股市中人们最关心的问题,人工智能会不会成为金融市场上的“神”

作者简介:金融量化师,人生思考者。这是我第357篇原创文章,感谢您的关注和转发。

这个问题前几天还真有人在问我。在解答这个问题前,我觉得大家先要搞清楚三个概念:

1、有监督机器学习;2、无监督机器学习;3、深度学习。这三者都可以叫实现人工智能的工具,或者说,随着技术的进步,人们从有监督机器学习到无监督机器学习,再到深度学习,已经为人工智能的实现找到了更接近的工具。

有监督机器学习,解决的主要是回归问题(或者叫梯度下降问题),算法包括决策树学习、归纳逻辑编程、增强学习和贝叶斯网络等。就是人们给定方向,由机器帮助你找到最接近的路径。在金融市场中,就是你给定目标,机器会通过计算得出哪个参数最好。比如,通常用的单均线策略,你想要收益最大化,那么机器很容易帮助你找到这条均线的最优解(5日均线还是10日均线,还是15日均线)。

无监督机器学习,解决的主要是聚类问题(或者叫分类分堆问题)。算法包括k-means、PCA、gmm等。主要是两类,一是基于概率密度函数估算的聚类,另一种是基于样本间相似性度量的聚类。在金融市场中,就是如何把市场数据进行分类,当然这种聚类并不是你事先设定的标签。比如,股票中的多因子策略,你并不知道哪些因子有效,机器会通过算法帮你找出来(可能是波动率+市盈率+换手率)。

深度学习,解决的主要是修正问题(或者叫自我提高问题)。算法包括深度神经网络、深度堆叠网络等。就是在1和2的基础上,结合计算结果反过来对过程参数进行再修正,从而提高自我预测能力。比如,震惊围棋界的阿尔法狗、阿尔法元都算是一种自我训练提升的人工智能。从理论上讲,金融市场也可以采取这样的方法,来找到致胜的“葵花宝典”。

这样,我们再回到题目的问题上,就是人工智能到底能不能自已生成“超人类”的金融模型。

如果你是一名有超过十年交易经验的资深手工交易员,你通常是这样进行操作的。1、一眼就可以看出这个金融品种应当如何进行最佳分类;2、迅速调整交易策略中的核心参数与之匹配;3、在市场没有变化的情况下,严格执行交易纪律;4、在市场有变化的情况下,迅速判断如何调整分类或核心参数。分类---调整---坚持---修正,这是一条回路。这四条的核心都是建立在充分理解交易原理的基础上,所谓交易原理也可以理解为市场人群的心理。

如果人工智能想完成这些工作,就必须要清楚地知道如何实现这四步,但目前来讲,通过黑箱实现的所谓人工智能,通常都会被矩阵转换、算法优化中的噪音所干扰,而一个十分复杂的超级神经网络,常常已经超出了人类的理解,你也就无法判断这个超级智能提供给你的东西或策略是否可用。我们最担心的是“这个东西赚钱了,我们不知道为什么;这个东西亏钱了,我们也不知道为什么”,在未知面前,我们无法向前走。

我们这些老家伙(用手拍进行交易十年以上的人),也在向人工智能转型,但我们用的方法是,在这四个过程中由“机器主导运算,人工筛除噪音”。当然,这也是有科学根据的,因为“泰勒”连续不等式告诉我们,之所以你搞的那么复杂,是因为你没找到交易市场上的核心东西是什么。但未来已来,我们也知道在不远的将来,一定有一个大师,不但精通交易,还精通编程,这样他就一定可以在投资领域创造出一个新的神---“阿尔法钱”。

在这条路上,真正的大师都闭口不谈,我之所以敢讲,是因为我和你们一样,也是一个“摸着石头过河”的探索者。


作者简介:二十年编程,十五年交易,四十年人生。中国第一届国际高校量化大赛三个队的指导老师;《金融量化简史》十七集小视频的作者;新媒体矩阵“十点洞见”原创撰稿人。

推荐阅读更多精彩内容