Man Group資助的牛津大學研究員說，他們創建了一個機器學習程序，可以預測股價如何變動——在大約30秒的實況交易中取得80%的成功率。牛津-Man數量金融研究所的人工智能專家利用自然語言處理的原理，在限價交易指令中挖掘流動性數據。
這對尋求市場踩點的快錢交易者來說是一個潛在的進步，該算法可以算出價格在100個tick（分時周期）內的變化方向，相當於大約30秒到2分鐘的交易時間，具體取決於市場狀況。
“在多步預測中，我們有效地建立了一個模型，經過訓練可以在較小時間範圍內進行預測，”該研究所副教授、本項研究的共同作者Stefan Zohren說。“但我們可以將這些信息反饋給模型自身，滾動預測，以獲得更長期的預測。”
該算法仍然處於測試階段。Man AHL的首席科學家Anthony Ledford表示，這個算法對對沖基金經理很有誘惑力，他們經常將大額交易指令分拆成多個較小的交易。
“如果我們認為我們要建立一個頭寸，我們可能持倉數周，但實際上建倉的交易發生在更短的時間內（通過一系列較小的交易），”他說。
曾獲英國皇家統計學會研究獎的Ledford說，這個模型的意義在於，它在理解如何向市場釋放這些小交易，而且每個都可能在幾分鐘內完成。
金融市場瞬息萬變，這類模型的準確率在真實世界要打折扣。但牛津-Man的研究結果說明了使用AI來把握數據點之間複雜關係的魅力，理論上可以達到十億級的數據點。
隨着行業競爭加劇，削弱了核心策略的回報，量化分析師們競相部署電腦程序，學習股票的統計模式，以降低交易成本並尋找新的投資信號。
管理着1270億美元資產的對沖基金Man Group在2007年為該研究所提供了初始資金，並已承諾投入超過3000萬英鎊（4250萬美元）。