高端葡萄酒定價領域，並比較這些新技術和用於傳統資產類別的交易技術之間的優劣。
“葡萄酒的價格可以說是變幻莫測。比如你今天在倫敦的拍賣行買到了一瓶葡萄酒，但是在幾天之後，同一瓶酒可能在香港以一個差距很大的價格成交。”弗萊徹說道，“所以我認識到了這是一個信息非常不對稱的市場，也許我可以從這種信息不對稱中獲益。”
葡萄酒的交易成本是很高的，因為它的交易量不大，所以交易員需要承受較高的單位價格。葡萄酒市場不像是股票那樣的高頻交易市場，葡萄酒愛好者通常會入手兩箱佳釀，（緩慢地）喝掉其中一箱，然後等待一段時間之後將另一箱轉手賣出去，相當於賺回之前喝掉的一箱酒。這是為了品酒而進行的交易，而不是為了賺取利潤。
因此即使弗萊徹的機器學習方法確實能夠預測高端紅酒的價格，而且準確度要比傳統交易方式更高，但是這項研究的意義更多只是一項測試機器學習技術局限的學術實踐，而不是一項可以得到廣泛商業應用的技術，因為這個過程涉及的操作實在過於復雜。
不過弗萊徹也經營著一家叫做Invinio的葡萄酒量化資產管理創業公司，這家公司之前參與了UCL的機器學習研究，它打算繼續與這所大學合作完善機器學習的算法——可能會將部分研究成果用於改進它向葡萄酒投資者提供的工具。所以這項研究也可以直接應用於商業當中。
弗萊徹認為類似的機器學習技術也有可能應用於其他小眾資產類別的交易，比如古董車、烈酒、絕版書籍，甚至是藝術品。但是除了烈酒以外，其他資產的交易市場都與高端葡萄酒非常不一樣，所以它們之間可能不會有一致的結果。
《葡萄酒經濟雜誌》（Journal of Wine Economics）在今天發表了一份詳盡的高端葡萄酒研究。這份研究的聯合作者是弗萊徹和約翰·肖-泰勒（John Shawe-Taylor）教授，後者是UCL 計算統計學與機器學習中心的副主管兼UCL 計算機科學系主任。它的第一作者是UCL 的一位碩士研究生米歇爾·楊（Michelle Yeo）。
“我從幾年前開始收集葡萄酒的價格數據。”擁有人工智能研究背景的弗萊徹解釋了這個項目的起源，“我曾經在一家對沖基金擔任算法交易員，我當時不允許進行普通資產的交易，但我還是想操作一些可以在交易所進行的交易，因為這是我的專業領域，而葡萄酒是金融行為監管局允許未經登記就可以交易的商品。”
接下來，他開始思考如何處理自己收集得到的葡萄酒價格數據，他開始在UCL 招募有興趣跟他合作的研究生，一起將人工智能技術應用於這些數據上——楊就是在這個時候加入的。這項研究的核心目標是“我們可以嘗試預測葡萄酒價格變動的方式嗎？”
這個團隊開始從Liv-ex 100葡萄酒指數中收集100種最受歡迎的高端葡萄酒的數據。他們對這個數據組測試了兩種形式的機器學習——“高斯過程回歸”（Gaussian process regression）和復雜度更高的“多任務特性學習”（multi-task feature learning），後者的用途是從多個來源提取相關度最高的信息。
這個團隊從數據中發現這些葡萄酒可以粗略地分為兩種類型——其中有大概一半的葡萄酒的單日價格呈現出了明顯的負自相關性，也就是說如果它們在某日的價格出現上升，那麼它們在次日的價格就會出現下降。另外一種類型的葡萄酒則沒有呈現出該特點。
弗萊徹表示，對於具有負自相關性的葡萄酒，他們團隊可以通過高斯方法預測出它的次日價格變動方向，而且這種方法的準確度要“遠遠高於”更為標準化的交易指標。根據弗萊徹的說法，這種技術不太適合用於另一種葡萄酒的價格預測，但是它也比傳統的交易技術有更高的準確度。
楊還將更為複雜的多任務學習技術應用於這些數據當中，希望預測出紅酒的次日價格，而不僅僅是價格變動的方向。
“這種多任務學習能夠從一段時間之內的價格變動（一份含有海量成交價格的清單）中找出有用的信息；然後通過進一步的信息提取來預測出葡萄酒的次日價格。結果證明這種技術非常適合用於呈現負自相關的葡萄酒類型。”弗萊徹說道。
“我們同時採用了這兩種機器學習技術，高斯過程已經存在了5 到10 年的時間，但是它在最近才開始得到真正的應用，而多任務學習的存在時間更短，而且它到現在都幾乎沒有被應用於其他領域，這兩種方式都在某些葡萄酒的價格預測中達到了相當好的效果，它們可以預測葡萄酒的價格走向和具體價格。”
“ 主要的問題在於，這些複雜的技術是有價值的嗎？你可以將這些東西應用於實踐嗎？”
“我認為主要的問題在於，這些複雜的技術是有價值的嗎？你可以將這些東西應用於實踐嗎？”他補充道。
這些技術的複雜程度意味著它們需要進行長時間的計算，也就是說它們不適合用於高頻交易的場景。但是它們還是可以應用於高端葡萄酒投資領域的，所以弗萊徹認為這項研究值得嘗試用於改進Invinio 提供的服務。
“我們有一家叫做Invinio 的公司，我們工作是建立高端葡萄酒的投資組合。我們可能會結合這項研究向我們的客戶提供一些初步的交易建議——他們是應該在今天就入手，還是應該再等幾天。”他說道。
話雖如此，但是對於一個小型的低頻交易市場來說，通過高度複雜算法能夠取得的優勢也相當有限。弗萊徹也表示適合應用複雜人工智能技術的交易場景不多，而且與所需的計算能力相比，這些技術能夠取得的準確度優勢就顯得相當微弱了。
“我的觀點是，這些技術的複雜程度和它們帶來的成果在很多時候都是不相稱的。”他說，“它們聽上去似乎很高端，而且很多投資銀行和對沖基金都在選宣傳自己使用的機器學習技術，但事實上它們所做的使用一些無趣得多的事情。”
“（在這項高端葡萄酒的研究當中）雖然我們與傳統技術相比取得了較大的優勢，但是我們在預測價格變動的時候是不可能做到完全準確的。無論在任何市場當中都不會有人能夠完全知道商品在任意時段的價格變動。這是非常難做到的一件事，葡萄酒市場也不例外。”
他表示人工智能的最佳應用通常都體現在“增強智能”之上——用於輔助人類操作員，而不是完全取代人類的行為。
“人工智能可以幫你做很多事情，實現很多東西的自動化，它可以大幅提升你的效率，但是你始終還是需要人類來應對一些無法預料的情況，無論是在交易領域，還是我們生活中的其他方面都一樣，人們總是擔憂世界會被機器人掌控，但是我認為人類的能力還是不可或缺的。”他補充道。
“你不可能完全取代（人類）交易員。雖然很多人都想這麼做，因為他們的人力成本很高，而且似乎沒有帶來什麼價值……但是你還是需要一些能夠靈活思考的人類。程序… …不能感知它沒有接觸過的東西。它不能處理未知的事物，但人類可以。”
消息/圖片來源：Source
|
收藏
分享
分享
提升卡
置頂卡
沉默卡
喧囂卡
變色卡
顯身卡
