AI炒股就能轻松赚大钱？别做梦了，洗洗睡吧

本篇文章2636字，读完约7分钟

让人工智能取代人类股票是多么美妙的目标啊。

正文/夏编译

资料来源:量子位

让人工智能取代人类股票是多么美妙的目标啊。

机器学习技术可以让计算机从数据中寻找模式，而无需人类事先编写规则。从机器人到天气预报，到语言翻译，甚至驾驶，这项技术推动了许多领域的进步。

为什么不能用它来修复金融市场？

这一想法引发了投资公司之间的军备竞赛，各种已经严重依赖数学的基金开始争夺他们能找到的顶尖计算机科学家和统计学家。

这项技术起初表现良好。今年表现最好的两只对冲基金，定量投资管理有限责任公司和特扎资本管理有限责任公司，今年分别上涨了68%和50%。他们都说机器学习有助于取得如此好的成绩。

然而，很少有公司继续在投资上完全押注机器学习。

对哈里托诺夫来说，建立一个基于机器学习的对冲基金并不容易:它的难度是想象的三倍，耗时是预期的三倍。

我们基本上是在战斗和失败。他说。

哈里托诺夫是沃龙集团的联合创始人，沃龙集团是最早全面接受机器学习的投资公司之一。从他们多年的奋斗中，我们可以大致了解其他公司的选择。

要将机器学习应用到金融交易中，我们必须首先了解这项技术在其他领域的成就可能不适用于交易。金融交易是一个更加混乱的环境，模式总是被掩盖。

哈里托诺夫说，他们想从一开始就用机器学习来做交易预测，但没有成功。

哈里托诺夫今年54岁，他还有一个43岁的联合创始人乔恩·麦考利夫。他们分别是计算机科学和统计学的博士，他们都是最古老和最成功的定量投资基金d.e .肖集团的研究员。

当时，贝佐斯还没有创立亚马逊，而他恰好是哈里托诺夫的老板，贝佐斯今年不时地登上首富的宝座。

哈里托诺夫和麦考利夫多年来一直坚信，他们所学的机器学习技术天生就适合投资，并且有可靠的方法指导。但是当他们年轻的时候，计算机不够快，可用的数据集不够大。

到2007年，新的数据集和足够强大的计算机出现了，所以Haritonov和mcauliffe创立了voleon并投资于机器学习。公司的名称没有特殊含义。这只是因为域名可以注册。

在融资过程中，他们遇到了挑剔的机构投资者。

我们应该知道，机器学习技术和量化交易的常用方法之间存在一些差异。它不需要科学家做出假设并编写算法供计算机执行。相反，人类为自己的计算提供大量数据，然后让他们找到自己的模式。

事实上，是计算机自己编写算法来进行预测，但问题是计算机不会告诉你它是如何得到这个结果的。

市场上的定量基金可以清楚地解释他们的算法在做什么，但是只有计算机知道沃龙的机器学习算法在想什么。

这种方法的内在神秘性使得沃龙不可能向潜在投资者解释他们买卖股票的原因。计算机发现的模式太微妙了，人类无法理解。

许多人对此完全不感兴趣，但我们最终找到了一个能够理解机器学习潜力的人。哈里托诺夫说。

2008年，当全球市场陷入严重的金融危机时，沃龙开始了真正的交易。

在接下来的两年里，公司一直在亏损。2009年市场的复苏不会有所帮助。

沃伦的创始团队坚持沿着最初的方向前进，他们坚信他们正在处理机器学习中最困难的问题之一。如果他们想赚钱，他们需要先花时间完善系统。

他们面临的基本问题是市场太混乱了。到目前为止，机器学习系统表现良好的领域有一个共同的特征:模式本质上是重复的，所以它们更容易区分，这对于围棋和驾驶来说是真的。

然而，金融市场的噪音越来越大，不断受到新事件的影响，这些新事件之间的关系总是在变化。

市场的不可预测性意味着投资者刚刚发现了昨天的关联，如果他们想用它来投资，它就会消失。在机器学习的其他应用场景中，不存在这样的问题。例如，用机器学习来做语音识别，人类语音的基本性质基本不变。

尽管沃龙的建立在某种意义上受到了其他领域机器学习成功案例的启发，但到2011年底，沃龙的创始人已经放弃了从其他应用中借鉴的大部分技术。相反，创始人自己为不守规矩的市场定制了系统。

在麦考利夫整洁的办公室里，书架上有《大样本的理论元素》和《bda3》之类的书。哈里托诺夫的办公室里堆满了他打开的电路板和装满纸的盒子。

他们面临的挑战之一是，他们需要利用股票每秒钟的价格变化来运行15年的股市模拟。这涉及到万亿字节的数据。沃尔伦需要在几个小时内进行模拟，但这需要几天甚至几周的时间。

当时，整个公司有10到12个人。该团队试图购买更多的计算能力，并使用为电脑游戏制造的gpu。但是仍然需要很长时间。

麦考利夫在办公室痛苦地度过了几个月。最后，他克服了这个问题。2012年7月，voleon推出了第二代平台。

哈里托诺夫说，暴力方法是无用的，标准技术也是无用的。

aynw-fypnsq 0130898

他们的新交易系统带来了更多的利润和投资者的兴趣。据一位投资者称，在旗舰基金2011年小幅反弹后，沃龙的表现在2012年为34.9%，2013年为46.3%。

然而，在《两年后》中，沃龙去年遭遇滑铁卢，损失超过9%。这也引起了一些投资者的担忧。

哈里托诺夫说，没有什么比追溯更发人深省了。去年我们学到了很多。

今年比去年好。截至今年10月，这家管理着18亿美元资产的公司的旗舰基金上涨了约4.5%。自成立以来，其年化回报率约为10.5%。

性能的波动和复杂的策略并没有阻止沃龙的发展。该基金正在扩大其投资目标，不仅仅限于美国和欧洲的股市，还包括加州大学伯克利分校附近的一栋建筑。

在机器学习技术的帮助下，沃龙每天交易价值超过10亿美元的股票。在这个过程中，他们对买卖股票的原因不感兴趣。

哈里托诺夫说，机器学习系统的预测性越强，人们就越难理解它将要做什么。有一种理论认为，人类思维主要用于处理三维场景，而机器学习系统擅长的领域是几十甚至几百个维的任务。这些维度之间的关系通常是非线性的。

这并不意味着我们不会考虑发生了什么。麦考利夫说，沃龙的研究人员将设计扰动来研究预测系统中各种输入的权重，并解决诸如过度拟合等问题。

沃龙的计算机不仅在金融信息中寻找关系，也在非金融数据中寻找关系。这些包括卫星图像、运输清单、信用卡收据、社交媒体情绪等等。这些目标数据有助于发现一个行业的健康状况或商品供应的变化。

显然，没有人会透露他们使用了什么样的数据以及如何对其进行评估。沃伦也是如此，他小心翼翼地保护自己的技术和政策隐私。

这种神秘的机制让投资者感到不安。哈里托诺夫理解这种感觉，但他坚信计算机比人类犯的错误少。

机器学习在财务预测领域的应用还处于初级阶段。他说:一切才刚刚开始。