close
基金版AlphaGo跑輸指數不堪一擊？股市可能捍衛瞭人類最後的尊嚴...
首先基金君要道個歉。
因為之前把話說過頭瞭，以為AI在股市裡頭會戰無不勝攻無不克。
一個月錢，基金君的報道是這樣的↓
一個月過去瞭，這隻人工智能基金表現如何瞭？
成績不大好看。油煙靜電機出租
10月18日，EquBot LLC、ETF Managers Groupl合作推出全球首隻應用人工智能、機器學習進行投資的ETF——AI Powered Equity ETF。
AIEQ剛問世的時候表現十分優異，在10月18日之後的三個交易日裡，這隻AI選股的ETF斬獲瞭0.83%的回報，同期標普500指數的漲幅為0.48%，納斯達克綜合指數則是下跌瞭0.42%。
不過隨後該基金表現卻不盡如人意，甚至出現和大盤指數表現大幅偏離的情況。例如10月25日和11月7日市場表現較弱，標普500指數兩天的跌幅分別為0.47%和0.02%，納斯達克綜指跌幅分別為0.52%、0.27%，而AIEQ這兩天的跌幅達到瞭1.11%和1.09%。
從走勢上看，AIEQ的表現是在10月23日至11月7日的12個交易日和指數拉開距離的。在此期間，標普500指數和納斯達克綜指飄紅，分別上漲瞭0.48%和1.90%，而該基金跌幅則高達5.85%。雖然後期AIEQ“一路追趕”，但迄今仍跑輸大盤指台北靜電油煙處理機租賃數。
數據顯示，從上市首日到11月18日，標普500指數從2562.87點上漲至2578.85點，漲幅為0.62%，而AIEQ價格卻從25.18美元跌至24.72美元，跌幅達1.83%。
一個月過去瞭。
它並沒有成為人類基金經理/分析員的終結者。
“人工智能替代人類”、“智能投顧讓交易員集體下崗”的情況，並沒有發生。
現在看來還是太過幼稚瞭。
為什麼會產生這樣的幻覺？
人工智能ETF探索之路長靜電油煙處理機租賃且阻
首隻人工智能ETF的首月答卷表現平平，但卻是人工智能照進投資領域的曙光，不用妄自菲薄，也不需要過份神話。
作為首隻使用瞭人工智能和機器學習技術的ETF，這隻產品一經上市，就獲得瞭眾多媒體的關註。
相比過去不廣為公開的對沖基金平臺，ETF具有的及時性、透明性、公開性讓公眾更能夠更為迅速的瞭解該產品的運作情況和業績表現。
實際上，除瞭國內媒體的躁動，美國本土反而視之坦然，並沒有任何報道，一是因為產品僅僅7000萬美元，規模不大；二是短期業績波動不能說明任何問題，再則是人工智能的應用程度有幾斤幾兩自有分寸。
該產品作為一隻偏向中小盤股的價值基金，該產品的目標也是資本的長期增長以及控制產品波動風險，保持與大市相當。如此短的業績表現並不能說明問題。
業績的衡量需要考慮多項因素。人類主動管理的基金業績，往往需要用長期業績來衡量；對於傳統的量化基金，也需要使用多項技術指標來衡量，包括波動率、最大回撤、夏普比率、信息比率等多項技術指標，而非單單盯著產品業績。
從根本上來說，這隻ETF還是一隻主動管理的產品（海外存在主動管理ETF），在目前發達市場主動產品普遍落後於指數產品的大環境下，單月落後指數基準並不足為奇；不同的是，該產品標榜使用瞭人工智能技術，而在這一名詞成為市場熱點後，不妨看看它的人工智能到底有多少創新，在多大程度上能夠區別於業已成熟的量化基金。
人工智能創新點在哪裡？
從產品的介紹來看，該模型會對美國股票進行每日排名，排名的依據是哪些股票可能從發生的經濟指標和特定事件中獲益，並以此排名選出30到70隻在未來一年內最有可能上漲的個股。同時，該模型還能以公司未來上漲的可能性以及與持有的其他股票的相關性，自動給出公司的持有權重。
簡而言之，這隻ETF仍然是設計一套量化模型給股票打分，輔以另一套系統給股票權重。據瞭解，該基金使用源自其管理公司EquBot的專利量化模型，這種類似的量化模型設計往往是一隻產品能夠成功與否的關鍵，而量化模型是由該公司的人腦完成，而非由機器產生，這和一些量化基金並無二致。
另外一點讓其人工智能的名頭更為堅實的是使用瞭IBM的機器學習系統——Waston（華生）。公司號稱，該系統使用瞭IBM的強大算力處理上百萬計的未結構化的數據。據瞭解，該人工智能會分析公司管理層、公司舉措和市場反應之間敏感性、每天處理的上市公司的報告就超過瞭100萬份。此外，該系統還包括瞭新聞報道，社交媒體的訊號、以及傳統的技術分析、價值分析等各項指標。
從這段介紹中可以發現，區別於傳統量化基金的特點，是該基金采用瞭“未結構化”的數據，這意味著需要能夠將這些傳統上難以被機器理解的數據進行處理，在這點上獲得的信息優勢無疑是非常依賴人工智能。
目前，人工智能發展的幾個最快速領域就包括瞭一些傳統意義上難以用機器處理領域，如人臉識別為代表的圖像識別、人聲識別等將語音識別技術、跨語種的實時智能翻譯，這意味著可以將以往難以處理的聲音、圖像、外語等轉化被機器更容易理解的內容；同時，隨著越來越多的非傳統數據湧現在網絡（如社交媒體上的情緒信號等）以及機器海量處理信息能力的增強，這都給能夠掌握先進技術的投資者更多的優勢。
這種優勢體現在，人工智能獲取的非傳統信息，優於傳統人工獲取的內容，從而可以提供更多的維度，如在股票篩選上，可以考慮多個篩選條件，而且可以給每個篩選條件賦予權重。
從這個意義上看，AIEQ確實應用瞭不少人工智能手段，如應用大數據和機器算法，他可以每天實時覆蓋6000多隻美國股票，而每天它處理的公司業績報表和公司的公告達到百萬級別；同時它還能覆蓋新聞和社交媒體的信號，這都是非人工智能時代難以完成的任務。同時，它還應用瞭“機器學習”的方法，這使得它能夠在處理這些任務時更加智能，能夠在處理這些任務時逐步進化，更加快速智能的完成所需要的數據處理任務。
股票市場仍不是人工智能所擅長
不能忘記的是，股票市場是一個非完全信息博弈，這和人工智能大獲全勝的圍棋領域截然不同。人工智能在圍棋上突飛猛進被稱作為完全信息博弈的巔峰，是因為圍棋的規則和對手的信息都是一目瞭解的；而股票市場的復雜度以及無序性決定瞭難以將其完全用算法去囊括。
而且，人工智能“屠殺”圍棋高手，所應用到的技術如搜索算法、機器學習和神經網絡等並沒有取得革命突破，更多是依賴算力和算法的改進，對過往20多年的已有技術和算法的完美整合，這意味著非完全信息的博弈仍然是人工智能尚未能克服的難關。
從這個角度回頭來看，人工智能在AIEQ這一產品上的應用更像是“術”的進化，而最終決定產品是否賺錢的還是依賴量化模型的設計，而這還是由人腦完成的，正如不少量化人士所言，“有多少人工、就有多少智能”。而且，量化模型如果過於復雜，涉及到的指標太多，尤其是大量非傳統數據的湧現，反而可能出現“顧頭不顧腚”的情況，產品的回測、模型的更迭都會受到影響。
這一產品如果業績表現超出預期，應當說是人類智慧和人工智能的雙重勝利；如果業績最後證實不過如此，也隻能說明人工智能的應用還需要進一步探索。
另一方面，將人工智能應用的投資並非新鮮事。早在10年前，電腦產生的交易清單就導致瞭高盛的旗艦量化基金破產。一些量化對沖基金認為，機器習不過是眾多觀察市場異動統計方法中的一種，所謂的人工智能並不稀奇。而最為致命的是，一個模型如果被證實有效而又流行起來的話，會快就會導致這一模型失效。
即使在模型構建上有所進步，即在量化策略上有所演進，讓機器更多的參與到策略的制定中，人工智能還面臨著兩大問題：一是模型預測過於精確（過擬合）以至於短期難以實現；另一則就是人工智能的決策並不透明，普通人難以理解機器的操作邏輯。實際上，從目前人工智能深度參與投資的所有公開信息中，並無百發百中的成功者。
（本文作作者：姚波，來源微信公眾號：中國基金報）
首先基金君要道個歉。
因為之前把話說過頭瞭，以為AI在股市裡頭會戰無不勝攻無不克。
一個月錢，基金君的報道是這樣的↓
一個月過去瞭，這隻人工智能基金表現如何瞭？
成績不大好看。油煙靜電機出租
10月18日，EquBot LLC、ETF Managers Groupl合作推出全球首隻應用人工智能、機器學習進行投資的ETF——AI Powered Equity ETF。
AIEQ剛問世的時候表現十分優異，在10月18日之後的三個交易日裡，這隻AI選股的ETF斬獲瞭0.83%的回報，同期標普500指數的漲幅為0.48%，納斯達克綜合指數則是下跌瞭0.42%。
不過隨後該基金表現卻不盡如人意，甚至出現和大盤指數表現大幅偏離的情況。例如10月25日和11月7日市場表現較弱，標普500指數兩天的跌幅分別為0.47%和0.02%，納斯達克綜指跌幅分別為0.52%、0.27%，而AIEQ這兩天的跌幅達到瞭1.11%和1.09%。
從走勢上看，AIEQ的表現是在10月23日至11月7日的12個交易日和指數拉開距離的。在此期間，標普500指數和納斯達克綜指飄紅，分別上漲瞭0.48%和1.90%，而該基金跌幅則高達5.85%。雖然後期AIEQ“一路追趕”，但迄今仍跑輸大盤指台北靜電油煙處理機租賃數。
數據顯示，從上市首日到11月18日，標普500指數從2562.87點上漲至2578.85點，漲幅為0.62%，而AIEQ價格卻從25.18美元跌至24.72美元，跌幅達1.83%。
一個月過去瞭。
它並沒有成為人類基金經理/分析員的終結者。
“人工智能替代人類”、“智能投顧讓交易員集體下崗”的情況，並沒有發生。
現在看來還是太過幼稚瞭。
為什麼會產生這樣的幻覺？
人工智能ETF探索之路長靜電油煙處理機租賃且阻
首隻人工智能ETF的首月答卷表現平平，但卻是人工智能照進投資領域的曙光，不用妄自菲薄，也不需要過份神話。
作為首隻使用瞭人工智能和機器學習技術的ETF，這隻產品一經上市，就獲得瞭眾多媒體的關註。
相比過去不廣為公開的對沖基金平臺，ETF具有的及時性、透明性、公開性讓公眾更能夠更為迅速的瞭解該產品的運作情況和業績表現。
實際上，除瞭國內媒體的躁動，美國本土反而視之坦然，並沒有任何報道，一是因為產品僅僅7000萬美元，規模不大；二是短期業績波動不能說明任何問題，再則是人工智能的應用程度有幾斤幾兩自有分寸。
該產品作為一隻偏向中小盤股的價值基金，該產品的目標也是資本的長期增長以及控制產品波動風險，保持與大市相當。如此短的業績表現並不能說明問題。
業績的衡量需要考慮多項因素。人類主動管理的基金業績，往往需要用長期業績來衡量；對於傳統的量化基金，也需要使用多項技術指標來衡量，包括波動率、最大回撤、夏普比率、信息比率等多項技術指標，而非單單盯著產品業績。
從根本上來說，這隻ETF還是一隻主動管理的產品（海外存在主動管理ETF），在目前發達市場主動產品普遍落後於指數產品的大環境下，單月落後指數基準並不足為奇；不同的是，該產品標榜使用瞭人工智能技術，而在這一名詞成為市場熱點後，不妨看看它的人工智能到底有多少創新，在多大程度上能夠區別於業已成熟的量化基金。
人工智能創新點在哪裡？
從產品的介紹來看，該模型會對美國股票進行每日排名，排名的依據是哪些股票可能從發生的經濟指標和特定事件中獲益，並以此排名選出30到70隻在未來一年內最有可能上漲的個股。同時，該模型還能以公司未來上漲的可能性以及與持有的其他股票的相關性，自動給出公司的持有權重。
簡而言之，這隻ETF仍然是設計一套量化模型給股票打分，輔以另一套系統給股票權重。據瞭解，該基金使用源自其管理公司EquBot的專利量化模型，這種類似的量化模型設計往往是一隻產品能夠成功與否的關鍵，而量化模型是由該公司的人腦完成，而非由機器產生，這和一些量化基金並無二致。
另外一點讓其人工智能的名頭更為堅實的是使用瞭IBM的機器學習系統——Waston（華生）。公司號稱，該系統使用瞭IBM的強大算力處理上百萬計的未結構化的數據。據瞭解，該人工智能會分析公司管理層、公司舉措和市場反應之間敏感性、每天處理的上市公司的報告就超過瞭100萬份。此外，該系統還包括瞭新聞報道，社交媒體的訊號、以及傳統的技術分析、價值分析等各項指標。
從這段介紹中可以發現，區別於傳統量化基金的特點，是該基金采用瞭“未結構化”的數據，這意味著需要能夠將這些傳統上難以被機器理解的數據進行處理，在這點上獲得的信息優勢無疑是非常依賴人工智能。
目前，人工智能發展的幾個最快速領域就包括瞭一些傳統意義上難以用機器處理領域，如人臉識別為代表的圖像識別、人聲識別等將語音識別技術、跨語種的實時智能翻譯，這意味著可以將以往難以處理的聲音、圖像、外語等轉化被機器更容易理解的內容；同時，隨著越來越多的非傳統數據湧現在網絡（如社交媒體上的情緒信號等）以及機器海量處理信息能力的增強，這都給能夠掌握先進技術的投資者更多的優勢。
這種優勢體現在，人工智能獲取的非傳統信息，優於傳統人工獲取的內容，從而可以提供更多的維度，如在股票篩選上，可以考慮多個篩選條件，而且可以給每個篩選條件賦予權重。
從這個意義上看，AIEQ確實應用瞭不少人工智能手段，如應用大數據和機器算法，他可以每天實時覆蓋6000多隻美國股票，而每天它處理的公司業績報表和公司的公告達到百萬級別；同時它還能覆蓋新聞和社交媒體的信號，這都是非人工智能時代難以完成的任務。同時，它還應用瞭“機器學習”的方法，這使得它能夠在處理這些任務時更加智能，能夠在處理這些任務時逐步進化，更加快速智能的完成所需要的數據處理任務。
股票市場仍不是人工智能所擅長
不能忘記的是，股票市場是一個非完全信息博弈，這和人工智能大獲全勝的圍棋領域截然不同。人工智能在圍棋上突飛猛進被稱作為完全信息博弈的巔峰，是因為圍棋的規則和對手的信息都是一目瞭解的；而股票市場的復雜度以及無序性決定瞭難以將其完全用算法去囊括。
而且，人工智能“屠殺”圍棋高手，所應用到的技術如搜索算法、機器學習和神經網絡等並沒有取得革命突破，更多是依賴算力和算法的改進，對過往20多年的已有技術和算法的完美整合，這意味著非完全信息的博弈仍然是人工智能尚未能克服的難關。
從這個角度回頭來看，人工智能在AIEQ這一產品上的應用更像是“術”的進化，而最終決定產品是否賺錢的還是依賴量化模型的設計，而這還是由人腦完成的，正如不少量化人士所言，“有多少人工、就有多少智能”。而且，量化模型如果過於復雜，涉及到的指標太多，尤其是大量非傳統數據的湧現，反而可能出現“顧頭不顧腚”的情況，產品的回測、模型的更迭都會受到影響。
這一產品如果業績表現超出預期，應當說是人類智慧和人工智能的雙重勝利；如果業績最後證實不過如此，也隻能說明人工智能的應用還需要進一步探索。
另一方面，將人工智能應用的投資並非新鮮事。早在10年前，電腦產生的交易清單就導致瞭高盛的旗艦量化基金破產。一些量化對沖基金認為，機器習不過是眾多觀察市場異動統計方法中的一種，所謂的人工智能並不稀奇。而最為致命的是，一個模型如果被證實有效而又流行起來的話，會快就會導致這一模型失效。
即使在模型構建上有所進步，即在量化策略上有所演進，讓機器更多的參與到策略的制定中，人工智能還面臨著兩大問題：一是模型預測過於精確（過擬合）以至於短期難以實現；另一則就是人工智能的決策並不透明，普通人難以理解機器的操作邏輯。實際上，從目前人工智能深度參與投資的所有公開信息中，並無百發百中的成功者。
（本文作作者：姚波，來源微信公眾號：中國基金報）
全站熱搜
留言列表
