阿爾法Go有這樣一個段子：當阿爾法Go進化阿爾法master之后已經是圍棋十三段的水準，面對職業9段棋手能獲取60連勝，已經沒有人能夠擊敗他了，于是阿爾法Go來到了中國A股市場，經過半年多的挑戰最終落荒而逃，這個段子說明一點：任何想要通過人工智能做投資交易，進而躺著賺錢的智能金融專案注定是要失敗的，迄今為止，我們聽說過很多牛×的智能金融產品，莫過于被標普全球以5.5億美元收購的Kensho，，kensho為投資者提供的主要服務是：尋找事件和資產之間的相關性，以及事件對價格、特別是價格長期趨勢的影響，舉個例子，巴西地震對鐵礦石價格有什么影響？他們之間有什么相關性？這就是kensho提供的主要服務，其核心是基于歷史大資料的相關性分析，而不是資產定價！所以，幾年過去了，迄今為止我們并沒有看到kensho演化為炒股利器，甚至沒有像搜索引擎一樣普及掉，其目前的定位依然是智能投研，為研究員、基金經理提供特色資料服務，
筆者曾經也做過一個接近交易的智能金融專案：持倉預警，解決的問題是跟你持倉股票相關的資訊對股價波動的影響預測，所謂相關的資訊是指用知識圖譜描述與該股票具有0度、1度、2度關系的資訊，比如，持倉A公司股票，那么A公司自己的資訊就是0度關系；A公司競爭對手的B公司的資訊對于A公司來說就是1度關系，通常的行研邏輯是，當競爭對手B出現巨大利空資訊后A公司會表現出利好來，按照這個邏輯我們準備了樣本資料，用NLP做資訊決議（事件、情感分析、熱度、影響度、重要度等），知識圖譜做關系定義（競爭對手關系、擔保關系、供應關系、上下游關系等），機器學習做模型預測，最開始我們將Y值設定為資訊對一段時間后股價漲幅的影響，結果發現影響基本可以忽略，然后我們將Y值修訂為對第二天股價的影響，結果依然不理想，然后我們繼續修訂為第二天漲跌的影響，還是不行，最后專案將Y值定義為股價波動的絕對值，終于找到了點相關性了，從這個人工智能專案來看，專案一開始的目標離交易很近，想要做股價漲跌預測，到專案最后當我們遠離“資產定價”這個目標后，將預測結果調整為相關資訊對隔天股價波動的相關性分析，我們才勉強產生出一些結果來，從事后看，當初的行研邏輯有問題嗎？從一個熟悉該行業的研究員角度看沒有問題，但對于機器AI來說，什么是競爭關系呢？競爭關系有強弱之分，弱競爭關系基本沒啥影響，而強競爭關系也不見得就是反向影響，拿著名的長生生物假疫苗事件來說，一個龍頭公司的利空事件，其實是對整個行業的利空，行業內所有公司受到不同程度的影響，沒有利好一說，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/218916.html
標籤：其他