傳統量化已死，AI量化為王
儘管巴菲特在1987年給投資者的信中說：“在我看來，投資的成功不會由晦澀難懂的公式、不會由計算機程序或者股票市場閃動的價格信號來產生”，如今機器已經在金融市場中起到極為重要的作用。
2015年創建的對衝基金中40%依賴於計算機模型做投資決策。對衝基金和銀行們正招聘越來越多的數據科學家。高頻交易公司也在計算機的速度和效率方面競爭激烈。
傳統量化交易的模型是“靜態”的，因為交易策略都是由量化策略師制訂，是被事先編程的。例如，動量類的策略在一個時期內可能效果非常好，但在下一時期很可能效果不佳。及時使用組合策略，靈活性也頗為不足，在市場變動時很難及時做出有效的應對，尤其是在波動劇烈的加密資產市場。而AI驅動下的量化交易會在市場進一步發展之前觀察到市場異常，策略池中的交易策略本身會隨著信息的變化而動態變化，第一時間對市場的波動做出有效應對。
很多知名的量化對衝基金，如Renaissance（文藝復興），D.E. Shaw和Two Sigma多年來一直在使用人工智能量化策略。這些偉大基金公司的創始人或高管們都有至少一兩位來自計算機科學和人工智能領域。文藝復興的聯合首席執行官Bob Mercer和Peter Brown之前正是就職於IBM公司，負責開發人工智能語言識別程序，是業內頂尖的人工智能技術專家。而Two Sigma的聯合創始人David Siegel，畢業於麻省理工學院，並在那裡獲得了計算機科學博士學位，而他博士階段的主要學習和工作，正是在MIT的人工智能實驗室完成的。David Siegel曾直截了當的指出，“投資世界面臨的挑戰是人類的思想沒有變得比100年前更好，使用傳統方法的人很難用人腦中應付全球經濟如此之多的信息、最終，這樣的時刻將會到來：沒有人類投資經理能夠擊敗計算機和人工智能。”
還有一些業內的資深巨鱷早已悄悄在人工智能量化領域佈局和發力，據公開的信息和報道。現今世界上最大的對衝基金，由Ray Dalio掌舵的Bridgewater高薪挖走了David Ferrucci。Ferruci何許人也？他自2012年起領導IBM人工智能事業部，成為著名的人工智能Watson的領導者和奠基人。據彭博新聞社報道，該團隊將設計交易算法，通過歷史數據和統計概率預測未來。該程序將隨著市場變化而變化，不斷適應新的信息，而不是遵循固定的模型。而在去年，著名的資管公司BlackRock（黑石）聘請了兩位前谷歌Deep mind部門的頂級AI工程師。
人工智能量化交易新的進展來自於機器學習的應用，特別是深度學習。機器學習簡單來說就是讓計算機自己學習和行動。深度學習是以一套基於算法的機器學習的分支，這套算法通過使用多個具有複雜結構的處理層，試圖對高級抽象數據進行建模——從本質上來說就是訓練大型識別數據模式的虛擬神經網絡。深度學習賦予了計算機人類水平的能力，例如識別圖像、口語以及人類語言的語義。IBM的Watson在許多案例中都比人類醫生更能更好地診斷出癌症，Facebook的DeepFace技術在識別使用者的照片中識別面孔的能力已經跟人類相差無幾。
有一些新的聚焦人工智能量化交易的玩家進入了金融市場，比如舊金山的Sentient，紐約的Rebellion Research和新加坡的New Bloc。
去年JP Morgan的對衝基金業務Highbridge Capital Management開始與Sentient合作創建AI策略。Sentient在資金方面獲得1.43億美元的支持，完全通過AI進行操作；在算法上，它使用了進化學習，生成了數萬億種專業程序，這些專業程序稱為代理（agent）。Sentient使用進化學習創建虛擬量化交易員，使用歷史數據測試他們的表現，而這些虛擬交易員會相互競爭，一些能夠實際部署的聰明交易員便留下了——AI交易員的適者生存。Sentient AI負責供應創建投資策略的信息數據、決定使用什麼工具、用什麼訂單類型、購買什麼資產、並對什麼時候要平倉做出決定以降低風險暴露水平。Sentient認為進化學習和深度學習可以結合起來，這被叫做神經網絡進化——使用進化算法來構建更好的深度學習算法。
2018年成立的New Bloc，從創立之初即專注於人工智能量化的研究，其通過機器學習，從數據中獲得規律，並通過規律對未知海量數據進行快速有效處理，進行分析、擬合、預測，解決海量組合空間與計算機處理能力之間的瓶頸；除數據學習、分析、監控外，New Bloc還通過人工智能進行自然語言處理，即輿情監控，通過觀察跟蹤市場情緒以及政策走向判斷和調整交易策略；除此之外，New Bloc還利用知識圖譜則提供了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，從“關係”的角度去提升人工智能分析問題的能力。New Bloc的創始人Summer表示：
“AI量化交易系統，能夠通過機器學習的方法，優化全球標準化金融資產的投資策略和策略組合。通過強化學習、深度學習等最先進的機器學習算法從全球不同的市場中探索投資機會，從海量結構化與非結構化數據中自動發掘、驗證、優化Alpha或Beta策略並構建策略池，可在複雜多變的全球市場中對不同的投資標的動態地進行智能組合與風險對衝，並應用最恰當的策略組合進行自主決策，以實現“全天候”交易。在保證穩健盈利的基礎上將風險和回撤降低到一個安全可控的範圍。”
當李世石和柯潔與Alpha Go對弈時，他們不只是對抗Alpha Go本身，他們正在對抗的是在他們之前的所有偉大的棋手。市場有了人工智能，從每個可獲取的信息來源收集數據，然後計算機就能夠以遠遠超出人類思維維度的能力分析數據。人工智能可以同時觀察世界一角的降雨模型和農業產出、另一角的航運模型、社交媒體對特定公司評論中的情緒、發展中經濟體的堅韌訴訟、在模式出現之前很好地找到它們。在《Dark Pools》一書中有個人工智能程序，這個程序生成對蘋果股票的預測：該系統可能跟蹤所有關於蘋果公司的博客內容、行業專家的言論、從中國出境的運輸數據和製造手機的工廠、就業網站所測量的具有蘋果公司工作經驗的員工找工作的數量（這個數量增加了可以表示裁員，因此可能盈利不及預期）、SEC文件、專利申請、零售數據和社交媒體評論。目標是在公司上市之前預測公司績效，或者甚至比公司管理層更加領先意識到發生了什麼事情。
人工智能技術正以驚人的速度發展。也許基金經理不會因技術的發展而丟掉飯碗，但對於處理數據模型和輔助投資決策，人工智能將是增強投資過程的無價工具。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。 而這些，正是機器遠勝於人類的領域。
未來已來，傳統量化正在凋零，AI量化必將稱王。
舉報/反饋