XiaoMi-AI文件搜索系统
World File Search System投资决策
人工智能在投资决策中的作用
我想借此机会感谢一些人在过去两年中给予我的支持，如果没有他们，完成这门 MBA 课程将更具挑战性。首先，我要向我的导师 David Mothersill 博士表示诚挚的谢意，感谢他对这篇论文的支持、建议和指导。其次，我要感谢本研究的所有参与者，尽管我们目前面临着全球挑战，但他们仍抽出时间分享他们的见解。我要感谢我的雇主微软及其管理团队在过去两年中为我提供的出色支持和灵活性。我还要感谢我的家人和女友 Amanda 的大力支持。她让我坚持下去，没有她，这项工作就不可能完成。最后，我要感谢我的朋友 Dan 和 Niall，你们的热情和精神支持是我完成 MBA 的关键。
通过敏感性分析解读人工智能交易员的投资决策算法
随着金融科技的进步，金融机构现在广泛应用于其运营中的人工智能（AI），例如贷款决策、保险支付评估和欺诈交易检测。在资产管理领域，该技术正被用于在市场预测和投资策略中发现当前信息与未来资产价格之间存在的复杂关系，并取得了一些优异的效果。 另一方面，包括深度学习模型在内的人工智能内部的处理过程非常复杂，有人指出，存在所谓的“黑盒”问题，即不容易解释人工智能决策背后的因果关系。在资产管理领域，由于对高投资回报的期待，对能够做出超出人类理解的投资决策的人工智能的需求将不断增加。如果这导致无法由人类验证其有效性的交易增加，未来可能会出现意想不到的风险，影响金融机构的财务健全性和市场的稳定。 近年来，为了缓解人工智能的黑箱性质，人们进行了大量研究，主要在图像识别领域，以解释人工智能内部的处理过程。 在资产管理领域，人们对AI的可解释性的兴趣日益高涨，例如，Shiono（2018）通过将AI模型与理论宏观经济模型相结合，构建了一个回报预测AI，在预测准确性和可解释性之间取得了良好的平衡。 在本研究中，我们构建一个对未来日经225期货收益具有解释能力（以下称预测精度）的AI交易员，并尝试通过敏感性分析表达其输入变量（市场数据）和输出值（投资决策）之间的关系，从而解释AI的内部处理过程。