用「機器學習」決定債卷價格
■兩位史丹佛大學的研究人員利用機器學習的方式來研究債券定價的方式。根據他們的方法，他們可以在幾秒鐘內預測出債券合理的價值，而且與實際價格相比，誤差不到一美金。
撰文｜陳勁豪
對證卷、債券、或是外匯市場的投資者來說，找出被價格被低估的標的物進而利用機會大賺一筆可說是所有人的夢想，當然這也是許多專業投資人的重要課題。以股票市場來說，傳統上有各種技術分析能提供投資人各式各樣建議。但是當大數據的概念興起之後，利用人工智慧協助掏金是相當理所當然的概念。由於金融市場的特性，各種標的物的大量交易數字本身就相當適合利用電腦進行分析並預估其未來趨勢。
以股票市場來說，由於交易量大而且交易訊息更新迅速，幾乎所有人都可以得到近乎即時的資訊以作為預測基準。但是對債券市場則不是如此。債券的交易頻率相對較少，每次交易的發生時間間隔可能高達數天之久。在這個長達幾天的交易間隔中，債券本身的價值可能便會隨著時間而不斷改變，但是卻因為沒有交易而沒有辦法反映出其實際的價格。因此一般普遍認為，債券的價格相對穩定但也相對難預測。
史丹佛大學的兩位研究人員Swetava Ganguli與Jared Dunnmon決定利用機器學習與一個債卷交易資料庫來研究這個問題。這個債券交易資料庫裡的數據內含70多萬種不同的債券最近十筆的交易資料，包含六十多種不同的變數。他們利用了好幾種不同的演算法來分析這堆數據，先找出與價格最相關的參數，然後再來優化結果。
他們比較了幾種機器學習方法所得到的結果。表現最好的方法是利用神經網路法，預估的價格與實際價格的價差只有0.7美金。以一般債券價格約在1000美金來看，0.7美金相對於1000美金，可說是相當精準。不過這個方法有個問題，就是需要32小時的訓練時間才能得到這個結果。而其他比較粗略的方法得到的價差稍微差一點，大約是0.8金，不過只要幾秒鐘就可以得到結果。更重要的是，當Ganguli與Dunnmon建立了一個由好幾種方法所構成的混合模型，這個模型在四秒鐘內得到結果，價差約是0.85美金。
這個結果顯示，複雜的機器學習系統的確可以得到比較好的結果，但是可能要花上相當高昂的時間代價。對債券市場來說，不但要能購得到精確的債券價格，而且還要夠快，不然用了三十小時算出結果的時候，市場價格又不知道跑到哪邊去了。而這個結果也表示，稍微差一點的演算法也不見得差，因為兩者之間的差異也就是0.2美金左右，但是所用的時間天差地遠，只要四秒鐘就可以得到結果，幾乎相當於是即時資訊。這種即時資訊顯然將對債券市場有著相當重要的影響。
註：文章提及的市場都為美國的情形。
原始論文：
Machine Learning for Better Models for Predicting Bond Prices
Swetava Ganguli, Jared Dunnmon
相關報導：
MIT Technology Review 2017/05/10: Neural Networks Face Unexpected Problems in Analyzing Financial Data
--
作者：陳勁豪 科教中心特約寫手，從事科普文章寫作。2011年於美國紐約州立石溪大學(SUNY at Stony Brook)取得博士學位，研究主題為相對論性重離子碰撞(Relativistic Heavy Ion Collision)。長期擔任中文科學新聞網站「科景」（Sciscape.org）總編輯。
