1703535050
另一个争论的焦点是：应该采用“基于规则”的交易策略——交易模型中的参数采用静态直接的固定参数法，还是应该采用机器学习的方法——动态变化且灵活的方法，利用计算机实时学习更新交易参数。
1703535051
1703535052
理论上，后者让交易策略更能够适应不断变化的市场状况。交易机器里包含了所有可能的交易策略。“我们要测试的并不是策略在不同时间段内的表现，而是算法适应市场环境变化的能力。”一封动力基金公司的邮件如是说。
1703535053
1703535054
但是，要是机器莫名其妙地开始追逐泡沫了呢？市场出现泡沫时，很可能会诱发交易机器开始买入定价过高的股票。
1703535055
1703535056
不用担心。机器知道这一切。
1703535057
1703535058
“虽然测试结果表明机器学习算法给出的信号确实与泡沫有一定关系，但是，我认为这类问题不太可能是机器学习算法引起的。”动力基金的邮件内容鼓励道：“在设计策略时，我们很容易无意地将交易规则与一些泡沫因素联系在一起。不管怎样，在使用机器学习算法时，我们需要经常更新数据集合，然后重新训练算法……总之，采用简单的评估机制来测试动态策略时，我们需要格外谨慎。”
1703535059
1703535060
无论如何，最大的问题还是机器无法挣钱。所以，由“犀利飞客”领导的这支团队在不停地改进交易系统，输入越来越多的数据。
1703535061
1703535062
不幸的是，机器辜负了团队成员们的信任。2011年8月，动力基金董事会解散了拉多普洛斯的研究团队。
1703535063
1703535064
■■■
1703535065
1703535066
虽然动力基金失败了，但是，制造一个具有人类思维的交易机器的梦想仍在继续。为什么不呢？未来学家雷·库茨魏尔预测说，当计算机能力和人工智能强大到有能力自我完善——计算机能够高效地设计和创造其他计算机时，人类的天性便会发生不可逆转的改变，一个被称为“奇点”的可怕事件将会发生。最终，人类将使机器服从于我们的意志，使得我们能够超越物种的极限。
1703535067
1703535068
鲜为人知的是，库茨魏尔已经开始尝试一个比驯服人工智能更“乏味”的目标：赚钱。1999年，库茨魏尔成立了一家对冲基金。该基金使用的是一系列基于复杂数学的交易策略，简称为FatKat系统。FatKat利用算法不停地收集和梳理市场的交易机会。各个算法之间相互竞争，优胜劣汰：收益较高的算法得以存活，而表现较差的策略被淘汰。
1703535069
1703535070
在库茨魏尔眼中，FatKat代表着华尔街的未来。这位未来学家认为，未来人类不需要投入时间在每天的交易决策上。机器人将取代人类的位置，掌握着全球虚拟网络中的股票交易。在一个理想的世界里，这会使得市场不再受到人性的恐惧和贪婪的影响。市场将变得更加理性。只有数字、不可动摇的事实以及不断更新的数据流会对市场造成影响。
1703535071
1703535072
计算机革命推动了人工智能的发展，人工智能在很多领域取代人类已经变得越来越现实。几乎没有人会质疑计算机革命和人工智能将会给金融市场带来彻底的改变。公司、货币、债券和其他可流通金融工具的信息都被数字化了，并飞速地在市场中传递。被称为机器可读新闻成为市场的新宠。为了让超高速的算法能够提取和分析公司现状，所有公司的最新资讯都被写成代码，比如公司盈利报告。媒体机构，例如路透社和道琼斯公司，均发布了可供机器读取的新闻。模式识别计算机能够检索并在眨眼之间做出反应。高科技交易公司贪婪地吞噬着信息，并将交易订单像子弹一样既精确又快速地打入市场，整个过程比蜂鸟煽动一次翅膀都要快。
1703535073
1703535074
随着大量的数据经过成千上万英里的光缆发送到全球各地，越来越多的人通过社交网络与互联网产生联系，全新的数据处理技术不断地涌现并用于交易。推特和脸书、谷歌和YouTube视频网站变成了智能交易计算机掘金的新工具，这些机器从中可以推测出最新的零售销量和市场情绪。
1703535075
1703535076
虽然有少数像文艺复兴科技公司、自动化交易平台和全球电子交易公司这样的例外，绝大部分公司经过几年的研究发现，人工智能算法用于交易会遇到许多瓶颈。这类算法在极短期内能够挣钱——几小时、一分钟或者一秒，却难以让收益在几天时间之内稳定下来，这似乎超出了计算机的能力之外。
1703535077
1703535078
但在21世纪头十年的末期，技术实现了新的突破，人工智能又再次受到了华尔街的重视。随着数据每天以拍字节——1000万亿个字节——的速度在互联网上增长，掌握新技能的程序员正在试图驾驭最新的人工智能算法，从混乱的数据中找出规律。
1703535079
1703535080
这是大数据的时代，一个为人工智能追随者们设计的时代。这群狂热追随者们包括文艺复兴科技公司的鲍勃·默瑟，他的信仰便是“数据越多越好”。目前，可获取的数据正在爆炸式地增长。
1703535081
1703535082
动力基金的案例告诉我们，大数据是很难被破解的，但也有一些成功的案例。最恰当的一个例子就是：在洛杉矶新成立的一家小公司——小脑资本。公司是由两个人工智能专家发起成立的：科学家大卫·安德烈，毕业于加州大学伯克利分校人工智能博士；埃里克·特勒，谷歌一个新项目部主管，其爷爷是氢弹发明者爱德华·特勒。
1703535083
1703535084
■■■
1703535085
1703535086
安德烈和特勒在20世纪90年代的早期就已经认识了，那时他们都在斯坦福大学攻读数学和计算机编程专业。10年后，两人合作创办了一家名为BodyMedia的公司。公司位于匹兹堡市，主要生产可佩戴式计算机，这种设备能够帮助客户平衡膳食。产品的系统是由安德烈和特勒基于人工智能技术开发而成的。可佩戴式计算机从众多用户那里收集大量数据，再由人工智能系统进行处理分析。
1703535087
1703535088
他们开始讨论人工智能技术在其他领域的应用。金融反反复复地被提及。对于一位人工智能科学家，华尔街十分具有吸引力——一个庞大的电子系统以及散布在各类交易平台上的信息。安德烈和特勒推理认为，正如他们的人工智能系统处理从BodyMedia收集的数据一样，股票交易所需的也是一个类似的系统，但是更加复杂。这两个系统都是从混乱的市场（客户）数据中找出规律。
1703535089
1703535090
这是一个富有挑战又能够激发兴趣的想法，但是两人没有任何的华尔街工作经验。一天下班以后，在匹斯堡火车站前广场的一个酒吧里，他们讨论了转行进入金融市场的利弊。
1703535091
1703535092
“这是一个冷酷无情的行业，”安德烈对特勒说，“一旦转行，我们就不能像现在这样帮助这个世界了。现在，我们正在改变人们的生活。”
1703535093
1703535094
特勒则认为，他们应该将这项计划视作一次实验——在大学外面进行人工智能研究。
1703535095
1703535096
“人工智能系统研发成功与否，可以用结果来验证。”特勒说。另外，要是成功了，策略的收益还能够为研究提供资金来源。
1703535097
1703535098
最后，安德烈认同了特勒的观点，于是他们决定尽力将这个系统研发出来。他们从几个熟人那里得到了第一轮的种子投资。由于公司几乎没有任何员工，他们能利用这个优势来吸引更多的风险投资。相对较大的风险资本会忽视那些无利可图的项目。就好比一只大白鲨对小鱼并不感兴趣，大投资者一般会跳过那么收益微薄的生意。安德烈和特勒认为，小脑资本将会研发出收益可观的交易策略。同时，公司运营的成本非常低，他们不需要雇用交易员，自然也不用担心交易员巨额的年终奖。
1703535099
[
上一页 ]
[ :1.70353505e+09 ]
[
下一页 ]