粉丝1317获赞63.2万

爱吧,有机会 i'm a lover。 我 也爱我。

哦,你是哪间老店?等播吧。你播的,哈哈哈哈哈哈哈哈。啊啊啊啊, 对不起,对不起,对不起。


阿尔街最顶级的量化交易公司 jane street 最近分享了一个我也一直被卡住的这个问题啊,什么问题呢?就是有大模型之后啊,我们现在能处理的信息种类越来越多了,不再是以前只有那种规整的表格,这个数据库现在有五花八门的,这种数据以前根本想都别想,但现在都可以处理了, 都很有价值。但也正是因为这些全新的数据啊,然后引发了很多新的问题,就是这种全新种类的数据,然后在 ai 的 帮助下,到底应该怎么去处理它们,怎么去更好地使用它们?我觉得很多公司落地的过程当中啊,现在这个问题成为了一个大问题。 然后 jason street 他 们内部把这类的数据啊,叫做 alternative data, 我 中文就暂时把它翻译成为叫做另类数据。那另类数据到底是什么意思呢?我们先来对齐一下,其实对应的呢,就是过去的这个传统数据。传统数据以前在这个投资决策里面,那其他行业也一样,不光是投资,相对应的就是那些,比如股价,呃,订单, 公司财报啊,营收信息这些,这个大家都很熟悉的这种一行一列的规整数据。那另类数据呢,其实指的就是这些传统数据之外的一切的这信息员,比如说像微信照片,像信用卡,杂七杂八的这消费记录,比如说像这个地图形式的,这个运输货物的脉络啊,这个路线等等,这些呢就叫做另类数据。 然后呢,在正式开始我们讲这个问题之前,我们先来顺便介绍一下 james street 这家公司。这个行业内的人都知道这个非常非常牛逼的一家公司, james street 应该是目前断档第一的这种全球的量化交易公司了,然后甚至有自己搭建那个 data center ai 数据中心,每天光是这个交易量就占了美国股市的很大的一部分。然 然后包括这技术实力,人才密度,在整个金融行业都是非常顶尖的。在这个视频里面,他们数据负责人讲了几个问题,都非常的实操,比如说这个数据的选择,数据的真正含义,历史数据怎么去处理?现在在 ai 的 这个大时代下,如何去这个影响以前的这个传统的数据处理?接下来呢,我们就一个一个跟大家来分享。 首先是数据的选择问题,对吧?如果数据选择错了的话,你后面这个处理你就根本就别谈了。然后呢有个经典的例子我跟大家讲一下,就是比如说你想深入的调研沃尔玛这家公司,然后用卫星去拍沃尔玛停车场的那个照片,用计算停车的数量来预测他们的营收,这个听着呢,很高级,很聪明,对吧?但问题其实很多, 一个呢就是采用频率不够,你不可能每天每家店都能拍到很高清的这个卫星图片。然后第二个呢,就是沃尔玛大概有百分之二十销售在线上停车场基本上就是看不到的。然后还有一个问题呢,就是停车多也不代表这花钱多,逛一圈什么都没买,跟买了一大约的东西 在照片里面看起来其实是一模一样的。然后接着呢,这个 jason 他 们的这个研究员就换了一个思路,从第一性的原理出发,如果你想知道消费者在沃尔玛到底花了多少钱,谁手里有这个信息呢? 第一个就是沃尔玛他肯定自己知道对吧?但是他发财报前他不会告诉你。第二个呢,消费者知道,但你没有办法一个一个去问消费者。第三个呢,就是信用卡公司知道,比如说像 visa, 像马斯卡的这些信用卡网络,他肯 定知道。所以呢,去买信用卡消费的聚合数据,其实比拍停车场的这个照片要直接的多好,那我们就放弃这个微信图片,然后转向研究信用卡数据,对吧?但你仔细研究之后呢,也会发现说 信用卡数据的坑也非常多。比如说呢,一般的信用卡项目啊,都是覆盖某个具体人群的,比如说这个针对大学生的信用卡,针对这个农村的信用卡,针对城市这个白领的信用卡,然后每个信用卡呢,都有它固定的这个人群,这固定的人群呢,消费习惯也完全不 一样。然后这个信用卡项目里面的人数呢,也会变化,这个月显示整体消费多了,但你得搞清楚,是说真的花钱多了,还是说这样本里面信用卡数量本来就多了。像上面说到的这两种数据啊,它们的种类,它们基础逻辑是应该最先搞清楚的。 上面这两个这么简单的相对简单的例子吧,实践当中都会衍生出这么多这个复杂的后续的问题,更别说其他更复杂的这种研究工作了。 然后第二个这个另类数据 alternative data, 最头疼的问题呢,就是搞清楚这个数据到底是在说什么东西,再举个例子,比如说公司财报的问题,都是最传统的数据,对吧?一下把它变成能做量化研究的这种结构化数据,那问题马上就来了,都还没有开始真正的看数据呢,问题就来了,第一个问题是什么问题呢?就是什么是一家公司? 邮政公司的结构叫做 dual listed company, 什么意思呢?就是两个法律实体共享公司的管理层、董事会,经济上完全等价。但当你收到一份财报的时候,到底说的是其中一家,还是两家合起来的数据对应的是哪个股票,那你就不知道了,你需要去再去做深入的 个性化的研究了。同一家公司在不同系统里面呢,往往有不同的编码,比如说国际上用 i s i n, 清算系统用 saddle, 然后层级还不一样,不同的数据源的这个编码体系也不一样,得自己靠手动去对齐。大部分公司呢,还会经常修改财报,修改财年周期,更换会计准则,所以这修改后前后的数据啊,更没有办法直接去做对比。 这些问题我们现在谈起来好像都很低级,对吧?跟我们心目中高高在上的这个量化公司,他们所做的事情好像完全没有关系,但其实实践当中就是这样堆在一起,让数据工程变得非常的复杂。 jsmith 之前管 这个大宗商品风险啊,用的就是一个巨大的 excel, 这个表格依靠 vba 的 红去做分析,但当你数据多的时候,很多时候就会直接崩溃,那他没有版本控制,有人在某个角落里面放了一个临时的公式,去做一个临时的分析,然后就永远留在那里了,到最后就完全没有人 理解这个文件到底在干什么。像他们提到一个细节,就他们二零二三年招了一个专职的数据工程师,然后自从招了第一个之后呢,现在一下子有二十多个。为什么呢?因为有了好的数据工程之后啊,交易员发现了很多以前因为数据太难用而根本发现不了的这种交易信号,所以这个数据做的越好, 然后大家发现反而能有更多的需求产生,能做的更多,所以反而招的人就越来越多了。这跟我们想象的时候,有 ai 出来之后能帮公司去裁员呃,省成本,然后节省大量员工,其实是相反的这个逻辑。然后第三点呢,他们数据负责人谈到的是一个更加隐蔽的问题,呃,就是时间回测的这个问题。 数据提供商经常会修正数据,某一列算错了,就会发一个新版本,然后交易标签如果打错了,会重新去分类修正呢,本身是件好事,对吧?能帮你去这个弥补错误。但你用修正后的数据做历史回测啊,你看到的就是事后修正过的这个数据, 不过只是这个机械性的错误的修正,比如说小数点点错了,影响可能还不大。但如果是重新分类,重新标注这种啊,就很容易把未来才知道的这些信息塞进过去的这个数据源里面。 想象到啊,这个回测结果虽然越来越漂亮,但建立在你当时不可能有的这些信息基础上,你模拟的呢?不是,如果当时我定位这个数据机,我能赚到多少钱,你模拟的是说如果我有时间机器,我能赚多少钱?这个就 很离谱了,对吧? jason 的 办法呢是,不管供应商怎么改,自己永远记录的是什么时候收到怎么样的数据,做任何的数据分析呢,都能反映到当时应该知道的是一个怎么样的这个情况。 像一个能随时做时间切片的这个时间机器一样,思路跟处理市场数据一样。交易所的时间戳呢,肯定有问题,但自己网络上收到数据包的这个时间戳一定是可信的,所以要这个完整的记录下来。然后最后呢,他们也聊到了 ai 对 这一类 alternative data 工作的影响。我觉得这一部分呢,特别值得说一下,因为更强的模型啊,大家知道,当然是让更好的数据更值钱了。 先手动做这个 future engineering, 自己定义特征,挑选变量。现在的模型完全能自己搞定,自己去提取很多很多不同种类的特征了,但数据质量其实也越来越关键。比如说上面举的这个例子啊,这个胃癌信息可能混到历史数据里面 更强,模型呢,反而会更彻底地利用这些错误的信息,更彻底地利用这些未来的信息,给你一个看起来非常好的,非常这个符合逻辑的这个结果。那大模型呢,又特别擅长从这种非结构化的文本里面去提取这种结构化的信息。以前从 pdf 财报啊, s e c 的 文件里面提取一大堆的这个表达式,现在呢,效率高了很多。 但如果大模型的训练数据里面包含了未来的这种信息,你让他分析安然公司二零零零年的财报,但他知道说安然后来破产了, 所以分析的结果呢,肯定是越来越往这个破产的方向去帮你引导。所以啊,反而大模型能力越强,对数据的准确性、数据质量要求就高了好几个档次。好像从来没有一个时代,仅仅做出一个东西,和真正做好一个东西之间的这个成本差距会这么大,因为它搭一个数据管道实在太容易了。但你可能这个根本没有理解数据在说什么, 也没有做数据的选择。模型越强呢,能快速产出的东西越多,判断好坏就成了真正稀缺的这种能力。金融数据里面最贵的教训我觉得就是数据会给你一个字差,但是完全错误的是故事。如果样本偏了,信息穿越了,口径变了, 你可能完全看不出来。然后大模型越强呢,也会帮你把这个故事编的越流畅,越字差。这不只是这个金融行业的问题啊,你今天我们拿着 ai 做判断的每一个人都处在这样的这个困境里面,大模型的能力不会消除无知,但会抬高无知的这种代价。好了,今天视频就到这里了,再见。

高姐高姐,高姐,高姐,高姐高姐高姐高姐高姐高姐高姐高姐高姐高姐高姐高姐高姐高姐高姐 高姐高姐,高姐,高姐,高姐高姐,哈哈哈。

你做什么?哈哈哈哈,机管太长了。

一句苦难是文学的温床,于是诞生了德比姐姐恩静和希珍妮。三大当代文行 z 八,她家影帝超多。是德比姐姐气疯了,最先化用广告文案用到自家演员身上的。丈夫的容貌,妻子的荣耀,这用来形容金 永勋的,你有几个妈敢这样说?我家满分男也是德比勾勾怼弹幕的时候发的,还有之前很火的人生四格文案。刚刚我在 just photo 拍照呢,忽然有一个男的先连着进来问我能不能一起拍。也是李尚渊的粉丝震撼首发,诸如此类的名言数不胜数。车引优,恭喜你啊,长得像李柱岩,嘴皮一撕 又是初吻。当年暗恋的学长已经在夜店里明码标价,今天两千块点到了,他就当是宴请年少的自己。 男人看了会自卑,女人看了会晕厥。这就是我们 the boys 呀!连比内裤仅出自李贤在粉丝的 report。 就 连兔儿这个词最先也是韩德比创造的,因为 the boys 是 韩红当时在其他国家没有什么粉丝,但还是在开巡演南韩德比姐姐就说你们去其他国家,兔儿的话,我们也要去别的爱豆那里兔儿了。 以及现在很多男团都会用到的圆也是 the boys 的 德牧大,甚至这个称号也是公司官方亲自起的。 还有以玩梗为人生信仰的安静,即使遇到天大的事,哭完就玩梗,然后边哭边笑,全 k 怕仅此一家的大小姐。 mv 里出现女伴舞,安静直接为恩海鹏写了一首歌, 这怎么不算一种双向奔赴呢?谁还记得首尔病的最初起源是恩静们跟着梁真 元打卡汉江秋千,恩静一段话就概括了多国粉丝格局,对韩恩静好的话,姻缘榜成绩会如你所愿。对中恩静好的话,销量要多少有多少。对日本,恩静好周边购买不会少,但是对杨蟑螂好的话,他们不买专辑,不买周边不刷榜,只留下一句 interesting 就 走了。 还有古风小生,四年同行,不过谋皮与维护一朝艰难,恍至落井皆下时。知道了,退一下吧,西城已成黄鹤去,此地空余六个盆。这真的是二十一世纪人能承受的才华吗? 锡珍妮,学历含量最高的粉丝群体,古希腊掌管拉表的神,在这里你可以找到华丽每个人的周边销量数据表,团综干活表,互送礼物表、黑料表。早期不认识的帅哥都是 nct 的, 到现在 nct 那 帮家伙又在吸烟了,我想见面,谢谢你。 nct 无限缩减概念,期间比 nct 没消息,更可怕的是 nct 传来消息,拧巴的 nct 需要一个赶不走的锡珍妮,但 nct 是 个电瓶车,一拧就走了。于是锡珍妮也比个大比个大的走了。 这三个粉级,随便认领一个,一键获取超绝大心脏德比恩进锡珍妮这下真的可以拜把子了!
