網頁列印

內容來自網址: https://www.worldjournal.com/6404591/article-link/

首頁 科技

AI操盤手理財 3大難題待解

每當一項科技日益進步,通常也會逐漸變得普及,但在機器投資領域卻非如此。投資人想擁有能幫自己贏過市場的電腦選股模型,短時間內恐怕仍難實現。這並非因華爾街對此欠缺興趣。(網路照片) 每當一項科技日益進步,通常也會逐漸變得普及,但在機器投資領域卻非如此。投資人想擁有能幫自己贏過市場的電腦選股模型,短時間內恐怕仍難實現。這並非因華爾街對此欠缺興趣。(網路照片)

每當一項科技日益進步,通常也會逐漸變得普及,但在機器投資領域卻非如此。投資人想擁有能幫自己贏過市場的電腦選股模型,短時間內恐怕仍難實現。

這並非因華爾街對此欠缺興趣。華爾街為投資市場打造科學化模型的努力,從1980年代中期就已開始。機器投資仍屬於少數菁英層級的理由之一很明顯,事實證明,為你投資比預測你會在亞馬遜買什麼東西更難。哥倫比亞大學商學院教授兼Bourbaki量化策略開發者莫雷米(Ciamac Moallemi)說:「這是機器學習應用上最大的難題之一。」

以金融工程師試圖解決的某些困難為例:

1.市場數據瞬息萬變

在金融市場,數據有可能以劇烈且無前例可考的方式變化。例如,2013年歐洲大部分地區和日本前所未見地採行負利率;或1998年美股價位由分數轉為小數。這對電腦來說要調整不難,但可能使一些人類交易員感到慌亂。

Renaissance前研究員惠尼表示:「那改變了市場部分結構,同時可能也改變了一些行為。」

2.雜訊比信號多

股市永遠在變動,且不一定有理由。大部分市場內行為都是經濟學家所謂的「雜訊交易」。用圖像辨識來類比,想像一台電腦試圖辨識出在黑暗中拍攝的照片裡的人物,照片所提供絕大部分數據都是雜訊,即無用的黑色畫素。

而且從數據集的角度來說,股市歷史資料相對短淺。假設你想預測未來一年股價的變動,但美股可回溯的良好紀錄僅到1900年,代表只有118筆非重疊數據可參考,完全比不上一天處理照片量就達3.5億張的社群平台龍頭臉書。在圖像辨識訓練中,只需將照片轉向或改變顏色就能創造出新數據,但要人為擴增金融數據集很困難。

3.能尋覓的優勢很小

一個明顯的信號用處不大,例如在每月第一天買進股票。若過去這個策略有效,不過是僥倖,就算不是僥倖,也很快會被別人發現。因此,專業研究員反而更專注非常微弱的信號,但就算用於預測未來股價,確定性也可能僅51%,意味能由此獲得的「優勢」其實很小。

惠尼說:「我們尋找的模式在可偵測邊緣。」一般投資人大多無法利用這些模式。為了能藉此獲利,基金經理人必須集合上千筆投注並放大槓桿,也就是借錢投資。

短期內比不上人腦

此外,要建立真正的自主投資系統,也就是由電腦本身判讀信號並制定策略,研究者將需解決因果關係問題。這意味系統不僅得察覺信號,如某檔股票上漲通常伴隨利率上升,也需能解釋原因。人類長於這類思考,但人工智慧(AI)才開始學習。



Copyright 2019 世界新聞網-北美華文新聞、華商資訊. All rights reserved.