FDDC大赛见证了AI将如何改变资产管理的未来.doc

《FDDC大赛见证了AI将如何改变资产管理的未来.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、FDDC大赛见证了AI将如何改变资产管理的未来　　不久前刚结束FDDC大赛，武汉大学计算机学院软件工程实验室的Alassealome团队，获得上市公司营业收入预测赛题第一名，而一人团队GOGOGO则摘得上市公司公告信息抽取赛题桂冠，本文主要将冠军的方案以及大赛亮点进行介绍和回顾。　　上月底，2018全球金融数据探索与发现大赛（FDDC）的决赛落幕，10支队伍激烈角逐，也让现场观众见证了AI将如何改变资产管理的未来。　　FDDC大赛是全球首场专注金融领域、深入投资实战的技术大赛，由中国证券投资基金业协会（以下简称“基金业协会”）金

2、融科技专业委员会主办，易方达基金、华夏基金、通联数据、阿里云共同承办，奖金池一共高达84万元。　　　　大赛共有两个任务，一是利用AI对上市公司进行营收预测，另一个是对上市公司公告进行信息抽取。这两个都是资产管理中最基本而又最重要的两项工作，往往会决定投资决策的成败。　　FDDC大赛，旨在挖掘更多顶尖算法人才，提升资产管理行业的科技化程度。在3个多月的时间里，大赛吸引了全球4231支队伍参与，经过线上初赛和复赛，共有10支队伍进入最终决赛。　　最终，来自武汉大学计算机学院软件工程实验室的Alassealome团队，将预测误差降低至

3、7%，获得上市公司营业收入预测赛题第一名，而一人团队GOGOGO则摘得上市公司公告信息抽取赛题桂冠。　　数值预测准确率最高独特数据处理，将营收预测误差仅7%！　　Alassealome团队来自于武汉大学计算机学院软件工程实验室，团队的导师为蔡恒进，主要研究领域是人工智能、金融信息工程及服务科学。　　　　FDDC大赛上市公司营收预测赛题第一名AlasseaLome团队　　这次的“上市公司营收预测”赛题，官方到的数据包括三大财务报表、宏观数据、行业数据、公司经营数据、行情数据等。比赛评测指标是选手对公司二季度的营业收入比率误差的计算

4、，如何准备预测公司半年报实际营收，是这道赛题取胜的关键。　　在训练集生成上，团队首先把三大财务报表里面的数据提取出来，接下来引入申万的行业分类这一类别特征。值得注意的是，申万的一级行业分类由28个被团队拆分成30个，同时还加入了能够表征行业数据的指数行情，以及行业估值信息，这里面所有的指标都会经过团队的独特处理。　　在公司的维度，团队加入沪深股票日行情以及个股日资金流向，同时引入财务衍生数据和多因子数据。这些特征的比起基本财务数据的优势在于，它们是经过优秀的研究员精心挑选和计算过，可能更具有解释力。　　除了刚刚提到的特征，团队还

5、加入了滑窗特征。滑窗特征是什么呢？　　　　以预测公司二季度的营收为例，除了告诉模型一季度营收之外，还告诉公司前四季度的营收。之所以这样做的原因是，金融数据是一个时序非常强的序列，因此团队还告诉模型它的历史上的一些信息。相应的，团队还加入了比率滑窗的特征。　　训练方式采取了滑窗模式，五年一滑，但是有三个验证集。模型的最优参数是在三个验证集上的平均loss最小的参数，还列举了不同的模型算法它的表现。　　选了那么多特征之后，怎么把最重要的特征筛选出来呢？　　首先团队会多轮预跑，得到所有特征的重要性。然后选出来重要特征重新生成训练集，在

6、训练集上进行网格搜索，确定最优的模型参数。　　　　模型部署方面，时序模型不需要训练，它的loss大概在0.48左右。团队的主模型是xgb，辅助模型是RandomForest。模型融合是线性分类器，模型保存了最终部署的27个模型，从行业的角度去选择最终利用哪个模型。　　最终，团队的复赛得分是0.43，如果换算成营业收入的误差，在7%以内。　　从不同公告找到共性知识结构，做直接的实体全量标注　　赛题二是上市公司公告重要信息抽取。　　本赛题要求对“股东增减持”、“重大合同”和“定向增发”3个类型的公司公告进行信息抽取，实际上是对公司关

7、键事件进行结构化提取。　　GOGOGO团队获得本赛题第一名。他们首先是对HTML结构的提取，包括一些数据清理和转换、表格识别等。　　　　FDDC大赛上市公司公告信息抽取赛题第一名GOGOGO团队　　在算法中，团队运用了反向标注，然后建立一个NER的模型预测实体。GOGOGO的标注不同之处在于，他们做了直接的实体的全量标注。因为现有的很多通用的实体识别，是识别出一个公司名称或者是不是数值，团队直接把它的类型给定义清楚。　　　　实体标注技巧是模型里面比较重要的地方之一，另一方面，团队还用到奥卡姆剃刀原则。　　奥卡姆剃刀原则主要表现在

8、人倾向于用一个简单的方法表现一个内容，会用简单的方法不会用复杂的方法。比如，有很多合同里面没有乙方的表示，默认发公告的一方就是乙方。　　模型验证策略方面，团队在研究这个问题的时候，发现召回率是很重要的，信息一旦漏掉了是捞不回来的，因此可以通过人工的方法提高它。第