目前有越來越多的基金，無論是公募或私募，都在使用量化交易，而隨著人工智能的不斷髮展，量化交易中的人工智能應用會是怎樣？
筆者為此在網上尋找了一些資料：
“哪怕我們都死了，它也會繼續交易”，人工智能正在改變股票交易。
今年1月Aidyia公司啟動了一支對衝基金，其背後的系統藉助了多種形式的人工智能技術，對各種數據進行分析，這些數據包括市場價格、成交量，以及宏觀經濟數據、企業會計憑證，然後系統自主做出市場預測，以“投票”的方式選出最佳行動步驟。
要成為賺錢的投資者，你需要正確的信息，你需要控制情緒做出合理地分析，並且對你的信息採取有效行動，你需要在正確的時機做出決定(timing)。 這是人類不如計算機的地方。
但機器決策也是有侷限性的，最大的缺陷就是沒有前瞻性，因為它是基於歷史的數據和歷史檢驗的結論，其邏輯是歷史會重複。市場環境是不斷變化的，長期看，要戰勝市場必須具有前瞻性，這也是投資的藝術性所在。頂尖的基金管理人如巴菲特和索羅斯都是具有超強的前瞻性的。
國內，一些私募基金已經開始將人工智能的三個子領域：機器學習，自然語言處理，知識圖譜 融入到自己的策略中，嘗試獲取收益。
AI階段一：機器學習
在傳統的投研中，分析員們對財務、交易數據進行建模，分析其中顯著特徵，利用迴歸分析等傳統機器學習算法預測交易策略。
此外一種做法是，模仿專家的行為，選擇某一領域的特定專家，複製他們的決策過程，並導入可重複的計算框架
AI階段二：自然語言處理
人們發現僅僅從數字推測模型是不夠的，開始考慮引入新聞，政策，社交網絡中的豐富文本並運用自然語言處理技術分析，將非結構化數據結構化處理，並從中探尋影響市場變動的線索。
AI階段三：知識圖譜
知識圖譜本質上是語義網絡，是一種基於圖的數據結構，根據專家設計的規則與不同種類的實體連接所組成的關係網絡。知識圖譜提供了從“關係”的角度去分析問題的能力。
在量化交易1.0版本，模型是“靜態”的，因為交易策略是被事先編程的。舉個例子，“動量策略”在一個時期內效果非常好，但在下一時期可能效果不佳。真正的智能機器會在市場進一步發展之前觀察到市場異常，而且交易策略本身會隨著信息的變化而動態變化。
新的進展來自於機器學習的應用，特別是深度學習。
從量化交易開始，個人可自建平臺或使用開放的量化交易平臺。國內開放量化交易平臺有優礦、米筐、聚寬、京東量化等平臺。
量化交易入門需要學習，知乎上有一些推薦：
https://www.zhihu.com/question/22211032
至於人工智能在量化交易上的深入發展，比如深度學習之類的，國內估計沒有幾個是做得好的吧。這是一門有意義的學問，未來你可能可以很放心的將一部分財富交給智能平臺打理，自己就可以去做你想做的事情而不必再費心勞神了。