取代公司债电话交易员?高盛新算法可自动提供债券价格

简介:

取代公司债电话交易员?高盛新算法可自动提供债券价格

据《金融时报》报道,华尔街投行高盛(Goldman Sachs)悄悄地推出了一款帮助自动化交易的计算机程序,可让投资者在8.4万亿美元的美国公司债券市场自主进行交易,而不必依赖于致电该投行的员工才能获取决策建议。

具体来说是这样的:最近几周,基金经理和交易员都收到了“高盛算法”(Goldman Sachs Algorithm)自动发出的信息,提供值得买卖的高评级公司债券的价格。利用自动化程序提高运作效率是当今金融业借以提升利润空间的革命性进步,而与历史上工业革命类似,在科技与金融的交融碰撞之中,某些岗位注定被优化,比如坚守于此的电话交易员。

虽然高盛这套系统只适用于交易额低于100万美元的“零星交易”,但由于投行面临债券交易利润削减的营收压力的背景下,而且金融危机后出台的法规也降低了银行作为投资中介的吸引力,所以该程序仍然具有举足轻重的作用。

我们知道,优质美国企业债包括7000多种证券,每一种都包含大量的文件需要分析,而由于规模、期限和结构等的不同,同一家公司出售的两种债券可能包含有多种不同程度的风险,不能像股票那样互换,公司债交易在很大程度上仍依赖于语音交易或即时信息来确定价格。也因为如此,庞大和复杂的公司债券市场被认为无法完全将交易留给电脑、实现自动化。但正如AlphaGo也击败了几乎不可能通过程序战胜的围棋,如今,买卖股票及美国政府债券的交易几乎完全实现了电子化和透明化。

与彭博等平台上只给出一个指示性价格,需要向某家银行确认的方式不同,高盛程序中的价格可以立即执行。据一些基金经理表示,高盛算法提供的价格是动态的,能够实时反映其他交易和市场条件。

据一位基金经理表示,高盛算法每天可以自动识别并提供7500万到1亿美元的债券给用户进行交易,这能够把高盛的交易员和销售人员解放出来,专注于利润更高的交易。





本文作者:温晓桦
本文转自雷锋网禁止二次转载, 原文链接
目录
相关文章
|
3月前
|
机器学习/深度学习 数据采集 算法
基于SVm和随机森林算法模型的中国黄金价格预测分析与研究
本文通过运用支持向量机(SVM)、决策树和随机森林算法,结合历史黄金价格数据和特征工程,建立了中国黄金价格的预测模型,并通过模型训练、评估及可视化分析,为黄金市场投资者和分析师提供了基于机器学习算法的预测方法和决策支持。
103 0
|
3月前
|
机器学习/深度学习 数据采集 数据可视化
基于机器学习的一线城市租房价格预测分析与实现,实现三种算法预测
本文通过数据采集、处理、特征选择和机器学习建模,对一线城市租房价格进行预测分析,比较了随机森林、一元线性回归和多元线性回归模型,并发现随机森林模型在预测租房价格方面表现最佳,为租房市场参与者提供决策支持。
|
6月前
|
算法
【优选算法】——Leetcode——LCR 179. 查找总价格为目标值的两个商品
【优选算法】——Leetcode——LCR 179. 查找总价格为目标值的两个商品
|
6月前
|
机器学习/深度学习 自然语言处理 算法
【视频】K近邻KNN算法原理与R语言结合新冠疫情对股票价格预测|数据分享(下)
【视频】K近邻KNN算法原理与R语言结合新冠疫情对股票价格预测|数据分享
|
6月前
|
机器学习/深度学习 算法 大数据
【视频】K近邻KNN算法原理与R语言结合新冠疫情对股票价格预测|数据分享(上)
【视频】K近邻KNN算法原理与R语言结合新冠疫情对股票价格预测|数据分享
|
机器学习/深度学习 传感器 算法
【SVM时序预测】基于遗传算法优化支持向量机GA-SVM农产品价格时间序列预测附matlab代码
【SVM时序预测】基于遗传算法优化支持向量机GA-SVM农产品价格时间序列预测附matlab代码
|
算法 C++
降维算法:主成分分析 VS 自动编码器(三)
降维算法:主成分分析 VS 自动编码器(三)
170 1
降维算法:主成分分析 VS 自动编码器(三)
|
机器学习/深度学习 传感器 算法
时序预测 | MATLAB实现GWO-BiLSTM灰狼算法优化双向长短期记忆神经网络股票价格预测
时序预测 | MATLAB实现GWO-BiLSTM灰狼算法优化双向长短期记忆神经网络股票价格预测
|
算法 C++
降维算法:主成分分析 VS 自动编码器(二)
降维算法:主成分分析 VS 自动编码器(二)
127 0
降维算法:主成分分析 VS 自动编码器(二)
|
机器学习/深度学习 编解码 算法
降维算法:主成分分析 VS 自动编码器(一)
降维算法:主成分分析 VS 自动编码器(一)
262 0
降维算法:主成分分析 VS 自动编码器(一)