人工智能技術(shù)預(yù)測有可能成為現(xiàn)實(shí)嗎

自股票從誕生以來，預(yù)測未來股價(jià)走勢幾乎是每個(gè)投資人夢(mèng)寐以求的超能力。當(dāng)前，以大數(shù)據(jù)、云計(jì)算、人工智能等為代表的新科技正迅速崛起，推動(dòng)著證券投資的不斷創(chuàng)新和產(chǎn)業(yè)升級(jí)，證券投資業(yè)正逐漸從互聯(lián)網(wǎng)時(shí)代邁入人工智能時(shí)代，也讓我們對(duì)預(yù)測股價(jià)走勢看到了新希望。

股票漲跌為什么難以預(yù)測

前兩年，研發(fā)Alphago（阿爾法圍棋）的AlphaBeta公司旗下的DeepMind團(tuán)隊(duì)近期發(fā)表論文，公開其研發(fā)的人工智能交易系統(tǒng)AlphaStock已經(jīng)在中國A股市場潛伏交易三十六個(gè)月，在經(jīng)過不斷的自我學(xué)習(xí)自我進(jìn)化后，最終凈值虧損呈現(xiàn)不斷擴(kuò)大的趨勢，且凈值波動(dòng)區(qū)間和換手率也呈現(xiàn)飆升趨勢?？芍^全球最強(qiáng)人工智能鎩羽而歸，揮淚出局。為什么會(huì)這樣呢？

近幾年來，讓人工智能實(shí)現(xiàn)爆發(fā)式增長的圖像識(shí)別、語音識(shí)別、自然語言處理等方面的應(yīng)用，都相對(duì)處于閉環(huán)環(huán)境，并且特征明顯、規(guī)則固定，對(duì)于機(jī)器而言更具邏輯性，所以更容易利用人工智能技術(shù)去支持相應(yīng)場景。但在證券投資領(lǐng)域，影響因素非常多，且隨時(shí)發(fā)生變化，這讓邏輯決策與響應(yīng)過程更加復(fù)雜，對(duì)人工智能的落地提出了更大挑戰(zhàn)。

股市是一個(gè)有反饋的非線性系統(tǒng)，而股票的漲跌現(xiàn)象類似一種混沌現(xiàn)象?；煦缋碚撝杏幸粋€(gè)廣為人知的概念叫做“蝴蝶效應(yīng)”。蝴蝶翅膀的煽動(dòng)，導(dǎo)致其身邊的空氣系統(tǒng)發(fā)生變化，并產(chǎn)生微弱的氣流，而微弱的氣流的產(chǎn)生又會(huì)引起四周空氣或其他系統(tǒng)產(chǎn)生相應(yīng)的變化，由此引起一系列連鎖反應(yīng)，最終導(dǎo)致其他系統(tǒng)的極大變化。股市中存在眾多“蝴蝶效應(yīng)”的例子，比如，當(dāng)年奶茶妹妹分手傳聞，莫名其妙的導(dǎo)致天澤信息（300209）跌停了，他們有關(guān)系嗎？沒有；當(dāng)初奧巴馬當(dāng)選美國總統(tǒng)，上市公司澳柯瑪（600336）卻漲停了，又為什么呢？

影響股票漲跌的因素有很多，例如：國際政治及經(jīng)濟(jì)環(huán)境、政策的利空利多、大盤環(huán)境的好壞、主力資金的進(jìn)出、個(gè)股基本面的重大變化、個(gè)股的歷史走勢的漲跌情況、個(gè)股所屬板塊整體的漲跌情況、投資者心里因素等等。這些影響股票漲跌的因素到底有多少？ 它們之間會(huì)如何影響，這才是問題的關(guān)鍵。在某些穩(wěn)定的情況下，我們是可以做大概的預(yù)測的，準(zhǔn)確度通常并不高，你的模型永遠(yuǎn)不可能把所有的因素都考慮進(jìn)來。而且你也不會(huì)知道還會(huì)有什么因素會(huì)影響股價(jià)的波動(dòng)。一個(gè)因素與一個(gè)因素之間的互相影響是很可能被預(yù)測出來的，但是假如它們之間產(chǎn)生了相互的影響，這時(shí)候整個(gè)系統(tǒng)就變得幾乎不可精準(zhǔn)預(yù)測了。

人工智能賦能證券投資

證券投資市場擁有海量、實(shí)時(shí)數(shù)據(jù)，可得性和豐富度都很高，為人工智能的賦能提供了肥沃的土壤。與此同時(shí)，證券投資也是極度依賴數(shù)據(jù)驅(qū)動(dòng)決策的，人工智能在賦能和模式創(chuàng)新方面的價(jià)值非常明顯。

信息處理能力更強(qiáng)。相比于傳統(tǒng)分析，人工智能可以處理更多的輸入信息，對(duì)各類結(jié)構(gòu)和非結(jié)構(gòu)性的數(shù)據(jù)都能輕松處理，能夠考慮的信息面更全，信息量更大，可以達(dá)到的預(yù)測效果上限更高。從效率上說，人工智能方法可以同時(shí)考慮整個(gè)市場，從中選出更多的優(yōu)質(zhì)股票，分散投資風(fēng)險(xiǎn)，提供穩(wěn)定的投資回報(bào)，并容納更大量的資金。

投資策略更為多樣化。傳統(tǒng)的量化選股模型大多基于靜態(tài)，過于僵化并不具備靈活性，而近年興起的線性加權(quán)量化模型，由于不同因子間存在多重共線性，模型也非常不穩(wěn)定，同時(shí)組合會(huì)因?yàn)樵凇靶∈兄怠钡忍卣饕蜃由线^度的暴露，難以快速適應(yīng)市場風(fēng)格切換，導(dǎo)致模型階段性失效。具備“自學(xué)”能力的人工智能技術(shù)可以自動(dòng)提煉有效數(shù)據(jù)，不斷挖掘全新和獨(dú)特的有效因子，優(yōu)化投資組合，以適應(yīng)不同的市場環(huán)境，提高投資策略的準(zhǔn)確性及穩(wěn)定性。

決策中回避人性弱點(diǎn)。從金融交易角度，人工智能帶來的一個(gè)巨大的優(yōu)勢是在決策中可以回避人性弱點(diǎn)，例如性格、情感、貪婪、恐懼等因素，始終保持客觀的態(tài)度。對(duì)于絕大多數(shù)的普通投資者，市場的波動(dòng)或多或少會(huì)影響人的情緒，進(jìn)而影響之后的投資決策，使人做出一些錯(cuò)誤的決定。人工智能則不會(huì)受到市場波動(dòng)的影響，市場的波動(dòng)只是客觀的數(shù)據(jù)，算法會(huì)一致地貫徹自己的交易策略。

有效降低各方面成本。相對(duì)于傳統(tǒng)方法，人工智能助力證券投資業(yè)的標(biāo)準(zhǔn)化、模型化、智能化，減少了金融風(fēng)險(xiǎn)事件的發(fā)生，同時(shí)降低了人工投入成本，極大提高了工作效率；人工智能交易策略或模型的開發(fā)成本雖高，但復(fù)制推廣和運(yùn)營維護(hù)成本低。策略的后期維護(hù)也只需要修改對(duì)應(yīng)模型參數(shù)或者某個(gè)程序模塊，以適應(yīng)市場的變化；利用智能交易則可輔助交易人員運(yùn)用智能化交易策略，尋找交易最佳時(shí)機(jī)，降低交易成本。

表1 傳統(tǒng)方式與應(yīng)用人工智能后效果比較

人工智能促使預(yù)測技術(shù)的智能化

股票價(jià)格呈現(xiàn)出受多方面因素影響的高度非線性關(guān)系，傳統(tǒng)預(yù)測方法往往難以把控股價(jià)變動(dòng)的隨機(jī)性與規(guī)律性之間的平衡，存在著或多或少的缺陷。而隨著人工智能相關(guān)技術(shù)的發(fā)展，其強(qiáng)大的數(shù)據(jù)儲(chǔ)存、處理和分析能力為股票行情預(yù)測提供了新的思路，將使預(yù)測準(zhǔn)確度持續(xù)提升。而促使預(yù)測技術(shù)飛速發(fā)展，從而走上“智能化”之路，機(jī)器學(xué)習(xí)便是重要的功臣之一。

目前用于股票投資的建模模型可分為兩類，一類為傳統(tǒng)生成型類模型，主要包括自回歸滑動(dòng)平均模型和自回歸異方差模型及它們的衍生擴(kuò)展模型，但這類模型需要求樣本量越大越好，原始數(shù)據(jù)越完整、越明確越好。但事實(shí)上，在實(shí)際中，即使有了大樣本量，也不一定找到規(guī)律，即使有了統(tǒng)計(jì)規(guī)律也不一定是典型的；另一類為數(shù)據(jù)驅(qū)動(dòng)模型，包括機(jī)器學(xué)習(xí)中的神經(jīng)網(wǎng)絡(luò)模型（NN）、支持向量機(jī)模型（SVM）、鄰近算法模型（KNN）、決策樹模型等，此類模型對(duì)樣本的分布程度和樣本量的要求均較低，能夠在信息資源不完整、不準(zhǔn)確等復(fù)雜的數(shù)據(jù)環(huán)境下，通過自身結(jié)構(gòu)的調(diào)整，提取數(shù)據(jù)特征，可以借助對(duì)數(shù)據(jù)的分析進(jìn)行非線性智能預(yù)測。機(jī)器學(xué)習(xí)模型通過理解復(fù)雜且非結(jié)構(gòu)化的數(shù)據(jù)，可高效地產(chǎn)生見解及發(fā)現(xiàn)隱藏模式，從而為投資團(tuán)隊(duì)提供有價(jià)值的研究思路，并幫助他們獲得信息優(yōu)勢，從而做出更快更好的決策及更精確的預(yù)測。例如，“Lasso回歸算法”可以應(yīng)用于對(duì)商品期貨價(jià)格進(jìn)行預(yù)測，“Lasso回歸算法”通過加入懲罰因子來增加模型復(fù)雜程度，減少了病態(tài)數(shù)據(jù)的干擾。從宏觀層面篩選出可能對(duì)商品期貨產(chǎn)生影響的因素，可通過相關(guān)性分析找到各解釋變量的滯后窗口，再對(duì)期貨價(jià)格和變量指標(biāo)進(jìn)行模擬訓(xùn)練和預(yù)測；“決策樹模型”可以應(yīng)用于預(yù)測財(cái)務(wù)造假概率，通過不同程度的決策樹算法學(xué)習(xí)歷史數(shù)據(jù)的影響因素并得到相關(guān)度，最終得到預(yù)測財(cái)務(wù)造假數(shù)據(jù)的模型。

當(dāng)前，人工智能還處在傳統(tǒng)的弱人工智能（ Artificial Narrow Intelligence ， ANI）階段，包括深度學(xué)習(xí)在內(nèi)，利用人工智能進(jìn)行股票投資的過程中必須高度依賴人類對(duì)實(shí)際問題的建立的模型與算法（見圖1），強(qiáng)烈地依賴于觀測數(shù)據(jù)，因而難免帶有偏頗；在不遠(yuǎn)的將來，人工智能將進(jìn)入到強(qiáng)人工智能階段（ Artificial General Intelligence ， AGI），擁有主動(dòng)實(shí)施行動(dòng)來分析因果效應(yīng)的能力，決策就可以不受觀察樣本的束縛，把一些樣本無法反映的事實(shí)揭露出來，這種能力使得決策行為更加智能化；未來，隨著人工智能技術(shù)的發(fā)展和成熟，將會(huì)進(jìn)入到超人工智能（ ArTIficial Superintelligence ， ASI）階段，人類甚至有可能制造出真正能進(jìn)行推理和解決問題的智能機(jī)器，并且有自我意識(shí)的，預(yù)測精準(zhǔn)度將會(huì)大幅提高。

人工智能正在改變證券投資業(yè)

人工智能可以通過復(fù)雜的機(jī)器學(xué)習(xí)、知識(shí)圖譜等技術(shù)手段較為快速、準(zhǔn)確地判斷和預(yù)測市場行情，從政策面、基本面、技術(shù)面等多維度提升分析準(zhǔn)確率。海內(nèi)外各大金融機(jī)構(gòu)都非常重視人工智能，并應(yīng)用在股票投資中。

在全球范圍內(nèi)，幾乎所有頂尖的投行和金融機(jī)構(gòu)均在使用人工智能技術(shù)投資的范圍和領(lǐng)域不斷擴(kuò)大，投資收益和影響不斷增強(qiáng)。以美國金融數(shù)據(jù)分析服務(wù)公司Kensho為例，研發(fā)了一種針對(duì)專業(yè)投資者的大規(guī)模數(shù)據(jù)處理分析工具Warren，試圖打造成金融業(yè)的“Siri”（蘋果智能語音助手）。Warren可以快速回答接近一億個(gè)對(duì)股價(jià)造成影響的問題，并編制詳細(xì)分析報(bào)告，大幅提高測試交易策略（back-tesTIng）的效率，它曾成功預(yù)言英國脫歐后的英鎊走勢，及2017年美國科技股的強(qiáng)勢上漲。2019年3月7日，高盛推出5只新ETF，完全依賴機(jī)器交易和AI算法，擺脫人為主動(dòng)控制。此次高盛是和MoTIf投資算法公司合作，來確定符合高盛基金經(jīng)理認(rèn)為的將推動(dòng)指數(shù)上漲的相關(guān)基金主題，比如“金融重塑”和“數(shù)據(jù)驅(qū)動(dòng)世界”等等。早在2017年10月18日，EquBot LLC、ETF Managers Group共同推出了全球第一只應(yīng)用人工智能進(jìn)行投資的ETF：AI Powered Equity ETF（AIEQ.US）。這只代碼為AIEQ的基金是一只依據(jù)EquBot獨(dú)門算法所打造出來的主動(dòng)式ETF，利用IBM Watson的認(rèn)知和大數(shù)據(jù)處理能力去分析美國境內(nèi)的投資機(jī)會(huì)。據(jù)悉AIEQ通過人工智能的方式來分析和挑選股票，一般只會(huì)選取30-70只美國股票，波動(dòng)性與美股大盤的波動(dòng)性相當(dāng)。AIEQ每天分析6000家美國上市公司的數(shù)萬個(gè)市場信號(hào)和新聞文章（包括上市公司管理狀況，市場情緒、監(jiān)管文件、季度財(cái)報(bào)、新聞報(bào)道、社交媒體帖子等）。值得注意的是，經(jīng)受了2018年的重創(chuàng)之后，2019年AIEQ迅速矯正，奮起直追。AIEQ兩位聯(lián)合創(chuàng)始人Chida Khatua和Art Amador在接受媒體采訪時(shí)表示，自2019年以來AIEQ跑贏標(biāo)普500指數(shù)。

國內(nèi)也有不少券商、金融機(jī)構(gòu)開始嘗試人工智能在金融領(lǐng)域的應(yīng)用，如工商銀行推出的“AI投”、光大證券推出的“智能魔方”、中信銀行推出的“信智投”等。不過，這些產(chǎn)品還屬于智能投顧或智能交易等范疇，重點(diǎn)在于用更多維度的數(shù)據(jù)了解客戶，用更精準(zhǔn)的推薦引擎推薦投資組合、理財(cái)產(chǎn)品、風(fēng)險(xiǎn)提示等。

目前，對(duì)沖基金及投資銀行等都在爭奪人工智能方面的專家，以期不斷提供預(yù)測的準(zhǔn)確度，從而規(guī)避風(fēng)險(xiǎn)并獲得高回報(bào)。總之，人工智能將提升我們處理信息的深度和廣度，相對(duì)來說使用基于人工智能技術(shù)的“智能人”，將比不運(yùn)用或是還在利用“人腦”進(jìn)行基本面分析與技術(shù)分析的人更占信息優(yōu)勢，從而也就更可能在股市中盈利。

從混沌無知到科學(xué)認(rèn)知

眾所周知，天氣變化是個(gè)著名的混沌系統(tǒng)。天氣不僅受到各種氣團(tuán)的影響，而且受到地形、水域狀況等眾多因素的影響，任何隨機(jī)的因素變化都可能引起意想不到的天氣變化，因此，天氣預(yù)報(bào)是一個(gè)歷史性難題。但是，隨著科技的進(jìn)步，天氣預(yù)報(bào)還是越來越精準(zhǔn)。我國商代后期，人們用龜甲和獸骨占卜預(yù)測氣象、天象、疾病、生育和戰(zhàn)爭等等，占卜中關(guān)于風(fēng)、雨、水等方面的卜辭可以看作是原始的天氣預(yù)報(bào)；在殷周時(shí)期，我國勞動(dòng)人民就已經(jīng)總結(jié)出許多預(yù)測天氣變化的經(jīng)驗(yàn)。如，《春秋》記載稱，在冬天，當(dāng)天空中出現(xiàn)滿天一色的陰云即“天上同云”時(shí)，則未來要“雨雪雰雰”；當(dāng)在夏天看到烏云發(fā)展，即“有渰萋萋”時(shí)，則將大雨瓢潑，即“興雨祁祁”了。唐朝的《相雨書》中，有更通俗形象的記載：“云逆風(fēng)而行者，即雨也?！?勞動(dòng)人民與大自然無數(shù)次的斗爭中，在長期觀測天氣變化的過程中，形成了大量的天氣諺語。這類的經(jīng)驗(yàn)預(yù)報(bào)，已具有科學(xué)內(nèi)容。在現(xiàn)代氣象學(xué)尚未產(chǎn)生的年代，天氣諺語無疑對(duì)天氣預(yù)報(bào)起著很大的作用；今天的天氣預(yù)報(bào)主要是通過衛(wèi)星、自動(dòng)觀測站等獲取天氣資料，運(yùn)用計(jì)算機(jī)來預(yù)報(bào)未來天氣。目前天氣預(yù)報(bào)準(zhǔn)確率基本在70-90%，未來隨著氣象技術(shù)的發(fā)展，準(zhǔn)確率還會(huì)進(jìn)一步提高，在特定區(qū)域的準(zhǔn)確度甚至可以無限的接近100%。我們對(duì)天氣變化的認(rèn)知經(jīng)歷了一個(gè)從混沌無知到科學(xué)認(rèn)知的過程。

目前，人工智能還處于發(fā)展初期，更擅長于處理某一單個(gè)方面的，比如AlphaGo只能下棋，蘋果Siri目前只能作為你的語音助手。以人工智能現(xiàn)在的水平還無法精準(zhǔn)預(yù)測股票的漲跌，比較可行的方法是采用人機(jī)合作的方法。機(jī)器擅長進(jìn)行計(jì)算，而不擅長的部分靠人類補(bǔ)充，也就是說人工智能只要負(fù)責(zé)某些因素之前的預(yù)測就好，這些數(shù)據(jù)一定是具有穩(wěn)定性，可以量化、大概率等特點(diǎn)。在未來，隨著我們對(duì)混沌現(xiàn)象的全面深入了解和人工智能、量子計(jì)算機(jī)等相關(guān)技術(shù)的發(fā)展和成熟，類似股票漲跌這類的混沌現(xiàn)象的預(yù)測準(zhǔn)確率也會(huì)大幅的提高。

總體來說，影響股市漲跌的因素非常多，以現(xiàn)在的認(rèn)知和科技水平想實(shí)現(xiàn)精準(zhǔn)的預(yù)測股市幾乎是不可能的。而如果你是想在市場中盈利的話，理論上只需高于51%的準(zhǔn)確率就可以了。筆者認(rèn)為，在未來二十年內(nèi)，人工智能相關(guān)技術(shù)在成熟市場中預(yù)測股票短線漲幅的準(zhǔn)確性有望達(dá)到80%，中長線漲幅的準(zhǔn)確度也有望超過60%。值得注意的是，如果證券市場內(nèi)的參與者大范圍采用人工智能相關(guān)技術(shù)進(jìn)行投資，此前的制勝策略這時(shí)可能也將會(huì)失效。