作者: 張志峰
人們都想成為超級股神，因為那意味著能獲取無盡的財富。超級股神就是那種永遠贏，不會輸的人，與之相比，巴菲特和索羅斯都弱爆了。畢竟巴菲特活的時間太長了，而且他的投資方式太無趣，其資本原始積累的過程，更像是一個實業家所為，而不是一個每次都能戰勝市場的投資家。索羅斯倒是很酷，但是他也有慘痛失敗的經歷，而且他發明的反射性原理，似乎沒有幾個人能懂。
股神就像一個美麗的泡沫，可以想像的很夢幻，但是不可碰觸。不過，人工智慧的出現和發展，又勾起了人們的想像。既然人工智慧戰勝人類最偉大的棋手，那麼，同樣是博弈，同樣是面對變幻莫測的局面，人工智慧難道就不能打敗所有的對手，戰勝市場，獲得最高的投資收益率嗎？
目前，人工智慧在金融領域裡逐漸滲透，非常直接的應用就是運用自動語言處理中的兩種技術來自動生成投研報告。一種是自然語言理解（NLU）：將日常話語消化理解，並轉化為機器可後續處理的結構；一種是自然語言生成（NLG）：將由機器拆分好的結構化數據以人們能看懂的自然語句表達出來。當然，真正生成報告還需要利用這兩種技術完成三個步驟：一是處理海量異構數據，二是分析數據，三是文章生成。目前，美國Narrative Science公司的著名數據分析平臺Quill可以分析結構化數據，將人工智慧與大數據進行技術融合，理解這些數據的重要性，從而產生簡短的文字表述或結構化的報告內容。Quill的主要面向對象就是金融服務提供商。
我們知道，巴菲特每天的工作就是大量閱讀上市公司財報和各種財經新聞，他也有團隊來幫助他做這件事。普通人沒有巴菲特這樣的工作能力和經驗，但是如果藉助於人工智慧，自動生成投研報告，就可以更高效率的做出準確的決策，這樣與股神是不是就很接近了呢？另外，在阿爾法狗戰勝圍棋頂尖高手李世石的比賽中，人工智慧顯示出了強大的機器學習能力，也就是每一次對局後，對於對手的認知更透徹，棋力更深厚。在做投研報告時也會如此，對一家公司的認知會隨著數據的增多、時間的推移而更加清晰，這也是人工智慧可怕的地方。人工智慧如果被設計為能從海量數據中找到規律，就會在這些領域超越人類。
量化交易在投資領域的應用越來越廣，甚至有這樣一種說法——如今的證券市場成了古羅馬競技場，算法是角鬥士，普通人只是站在一旁觀戰的看客。1973年，同為芝加哥大學教授的費雪·布萊克和邁倫·斯科爾斯發表了包括布萊克-斯科爾斯模型的論文，闡明怎樣用該模式計算期權的確切價值。基於布萊克-斯科爾斯模型的算法在數十年後徹底改變華爾街，並將一群志趣相投的人——數學家和工程師聚集在金融界的前沿。布萊克-斯科爾斯公式也為邁倫·斯科爾斯贏得了1997年的諾貝爾獎。在20世紀70年代末期，這一趨勢席捲了世界各地的金融市場，標誌著華爾街黑客時代已然來臨，華爾街逐漸吸引了越來越多傑出的數學家和科學家投身於編寫交易算法的工作。
量化交易從很早就開始運用機器進行輔助工作，分析師通過編寫簡單函數，設計一些指標，觀察數據分布，而這些僅僅把機器當做一個運算器來使用。直到近些年機器學習的崛起，數據可以快速海量地進行分析、擬合、預測，人們逐漸把人工智慧與量化交易聯繫得愈發緊密，甚至可以說人工智慧的三個子領域（機器學習，自然語言處理，知識圖譜）貫穿量化交易的始終。
量化交易分析師們會對財務、交易數據進行建模，制定交易策略。這種普遍的做法也是有其弊端的，因為數據往往不夠豐富，僅限於交易數據，更重要的是它受限於特徵的選取和組合，模型的好壞取決於分析員對數據的敏感程度。但是人工智慧在抓取數據時能夠做到比量化分析師更豐富，而且通過機器學習和自然語言處理能夠把數據轉化成更精準的交易策略。另一方面，通過製造強人工智慧，也能完全避免人類情感因素在交易中的作用，也就是比量化交易更理性、更冰冷。
建立強人工智慧主要通過三個方面：第一，設計正確的回報函數，為人工智慧確立目標；第二，使用有效的機器學習，在電腦中建立一個世界的模型；第三，根據這個模型，建立強大的最優化算法，並使用這種最優化算法取得最大的預期回報。人類創造的超級智能使用的語言與人類大腦使用的語言如此不同，以至於很難說它是否真的「理解」了人類的語言。當人類交談時，彼此默認是相互理解的，但是當我們面對一臺有精密的最優化算法和機器學習算法的電腦時，就無法這樣默認了。人工智慧「講話」的時候它並沒有真的感同身受，而是完全出於工具理性。在與人工智慧交談時，我們可能會產生一種強烈的錯覺。如果使用者錯覺足夠可信，我們會忘記人工智慧不是人類，會忘記這種強人工智慧使用的語言完全是目的性的，是為了最大回報。
所以，當人工智慧面對股市，比起人類與股市的「對話」，將更加的理性。比如Rebellion Research公司，在2007年推出了第一個純人工智慧（AI）投資基金。該公司的交易系統是基於貝葉斯機器學習，結合預測算法，響應新的信息和歷史經驗從而不斷演化，利用人工智慧預測股票的波動及其相互關係來創建一個平衡的投資組合風險和預期回報，利用機器的嚴謹超越人類情感的陷阱，有效地通過自學習完成全球44個國家在股票、債券、大宗商品和外匯上的交易。
量化交易有時會遇到黑天鵝事件，最著名的事件就是長期資本管理公司（LTCM）的倒閉，而那位諾貝爾經濟學獎得主布萊克-斯科爾斯就曾供職於LTCM。LTCM以「不同市場證券間不合理價差生滅自然性」為基礎，制定了「通過電腦精密計算，發現不正常市場價格差，資金槓桿放大，入市圖利」的投資策略。但是在1997年亞洲金融危機期間，由於俄羅斯出現債務違約，終止國債交易，從而導致LTCM崩盤並被接管。
人工智慧在處理黑天鵝事件上也不會得心應手，因為人工智慧在制定交易策略和模型是根據的歷史數據，而黑天鵝事件是意外突發事件，沒有歷史記錄可循。如果讓人工智慧管理資產，就會有很大風險。這時就要引入「知識圖譜」這個概念，知識圖譜本質上是語義網絡，是一種基於圖的數據結構，根據專家設計的規則與不同種類的實體連接所組成的關係網絡。知識圖譜提供了從「關係」的角度去分析問題的能力。運用知識圖譜，可以減少黑天鵝事件對預測的幹擾。
總之，人工智慧會比人類更加的理性，更少的情感因素，具有更強的數據處理能力和自學習能力，而且也可以擁有應對黑天鵝事件的能力。所以，人工智慧創造出超級股神並非不可思議，也許你會說，人工智慧也是人創造的，背後還是人與人之間的較量。但是，人工智慧真的就不會有一天擺脫人的控制嗎？當然這是另一個宏大的話題了。
以上文字僅代表作者個人觀點，並不代表金評媒立場，禁止轉載。