華爾街談AI炒股：股市本質上就不是AI能贏的領域

　　根據美國媒體最新發表的訪談，熱炒AI股的華爾街基金經理們，似乎並不相信在可預見的未來內會出現比人類更強的「炒股AI」。

為什麼AI做不了基金經理？

　　首先需要強調的是，華爾街本身並不排斥AI，而且還是最熱衷於使用新技術的行業，包括下單、風控等投資環節早已交給算法解決。文藝復興科技基金的創始人、數學家出身的吉姆·西蒙斯從40年前就開始研究「算法炒股」，經過了多年的努力，他們終於實現使用機器學習識別過往市場走勢的模式，來生成能夠盈利的交易策略。

　　但擅長內卷的投資市場至今沒有涌現大量「AI基金經理」，本身也說明了問題。同時知情人士也表示，文藝復興科技用到的技術更加依賴統計學，而不是最先進的AI工具。

　　哥倫比亞資管的董事總經理Jonathan Larkin解讀稱，大多數的量化交易員仍傾向於「假設優先」的工作方式。他們會首先建立一個假設，説明為什麼可能出現某種異常現象，然后圍繞這個假設形成一個模型。

　　AI炒不好股票這件事本身，也能用AI的原理來解釋。即便是不怎麼好用的GPT-3模型，背后也有1750億個參數，藴含了人類文明上千年積澱的知識。但大多數的對衝基金在訓練自己的模型時，只會使用諸如價格等市場數據。

　　曾經在量化基金公司D.E.Shaw擔任高管的Jon McAuliffe解釋稱，投資領域的AI環境是截然不同的，我們沒有無限量的數據來幫助我們運行無限大小的模型。

　　更重要的是，股票市場的數據本身也存在巨大的「噪音」，使得利用過往數據解釋或預測市場未來走勢非常困難。財報、技術圖形、市場情緒和其他的金融數據恐怕只能解釋一部分股票異動，剩下的都是無法計量的「噪音」。因此，機器學習的模型只能識別不同市場數據的相關性，但沒有預言未來走勢的能力。

　　對於「AI基金經理」而言，更加致命的是股票市場的多變性。與語言大致不會發生劇變不同，上市公司發生劇烈變化本身，也是股市日常的一部分。換了新的管理層、做出重大戰略決策，還是受到外部經濟或政治環境影響，都會在極短的時間內重塑股票的前景。這也使得依賴歷史數據和長期趨勢的AI更無所適從。

　　與此同時，AI的缺點也會被無限放大，而且造成的后果也會更加嚴重。哪怕是應用最新模型的ChatGPT，也時不時會犯一些明顯且低級的錯誤。如果用股市來類比，最接近的情況應該是「烏龍指」。如果「AI基金經理」總是犯一些低級錯誤導致客户資金虧損，想必也不會有人把錢交給機器人來管理。

　　金融科技公司Proven的CEO Richard Dewey表示，投資本身就是一件具有對抗性的事情，其中也包含利用別人犯錯來盈利。這也是為什麼文藝復興科技、D.E． Shaw等基金公司仍需要僱傭大量的博士。在信息「嘈雜」且受人類行為反饋循環影響的市場中，人類本身仍然是必不可少的。

　　當然，科技突破的樂趣就在於突破人類的認知蠶房。眼下也有一羣相信AI能重塑投資市場的人們，正在努力證明上述的觀點都是錯的。

　　去年，三名曾在知名AI公司DeepMind任職的高級職員在布拉格創辦了名為EquiLibre的機器學習基金。

（創始人介紹，來源：EquiLibre）

　　EquiLibre的聯合創始人兼CEO Martin Schmid解釋稱，他們採用的「強化學習」是一種機器學習形式，其中計算機會因為各種交易投資決策受到「懲罰和獎勵」。這項策略將會適用於股票和債券，就像國際象棋、撲克等其他遊戲一樣。EquiLibre目前還在訓練模型中，尚未開始實際投資。