[600796钱江生化]量子 炒股(量子炒股)

夏乙允中编译收拾

量子位出品|大众号QbitAI

让AI替代人类炒股，多么美好的方针。

机器学习技能能在不需求人类预先编写规则的状况下，让计算机从数据中寻觅形式。从机器人到天气预报，再到言语翻译，甚至开车，这项技能驱动着多个范畴的前进。

为什么不能用它来搞定金融商场呢？

这种主意，现已引发了出资公司之间的军备竞赛，各家本来就现已十分依靠数学的基金开端争抢他们所能找到的顶尖计算机科学家和统计学家。

这项技能一开端体现还不错。本年成绩最好的两家对冲基金——QuantitativeInvestmentManagementLLC和TezaCapitalManagementLLC本年别离上涨了68%和50%，他们都说能做出这么好的成绩，机器学习功不可没。

可是，在出资上继续全面押注机器学习的公司屈指可数。

对哈里托诺夫（MichaelKharitonov）来说，根据机器学习树立对冲基金不是件易事：难度是幻想中的三倍，耗时是预期的三倍。

“咱们根本是百战百胜。”他说。

哈里托诺夫是VoleonGroup的联合开创人，这是第一批全面拥抱机器学习的出资公司之一。从他们这些年的挣扎中，能够大致了解其他公司的挑选。

将机器学习用在金融生意中，咱们先要清楚：这项技能在其他范畴获得的那些成果，在生意上或许并不适用。金融生意是一个更凌乱的环境，形式总是被掩盖着。

哈里托诺夫说，他们一开端就想用机器学习做生意猜测，可是“便是不管用”。

哈里托诺夫现年54岁，他还有一位43岁的联合开创人麦考利夫（JonMcAuliffe）。他们别离是计算机和统计学博士，都曾在最陈旧、最成功的量化出资基金D.E.ShawGroup做研讨员。

那个时候，本年时不时登一下首富宝座的贝佐斯还没有创建亚马逊，刚好是哈里托诺夫的上司。

哈里托诺夫和麦考利夫多年来一向深信，他们学过的机器学习技能天然生成适用于出资，有着牢靠的办法论辅导。但他们年轻时，计算机还不够快，可用的数据集还不够大。

到2007年，新数据集和满足凶猛的计算机呈现了，所以哈里托诺夫和麦考利夫创建了Voleon，用机器学习做出资。公司的姓名没什么特别意义，编了这么一个词仅仅由于域名刚好能注册。

在融资过程中，他们遇到了挑剔的组织出资者。

要知道，机器学习这项技能和量化生意的常用办法有一些不同，它不需求科学家提出假定、写出算法给计算机履行，而是由人类为自己估计供给许多数据，然后让它自己找出形式。

实际上，便是计算机自己写出算法，用来做猜测，但问题在于，计算机不会告知你它是怎样得出这个成果的。

市面上的那些量化基金能够很明晰地解说出自己的算法在做什么，可是Voleon的机器学习算法是怎样想的，只要计算机自己知道。

这种办法固有的奥秘性，让Voleon底子无法向潜在出资者解说他们生意股票的理由。计算机所找出的形式对人类来说太纤细了，很难了解。

“许多人都彻底不感爱好，但后来咱们总算找到了能了解机器学习潜力的人。”哈里托诺夫说。

2008年，全球商场深陷金融危机之中时，Voleon开端了实在生意。

接下来整整两年，这家公司都在亏钱。2009年商场回暖也杯水车薪。

Voleon的开创团队坚持按着本来的方向走下去，他们深信自己在处理机器学习最难的问题之一，要想**，需求先花时间打磨体系。

他们所面对的根本问题，是商场太紊乱了。到目前为止，机器学习体系体现很好的范畴都有一个一起特征：形式实质上是重复的，所以就更易于区分，围棋、开车都是如此。

而金融商场有更多噪声，它继续遭到新事情的影响，而这些新事情之间的联系，也总是在改变。

商场改变多端的实质也就意味着出资者刚刚找出昨日的相关，想要运用它来做出资，它就消失了。在机器学习的其他运用场景里，都没有这样的问题。比如说用机器学习来做语音辨认，人类语音的根本性质，根本是不变的。

虽然Voleon的创建在某种意义上讲，是遭到了机器学习在其他范畴成功事例的鼓励，可是到了2011年末，Voleon开创人现已扔掉了从其他运用借来的大部分技能。取而代之的是开创人自己为不守规则的商场定制的体系。

麦考利夫整齐的工作室里，书架上放着《大样本理论要素》、《BDA3》等书本。哈里托诺夫的工作室里装满了他拆开的电路板，以及许多堆满纸的箱子。

他们面对的一个应战是，需求运用每秒股票的价格改变，来运转15年的股市模仿。这触及太字节的数据。Voleon需求在几个小时内模仿结束，但他们耗时数天甚至数周。

那时候，整个公司有10到12个人。这个团队测验购买更多的计算力，运用为电脑游戏打造的GPU。但仍然耗时太长。

麦考利夫在工作室里苦楚的度过了好几个月。终究，他霸占了这个问题。2012年7月，Voleon推出第二代渠道。

哈里托诺夫说，蛮力的办法没用，规范技能也没用。

他们的新生意体系带来了更多的赢利，以及更多出资者的爱好。据一位出资者泄漏，在旗舰基金2011年呈现小幅上升后，Voleon2012年的成绩是34.9%，2013年是46.3%。

可是，两年之后，Voleon上一年遭受滑铁卢，亏本超越9%。这也引起了部分出资者的忧虑。

“没什么比回撤更引人深思”，哈里托诺夫说：“上一年咱们学到了许多”。

本年比上一年好。截止本年10月，这家办理着18亿美元资金的公司，其旗舰基金上涨约4.5%。自成立以来，其年化收益率大约是10.5%。

成绩动摇、战略杂乱……并没有阻挠Voleon的开展。这家基金正在扩展出资方针，出资标的不只限于美国和欧洲的股市，还包含加州大学伯克利分校邻近的一座楼。

在机器学习技能的协助下，Voleon每天生意价值超越10亿美元的股票。在这个过程中，他们对买入或许卖出一只股票的原因，没有一点点爱好。

哈里托诺夫说，机器学习体系越是具有猜测性，人们就越难了解它要做什么。有理论以为人类思想首要用于处理三个维度的情形，数十个甚至数百个维度的使命则是机器学习体系拿手的范畴。这些维度之间的联系，往往是非线性的。

“这并不意味着咱们不会考虑发生了什么”，麦考利夫说，Voleon的研讨人员会规划“扰动”，来研讨各种输入在猜测体系中的权重，以及处理过拟合等问题。

Voleon的电脑不只在财政信息中寻觅联系，并且在非财政数据中寻觅联系。其间包含卫星图画、航运舱单、信用卡收据、交际媒体心情等等。这些方针数据，能够协助寻觅某个职业的健康状况或许产品供给的改变。

明显，没有人会泄漏自己运用了哪种数据，怎么进行的评价。Voleon也是相同，慎重的保护着自己的技能和战略隐私。

这个“奥秘”的机制让出资者不安，哈里托诺夫了解这种感触，不过他深信：电脑犯错的状况要比人类少得多。

“机器学习在财政猜测范畴的运用还在前期阶段”，他说：“全部才刚刚开端”。

引荐阅览

每次都能盈余，自己学会抄底，这个AI股神把尖端对冲基金吓尿了

对冲基金第三次浪潮：硅谷和华尔街从未如此挨近

巴克莱：对冲基金AI和大数据工作指南

—完—

诚挚招聘

量子位正在招募修改/记者，工作地点在北京中关村。等待有才华、有热心的同学参加咱们！相关细节，请在量子位大众号(QbitAI)对话界面，回复“招聘”两个字。

量子位QbitAI·头条号签约作者

?\'?\'?追寻AI技能和产品新动态