以往的市場(chǎng)充滿低風(fēng)險(xiǎn)套利機(jī)會(huì)，比如過(guò)去二十年的房地產(chǎn)、過(guò)去10年的債券、過(guò)去8年的信托、過(guò)去7年的理財(cái)?shù)鹊?，在這些不復(fù)雜的市場(chǎng)環(huán)境下，普通投資者不需要投資顧問(wèn)也很容易賺到錢。然而到了當(dāng)下，簡(jiǎn)單套利的時(shí)代已經(jīng)結(jié)束，市場(chǎng)環(huán)境越來(lái)越復(fù)雜。那么在這種情況下，用戶應(yīng)該如何進(jìn)行投資呢？

而與此同時(shí)，無(wú)論是傳統(tǒng)理財(cái)行業(yè)還是依托數(shù)字技術(shù)進(jìn)行的金融科技事業(yè)，對(duì)基金管理者來(lái)說(shuō)，如何有效識(shí)別風(fēng)險(xiǎn)、識(shí)別出正確的投資者才是當(dāng)今理財(cái)行為的核心。

日前舉行的第三屆北外灘對(duì)沖基金峰會(huì)分論壇“大數(shù)據(jù)時(shí)代的投資管理”上，太平洋另類資產(chǎn)管理公司（PAAMCO）董事總經(jīng)理 Misha Graboi講述了人工智能和大數(shù)據(jù)進(jìn)行資產(chǎn)管理的一些方法論及原理。

以下是Misha Graboi演講實(shí)錄：

我們管理了一些對(duì)沖基金，有獨(dú)立的資產(chǎn)管理。今天我想談?wù)摰闹饕P(guān)于一些新的技術(shù)在基金管理當(dāng)中的應(yīng)用，它們就是大數(shù)據(jù)、人工智能。

我不是人工智能的專家，我也無(wú)法知道特別多，所以我只是給大家一個(gè)概要的介紹，但是我想說(shuō)——我們是處于一個(gè)非常早期的使用人工智能的階段。很多基金公司也是剛剛開始用人工智能的技術(shù)來(lái)進(jìn)行基金選擇。我們還沒有具體的案例，我們現(xiàn)在只是在初級(jí)的階段，我們希望在未來(lái)可以使用這種技術(shù)來(lái)幫助我們。

大數(shù)據(jù)和人工智能的關(guān)系

所以大數(shù)據(jù)和人工智能的關(guān)系是什么呢？大的數(shù)據(jù)就是一些數(shù)據(jù)集，它可以使用，來(lái)對(duì)于整個(gè)機(jī)器的學(xué)習(xí)進(jìn)行培訓(xùn)。所以我們需要有很大量的數(shù)據(jù)集。這些數(shù)據(jù)的規(guī)模越大，我們的機(jī)器學(xué)習(xí)的精度就越高。我們也看到機(jī)器的學(xué)習(xí)過(guò)程，就是要有現(xiàn)成的一套數(shù)據(jù)集。

你可能會(huì)說(shuō)，在這樣的一個(gè)階段，我們是不是有很多的統(tǒng)計(jì)的數(shù)據(jù)呢？我們是有很多的人工智能，當(dāng)然在某種形式上是基于統(tǒng)計(jì)數(shù)據(jù)。在金融服務(wù)方面我們有很多的模型，實(shí)際上它們有兩個(gè)方面不太好：一是它們不能代表一些關(guān)系，比如說(shuō)有各種各樣的線性的關(guān)系，有的時(shí)候也無(wú)法準(zhǔn)確闡明數(shù)據(jù)互相之間的關(guān)系；另外一個(gè)關(guān)系的話幾何性的關(guān)系，比如一直是平的走，突然之間下降的關(guān)系，計(jì)算機(jī)并不是能特別好的構(gòu)建這個(gè)模型。   

人工智能有很多的好處，其中之一就是它學(xué)習(xí)能力非?？臁Ｎ覀円部吹矫绹?guó)比如說(shuō)在整個(gè)的iPhone銷售方面，有很多的數(shù)據(jù)。這些數(shù)據(jù)被很多的分析師使用，他們也每天不停地?cái)[弄他們的模型，對(duì)數(shù)據(jù)進(jìn)行分析，預(yù)測(cè)未來(lái)的市場(chǎng)銷售情況怎么樣。如果要對(duì)那些數(shù)據(jù)做出即時(shí)的反應(yīng)會(huì)比較困難。因?yàn)槿俗鍪潜容^慢的，但是人工智能可以做得非常的快。

機(jī)器的學(xué)習(xí)模式

接下來(lái)我花幾分鐘的時(shí)間來(lái)解釋一下，機(jī)器是怎么樣進(jìn)行學(xué)習(xí)的。機(jī)器學(xué)習(xí)的時(shí)候它是通過(guò)歸納圖例來(lái)進(jìn)行學(xué)習(xí)的，這里面是一些規(guī)則的內(nèi)容，你可以做一個(gè)規(guī)則來(lái)進(jìn)行預(yù)測(cè)。

我們是通過(guò)歸納推理的方法來(lái)進(jìn)行學(xué)習(xí)的。比如說(shuō)，我有一個(gè)罐子，我拿出四個(gè)球。如果我看到的這四個(gè)球，它們都是黑色的，這樣我的假設(shè)就是這個(gè)罐子里面的所有得球可能都是黑色的。我不知道這是正確或者不正確，因?yàn)樵诠拮永锩嬗泻芏嗟那颉Ｎ以倌贸?個(gè)球，都是黑色的，這樣的話我的假設(shè)就是所有的球都是黑色的，如果拿得越多，那么我的假設(shè)越來(lái)越正確。所以我必須對(duì)我的假設(shè)進(jìn)行更新。

算法經(jīng)過(guò)不斷地調(diào)整和改進(jìn)來(lái)得到更好的這種準(zhǔn)確性。這就是機(jī)器學(xué)習(xí)的這樣的一個(gè)過(guò)程。它是自己進(jìn)行編程，自己做驗(yàn)證。每一次錯(cuò)誤的時(shí)候，這個(gè)機(jī)器都會(huì)做一些調(diào)整，所以下一次就會(huì)有更好的準(zhǔn)確性。

對(duì)沖基金為什么要用到人工智能？

這就是人工智能的理論。那么對(duì)沖基金如何使用到人工智能？這里我主要是簡(jiǎn)單介紹一下，主要是涵蓋兩個(gè)方面：

第一個(gè)方面是配置方面。我們要做的必須是去打造一個(gè)風(fēng)險(xiǎn)分散的組合。對(duì)沖基金的話，組合之間的相關(guān)性是非常低的，比如說(shuō)對(duì)利率的敏感性是非常低的。這個(gè)其實(shí)有些時(shí)候我們會(huì)發(fā)現(xiàn)我們必須要思考一下。我們沒有辦法只看歷史，然后來(lái)進(jìn)行這樣的配置。我們要知道你所處的市場(chǎng)環(huán)境是什么，然后才能打造風(fēng)險(xiǎn)分散的組合。 

另外一方面也看到了人工智能是可以創(chuàng)造價(jià)值的，我們要確定你需要什么樣的基金策略，來(lái)使它在未來(lái)的表現(xiàn)會(huì)更好。比如說(shuō)某一些類型的策略，在接下來(lái)的6個(gè)月、12個(gè)月或者24個(gè)月它的表現(xiàn)更好，你就可以把這樣的策略放在你的組合當(dāng)中，這樣的結(jié)果更好。    

還有第三個(gè)方面叫做指數(shù)的代表性。通常來(lái)說(shuō)我們的客戶在進(jìn)行組合的時(shí)候，他們一般都會(huì)參考這個(gè)回報(bào)的指數(shù)。但是，這個(gè)指數(shù)其實(shí)有些時(shí)候我們并不知道這個(gè)經(jīng)理人他們用的哪個(gè)指數(shù)，或者是否在這個(gè)指數(shù)中。我們根本不知道是什么因素驅(qū)動(dòng)著我們的回報(bào)。因?yàn)檫@些指數(shù)看上去都是不一樣的，不同的指數(shù)可能會(huì)給你帶來(lái)非常不一樣的結(jié)果。比如說(shuō)beta2的話，這些都會(huì)給你的結(jié)果帶來(lái)非常多的不同。所以就很難來(lái)決定到底是什么樣的因素來(lái)驅(qū)動(dòng)著這些指數(shù)。而問(wèn)題也是在于你們沒有辦法完全按照這些指數(shù)來(lái)進(jìn)行一個(gè)判斷，所以很難對(duì)你的對(duì)沖基金指數(shù)進(jìn)行跟蹤。因?yàn)槟惚仨氁浅Ｇ宄亓私膺@個(gè)指數(shù)里面的一些東西。

人工智能如何幫助和約束基金經(jīng)理？

還有一個(gè)方面我們也可以創(chuàng)造價(jià)值的，就是基金經(jīng)理的選擇，也可以使用人工智能。比如說(shuō)考慮到基金經(jīng)理的運(yùn)氣和能力——我們每一個(gè)人的成功不僅是基于一個(gè)因素，而是兩個(gè)因素，一個(gè)方面是技能，一個(gè)是運(yùn)氣。比如過(guò)去每年的回報(bào)率是6%，這個(gè)經(jīng)理人是否是有運(yùn)氣還是有能力？我們可能會(huì)把回報(bào)分解為不同的因素，比如說(shuō)是股權(quán)市場(chǎng)的一些情況，股票市場(chǎng)的一些情況。

我們對(duì)利率等方面會(huì)做一些分解，這些因素是非常復(fù)雜的。我們的經(jīng)理沒有辦法在這方面給你創(chuàng)造價(jià)值。這個(gè)過(guò)程其實(shí)成本非常高，所以你要知道是什么因素驅(qū)動(dòng)你的回報(bào)，是基金經(jīng)理的能力好呢，還是因?yàn)樗\(yùn)氣好？這是要弄清楚的。

還有一點(diǎn)，就是我們行為的優(yōu)化。我們?cè)谔暨x對(duì)沖基金的經(jīng)理的時(shí)候，其實(shí)我們要考慮到這個(gè)經(jīng)理在未來(lái)他的一些行為。在不同的這種形勢(shì)下的一些行為，所以說(shuō)什么樣的類型的經(jīng)理交易行為你覺得是可以給你帶來(lái)好的一個(gè)基金表現(xiàn)？這是要考慮到的。過(guò)去的話，可能像我有8年的經(jīng)驗(yàn)了，或者像我們的CEO可能在這個(gè)行業(yè)已經(jīng)25年了。所以過(guò)去我們只看經(jīng)驗(yàn)，但是這其實(shí)我們的人工智能的這些技術(shù)有了的話，我們可以很好地來(lái)改進(jìn)這樣的一個(gè)基金經(jīng)理選擇的過(guò)程。

散戶福利：如何應(yīng)用人工智能做資金配置

接下來(lái)我們?cè)賮?lái)講一講如何在我們的資金的配置中來(lái)應(yīng)用人工智能。

一方面是風(fēng)險(xiǎn)的分散，其實(shí)我們?cè)趯で蟮氖悄軌蛘业揭粋€(gè)先行的指標(biāo)。這些先行指標(biāo)可以告訴你我們所處的環(huán)境的體制是什么樣的，通過(guò)對(duì)市場(chǎng)的了解，我們就可以進(jìn)行資產(chǎn)的一個(gè)配置。比如說(shuō)歷史上的這樣的一些相關(guān)性其實(shí)并不是非常有用，而更好的是使用我們的人工智能，用在我們的界面中，然后就了解到現(xiàn)在的市場(chǎng)的趨勢(shì)，了解到宏觀經(jīng)濟(jì)的一些環(huán)境，了解到市場(chǎng)的情緒。把所有的這些因素考慮在內(nèi)，然后更好的了解市場(chǎng)的體制或者結(jié)構(gòu)。并且要意識(shí)到，我們可能會(huì)看到可能對(duì)我們的市場(chǎng)帶來(lái)很多的風(fēng)險(xiǎn)，這也會(huì)對(duì)你的組合帶來(lái)很多風(fēng)險(xiǎn)。

第二個(gè)領(lǐng)域就是預(yù)測(cè)性，我們剛才的話題是使用這個(gè)人工智能的一些技術(shù)。對(duì)于各種數(shù)據(jù)進(jìn)行研究，包括宏觀經(jīng)濟(jì)的數(shù)據(jù)，以及市場(chǎng)的信息等等。然后計(jì)算一下短期和長(zhǎng)期的回報(bào)是多少。比如說(shuō)非常簡(jiǎn)單的一個(gè)調(diào)查等等，比如說(shuō)你想買這一家公司，如果你現(xiàn)在市場(chǎng)價(jià)39美元，背后的價(jià)差是非常少的。當(dāng)然了，現(xiàn)在這樣的一個(gè)指標(biāo)并不是特別的多。你需要考慮在整個(gè)金融市場(chǎng)的復(fù)雜性，然后提出一個(gè)功能強(qiáng)大的模型。然后未來(lái)的6到12個(gè)月當(dāng)中，應(yīng)該怎么樣進(jìn)行配置。

另外一個(gè)說(shuō)到基金經(jīng)理的選擇方面，也是非常類似的。我們需要來(lái)了解這個(gè)經(jīng)理的持續(xù)性的數(shù)字。比如說(shuō)我有兩個(gè)經(jīng)理，他的回報(bào)上一年都是8%。上一年他有兩個(gè)頭寸，其中一個(gè)是上升了40%，其他的透頭寸都是虧損的。另外一個(gè)經(jīng)理人，所有的股票都是上漲了6%。你覺得哪個(gè)基金經(jīng)理人更好呢？有的人可能會(huì)說(shuō)：“我的直覺告訴我第二個(gè)基金經(jīng)理人人更加好，第一個(gè)經(jīng)理可能運(yùn)氣好，所以會(huì)獲利?！钡谝粋€(gè)經(jīng)理說(shuō)我不了解其他的股票，但是這兩個(gè)股票我非常了解，所以我可以做得好。使用人工智能的方法，你可以做很多的測(cè)試來(lái)驗(yàn)證，這樣對(duì)沖基金經(jīng)理本身也可以做評(píng)估的指標(biāo)，來(lái)了解是不是選擇其中的一個(gè)經(jīng)理更好，然后他們是不是有更加持續(xù)性的一致性的良好表現(xiàn)。

對(duì)于回報(bào)方面的驅(qū)動(dòng)因素的分析方面，我認(rèn)為整個(gè)回報(bào)數(shù)據(jù)的結(jié)構(gòu)非常復(fù)雜，可以把它分成三個(gè)方面。對(duì)市場(chǎng)的敏感度，對(duì)于利息的敏感度，以及對(duì)其他的一些敏感度。實(shí)際上整個(gè)的驅(qū)動(dòng)因素應(yīng)該是非常復(fù)雜的，它遠(yuǎn)比這個(gè)模型本身所體現(xiàn)的更加復(fù)雜。你可以對(duì)整個(gè)的投資組合做更好的處置，完了要進(jìn)行定價(jià)的決定。比如說(shuō)你可以用較少的錢買到較多的東西，這樣子就能夠得到更好的結(jié)果。

最后一個(gè)部分是行為的優(yōu)化，你可以了解哪一個(gè)投資經(jīng)理人的行為更具有可預(yù)測(cè)性。比如說(shuō)一個(gè)經(jīng)理的話，如果你想買這個(gè)股票的話，你可能要買更多的頭寸。比如說(shuō)你下降了3%的話，其他的部分需要做得更好，才能夠補(bǔ)回這個(gè)損失。還不是非常明確說(shuō)哪一種方法更好，但是人工智能的話，可以幫助我們來(lái)進(jìn)行分析?？赡軐?duì)于幾百個(gè)、幾千個(gè)案例進(jìn)行分析，如果整個(gè)的人工智能系統(tǒng)可以對(duì)整個(gè)價(jià)格的歷史做分析的話，你可以得到更精確的一個(gè)結(jié)果。

使用人工智能的一些風(fēng)險(xiǎn)和問(wèn)題

最后的話我們想來(lái)說(shuō)一下在使用人工智能時(shí)候的一些風(fēng)險(xiǎn)和一些問(wèn)題。當(dāng)中有一些人工智能方面的問(wèn)題，以及金融服務(wù)方面的問(wèn)題。

其實(shí)最大的問(wèn)題就是過(guò)渡的擬合。因?yàn)槿斯ぶ悄艿乃俣确浅５目?，?duì)很多的假設(shè)可以短時(shí)間內(nèi)進(jìn)行測(cè)試。有的時(shí)候它吻合的非常好的一些東西，我們看到做統(tǒng)計(jì)的時(shí)候，有20個(gè)10億的數(shù)據(jù)。其中一個(gè)在統(tǒng)計(jì)學(xué)上面是比較好的意義，你對(duì)于這個(gè)數(shù)據(jù)進(jìn)行測(cè)試的時(shí)候，過(guò)渡的擬合反而是不好的。有的時(shí)候你可以讓你的整個(gè)模型變得更加的復(fù)雜。

我們看到這個(gè)模型當(dāng)中，如果有30個(gè)指標(biāo)可以來(lái)幫助你，是不是會(huì)幫助你做更好的預(yù)測(cè)呢？實(shí)際上做到有30個(gè)指標(biāo)做預(yù)測(cè)，是非常難的。還有一個(gè)組合的優(yōu)化，如果你提高輸入數(shù)據(jù)的規(guī)模的話，那么你需要的整個(gè)過(guò)程也會(huì)更加的復(fù)雜，這尤其是不好的一個(gè)事情。有的時(shí)候你可以有非常寶貴的輸入的信息的話，它雖然沒有增加分析過(guò)程的復(fù)雜性，因?yàn)樗臄?shù)據(jù)的真實(shí)性、寶貴性，所以讓你能夠做很好的判斷。有的時(shí)候你對(duì)于數(shù)據(jù)集的話，有很多的要求。

還有一個(gè)非常有趣的問(wèn)題。有一些人工智能的模型，有的時(shí)候無(wú)法去解釋。因?yàn)檫@是計(jì)算機(jī)本身的話運(yùn)行的一個(gè)程序，人類有的時(shí)候不了解為什么這個(gè)電腦它會(huì)做出那樣的決定，來(lái)執(zhí)行某一個(gè)程序。客戶可能會(huì)問(wèn)你發(fā)生了什么，你可能說(shuō)電腦告訴我來(lái)買這樣的一個(gè)股票。他可能會(huì)說(shuō)：“為什么計(jì)算機(jī)告訴你這么做呢？”你可能告訴他“我不知道”這也是一個(gè)問(wèn)題。你不知道這些問(wèn)題綜合起來(lái)考慮，有一個(gè)非常具有挑戰(zhàn)性的環(huán)境。因?yàn)槟悴恢肋@個(gè)計(jì)算機(jī)是如何決定執(zhí)行某一個(gè)模型的。

還有關(guān)于市場(chǎng)方面的一些問(wèn)題。在市場(chǎng)當(dāng)中整個(gè)的一個(gè)機(jī)制是會(huì)變化的。但是這個(gè)人工智能主要是基于歷史的數(shù)據(jù)進(jìn)行培訓(xùn)，訓(xùn)練出來(lái)的。比如說(shuō)2000年到2007年之間的一些數(shù)據(jù)來(lái)進(jìn)行驗(yàn)證之后，得出人工智能的能力的話，到2008年的時(shí)候，這所有的一切并不是有用的。人也是非常復(fù)雜的，市場(chǎng)的機(jī)理也會(huì)隨著時(shí)間的推移發(fā)生變化。比如說(shuō)50年以前的歷史數(shù)據(jù)，現(xiàn)在來(lái)進(jìn)行使用的話，當(dāng)然也不好。你可以盡量地看最近幾年的歷史數(shù)據(jù)，但是還是會(huì)有一些問(wèn)題發(fā)生的。因?yàn)闅v史的數(shù)據(jù)總是和現(xiàn)有的數(shù)據(jù)是不一樣的。

人工智能在對(duì)沖基金中遇到的挑戰(zhàn)

可惜還是會(huì)有很多的問(wèn)題。人工智能用在我們的對(duì)沖基金中，還是有一些挑戰(zhàn)。

金融服務(wù)的領(lǐng)域，有巨量的數(shù)據(jù)。這些巨大的數(shù)據(jù)，包括比如說(shuō)是過(guò)去的十年中每一支股票的數(shù)據(jù)，包括我們運(yùn)輸船運(yùn)的這些數(shù)據(jù)。對(duì)沖基金在全球來(lái)看的話，歷史上來(lái)說(shuō)，其實(shí)沒有太大的透明度，也就是說(shuō)我們現(xiàn)有的數(shù)據(jù)是非常是有限的，我們沒有辦法進(jìn)行人工智能的一個(gè)訓(xùn)練。而前面講到了人工智能的訓(xùn)練需要基于非常大量的數(shù)據(jù)集。    

我們現(xiàn)在唯一的數(shù)據(jù)，也就是我們經(jīng)理的回憶，或者收益流、回報(bào)流這樣的一些數(shù)據(jù)，這是唯一有的一些數(shù)據(jù)。說(shuō)過(guò)去20年，我們其實(shí)很少有對(duì)沖基金有這樣大量的數(shù)據(jù)存在。如果假設(shè)是20年的話，我們可以有大量的這樣一些數(shù)據(jù)點(diǎn)。但是還有一個(gè)問(wèn)題，你其實(shí)并不知道這個(gè)經(jīng)理人做得表現(xiàn)好還是不好。比如說(shuō)去年我的經(jīng)理人回報(bào)是8%，這個(gè)股票市場(chǎng)是10%的回報(bào)，您覺得可以嗎？很好嗎？我不知道，我只知道他給我的回報(bào)是8%。如果風(fēng)險(xiǎn)很小，然后8%的回報(bào)是很不錯(cuò)的。因?yàn)閷?duì)市場(chǎng)的暴露的風(fēng)險(xiǎn)并不是很大，所以8%是很好了。所以其實(shí)我們很多時(shí)候是零透明的，這種零透明的情況下，我們并不知道這個(gè)結(jié)果是好還是不好。這也很難進(jìn)行人工智能的一個(gè)訓(xùn)練。

另外一個(gè)層級(jí)的話，我們?cè)谶@個(gè)行業(yè)，有很多大的基金的配置者是進(jìn)入到了叫做聚合的透明度，也就是說(shuō)我們的經(jīng)理人手上的一些數(shù)據(jù)，除此之外，還會(huì)有其他的一些數(shù)據(jù)，比如說(shuō)經(jīng)理人可以提供的，第三方提供的這樣的一些聚合的數(shù)據(jù)。這個(gè)經(jīng)理人的凈資產(chǎn)，或者是投資位置的分配，或者是投資的行業(yè)是哪一些，這些數(shù)據(jù)會(huì)稍微好一點(diǎn)。在我們進(jìn)行管理的經(jīng)理人的回報(bào)，我們對(duì)這個(gè)股票市場(chǎng)的風(fēng)險(xiǎn)暴露等，還有其他的一些方面，其實(shí)我們都是沒有很好的透明性。我們可能可以用到手頭上的數(shù)據(jù)序列來(lái)做一些分析，來(lái)更好的了解這個(gè)市場(chǎng)的回報(bào)。比如說(shuō)如果經(jīng)理人有50%暴露在市場(chǎng)上的話，你可以進(jìn)行AI的一個(gè)訓(xùn)練，告訴他有一半的市場(chǎng)的風(fēng)險(xiǎn)的一個(gè)暴露。然后就可以了解到是什么因素在驅(qū)動(dòng)著這個(gè)股票市場(chǎng)。所以這會(huì)稍微好一點(diǎn)，但是還是會(huì)有一些問(wèn)題存在。

第三個(gè)層級(jí)我們稱之為持倉(cāng)層面的透明度。對(duì)于每一個(gè)經(jīng)理我們會(huì)看到每一個(gè)人的倉(cāng)位，這樣我們不會(huì)只依賴歷史數(shù)據(jù)進(jìn)行AI的訓(xùn)練，而更多的是會(huì)在靜態(tài)時(shí)間點(diǎn)上的倉(cāng)位進(jìn)行，這樣就會(huì)帶來(lái)非常好的結(jié)果，而不是非常短的經(jīng)理人的歷史數(shù)據(jù)中進(jìn)行預(yù)測(cè)。

還有一點(diǎn)其實(shí)現(xiàn)在沒有人達(dá)到這種層面，就是說(shuō)基本原理的透明性。我們看到每一個(gè)經(jīng)理人都需要打造這樣的透明度，就是每一次交易的數(shù)據(jù)，包括交易日志的透明性。這個(gè)經(jīng)理人必須要解釋為什么會(huì)有持倉(cāng)。而通常我們的經(jīng)理人并沒有作出這樣的解釋。他必須要講到接下來(lái)的12個(gè)月，這個(gè)公司的績(jī)效會(huì)怎么樣。我們可以看到這個(gè)過(guò)程非常的長(zhǎng)，我們很難來(lái)去判斷我們的經(jīng)理人是真的運(yùn)氣好還是他的技能好。

總結(jié)

進(jìn)一步強(qiáng)調(diào)一下，現(xiàn)在整個(gè)的人工智能只是在它發(fā)展的非常初級(jí)的現(xiàn)象。我也知道AI有能力改變對(duì)沖基金投資者的策略。未來(lái)的5年當(dāng)中我們需要學(xué)習(xí)一下如何來(lái)進(jìn)行編程，根據(jù)一些邏輯來(lái)進(jìn)行編程。在未來(lái)的5到10年當(dāng)中，你們大家的公司里面可能都會(huì)使用一些人工智能的系統(tǒng)來(lái)幫助你們進(jìn)行決策。還有包括運(yùn)營(yíng)方面，你可以有更好的一些容易使用的一些策略。如果人工智能能夠抓住這樣的一些好的決定，那么你就不會(huì)在做編程的方塊里面，你到其他的方塊里面去做。

最后有很多“軟”的因素，有的時(shí)候這些方面你很難去對(duì)于人工智能系統(tǒng)進(jìn)行培訓(xùn)。比如說(shuō)這個(gè)經(jīng)理非常好，他的回報(bào)率非常高，他的風(fēng)險(xiǎn)非常低。那么我們也可以預(yù)測(cè)說(shuō)他是好的，但是他這個(gè)人兩年之間可能因?yàn)閮?nèi)部交易，而被判過(guò)刑。這個(gè)時(shí)候AI沒有對(duì)這些機(jī)動(dòng)做一個(gè)檢查。但其實(shí)我們一直都會(huì)有一些事件是沒有辦法進(jìn)行AI訓(xùn)練，我們的AI的訓(xùn)練只能在數(shù)據(jù)機(jī)上面進(jìn)行訓(xùn)練。目前沒有通用的AI，AI只是用在一些特殊的地方?；蛟S有一天我們的AI可以，希望未來(lái)真的能夠?qū)崿F(xiàn)。我覺得未來(lái)的話，對(duì)于我們?nèi)祟悂?lái)講，我們都是處于網(wǎng)絡(luò)的時(shí)代，人還是最終的決策者。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。