发帖
雷达卡
尽管巴菲特在1987年给投资者的信中说：“在我看来，投资的成功不会由晦涩难懂的公式、不会由计算机程序或者股票市场闪动的价格信号来产生”，如今机器已经在金融市场中起到极为重要的作用。2015年创建的对冲基金中40%依赖于计算机模型做投资决策。对冲基金和银行们正招聘越来越多的数据科学家。高频交易公司也在计算机的速度和效率方面竞争激烈。
在量化交易1.0版本，模型是“静态”的，因为交易策略是被事先编程的。举个例子，“动量策略”在一个时期内效果非常好，但在下一时期可能效果不佳。真正的智能机器会在市场进一步发展之前观察到市场异常，而且交易策略本身会随着信息的变化而动态变化。
2010年Scott Patterson的书《量化交易员：击败华尔街的数学天才们》是关于交易方法历史演变和金融危机中金融衍生品的故事。而Patterson去年的新书《暗池: 高频交易，工智能土匪，对全球金融系统的威胁》提到，市场上的人工智能 – 机器人从网上各处搜集信息并且自行智能交易 – 使读者害怕的是金融市场将在机器人控制下运行，而不受人类控制（“算法回避”认为：即使清楚的认识到计算机算法的预测比人类更加好，人类还是更信任人类预言家）。机器人具有远超人类大脑的思考能力，它们能够在市场中自动交易吗？而且为什么智能机器仅仅控制金融市场，而不是我们生活的所有方面？如果马克扎克伯格成功地创造了智能虚拟助理，那我也想要一个。
量化对冲基金，如Renaissance Technologies（文艺复兴），D.E. Shaw和Two Sigma（以上均为知名量化对冲基金）多年来一直在使用人工智能策略。考虑到他们的管理层的背景，这并不奇怪。 在成为文艺复兴的联合首席执行官之前，Bob Mercer和Peter Brown在IBM公司开发了语言识别程序。在联合创立Two Sigma之前，David Siegel从麻省理工学院获得了计算机科学博士学位，他就是从AI实验室出来的。 David Siegel在去年的一次会议上说，“投资世界面临的挑战是人类的思想没有变得比100年前更好，使用传统方法的人很难用人脑中应付全球经济如此之多的信息、最终，这样的时刻将会到来：没有人类投资经理能够击败计算机。”
许多基金早就在这个领域的闷头努力，但随着人工智能在过去几年为大家关注，有更多的活动和收购消息能够公开查到。Ray Dalio的Bridgwater（桥水），世界上最大的对冲基金，挖走了David Ferrucci – 2012年IBM人工智能事业部Watson的领头人（Waton在电视智力竞争节目Jeopardy 中击败了人类选手，AlphaGO也击败了世界围棋冠军）。去年，BlackRock（黑石）和Two Sigma聘请了两个前谷歌顶级工程师。
新的进展来自于机器学习的应用，特别是深度学习。机器学习简单来说就是计算机可以自己学习和行动，而无需事先编程。深度学习是以一套基于算法的机器学习的分支，这套算法通过使用多个具有复杂结构的处理层，试图对高级抽象数据进行建模——从本质上来说就是训练大型识别数据模式的虚拟神经网络。深度学习赋予了计算机人类水平的能力，例如识别图像、口语以及人类语言的语义。IBM的Watson在许多案例中都比人类医生更能更好地诊断出癌症，Facebook的DeepFace技术在识别使用者的照片中识别面孔的能力跟人类几乎差不多。Anthony Ledford是量化基金MAN AHL的首席科学家，他说在探索深度学习在交易中的应用上，他们还处于早期阶段：
“我们留了一些钱来做深度学习的交易测试。如果一切顺利，就会进入测试交易阶段，跟其它机器学习的方式一样。”
有一些新的聚焦人工智能交易的玩家进入了金融市场，比如旧金山的Sentient，纽约的Rebellion Research和香港的Aidyia。2016年底，AI研究员Ben Goertzel在香港的公司Aidyia建立了一个基金，这个基金所有的交易都使用AI。Aidyia被认为有一个非常激进的方法，它使用了进化程序、概率逻辑以及混沌学。在一篇《MIT Technoloty Review》采访中Goertzel说道：
“我们的系统采集了各种输入信息，包括世界各地交易所的价格和交易量、不同来源的多种语言的新闻、宏观经济和公司财务数据，以及其它等等。系统会研究这些因素在历史层面上的相关性，并且学习到一种成千上万个预测模型的集合，这些预测模型能够给出预测结果。”
每天AI机器人们都会对市场的方向做出预测，并且做出最佳行动的决定。
sentient商业预测
去年JP Morgan的对冲基金业务Highbridge Capital Management开始与Sentient合作创建AI策略。Sentient在资金方面获得1.43亿美元的支持，完全通过AI进行操作；在算法上，它使用了进化学习，生成了数万亿种专业程序，这些专业程序称为代理（agent）。Sentient说使用进化学习，你便能够创建虚拟量化交易员，使用历史数据测试他们的表现，而这些虚拟交易员会相互竞争，一些能够实际部署的聪明交易员便留下了——AI交易员的适者生存。Sentient AI负责供应创建投资策略的信息数据、决定使用什么工具、用什么订单类型、购买什么资产、并对什么时候要退出当前仓位做出决定、降低风险暴露等。虽然当前使用进化计算，Sentient在深度学习算法中看到了希望。Sentient的首席科学官Babak Hodjat是Siri的创始人，Siri后来被苹果收购。他认为进化学习和深度学习可以结合起来，同时他还说“你可以不断进化改进深度学习中使用的权重……你也可以不断进化深度学习算法本身的架构。”这被叫做神经网络进化——使用进化算法来构建更好的深度学习算法。
但是这种热情不是所有人都有。David Harding 是Winton资本的执行总裁，他对于新兴的对AI和机器学习的兴趣表示怀疑，他说“如果我从Winton的角度来说，我会说那或多或少就是我们过去30年所做的事情。”关于深度学习的使用也有一些不同意见，Aidyia的Goertzel提出，极度嘈杂的金融市场，和深度学习十分有用的环境是非常不同的——识别实时交易数据的模式和识别人脸是完全不同的。他还补充说：“如果每个人都在使用某种方法，那么市场本身已经priced in了。”知名投资经理和金融博主Ben Carlson持有同样观点：
“如果有人都找到了某种有效的方法，不仅其他基金会迅速跟进，金主投资者也会迅速砸钱进来，造成方法失效。很难想象市场不被套利行为迅速拉平。”
在金融世界，仅仅是聪明远远不够，因为市场本身factor in或者模仿你天才思维的速度极快；如果你想比其他参与者有优势，那么你需要以一种不同于其他参与者的方式“聪明”。
但是我们如何能与有能力以光速处理大数据的计算机竞争呢？当俄罗斯国际象棋大师Gary Kasparov和IBM深蓝超级计算机对战，他不只是对抗深蓝本身，他正在对抗的是在他之前的所有伟大的象棋玩家。市场有了人工智能，从每个可想到的来源扫描数据，计算机以远远超出人类思维维度的能力分析数据。人工智能可以同时观察世界一角的降雨模型和农业产出、另一角的航运模型、社交媒体对特定公司评论中的情绪、发展中经济体的坚韧诉讼、在模式出现之前很好地找到它们。在《Dark Pools》一书中有个人工智能程序，这个程序生成对苹果股票的预测：该系统可能跟踪所有关于苹果公司的博客内容、行业专家的言论、从中国出境的运输数据和制造手机的工厂、就业网站所测量的具有苹果公司工作经验的员工找工作的数量（这个数量增加了可以表示裁员，因此可能盈利不及预期）、SEC文件、专利申请、零售数据和社交媒体评论。目标是在公司上市之前预测公司绩效，或者甚至比公司管理层更加领先意识到发生了什么事情。
理解市场对于即使是最有经验的玩家来说也是一个令人头晕的挑战，并且对于早期使用计算机来做此事也同样是困难的。但技术正以惊人的速度发展。我不相信基金经理会因技术而灭绝，但我相信对于处理数据模型和辅助投资决策，人工智能将是增强投资过程的无价工具。要成为赚钱的投资者，你需要正确的信息，你需要控制情绪做出合理地分析，并且对你的信息采取有效行动，你需要在正确的时机做出决定(timing)。 这是人类不如计算机的地方。
我们的算法变得越来越复杂，并且它们在投资过程中的重要性持续提升。未来的市场会是什么样子呢？ 更大的问题是，我们的世界会是什么样子？
文章来源：量化交易金融社区
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
