AI赋能金融量化发展 中译语通深挖另类数据价值

　　数据是数字经济时代的新型生产资料，其中尤以金融行业的数据资源最为丰富，大数据、人工智能等技术与金融业务深度融合，大大推动了我国金融业转型升级，用科技赋能金融成为最新流行趋势。

　　作为行业领先的人工智能、大数据企业，中译语通也在金融业务中发挥大数据和人工智能技术的优势，深度布局金融科技，丰富金融大数据产品生态。

　　AI赋能金融量化

　　如何以大数据、人工智能技术驱动金融量化发展，挖掘另类数据潜力并实现其价值最大化，中译语通CEO于洋结合中译语通的实践给出了详细的阐述。

　　中译语通基于强大的大数据及人工智能技术，对全球海量开放非结构化数据进行精细化分析和深度挖掘，构建量化模型，用量化数据计算市场信息、投资者信心等另类数据，为投资者提供投资机会分析，从全球角度制定最佳投资策略。

　　于洋重点从市场情绪、市场情感、全球恐慌指数等独有算法与数据出发，结合数据资产、知识图谱构建能力等角度介绍了中译语通探索全球海量金融另类数据价值的技术实力和实践成果。其中，中译语通构建的上证指数量化模型超过三个月的连续交易预测趋势准确率超过85%、并且能够实现长周期、短周期和每日股指数值进行实时数据计算。

　　具体来说，反映和影响市场变化的情绪指标是基于市场涨跌速率变化、股价、股票成交量等因子指标分析市场买卖人气;分析情绪级别、热度、变化程度及速度，通过量化方法估算全球投资者的风险资产变化情况、投资态度、投资决策以及风险承受度等指标，分析有关收益预期、利率预测等观点，反映市场买卖意愿的程度;利用外汇收益和外汇风险相关系数等因子指标建立风险偏好指数，反映市场投资者风险态度，通过提供不同视角的市场洞察分析，帮助金融从业者做出更合适的决策，提升投资回报。

　　推动金融量化新变革

　　传统的量化投资主要是通过对基本面数据和交易数据进行分析来预测未来收益。其中，基本面数据是指与公司相关或者与宏观相关的数据，例如盈利，分红，GDP，CPI，利率等等;交易数据则是与技术分析相关，例如价格，成交量，资金流向等等，基于金融大数据，将以前人工较难考虑的因素纳入到投资模型中去，通过机器学习等人工智能方式去挖掘历史规律，发现可行的投资策略。

　　随着技术不断发展，量化投资还需要大量的投资者行为数据、市场舆论和情绪数据等等。对此，中译语通CEO于洋表示，中译语通五年间在大数据领域持续深耕，积累了互联网开放数据、科技数据、金融数据等庞大的数据资源，正是这些数据资源造就了庞大的市场情绪，助力另类数据在金融量化领域的创新应用。

　　对于金融市场行情而言，触发市场情绪将助力更高效的市场决策，全方位感知与测量市场情绪，实时准确判断对市场的影响，对金融量化有重大意义。随着金融科技与大数据技术的不断发展，未来，中译语通将通过持续深耕大数据和人工智能技术，运用NLP金融市场情绪算法，分析政策因子、情绪因子、风控因子和成长因子等多维度参考因子，并应用至投资交易、大宗商品贸易、行业监管等不同领域，推动金融量化科技的创新发展，为投资者提供不同视角的市场洞察分析，发现新的市场投资机会。