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
|
5天前
|
人工智能 自然语言处理 机器人
文档智能与RAG技术如何提升AI大模型的业务理解能力
随着人工智能的发展,AI大模型在自然语言处理中的应用日益广泛。文档智能和检索增强生成(RAG)技术的兴起,为模型更好地理解和适应特定业务场景提供了新方案。文档智能通过自动化提取和分析非结构化文档中的信息,提高工作效率和准确性。RAG结合检索机制和生成模型,利用外部知识库提高生成内容的相关性和准确性。两者的结合进一步增强了AI大模型的业务理解能力,助力企业数字化转型。
35 3
|
14天前
|
人工智能 搜索推荐 安全
AI技术在医疗领域的应用与挑战
【10月更文挑战第27天】 本文探讨了人工智能(AI)在医疗领域的应用,包括疾病诊断、药物研发和患者管理等方面。同时,也分析了AI在医疗领域面临的挑战,如数据隐私、伦理问题和技术局限性等。通过对这些方面的深入分析,我们可以更好地理解AI在医疗领域的潜力和发展方向。
119 59
|
3天前
|
人工智能 文字识别 运维
AI多模态的5大核心关键技术,让高端制造实现智能化管理
结合大模型应用场景,通过AI技术解析高端制造业的复杂设备与文档数据,自动化地将大型零件、机械图纸、操作手册等文档结构化。核心技术包括版面识别、表格抽取、要素抽取和文档抽取,实现信息的系统化管理和高效查询,大幅提升设备维护和生产管理的效率。
|
6天前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能与深度学习:探索未来技术的无限可能
在21世纪,人工智能(AI)和深度学习已经成为推动科技进步的重要力量。本文将深入探讨这两种技术的基本概念、发展历程以及它们如何共同塑造未来的科技景观。我们将分析人工智能的最新趋势,包括自然语言处理、计算机视觉和强化学习,并讨论这些技术在现实世界中的应用。此外,我们还将探讨深度学习的工作原理,包括神经网络、卷积神经网络(CNN)和循环神经网络(RNN),并分析这些模型如何帮助解决复杂的问题。通过本文,读者将对人工智能和深度学习有更深入的了解,并能够预见这些技术将如何继续影响我们的世界。
34 7
|
5天前
|
人工智能 自然语言处理 自动驾驶
技术与人性:探索人工智能伦理的边界####
本文深入探讨了人工智能技术飞速发展背景下,伴随而来的伦理挑战与社会责任。不同于传统摘要直接概述内容,本文摘要旨在引发读者对AI伦理问题的关注,通过提出而非解答的方式,激发对文章主题的兴趣。在智能机器逐渐融入人类生活的每一个角落时,我们如何确保技术的善意使用,保护个人隐私,避免偏见与歧视,成为亟待解决的关键议题。 ####
|
13天前
|
机器学习/深度学习 人工智能 自然语言处理
思通数科AI平台在尽职调查中的技术解析与应用
思通数科AI多模态能力平台结合OCR、NLP和深度学习技术,为IPO尽职调查、融资等重要交易环节提供智能化解决方案。平台自动识别、提取并分类海量文档,实现高效数据核验与合规性检查,显著提升审查速度和精准度,同时保障敏感信息管理和数据安全。
62 11
|
8天前
|
人工智能 自然语言处理 算法
企业内训|AI/大模型/智能体的测评/评估技术-某电信运营商互联网研发中心
本课程是TsingtaoAI专为某电信运营商的互联网研发中心的AI算法工程师设计,已于近日在广州对客户团队完成交付。课程聚焦AI算法工程师在AI、大模型和智能体的测评/评估技术中的关键能力建设,深入探讨如何基于当前先进的AI、大模型与智能体技术,构建符合实际场景需求的科学测评体系。课程内容涵盖大模型及智能体的基础理论、测评集构建、评分标准、自动化与人工测评方法,以及特定垂直场景下的测评实战等方面。
44 4
|
8天前
|
机器学习/深度学习 人工智能 算法
基于AI的性能优化技术研究
基于AI的性能优化技术研究
|
12天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗健康领域的应用与挑战####
本文旨在探讨人工智能(AI)技术在医疗健康领域的创新应用及其面临的主要挑战。通过深入分析AI如何助力疾病诊断、治疗方案优化、患者管理及药物研发,本文揭示了AI技术在提升医疗服务质量、效率和可及性方面的巨大潜力。同时,文章也指出了数据隐私、伦理道德、技术局限性等关键问题,并提出了相应的解决策略和未来发展方向。本文为医疗从业者、研究者及政策制定者提供了对AI医疗技术的全面理解,促进了跨学科合作与创新。 ####
|
11天前
|
人工智能 算法
AI技术在医疗领域的应用及其挑战
【10月更文挑战第31天】本文将探讨AI技术在医疗领域的应用及其面临的挑战。我们将从AI技术的基本概念开始,然后详细介绍其在医疗领域的应用,包括疾病诊断、药物研发、患者护理等方面。最后,我们将讨论AI技术在医疗领域面临的挑战,如数据隐私、算法偏见等问题。

热门文章

最新文章