人工智慧：一念成佛，一念成魔

對話框回復關鍵詞［人物誌，原油，技術派，交易心理，期權，私募經理人］查看精彩專題

牛錢網官方微博 @牛錢網

據彭博社報道，霍金家族的發言人在電郵公告中稱，斯蒂芬.霍金教授在位於英國劍橋的家中去世，享年76歲，整個科學家都為之哀悼，他屬於宇宙和星空。霍金生前在給英國《金融時報》的電子郵件中說，人工智慧可能在不太遙遠的未來給人類帶來真正的危險。

霍金認為人工智慧的崛起可能是人類歷史上最好的事情，也有可能是最壞的事情。至於是最好還是最壞，現在還不能確定。

對於廣大金融從業人員來說，我們可能更加關心的是人工智慧在金融投資領域會不會出現一個類似於AlphaGo那樣的人工智慧取代人類投資者，佔領人類最後一塊高地？想通這個問題其實並不困難，我們可以來看看，人工智慧在金融投資領域發展到了哪個階段。

近年來，人工智慧的發展極大的促進了機器學習的進步，給量化投資帶來長足的飛躍。從有監督學習到無監督學習，再到深度學習，在金融投資領域人工智慧已經找到了一個最佳的途徑，佔領人類投資者最後一塊領地。

有監督學習

有監督學習主要解決的是梯度下降問題，其中包括的演算法有邏輯編程、決策樹學習、增強學習和貝葉斯網路等等。簡單來說，就是人類給出一個標準答案，有機器幫助找到最準確的答案路徑。在金融市場中，就是給定你一個目標，機器會很容易的幫你找到那個參數最好，就比如說均線系統等等。

無監督學習

無監督學習解決的主要是聚類問題（或者叫分類分堆問題）。演算法包括k-means、PCA、gmm等。在金融市場中，就是解決任何把市場數據進行分類，當然這種聚類並不能提前設定。比如，股票多因子策略，你並不知道哪些因子有效，機器會通過演算法幫你找出最優解。

深度學習

深度學習解決的主要是修正問題（或者叫自我提高問題）。演算法包括深度神經網路、深度堆疊網路等。就是在有監督學習和無監督學習的基礎上，結合計算結果對數據進行自我修正，提高運算能力。比如說，橫掃圍棋界的AlphaGo就是一種自我修正的人工智慧。單純從理論的基礎上來說，金融市場也可以採取這種方法，利用深度學習，在技術和科技到達要求的前提下，人工智慧是有機會完成「超越人類」的金融投資智能。

舉個例子，如果你是一名資深的交易超過10年的主觀交易員。你可能可以達到2個階段：

1、在市場顯著沒有變化的情況下，嚴格執行交易紀律。

2、在市場發生顯著變化的時候，迅速判斷，並且做出反應。

分類-調整-堅持-修正，如此循環往複。這四條核心都是建立充分理解交易的基礎上。而且所有的交易原理都可以理解成市場人群的心理。如果人工智慧想要完成這樣的工作，就必須完成上訴的四個步驟，但就目前來說，通過黑箱實現的所謂人工智慧，通常都會被矩陣轉換、演算法優化中的噪音所干擾，而一個十分複雜的超級神經網路，常常已經超出了人類的理解，你也就無法判斷這個超級智能提供給你的東西或策略是否可用。我們最擔心的是「這個東西賺錢了，我們不知道為什麼；這個東西虧錢了，我們也不知道為什麼」

但在不久的將來，會出現一個人，不但是交易天才而且還是編程天才，說不定他就可以在投資領域創造出一個新的人工智慧「阿法狗」。當然，在金融投資領域，有很多大神，或許現在已經有了可以實戰的人工智慧阿法狗，只是我們渾然不知而已。

文：Daniel，轉載請聯繫授權

聲明：部分圖片內容來源於網路，侵刪。

－ END －

牛錢網

名人

訪談錄

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！