人工智能能创造超级股神吗？

人们都想成为超级股神，因为那意味着能获取无尽的财富。超级股神就是那种永远赢，不会输的人，与之相比，巴菲特和索罗斯都弱爆了。毕竟巴菲特活的时间太长了，而且他的投资方式太无趣，其资本原始积累的过程，更像是一个实业家所为，而不是一个每次都能战胜市场的投资家。索罗斯倒是很酷，但是他也有惨痛失败的经历，而且他发明的反射性原理，似乎没有几个人能懂。

股神就像一个美丽的泡沫，可以想象的很梦幻，但是不可碰触。不过，人工智能的出现和发展，又勾起了人们的想象。既然人工智能战胜人类最伟大的棋手，那么，同样是博弈，同样是面对变幻莫测的局面，人工智能难道就不能打败所有的对手，战胜市场，获得最高的投资收益率吗？

目前，人工智能在金融领域里逐渐渗透，非常直接的应用就是运用自动语言处理中的两种技术来自动生成投研报告。一种是自然语言理解（NLU）：将日常话语消化理解，并转化为机器可后续处理的结构；一种是自然语言生成（NLG）：将由机器拆分好的结构化数据以人们能看懂的自然语句表达出来。当然，真正生成报告还需要利用这两种技术完成三个步骤：一是处理海量异构数据，二是分析数据，三是文章生成。目前，美国Narrative Science公司的著名数据分析平台Quill可以分析结构化数据，将人工智能与大数据进行技术融合，理解这些数据的重要性，从而产生简短的文字表述或结构化的报告内容。Quill的主要面向对象就是金融服务提供商。

我们知道，巴菲特每天的工作就是大量阅读上市公司财报和各种财经新闻，他也有团队来帮助他做这件事。普通人没有巴菲特这样的工作能力和经验，但是如果借助于人工智能，自动生成投研报告，就可以更高效率的做出准确的决策，这样与股神是不是就很接近了呢？另外，在阿尔法狗战胜围棋顶尖高手李世石的比赛中，人工智能显示出了强大的机器学习能力，也就是每一次对局后，对于对手的认知更透彻，棋力更深厚。在做投研报告时也会如此，对一家公司的认知会随着数据的增多、时间的推移而更加清晰，这也是人工智能可怕的地方。人工智能如果被设计为能从海量数据中找到规律，就会在这些领域超越人类。

量化交易在投资领域的应用越来越广，甚至有这样一种说法——如今的证券市场成了古罗马竞技场，算法是角斗士，普通人只是站在一旁观战的看客。1973年，同为芝加哥大学教授的费雪·布莱克和迈伦·斯科尔斯发表了包括布莱克-斯科尔斯模型的论文，阐明怎样用该模式计算期权的确切价值。基于布莱克-斯科尔斯模型的算法在数十年后彻底改变华尔街，并将一群志趣相投的人——数学家和工程师聚集在金融界的前沿。布莱克-斯科尔斯公式也为迈伦·斯科尔斯赢得了1997年的诺贝尔奖。在20世纪70年代末期，这一趋势席卷了世界各地的金融市场，标志着华尔街黑客时代已然来临，华尔街逐渐吸引了越来越多杰出的数学家和科学家投身于编写交易算法的工作。

量化交易从很早就开始运用机器进行辅助工作，分析师通过编写简单函数，设计一些指标，观察数据分布，而这些仅仅把机器当做一个运算器来使用。直到近些年机器学习的崛起，数据可以快速海量地进行分析、拟合、预测，人们逐渐把人工智能与量化交易联系得愈发紧密，甚至可以说人工智能的三个子领域（机器学习，自然语言处理，知识图谱）贯穿量化交易的始终。

量化交易分析师们会对财务、交易数据进行建模，制定交易策略。这种普遍的做法也是有其弊端的，因为数据往往不够丰富，仅限于交易数据，更重要的是它受限于特征的选取和组合，模型的好坏取决于分析员对数据的敏感程度。但是人工智能在抓取数据时能够做到比量化分析师更丰富，而且通过机器学习和自然语言处理能够把数据转化成更精准的交易策略。另一方面，通过制造强人工智能，也能完全避免人类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。

建立强人工智能主要通过三个方面：第一，设计正确的回报函数，为人工智能确立目标；第二，使用有效的机器学习，在电脑中建立一个世界的模型；第三，根据这个模型，建立强大的最优化算法，并使用这种最优化算法取得最大的预期回报。人类创造的超级智能使用的语言与人类大脑使用的语言如此不同，以至于很难说它是否真的“理解”了人类的语言。当人类交谈时，彼此默认是相互理解的，但是当我们面对一台有精密的最优化算法和机器学习算法的电脑时，就无法这样默认了。人工智能“讲话”的时候它并没有真的感同身受，而是完全出于工具理性。在与人工智能交谈时，我们可能会产生一种强烈的错觉。如果使用者错觉足够可信，我们会忘记人工智能不是人类，会忘记这种强人工智能使用的语言完全是目的性的，是为了最大回报。

所以，当人工智能面对股市，比起人类与股市的“对话”，将更加的理性。比如Rebellion Research公司，在2007年推出了第一个纯人工智能（AI）投资基金。该公司的交易系统是基于贝叶斯机器学习，结合预测算法，响应新的信息和历史经验从而不断演化，利用人工智能预测股票的波动及其相互关系来创建一个平衡的投资组合风险和预期回报，利用机器的严谨超越人类情感的陷阱，有效地通过自学习完成全球44个国家在股票、债券、大宗商品和外汇上的交易。

量化交易有时会遇到黑天鹅事件，最著名的事件就是长期资本管理公司（LTCM）的倒闭，而那位诺贝尔经济学奖得主布莱克-斯科尔斯就曾供职于LTCM。LTCM以“不同市场证券间不合理价差生灭自然性”为基础，制定了“通过电脑精密计算，发现不正常市场价格差，资金杠杆放大，入市图利”的投资策略。但是在1997年亚洲金融危机期间，由于俄罗斯出现债务违约，终止国债交易，从而导致LTCM崩盘并被接管。

人工智能在处理黑天鹅事件上也不会得心应手，因为人工智能在制定交易策略和模型是根据的历史数据，而黑天鹅事件是意外突发事件，没有历史记录可循。如果让人工智能管理资产，就会有很大风险。这时就要引入“知识图谱”这个概念，知识图谱本质上是语义网络，是一种基于图的数据结构，根据专家设计的规则与不同种类的实体连接所组成的关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。运用知识图谱，可以减少黑天鹅事件对预测的干扰。

总之，人工智能会比人类更加的理性，更少的情感因素，具有更强的数据处理能力和自学习能力，而且也可以拥有应对黑天鹅事件的能力。所以，人工智能创造出超级股神并非不可思议，也许你会说，人工智能也是人创造的，背后还是人与人之间的较量。但是，人工智能真的就不会有一天摆脱人的控制吗？当然这是另一个宏大的话题了。