眾所周知，人工智能是計算機科學(xué)的一個分支，以研究和生產(chǎn)一種與人類智能相似的方式做出反應(yīng)的智能機器為目的。該領(lǐng)域的研究除數(shù)據(jù)分析外，還包括語言識別、圖像識別、專家系統(tǒng)等。

 

　　“我們都知道人工智能是未來發(fā)展的一個方向，但大家對它并沒有一個深入全面的了解。”上海念空科技董事長王嘯對期貨日報記者說，現(xiàn)在金融領(lǐng)域?qū)θ斯ぶ悄艿睦斫膺€存在一些誤區(qū)。目前金融行業(yè)常提到的人工智能，大部分被簡單地理解為大數(shù)據(jù)運用，實際上，人工智能在金融領(lǐng)域運用遠不止此。

 

　　王嘯說，現(xiàn)在說起人工智能就會提到機器學(xué)習(xí)，目前最熱的人工智能類似于AlphaGo采用的技術(shù)，屬于機器學(xué)習(xí)的一種，叫做深度學(xué)習(xí)。更專業(yè)的說法是，AlphaGo用到的是深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)（CNN）和增強學(xué)習(xí)算法。機器學(xué)習(xí)的范圍比較寬泛，一些機構(gòu)用機器學(xué)習(xí)做交易策略，比如股票的統(tǒng)計套利策略就是讓機器去不停地學(xué)習(xí)數(shù)據(jù)、適應(yīng)市場。它和現(xiàn)在最熱門的深度學(xué)習(xí)是有區(qū)別的。

 

　　“深度學(xué)習(xí)主要有三類算法，CNN、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）和增強學(xué)習(xí)。CNN算法的優(yōu)勢在于識別圖像，它的原理類似于用計算機來模擬人腦學(xué)習(xí)的過程，把計算機當(dāng)做一個嬰兒，構(gòu)造一個有許多神經(jīng)元組成的神經(jīng)網(wǎng)絡(luò)，在學(xué)習(xí)的過程中，神經(jīng)元之間會不斷根據(jù)損失函數(shù)優(yōu)化神經(jīng)網(wǎng)絡(luò)參數(shù)，進而帶來正確的學(xué)習(xí)能力。長短期記憶網(wǎng)絡(luò)是RNN目前最常用的算法，它的優(yōu)勢是識別前后有聯(lián)系的一系列數(shù)據(jù)。”王嘯告訴記者，他們公司正在做的是，探索深度學(xué)習(xí)在交易的時間序列數(shù)據(jù)中的應(yīng)用，最大的挑戰(zhàn)是如何把時間序列數(shù)據(jù)排列成結(jié)構(gòu)數(shù)據(jù)，或者以何種形式“喂給”神經(jīng)網(wǎng)絡(luò)。

 

　　上海一家主要從事股票量化投資的私募機構(gòu)負責(zé)人表示，在金融投資和交易領(lǐng)域運用人工智能，首先要弄清楚大數(shù)據(jù)、深度學(xué)習(xí)和量化策略之間的區(qū)別。

 

　　“大數(shù)據(jù)是在歷史數(shù)據(jù)中挖掘規(guī)律。深度學(xué)習(xí)是讓計算機去理解一些抽象的東西，是機器學(xué)習(xí)中未來應(yīng)用前景最廣的一種。量化策略則是通過找尋歷史數(shù)據(jù)中的規(guī)律構(gòu)建模型，程序都是確定好的，只是用計算機運行，不過，如果規(guī)律變化，模型就會失效，策略師的工作就是不斷調(diào)整模型。”上述私募機構(gòu)負責(zé)人說。

 

　　今年以來，量化投資整體表現(xiàn)不盡如人意。

 

　　前述私募機構(gòu)負責(zé)人告訴記者，他們公司今年年初引進的一個投資團隊在人工智能運用上做了一些嘗試，試圖通過深度學(xué)習(xí)的方法，讓機器去尋找和市場上相關(guān)性較低的因子，模擬人的思維方式去描 述市場行為。

 

　　“現(xiàn)在國內(nèi)私募行業(yè)還沒有能賺取市場超額收益的人工智能投顧，但并不是說沒有機構(gòu)做。”王嘯說，國內(nèi)真正做量化投資的私募機構(gòu)本來就不多，愿意為人工智能研究投入的更是少之又少。他們公司早在去年下半年就組建了團隊，升級了硬件，進行深度學(xué)習(xí)研究。

 

　　王嘯告訴記者，他們想做出的人工智能策略分析師，是在得到海量數(shù)據(jù)后就能夠自己生成策略模型，不期望它一開始就能獲得高收益。

 

　　“我們研究人工智能策略分析師的成果在實盤中已經(jīng)進行了應(yīng)用，雖然現(xiàn)在的表現(xiàn)還沒有其他策略好，但已經(jīng)有了一些收益，而且和其他策略的相關(guān)性很低。目前主要應(yīng)用在CTA策略中，它增加了原有策略的穩(wěn)定性。”王嘯介紹。

 

　　在王嘯看來，現(xiàn)在深度學(xué)習(xí)在交易領(lǐng)域還是空白，率先進行這方面研究的機構(gòu)最有可能贏得市場超額收益。到人工智能在交易領(lǐng)域廣泛應(yīng)用那一天，市場超額收益就會消失。

 

　　他還告訴記者，在探索人工智能在交易領(lǐng)域應(yīng)用的過程中，他們遇到了一些問題。

 

　　“一年前我們開始尋找切入點，在組建團隊的過程中發(fā)現(xiàn)一個大問題，即人才難尋。每年全球深度學(xué)習(xí)專業(yè)的博士畢業(yè)生不過幾十人，而且大部分畢業(yè)后都會選擇去大型互聯(lián)網(wǎng)公司，很少有人進入金融領(lǐng)域。”王嘯說，金融領(lǐng)域應(yīng)用人工智能的另一個問題是跨學(xué)科團隊的建立。

 

　　“對于人工智能策略分析師，我們要做的不是教它如何工作，而是把策略所需的數(shù)據(jù)灌輸給它，然后告訴它正確答案。其中最難的是我們應(yīng)該以什么形式給它。人工智能應(yīng)用于金融領(lǐng)域，只會算法是不夠的。如果做深度學(xué)習(xí)的人完全不懂金融，那么他理解交易數(shù)據(jù)就會有障礙。”王嘯說，因此，這需要一個知識面非常廣的團隊來共同完成，需要有人了解和熟悉交易，有人會做量化數(shù)據(jù)處理，有人會做深度學(xué)習(xí)，等等。