通过机器学习,高端葡萄酒的价格走势也是可以预测的了

下一篇文章

7 月苹果 App Store 收入达 17 亿美元,中国市场贡献巨大

曾经担任交易员,现在身为伦敦大学学院(UCL)学者和创业者的特里斯坦·弗莱彻(Tristan Fletcher)博士想要了解机器学习技术的局限所在,所以他决定将复杂的人工智能技术应用于(在表面上)混乱不堪的高端葡萄酒定价领域,并比较这些新技术和用于传统资产类别的交易技术之间的优劣。

“葡萄酒的价格可以说是变幻莫测。比如你今天在伦敦的拍卖行买到了一瓶葡萄酒,但是在几天之后,同一瓶酒可能在香港以一个差距很大的价格成交。”弗莱彻说道,“所以我认识到了这是一个信息非常不对称的市场,也许我可以从这种信息不对称中获益。”

葡萄酒的交易成本是很高的,因为它的交易量不大,所以交易员需要承受较高的单位价格。葡萄酒市场不像是股票那样的高频交易市场,葡萄酒爱好者通常会入手两箱佳酿,(缓慢地)喝掉其中一箱,然后等待一段时间之后将另一箱转手卖出去,相当于赚回之前喝掉的一箱酒。这是为了品酒而进行的交易,而不是为了赚取利润。

因此即使弗莱彻的机器学习方法确实能够预测高端红酒的价格,而且准确度要比传统交易方式更高,但是这项研究的意义更多只是一项测试机器学习技术局限的学术实践,而不是一项可以得到广泛商业应用的技术,因为这个过程涉及的操作实在过于复杂。

不过弗莱彻也经营着一家叫做 Invinio 的葡萄酒量化资产管理创业公司,这家公司之前参与了 UCL 的机器学习研究,它打算继续与这所大学合作完善机器学习的算法——可能会将部分研究成果用于改进它向葡萄酒投资者提供的工具。所以这项研究也可以直接应用于商业当中。

弗莱彻认为类似的机器学习技术也有可能应用于其他小众资产类别的交易,比如古董车、烈酒、绝版书籍,甚至是艺术品。但是除了烈酒以外,其他资产的交易市场都与高端葡萄酒非常不一样,所以它们之间可能不会有一致的结果。

《葡萄酒经济杂志》(Journal of Wine Economics)在今天发表了一份详尽的高端葡萄酒研究。这份研究的联合作者是弗莱彻和约翰·肖-泰勒(John Shawe-Taylor)教授,后者是 UCL 计算统计学与机器学习中心的副主管兼 UCL 计算机科学系主任。它的第一作者是 UCL 的一位硕士研究生米歇尔·杨(Michelle Yeo)。

“我从几年前开始收集葡萄酒的价格数据。”拥有人工智能研究背景的弗莱彻解释了这个项目的起源,“我曾经在一家对冲基金担任算法交易员,我当时不允许进行普通资产的交易,但我还是想操作一些可以在交易所进行的交易,因为这是我的专业领域,而葡萄酒是金融行为监管局允许未经登记就可以交易的商品。”

接下来,他开始思考如何处理自己收集得到的葡萄酒价格数据,他开始在 UCL 招募有兴趣跟他合作的研究生,一起将人工智能技术应用于这些数据上——杨就是在这个时候加入的。这项研究的核心目标是“我们可以尝试预测葡萄酒价格变动的方式吗?”

这个团队开始从 Liv-ex 100 葡萄酒指数 中收集 100 种最受欢迎的高端葡萄酒的数据。他们对这个数据组测试了两种形式的机器学习——“高斯过程回归”(Gaussian process regression)和复杂度更高的“多任务特性学习”(multi-task feature learning),后者的用途是从多个来源提取相关度最高的信息。

这个团队从数据中发现这些葡萄酒可以粗略地分为两种类型——其中有大概一半的葡萄酒的单日价格呈现出了明显的负自相关性,也就是说如果它们在某日的价格出现上升,那么它们在次日的价格就会出现下降。另外一种类型的葡萄酒则没有呈现出该特点。

弗莱彻表示,对于具有负自相关性的葡萄酒,他们团队可以通过高斯方法预测出它的次日价格变动方向,而且这种方法的准确度要“远远高于”更为标准化的交易指标。根据弗莱彻的说法,这种技术不太适合用于另一种葡萄酒的价格预测,但是它也比传统的交易技术有更高的准确度。

杨还将更为复杂的多任务学习技术应用于这些数据当中,希望预测出红酒的次日价格,而不仅仅是价格变动的方向。

“这种多任务学习能够从一段时间之内的价格变动(一份含有海量成交价格的清单)中找出有用的信息;然后通过进一步的信息提取来预测出葡萄酒的次日价格。结果证明这种技术非常适合用于呈现负自相关的葡萄酒类型。”弗莱彻说道。

“我们同时采用了这两种机器学习技术,高斯过程已经存在了 5 到 10 年的时间,但是它在最近才开始得到真正的应用,而多任务学习的存在时间更短,而且它到现在都几乎没有被应用于其他领域,这两种方式都在某些葡萄酒的价格预测中达到了相当好的效果,它们可以预测葡萄酒的价格走向和具体价格。”

主要的问题在于,这些复杂的技术是有价值的吗?你可以将这些东西应用于实践吗?”

“我认为主要的问题在于,这些复杂的技术是有价值的吗?你可以将这些东西应用于实践吗?”他补充道。

这些技术的复杂程度意味着它们需要进行长时间的计算,也就是说它们不适合用于高频交易的场景。但是它们还是可以应用于高端葡萄酒投资领域的,所以弗莱彻认为这项研究值得尝试用于改进 Invinio 提供的服务。

“我们有一家叫做 Invinio 的公司,我们工作是建立高端葡萄酒的投资组合。我们可能会结合这项研究向我们的客户提供一些初步的交易建议——他们是应该在今天就入手,还是应该再等几天。”他说道。

话虽如此,但是对于一个小型的低频交易市场来说,通过高度复杂算法能够取得的优势也相当有限。弗莱彻也表示适合应用复杂人工智能技术的交易场景不多,而且与所需的计算能力相比,这些技术能够取得的准确度优势就显得相当微弱了。

“我的观点是,这些技术的复杂程度和它们带来的成果在很多时候都是不相称的。”他说,“它们听上去似乎很高端,而且很多投资银行和对冲基金都在选宣传自己使用的机器学习技术,但事实上它们所做的使用一些无趣得多的事情。”

“(在这项高端葡萄酒的研究当中)虽然我们与传统技术相比取得了较大的优势,但是我们在预测价格变动的时候是不可能做到完全准确的。无论在任何市场当中都不会有人能够完全知道商品在任意时段的价格变动。这是非常难做到的一件事,葡萄酒市场也不例外。”

他表示人工智能的最佳应用通常都体现在“增强智能”之上——用于辅助人类操作员,而不是完全取代人类的行为。

“人工智能可以帮你做很多事情,实现很多东西的自动化,它可以大幅提升你的效率,但是你始终还是需要人类来应对一些无法预料的情况,无论是在交易领域,还是我们生活中的其他方面都一样,人们总是担忧世界会被机器人掌控,但是我认为人类的能力还是不可或缺的。”他补充道。

“你不可能完全取代(人类)交易员。虽然很多人都想这么做,因为他们的人力成本很高,而且似乎没有带来什么价值……但是你还是需要一些能够灵活思考的人类。程序……不能感知它没有接触过的东西。它不能处理未知的事物,但人类可以。”

题图来自:SHUTTERSTOCK

翻译:关嘉伟(@consideRay

Machine Learning Used To Predict Fine Wine Price Moves

blog comments powered by Disqus