人工智能、自动化与新兴技术趋势,正在颠覆价值4.6万亿的货币市场

简介: AI、自动化以及数字资产开始奇妙交汇,并共同形成2020年金融领域最重要的趋势性形态。

一些初创企业正在运用最新技术,颠覆规模最大、历史最悠久的金融领域。

image.png

面对无穷无尽的主题基金与晦涩难懂的金融产品,2020年最重要的趋势就是货币市场交易所-交易基金(ETF)达到创纪录高位,总值超过4.6万亿美元。而这一切,都要归功于AI与自动化技术的力量。

ETF代表着经过严格授权的基金,其必须在一系列预定义产品中维持精确的资本分配。随着资产价格的上涨,ETF必须重新分配资产,以保持严格管控。面对资本总额日均波动区间急剧增大的现状,ETF管理已经变得相当棘手。在这方面,AI与自动化技术得以帮助基金管理者每天处理数千笔交易,并随着市场的变化而重新平衡,最终完成任务并规模化管理大量资金。

货币市场ETF为投资者们提供安全保障,在动荡的市场中保留其资本,同时继续产生适度的回报。正因为如此,随着全球疫情的爆发,各地投资者希望尽可能将原有投资组合转换为货币市场ETF,借此度过经济不确定时期。同样的,也有不少投资者选择购买比特币等数字资产。部分专家认为,凭借着以固定编程方式控制的固定供应量,加密货币有望对冲可能的严重通货膨胀。

在这方面,AI、自动化以及数字资产开始奇妙交汇,并共同形成2020年金融领域最重要的趋势性形态——面向数字资产的自动化货币市场。正是这些技术的结合,推动了创新及金融科技初创企业的诞生与发展,这些后起之秀正运用科技之力向现代金融及货币市场的主流发起冲击。

在不确定时期,货币市场往往显示出特别的吸引力。投资者们从2020年3月上旬开始涌入货币市场基金。这股趋势最初只是受到经济衰退警告的刺激,但纵观今年整个新冠病毒流行期间,货币市场吸收到的资金始终保持攀升,这也与波动性加剧以及人们对于经济低迷期的持续时间判断密不可分。在这方面,AI技术为众多现代货币市场基金提供着有力支持,并开始将整个市场转化为一种共通性质的基金。人们越来越多地使用AI交易商,或者称其为“自动交易商”,对高质量-短周期的债务工具、现金以及各类现金等价物进行投资。

货币市场基金虽然不如现金安全,但在投资领域仍被视为一大极低风险型方向。货币市场ETF本身也成为金融领域的一大AI王牌应用类别。而且随着经济形势的持续走低,AI支持下的这部分市场的用户数量开始有所增加。货币市场开始在复杂的历史时期之下为资本提供可靠的保障。货币市场中容纳的资金主要流向高质量且流动性很强的短期债务工具,例如美国国债以及商业票据等,虽然这类投资物带来的收入有限,但收益仍然优于利率已经趋近于零甚至走向负值的常规储蓄。从历史角度出发,AI也一直是驱动传统货币市场的主要技术手段。

尽管货币市场ETF使用AI及自动化技术将大部分资金投入到现金等价物或短周期高评级证券当中,但也有部分机构会将一定比例的资金用于购买长期或评级较低的证券。目前市面上存在着多支由AI驱动的传统货币市场ETF,包括iShares短期国债ETF(SHV)、iShares短期债券ETF(NEAR)、SPDR Bloomberg Barclays 1-3月T-Bill ETF(BIL)以及Invesco超短期ETF(GSY)等。与此同时,增强AI驱动型货币市场正呈现出新的重要趋势,即去中心化货币市场。如今的竞争早已成为技术的对抗,因此传统货币市场必然需要探索将AI与区块链结合起来的潜在收益,希望借此满足2020年投资者们的实际要求。

新用户们向去中心化货币市场大量存入资金的整体趋势,可能证明去中心化有望成为货币市场的下一步发展方向。硅谷也普遍认为,只有最具前景的新兴技术能够吸引到最强劲的增长机会。再加上经济衰退等背景性整体态势的影响,货币市场很可能在2020年乃至之后不断吸引到更多资金的加入。

《华尔街日报》援引Refinitiv Lipper的报道数据,称最近存入此类基金中的总资产已经达到4.6万亿美元。这也是自1992年以来,货币市场资金总额的历史新高位。

资金的流入也给行业专家们带来了明确的信号。货币市场将拥有更强大的现金部署能力,因此有机会将业务扩展到要求更高风险承受能力的市场。但从投资者的角度来看,从开年到上周一直保持正值的标准普尔500指数,突然因人们对新冠疫情的担忧而再次暴跌。部分专家认为该指数的变化有点反应过激,也有专家甚至乐观地认为全球经济将很快复苏。

现金类资产在今年2月份开始激增,这也响应了当时投资市场因对新冠病毒担忧而引发的首轮暴跌。投资者开始涌入货币市场基金,美国国债也着手抛售股票与企业债券头寸。与此同时,美联储进入企业信贷市场的行动则为风险资产注入了信心,推动风险资产在今年4月及5月经历了一波反弹。面对复杂的变化趋势,一部分投资者认为经济会快速恢复,但也有不少投资者开始为最坏的情况做准备。无论如何,货币市场的增长仍在继续,因为这两类投资者都会在充满不确定性的时期下将货币市场视为有吸引力的投资对象。随着这种需求的持续增长,对推动货币市场发展的技术的实际需求也随之而来。

Harvest.io面向比特币及其他资产发布的全新货币市场,有望给这一总值达3540亿美元的领域带来全面的解决方案。随着加密货币普及度的持续提升,Harvest.io希望为当前金融系统提供自然扩展,帮助更多用户使用数字资产实现出借、借用以及盈利等能力。

Harvest.io平台还提供原生资产以及资产代码HARD(HARvest Decentralized),旨在为一切持有代币的用户提供关于云中心化平台持续运营及发展态势的发声渠道。“Harvest.io使用去中心化开放式基础设施,允许任何个人、企业或金融机构访问其货币市场产品。”

人工智能、自动化与新兴技术趋势,正在颠覆价值4.6万亿的货币市场
image.png

图:Harvest.io

根据Kava(以Harvest.io为基础构建的去中心化平台)联合创始人兼CEO Brian Kerr所言,Harvest为比特币及其他数字资产打造的货币市场也恰好顺应了历史潮流:Paul Tudor Jones等个人重量级投资者以及Square、Microstrategy等上市公司宣布他们已经积累了大量比特币,用以增加投资组合并保障企业资金收益。Harvest的货币市场可谓正当其时,能够为这些参与者提供更可观的数字资产回报。

基于AI的货币市场在之前就已经证明了技术在投资领域的巨大优势,而区块链技术凭借极高效率带来的额外收益,有望继续推动用户对于这些新产品的需求。

如果说2019年是AI技术成为推动货币市场增长的主流技术的重要元年,那么2020年则有望成为区块链超越AI成为前沿技术方案的又一里程碑。当然,必须承认在今年一、两年中,区块链仍然不太可能在整体金融服务领域全面赶超AI技术。如今整个行业的核心重点,仍然在于对AI技术的消化与应用。

原文链接:https://ai.51cto.com/art/202010/628881.htm
本文转载自51CTO,本文一切观点和机器智能技术圈子无关。
在线免费体验百种AI能力:【点此跳转】


机器智能技术结尾二维码.png

目录
相关文章
|
10天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术深度解析:从基础到应用的全面介绍
人工智能(AI)技术的迅猛发展,正在深刻改变着我们的生活和工作方式。从自然语言处理(NLP)到机器学习,从神经网络到大型语言模型(LLM),AI技术的每一次进步都带来了前所未有的机遇和挑战。本文将从背景、历史、业务场景、Python代码示例、流程图以及如何上手等多个方面,对AI技术中的关键组件进行深度解析,为读者呈现一个全面而深入的AI技术世界。
69 10
|
4天前
|
机器学习/深度学习 人工智能 物联网
AI赋能大学计划·大模型技术与应用实战学生训练营——湖南大学站圆满结营
12月14日,由中国软件行业校园招聘与实习公共服务平台携手魔搭社区共同举办的AI赋能大学计划·大模型技术与产业趋势高校行AIGC项目实战营·湖南大学站圆满结营。
AI赋能大学计划·大模型技术与应用实战学生训练营——湖南大学站圆满结营
|
8天前
|
人工智能 安全 算法
深度剖析 打造大模型时代的可信AI:技术创新与安全治理并重
2024年12月11日,由中国计算机学会计算机视觉专委会主办的“打造大模型时代的可信AI”论坛在上海举行。论坛汇聚了来自多家知名学术机构和企业的顶尖专家,围绕AI的技术风险与治理挑战,探讨如何在大模型时代确保AI的安全性和可信度,推动技术创新与安全治理并行。论坛重点关注计算机视觉领域的最新进展,提出了多项技术手段和治理框架,为AI的健康发展提供了有力支持。
44 8
深度剖析 打造大模型时代的可信AI:技术创新与安全治理并重
|
8天前
|
机器学习/深度学习 人工智能 运维
阿里云技术公开课直播预告:基于阿里云 Elasticsearch 构建 AI 搜索和可观测 Chatbot
阿里云技术公开课预告:Elastic和阿里云搜索技术专家将深入解读阿里云Elasticsearch Enterprise版的AI功能及其在实际应用。
阿里云技术公开课直播预告:基于阿里云 Elasticsearch 构建 AI 搜索和可观测 Chatbot
|
19天前
|
机器学习/深度学习 存储 人工智能
【AI系统】离线图优化技术
本文回顾了计算图优化的各个方面,包括基础优化、扩展优化和布局与内存优化,旨在提高计算效率。基础优化涵盖常量折叠、冗余节点消除、算子融合、算子替换和算子前移等技术。这些技术通过减少不必要的计算和内存访问,提高模型的执行效率。文章还探讨了AI框架和推理引擎在图优化中的应用差异,为深度学习模型的优化提供了全面的指导。
38 5
【AI系统】离线图优化技术
|
7天前
|
机器学习/深度学习 传感器 人工智能
AI视频监控系统在养老院中的技术实现
AI视频监控系统在养老院的应用,结合了计算机视觉、深度学习和传感器融合技术,实现了对老人体征、摔倒和异常行为的实时监控与分析。系统通过高清摄像头和算法模型,能够准确识别老人的动作和健康状况,并及时向护理人员发出警报,提高护理质量和安全性。
48 14
|
8天前
|
传感器 机器学习/深度学习 人工智能
AI视频监控卫士技术介绍:智能化河道管理解决方案
AI视频监控卫士系统,通过高清摄像头、智能传感器和深度学习技术,实现河道、水库、城市水务及生态保护区的全天候、全覆盖智能监控。系统能够自动识别非法行为、水质变化和异常情况,并实时生成警报,提升管理效率和精准度。
46 13
|
6天前
|
存储 人工智能 运维
AI-Native的路要怎么走?一群技术“老炮儿”指明了方向
上世纪70年代,沃兹尼亚克、乔布斯等人成立Homebrew Computer Club,推动个人电脑普及。如今,创原会承袭这一精神,由CNCF执行董事Priyanka Sharma等构建,聚焦云原生和AI技术,汇聚各行业技术骨干,探索前沿科技。2024年创原会年度峰会达成“全面拥抱AI-Native”共识,解决算力与存储瓶颈,推动AI原生应用开发,助力千行万业智能化转型,成为行业创新风向标。
|
8天前
|
人工智能 计算机视觉
幻觉不一定有害,新框架用AI的幻觉优化图像分割技术
在图像分割领域,传统方法依赖大量手动标注数据,效率低下且难以适应复杂场景。为解决这一问题,研究人员提出了“任务通用可提示分割”方法,利用多模态大型语言模型(MLLM)生成实例特定提示。然而,MLLM常出现幻觉,影响分割精度。为此,研究团队开发了“Prompt-Mask Cycle”(ProMaC)框架,通过迭代生成和验证提示及掩码,有效利用幻觉信息,提高了分割精度和效率。实验结果表明,ProMaC在多个基准数据集上表现出色,为图像分割技术的发展提供了新思路。
23 6
|
13天前
|
机器学习/深度学习 人工智能 监控
AI视频监控技术的核心优势与实践
AI视频监控技术结合了计算机视觉、深度学习和大数据分析,能够实时分析监控画面,识别异常行为和场景变化。其核心在于从“被动记录”转型为“主动识别”,提升监控效率并减少安全隐患。主要应用场景包括泳池管理、健身器械区域、人员密度预警和异常事件检测。系统架构支持多种摄像头设备,采用边缘计算和Docker部署,具备实时性、高准确率和扩展性等优势。未来将优化复杂场景适应性和实时计算负载,进一步提高系统性能。