洞见 | 微软人工智能首席科学家邓力加入投资公司Citadel，人工智能和量化交易能擦出怎样的火花?

“黄埔军校”的最新“毕业生”

在过去的二十几年，微软亚洲研究院一直被誉为互联网界的黄埔军校，近几年因为AI浪潮的推动，它又被追加为AI界的黄埔军校，一直在不断培养出优秀的科学家，然后“散落到”各大科技公司、互联网公司，带领研究或者技术团队。不过没必要为他们觉得可惜，现任微软亚洲研究院院长沈向洋博士今年5月10号才表过态，说人才流动很正常，说微软亚研的强大就体现在能够培养大量优秀人才，他们也为持续的优秀人才输出感到自豪。

这些优秀人才的名字各个耳熟能详，远的有李开复、吴军、张亚勤、张宏江，王坚在著名互联网企业耕耘多年；近的芮勇、马纬英、孙剑，这些名字如今都在热门科技互联网企业任重要职位，比如芮勇出任联想CTO、高级副总裁；马维英任今日头条副总裁兼AI实验室负责人；孙剑任旷视科技首席科学家；华先胜任阿里云人工智能研究机构 iDST 团队的CV负责人……总的来说，微软亚洲研究院对中国IT界的发展确实功不可没。

微软亚洲研究的优秀人才离职并不新鲜，但微软人工智能首席科学家、微软深度学习技术中心（Deep Learning Technology Center，DLTC）和人工智能学院（AI School）负责人、IEEE Fellow邓力离开了微软去的不是科技互联网界，而是金融界，去了高频交易第一梯队的投资公司Citadel这样的消息却足够新鲜。

高频交易与Citadel公司

高频交易策略的本质还是利用市场价格的波动性，低买高卖。但是相比一般投资者和券商的“股价低时买，股价高时卖”，买方卖方的短时间报价差也能被高频交易系统利用起来。它不停地对交易所发送和取消大量委托订单，既做买家、也做卖家，然后利用大量成交订单中的买价和卖价差赚钱。为了能赚到其中的钱，如今各家投资公司的高频交易系统已经完成着交易所70%的交易，它们提供了丰富的流动性，同时也能发现市场上任何买方报价已经高于或者可能高于卖方报价的机会，自己做双方的对手盘，立即交易或者短暂等待价格波动后进行交易，赚到差价。

随着高频交易的发展，对高频系统的要求也越来越高。优秀的高频交易系统可以低延迟抢到和完成订单，有优秀的交易策略模型指导如何买卖订单，有足够的准确性和稳定性可以长期执行策略达到赚钱目标。所以高频交易公司们研发系统需要投入大量人力物力，要高薪聘专业的数学家和计算机专家，花钱买昂贵的硬件，租用专门的微波通信线路，甚至专门把系统建在交易所门口的都有，就为了降低延迟。

Citadel就是以这样的高频交易为主要业务的公司之一，而且是其中很突出的一家。Citadel在北美股票和期权的每日交易量达到20%，属于高频交易（做市）第一梯队，也是世界上第二大多策略对冲基金；近几年收益率一直也高于行业平均水平，成立至今年化收益率接近19%。其实现在在美国国债市场占据主导地位的也就是计算机技术驱动型的高频交易公司，他们都“首先是一家科技公司，然后才做交易”，华尔街银行巨头高盛和摩根大通都将自己描述为科技公司。

不只是计算机技术，交易策略算法也是不可缺失的一环，Citadel的核心部门“量化研究部”有来自名牌大学的80多名前数学教授和天体物理学家，他们共同开发出的数学模型为交易系统提供支持。Citadel大楼的37层有一个被称为“博士排”的区域，从地板到天花板都布满了写满各种复杂数据公式的白板，连窗玻璃都不例外。随着神经网络机器学习潮流的到来，去年Citadel就雇佣了来自德意志银行、专注机器学习的量化交易专家 Christian Hesse，看来Citadel确实发现了机器学习的妙处，所以现在想拉一个大牛入局。

人工智能和量化交易能擦出怎样的火花?

关于人工智能能否在金融实践中得到广泛应用已经有过不少讨论，普遍观点认为，要解决金融问题，首先要能够进行明确定义，建立人工智能能够工作的模型，那么各种相关因素的采集和判别是现阶段无法解决的问题，这样一来人工智能预测宏观的公司业绩、股价涨跌、基本面就无从谈起；其次，人工智能从业者和金融从业者之间缺乏有效沟通，跨行业人才的沉淀也非常少；执行层面，现阶段大量金融公司新产生的数据还都不具备规范的格式，人工智能的存在形式应当是软件、还是服务界面、还是机器人也亟待验证。所以现在也就看不到人工智能大规模发挥作用。

从投资公司尝试用程序取代交易员以来，量化投资、高频交易就一直被业内外人事关注。相比高频交易的短持仓时间，量化投资用更复杂的模型预测1~2星期的价格趋势。在复杂模型、复杂信息、长时间面前，量化投资的收益率并不稳定。

但是在金融领域的高频交易这个细分区域，规范化数据、近乎完全信息、依靠策略算法进行的数据分析和交易行为就跟机器学习很对胃口了。用大量的交易数据建立模型进行分析，机器学习简直是完美选择；传统投资市场上的信息难以全部收集和结构化的问题在高频交易这里也不复存在。这给人工智能机器学习方面的研究人员摆好了一个绝佳的位置。

邓力博士不仅在微软亚研长期进行学术研究，对算法简化和人工智能商业化的研究也已经有些时日。2014年邓力在微软创立深度学习技术中心DLTC后，带领团队在深度学习的应用拓展方面做出了不少成就，包括互联网搜索问答、电子邮件及企业文件搜索、模态深度学习、市场销售数据的深度学习与商业应用等等。到了2016年，邓力博士已经在研究如何将深度学习与不同的机器学习方法进行整合，以便应对实际问题的解析性和不确定性问题，在具有中间状态的状况下，让人工智能做出最优决策；语音、图像、自然语言、翻译、商业数据分析和提炼洞见方面都能跟着收益。

邓力博士碰上Citadel这样带有科技属性、想要更多地利用机器学习的公司，可以说是一拍即合。对Citadel来说，计算机技术和交易策略算法就是安身立命之本，一位机器学习专家带领的团队可以更多地帮他们解决量化模型建立、风险判断、价格趋势预测、评估交易者的非理性行为等等问题，现在也已经有足够的证据说明了机器学习能在许多领域的数据分析问题上取得比人类更好的成绩；而关注解决实际问题的邓力博士也遇到了一个资源充沛的让整合学习模型、高效算法在大规模数据上进行验证、对解决概率性发生的实际问题进行更深入研究的机会。甚至，在机器学习的帮助下，经常被高频交易从业人员嘲笑的量化投资也可能摘掉低盈利率的帽子，成为下一个香饽饽。

人工智能研究人员进一步走出实验室

以前我们总说人工智能研究成果的产业化落地很难。但毕竟不只科技互联网行业，每个传统行业都还有无数的问题等待解决，而其中科技化程度较高的企业，就有机会很快地引入人工智能技术、请到人工智能方面的人才来帮他们解决问题。现在大家很容易认为人工智能是一个偏研究性的行业，但是它更是一种方法：哪里的问题能被人工智能解决，人工智能就会在哪里落地。

AI科技评论认为，AI人才进入其它行业、AI技术发挥商业价值的趋势已经越来越明显。以后不只是微软亚洲研究院，各个人工智能研究机构、学校实验室都有机会在更多的商业活动中发挥影响，不论是高级别合作还是个人加盟；受影响的行业也不只是金融行业，每个行业中能产生和利用大规模格式化数据的问题都很可能可以被人工智能更好地解决，他们对人工智能人才的需求也会随着增加。这是对人工智能研究成果的肯定，也是让未来商业和学术都获得更高发展的动力。

报名 |【2017 AI 最佳雇主】榜单

在人工智能爆发初期的时代背景下，雷锋网联合旗下人工智能频道AI科技评论，携手 环球科学 和 BOSS 直聘，重磅推出【2017 AI 最佳雇主】榜单。

从“公司概况”、“创新能力”、“员工福利”三个维度切入，依据 20 多项评分标准，做到公平、公正、公开，全面评估和推动中国人工智能企业发展。

本次【2017 AI 最佳雇主】榜单活动主要经历三个重要时段：

2017.4.11-6.1 报名阶段

2017.6.1-7.1  评选阶段

2017.7.7    颁奖晚宴

最终榜单名单由雷锋网、AI科技评论、《环球科学》、BOSS 直聘以及 AI 学术大咖组成的评审团共同选出，并于7月份举行的 CCF-GAIR 2017大会期间公布。报名期间欢迎大家踊跃自荐或推荐心目中的最佳 AI 企业公司。

报名方式

如果您有意参加我们的评选活动，可以点击【阅读原文】，进入企业报名通道。提交相关审核材料之后，我们的工作人员会第一时间与您取得联系。

【2017 AI 最佳雇主】榜单与您一起，领跑人工智能时代。