過去 10 年量化金融領域最大的新進展是什麼？

例如新的研究或發現，還有舊的研究或發現實際上開始實施。機器學習是否開始在金融領域站穩腳跟？市場上是否存在任何新的實際差異，例如正在交易的新工具或對金融世界產生重大影響的新法規。

簡而言之，如果有的話，10 年後金融教科書中會出現哪些現在沒有的主題？

額外的問題是，一本關於金融的教科書或文章在挑選時需要多長時間才能考慮到這一點，即一本書必須多長時間才能過時？

因此，要回答您關於 ML 的觀點，我會說是的，它開始在金融領域站穩腳跟。但是，從某種意義上說，它開始更多地應用於特定的上下文中。我的意思是，它被用來以新的方式做舊事……

一個特殊的例子是機器學習如何被用於風險分析和風險管理。穆迪在此的消息來源稱，它功能強大且高度準確。信用和量化分析師也變得更加突出。但問題是，自信貸出現以來，風險分析和風險管理就已經存在。

另一個特定的背景是算法交易領域，摩根大通在此的消息來源指出，通過使用 ML 找到新的和不相關的模式或資產回報，如何使用 ML 來產生更好的投資回報。換句話說，算法交易並不是什麼新鮮事物，但使用機器學習只是一種新的、細微的發現應用 $ \alpha $ .

我希望這兩個例子能夠為 ML 在量化金融領域的應用提供一個答案。我非常樂意在下面的評論部分進行討論。

關於期權定價，十年後的教科書中很可能會找到關於粗波動率的話題（https://sites.google.com/site/roughvol/home/risks-1 ）。如果它在實踐中被廣泛應用是一個我無法回答的問題。

引用自：https://quant.stackexchange.com/questions/54013