利用人工智慧來進行股票交易可靠嗎？目前都發展到了何種程度？其中的機理大致是怎樣的？

01-14

看到橋水組建了一支人工智慧團隊來進行股票交易，比較好奇其背後的機理是怎樣的？
可靠嗎？

記得上學的時候AI課老教授第一段話開頭大概意思是」別期待我要教的像科幻小說一樣神奇，這是一門枯燥無味的數學課，對此我也表示很沮喪「。即使這樣依舊沒有撼動呆萌的我自選了遺傳演算法寫交易策略課題，把當時了解到的知名策略(從散戶寶典的公式們到以Bridgewater策略自己做的充滿bias的經濟時間軸數據)分散成子API和分鐘bar一起構成函數池，用基因演算法無限生構成邏輯樹程序片，即使是這樣略帶人工干預的暴力解法，在學校的爆款伺服器上跑了幾周，都沒能選出幾個可圈可點的程序自己寫的程序，還原出一個原本想跑出來的策略，最後落得一篇論文泛泛寫了實現就怏怏的交差。

後來讀到谷歌如何製作Maps的一篇乾貨blog，看到十幾層堆疊的馬克筆劃線和標記為藍本，批註各種常識性推導補全地圖信息，而製作的規則引擎，才知道原來即使是人才濟濟的大G，最好的方法並不是什麼高深莫測的統計學黑科技，而是"人工"的智能；在reddit上讀到因為Go語言的興起，谷歌搜索質量小組如何應對（搜索編程語言?還是中國圍棋?還是"去幹嘛"），才知道搜索修正原來也是類似的人拱出來的知能啊。

現階段的人工智慧，根本談不上智能，就像Siri一樣，頂多是個人工弱智，對白一股子大算味兒(數學算式)。也沒聽說誰做機器學習策略做出個閉著眼睛都賺錢的演算法來。工作過的AHL算是比較有效率的"人工智慧"：把研究所設在牛津大學，一根胡蘿蔔掛著，天文博士物理博士材料博士老大爺們走過路過不要錯過來寫寫策略，測試跑贏市場就給上線，盈利分成。這比憋遺傳演算法海選省事多了啊！

至於大牛們機器學習演算法的成果，我的經歷覺得在交易執行上還是很有用的。印象深的寫過兩個勉強掛上邊的內部工具。

一個是批量分配交易對手，我戲稱"Spread the love"(後來那按鈕真叫這個...)，對於量比較大的機構每天上千單交易，這個演算法對過往交易成本和適用性做個神經網路，根據產品類別和交易的描述做歸類，經過合規規則引擎修正，然後盡量公平的分配給可以交易的對手，在優化交易成本前提下，讓合作broker們都有生意。交易員們表示再也不用在上百個銀行演算法交易裡面選了，」you make me horny「這是原話，後來撤了這個試驗性按鈕，變成默認初選。

另外一個小程序是機構dollar neutral組合交易策略的日間自動對沖，每個desk的組合不一樣，每個組合交易因為量有大有小，執行時間也不一樣，根據當日金融市場浮動，買單和賣單成交速度也不一樣，策略交易進行期間的浮動差額，此程序自動選擇搭配一籃子期貨填補做對沖，這個的難點在於准實時對沖的一籃子期貨的買賣時機與緩衝節奏控制，盡量低頻率交易期貨（目的不是為了賺錢，而是零和，拿長桿走鋼絲的意思）用了一點很簡單的機器學習演算法。

更新：

突然發現Youtube上面有很多視頻講著方面的：

比如：https://www.youtube.com/watch?v=v_L9jR8P-54

＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿

謝邀

我介紹一下基於增強學習的方法。

增強學習也叫強化學習，英文叫做Reinforcement Learning，強調如何基於環境而行動，以取得最大化的預期利益。因此也是機器人學習和一切需要Actions學習的基礎。

High frequency trading 提供了快速的監控市場的機制，因此任何演算法只要能提前知道市場變動就可以做的比人好。用統計方法和數據挖掘，這些相對簡單的人工智慧方法可以發現別人不知道的知識從而可以幫助決策。但是如何做最優決策就需要Optimal Control和強化學習的知識了。

碩士強化學習大作業的時候實現過機器人的強化學習演算法，但是同組有芬蘭人實現過High-frequency trading 強化學習。據他說在試驗和實際市場獲得了一些成果。由於可以賺錢，他就沒發表論文。

以下兩篇文章可能有拋磚引玉的作用，

第一篇是論文，

Machine Learning for Market Microstructureand High Frequency Trading

第二篇是可能是增強學習斯坦福的大作業

Algorithm Trading using Q-Learning and Recurrent Reinforcement Learning

目前交易機構使用全自動交易系統進行常規操盤貌似已經很普遍甚至主流了，人家這麼大資金這麼多股票靠人工操盤真的很累的說，但是注意是常規操盤，也就是輔助性無人化，就好像洗衣機電飯煲什麼的需要你去設定參數什麼的

所以我們要看人工智慧是多大程度的人工智慧

理論上在人工智慧自我學習能力沒有超越人類設計或教育之的前提下，所有的人工智慧仍然需要人們從後台進行設計改進甚至操控。目前來說人工智慧在股票操盤上更多的是減輕了操盤手的苦力性質的負擔，至於比操盤手更能發現買點賣點什麼的……以我多年來對各種亂七八糟指標公式的看法，不怎麼滴，如果該程序能做到綜合各主流指標公式進行初步綜合評級判斷和實時預警，就已經很好啦，至少省了那些照本宣科的個股點評的苦力

股票市場是典型的交易市場，越是鐵規律越是盈利慢，越是高風險越是高收益，人工智慧靠K線圖就能發現風險的不對稱點並鑽空子賺錢？不容易！要知道市場彌補利潤真空的速度非常快，這種自組織現象本身就勝過過大多數固定演算法，要勝過自組織演化，就得用到自組織演化，目前的人工智慧發展出並聯式多演算法競爭性篩濾了么？這是創新思維的關鍵

其實我一直很奇怪為啥有些公司用machine learning做trading的strategy...直到聽說大部分用machine learning的公司都在虧，於是就釋然了...

Machine learning從本質上來說，就不是design for股票交易的。Machine learning非常適合learn一些truth，就是不變的東西，但股票市場本身千變萬化，於是有些公司的解決方法是——加feature。。。還不對？再加...於是很快就over fit了。。。

我覺得相對machine learning用game theory和online learning可能更有效。

三百年後科技史上有這麼一句話：

自從人類知道從物理上永動機不可能被造出來之後，他們就墮落到試圖製造出金融領域的永動搖錢樹。。

感覺很奇怪啊，人工智慧不是以像人為最高追求嗎？像人一樣虧錢嗎？

借學校老師的一句話，股票是預測型市場，期貨是應對型市場（大致是這個意思），我在學校參加了量化投資的一個小組，如果策略得當，在期貨市場是可以自動交易賺錢的。有些策略能做到幾十倍的年化收益率。股票市場需要觀察各種動向，這就牽扯到機器學習這一類。目前來說在期貨市場還是可以的。

p.s. 我覺得樓上太過拘泥於人工智慧的定義，雖然這個問題確實是關乎人工智慧的實際運用，但是題主需要的是一個明確的可能性的回應，而不是人工智慧的定義或者誰說過什麼話。個人認為這是知乎的一個通病，講的好聽點是答非所問，講的難聽點就是裝逼。

如果覺得言重，我道歉。

我們以前公司搞過這個，曾經想拉我參與我沒幹。

過了一年據說研究出了很多策略想賣散戶，我就覺得沒戲了：策略如果好用，應該先給公司的自營先用起來啊，賣給散戶不是明擺著賺不了錢才賣的么……

首先你應該了解人工智慧的一般原理。利用人工智慧進行股票交易就是股票交易的自動化，他們編寫的人工智慧程序可能完全不懂股票交易的理論，但是這個程序可以根據海量的信息與嘗試學習獲得它自己的經驗，從中選取最佳的交易機制。目前的人工智慧還沒有成熟到通過分析股票的前景來進行判斷，它只是根據多次的交易反饋來調整交易的細節，信息越多反饋越多，越接近最佳交易機制。總之，如果模型可靠，信息足夠的話，人工智慧應該是完全可以勝任的。

Introducing Binatix, a Deep-Learning Trading Firm That』s Already Profitable

真實的市場是非理智的，市場的變化是由每一個交易參與者不完全理智的交易決策共同影響的。如果ＡＩ能夠學習理解並且模擬這種非理智的行為，並且從中找到最佳的應對模式，那麼就能戰勝人類交易員。除此以外，任何基於簡單假設和公式的演算法都不見得比人類強。個人看法

事實上用人工智慧技術做股票交易並不是一個特別新的話題，某些頂尖的基金在很多年前就開始運用這方面的系統了。

就拿現在比較火的圖像或者語音識別的技術做個參照。二級市場數據和現在比較火的圖像識別、語音識別等有本質上的區別。考慮到二級市場數據較高的噪音，以及金融交易中本身的弱平穩性，一般來說很難用圖像或者語音中的處理邏輯來處理交易中的一些問題。

比如對一張圖像的識別方法過了很多年之後依然有效，但是一個固定的交易策略往往過一段時間之後就無效了。

同時圖像中一般沒太多雜訊，畢竟打碼的是少數。

但是交易中如果有顯而易見的套利機會，一般也就稍縱即逝了，畢竟是一個狼多肉少的市場。（韭菜割不完的時候另當別論）

不過交易中也並不全是困難，相對圖像識別等，好的一面在於不需要超高的準確率，可能勝率在50左右甚至不到50，有時就可以是一個非常不錯的fund了。

當然不同機構或者不同的人在交易中有自己的見解，大家也往往從不同角度以期從市場獲利。不過個人的一點見解是，交易中所用的人工智慧演算法往往跟現在比較火的比如深度學習等是另一個路數

多的就先不往下說了。。。

本來用數據挖掘和統計套利還能賺點錢，機器像人這樣思考？可以像人這樣罵證監會嗎？

題主一口氣三個問題。。

1. 利用人工智慧來進行股票交易可靠嗎？

可靠性是相對，比起大部分人的操作要好得多，但是人工智慧進行股票交易也有伯仲之分，如果你玩的股票剛好有強勁的人工智慧對手，或者被盯上了，賠錢也不是什麼難事。再者，股票期貨交易本來就是概率性事件，輸贏也比較正常，所謂可靠，並非每單都完全獲利，而是獲利比和勝率比較高而已。

2. 目前都發展到了何種程度？

國外用了很多年，早期基於神經網路的機器學習，現在換成深度學習。而國內的股票交易介面大部分是沒有對外開放的，加上T+1的交易制度，用人工智慧來做股票的目前只有少數的券商內部實驗室。大部分還是以期貨為主。可以說是非常的初級。

3. 其中的機理大致是怎樣的？

早期的量化交易都是黑盒演算法交易，需要對盈利比較高的價位走勢等多參數做概率標註（這個概率的計算，需要通過機器跑數據，可以通過其他參數環境比如大盤，關聯行業股票等），通過這些標註的形態底層參數做，簡單的說，舉個例子：

形成這些可視化K線背後的數據做好各種概率走勢演算法標註，然後在執行策略的過程中，按照不同的概率定位進行加倉或者減倉，同時覆蓋數百個股票，一旦觸發條件就進行交易。這個就是大概的機理。人工智慧帶來的，機器學習和深度可以較快提煉出有效的交易策略參考，但是行業都在同步進化，策略也會隨著市場的變化而效用不同。

交易是概率實踐，機器有缺陷，但是比大部分人可以做得更好。

量化交易算人工智慧么？

想到攻殼機動隊里有一集《全自動資本主義》，講的是一個數學家研究出一個自動買賣股票的AI軟體（不知道是否含有ghost）,直到數學家死了，軟體仍在一直賺錢，導致大家都以為數學家一直活著。

看過攻殼咩？裡邊有一集講的就是一個人死去之後他設定的程式還在拚命斂財，導致社會以為他還活著。

用人工智慧來炒股的話，需要的不是賈維斯那樣能和你聊天，能精確感受你說的每一句話都是什麼意思的那種人工智慧，而是一個能精準地判斷出當下全盤局勢是怎樣的，並採取對應的措施的程序。

也便是說，在這個過程中，人工智慧所要做的，是：獲取全盤信息-判斷當下情況-採取對應設施。這樣的技術條件現在已經具備了，

那麼問題在哪裡呢？

題主不妨去問一下「有沒有一定能賺錢的股市操作方法」看看得到的是怎樣的回答。

目前人工智慧還沒有發展到可以那麼牛逼的程度，再過個十年吧

在下只提供一下自己的看法。。。

人工智慧進行決策可不可靠是見仁見智的

參考IBM沃森在最後一輪比賽中投的金額可見一斑，但是也不能說他不可靠，只能說他始終是非人類的思考。

同樣，數據挖掘其實大部分時候只能告訴我們：他會變成什麼樣子和他可能會變成什麼樣子，但是實際上機器是不知道為什麼會存在這種現象的。

本身股票交易就存在風險，人工智慧只是輔助，最終決定權還是掌握在人類自己。