寬源新聞
算法投資靠譜嗎？
很多人使用了數(shù)十年的一些技術(shù)，都可以被稱為機(jī)器學(xué)習(xí)技術(shù)，這是否將帶來(lái)投資方式的轉(zhuǎn)變？寬源資產(chǎn)認(rèn)為，AI技術(shù)提升了投資決策的效率，而不是完全替代人。請(qǐng)看下面的文章：
文章來(lái)源：FT中文網(wǎng)
艾薩克•牛頓(Isaac Newton)可能是有史以來(lái)最聰明的人，然而事實(shí)證明他是個(gè)糟糕的投資者。“我能計(jì)算出天體的運(yùn)動(dòng)，卻不能計(jì)算出人的瘋狂，”他在南海股票泡沫中損失了一大筆錢以后哀嘆道。
然而，越來(lái)越多精通技術(shù)的投資者認(rèn)為他們可以利用數(shù)學(xué)和計(jì)算機(jī)尖端科技，來(lái)預(yù)測(cè)金融市場(chǎng)的起起伏伏。一些最先進(jìn)的資產(chǎn)管理公司現(xiàn)在正求助于人工智能(AI)技術(shù)，其中包括能夠自動(dòng)學(xué)習(xí)、適應(yīng)和搜索大量數(shù)據(jù)組以研究出可交易的模式的投資算法。
但有些“量化”金融家(quant，即量化分析師)懷疑這類工具可能不過是一種高明一點(diǎn)的陷阱。他們認(rèn)為“機(jī)器學(xué)習(xí)”這類領(lǐng)域被過度炒作，AI則是一種營(yíng)銷噱頭。
“每個(gè)人都想要得到‘圣杯’，某種能夠投資并且實(shí)現(xiàn)1%恒定月回報(bào)率的東西，”位于劍橋(Cambridge)的量化對(duì)沖基金Cantab Capital的負(fù)責(zé)人尤安•柯克(Ewan Kirk)表示，“我不想表現(xiàn)得悲觀，但我很懷疑。”
全球最大量化對(duì)沖基金之一溫頓資本(Winton Capital)負(fù)責(zé)人戴維•哈丁(David Harding)也懷疑，AI并不能給投資業(yè)帶來(lái)重大飛躍。“我不是盧德分子(Luddite)，我們總是對(duì)賺錢的新方式感興趣。因?yàn)榭傆惺澜缂?jí)的人物向我展示實(shí)際上并沒有效果的靈丹妙藥，我不得不對(duì)此深表懷疑，”他說。
計(jì)算能力的顯著提升徹底改變了投資界，依據(jù)算法的交易商和投資者在市場(chǎng)上的影響力越來(lái)越大。大量資金涌入持續(xù)從市場(chǎng)雜音中分析出風(fēng)向的計(jì)算機(jī)驅(qū)動(dòng)對(duì)沖基金。這導(dǎo)致許多資金管理公司競(jìng)相雇傭計(jì)算機(jī)專家，直接與硅谷技術(shù)巨頭和熱門初創(chuàng)企業(yè)爭(zhēng)奪人才。
AI處于領(lǐng)域的最前沿。近年來(lái)AI領(lǐng)域也經(jīng)歷了幾次飛躍。最引人注目的是，谷歌(Google)旗下DeepMind的AI部門研發(fā)的程序，最近打敗了一位著名圍棋選手。圍棋是一種古老的中國(guó)游戲，因?yàn)檫^于復(fù)雜，大多數(shù)專家此前都認(rèn)為，計(jì)算機(jī)至少還需要10年才能打敗人類圍棋冠軍。
DeepMind的AlphaGo這類算法所運(yùn)用的技術(shù)或許還能得到更廣泛的應(yīng)用，這引發(fā)了有關(guān)投資管理可能即將迎來(lái)另一場(chǎng)技術(shù)革命的樂觀情緒。在規(guī)模上，這場(chǎng)革命可能和上世紀(jì)七八十年代的市場(chǎng)電子化革命相仿。
“機(jī)器學(xué)習(xí)和人工智能將在量化資產(chǎn)管理中起到極大作用，但傳統(tǒng)資產(chǎn)管理公司也會(huì)在這個(gè)領(lǐng)域大舉擴(kuò)張，”高盛(Goldman Sachs)資產(chǎn)管理部門的基金經(jīng)理奧斯曼•阿里(Osman Ali)表示。
計(jì)算機(jī)可以利用機(jī)器學(xué)習(xí)等流行的AI策略自主學(xué)習(xí)和發(fā)展。比如，一種機(jī)器學(xué)習(xí)算法可以獨(dú)立上手和掌握如何玩《超級(jí)馬里奧》(Super Mario)這樣的游戲。一開始算法會(huì)隨機(jī)地玩這款經(jīng)典街機(jī)游戲，但很快算法就能摸清如何操作和通關(guān)。
因此，自由的機(jī)器學(xué)習(xí)算法在海量數(shù)據(jù)中尋找稍縱即逝的可盈利模式的潛能，引起人們的廣泛興趣。
“我認(rèn)為算法就相當(dāng)于擁有巨大潛力的幼童。你可以教它們同時(shí)閱讀數(shù)百萬(wàn)本書，”美國(guó)國(guó)家航空航天局(NASA)前計(jì)算機(jī)科學(xué)家、現(xiàn)在供職于貝萊德(BlackRock)位于舊金山的“科學(xué)主動(dòng)股票投資”部門的布拉德•貝茨(Brad Betts)表示。
然而，甚至是在很多量化分析師中，懷疑情緒依然普遍。在他們看來(lái)，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)——后者支撐了DeepMind的AlphaGo引人注目的成功——只不過是對(duì)已經(jīng)投入使用很長(zhǎng)時(shí)間的技術(shù)的擴(kuò)展或加強(qiáng)。
“很多人使用了數(shù)十年的一些技術(shù)，都可以被稱為機(jī)器學(xué)習(xí)技術(shù)，”Neuron Capital負(fù)責(zé)人羅伯特•希爾曼(Robert Hillman)表示，“圖片識(shí)別和把AI運(yùn)用到市場(chǎng)之中存在巨大差異。這是否將帶來(lái)投資的范式轉(zhuǎn)變？我不這么認(rèn)為……這不是根本性的變化，這是一種效率的提升。”
柯克指出，最常見的AI策略著重于模式識(shí)別，比如區(qū)分出圖片中的一只貓和一只狗。但市場(chǎng)上充斥著雜音和亂流，要找到模式更為困難。
“作為一名極客，AlphaGo讓我超級(jí)興奮，但從打贏一個(gè)有清晰規(guī)則和目標(biāo)的游戲、到進(jìn)行投資，中間還有巨大的跨度，”他說。
即使是對(duì)AI在投資界的應(yīng)用前景抱謹(jǐn)慎樂觀態(tài)度的量化分析師，也警告這個(gè)領(lǐng)域存在許多陷阱。一些看起來(lái)可能很巧妙、與歷史數(shù)據(jù)完美契合的算法，在面對(duì)金融市場(chǎng)的反復(fù)無(wú)常時(shí)卻常常出毛病。
“能玩《超級(jí)馬里奧》未必能駕馭市場(chǎng)。當(dāng)你按下按鍵的時(shí)候，你總是知道會(huì)發(fā)生什么，但在市場(chǎng)上就不是這樣了。”一家大型對(duì)沖基金中的另一名量化分析師表示，“算法可能需要時(shí)間才能找到好的交易機(jī)會(huì)并進(jìn)行優(yōu)化，可能先要經(jīng)歷很多糟糕的交易。”