讓AlphaGo炒股結果會如何？
目前實際意義上的神經網路，AlphaGo本質上是在一個存在未來函數勝率反饋同時時序對應對手行為(回合制)的策略條件下統計所有可能環境下的策略優劣度並相關自身與對手策略的相對決定性選出最優解的過程。細節上會分解策略的步驟並量化策略的關聯性的對應效用(也就是通過蒙特卡洛樹搜索擬合局面評估函數和策略函數、以及機器學習RL形成對數策略)。這個統計歸納成一個庫再通過一個對數據演算法輸出出來。
細節見Nature的論文：http://www.nature.com/nature/journal/v529/n7587/full/nature16961.html
AlphaGo其數據本身就是演算法。那我們下面就討論以神經網路的學習演算法形成交易策略的可行性。AlphaGo對於圍棋與股票市場的差異主要體現四方面：一、信息生成機制不同，股票市場中的動因條件是多層次且混沌的。圍棋的相互決定性只對於對手，而股票的相互決定性對於所有市場參與對象
二、對手與對手反饋機制不同，圍棋是回合制完全信息非合作動態博弈，而股票市場是一對多完全信息非合作靜態博弈
三、優劣度評估與局面評估函數的性質類似但方向不同，股票的最終評估對象是收益，而圍棋評估是勝率。且股票的局面有兩個層次，一是個股篩選，二是持倉後策略。兩者組合，就是在市場中不斷交換個股的最高勝率條件的持倉。如果將優劣評估設成以增輻一定偏離值內的符合度，亦或者是動態生成局面下一時序可能局面收益預測的權重，這兩者就是兩個獨立的優劣評估系統。
四、數據原型不同，圍棋只需處理對手數據和局面數據。股票有成交sick，有價格、成交方向數據，極難產生關聯條件。
有空，文末會聊一聊現行有效的「分型」理論過濾混沌信息建立有效條件的應用性。
而對於股票市場時序對應行為(非回合制)的機制：
1.歷史參與者V行為構成市場信息a2.參與者ABuy觀測市場信息產生交易動機，與參與者ASell發生交易，或ABuy產生
3.A交易影響市場價格，構成市場信息b，使觀測者B產生交易動機4.觀測者BBuy與BSell發生交易，構成市場信息c如果說V行為導致了A行為，連續產生了C行為。而V、A、C行為本身存在相互決定性的影響關聯就是一個由人類心理動態構成的混沌系統，是取決於完全不同的動機機制和策略機制而產生的不同頻率的固定方向行為(Buy與Sell)。如果以行為發生邏輯提取條件，那麼到了不同的數據環境，混沌系統又不同了，也就失靈了。
因為決定交易的，市場信息只是誘因，動因是對於市場信息的動機機制而產生的策略。這個混沌系統下，有效的信息極其有限。大量的數據都是垃圾數據。
股票市場的優劣水平計算，是以收益為結果導向，而這種過程是受大量無法產生條件關聯的中間因素干擾的。
從數據原型來講，如果不以對手行為為時序單位，按歷史市場信息來分析：我曾經做過一個統計模型，一個4日的K線的開盤價、收盤價、最高價、最低價的增輻(Increase.)為參照數組，以5%為允許偏離值。1990年至今3000餘支股票的數據，僅檢測到1個匹配數組。後放低標準，僅檢測開盤價，也檢測到不過6個匹配數組。
AlphaGo本身的數據原型是回合制並只有一個反饋條件的，能夠形成數據關聯特徵的數據以數百萬計。
而股票市場的反饋條件有多少個呢？不知道，這是與市場參與者動機的發生密度決定交易頻率而形成的，這個反饋條件也是一個指數級的數字。
任何模型、策略、邏輯、演算法的基礎，基本邏輯都是構建在條件反射上的，股票市場的複雜度以及無序性無法有效的提取關聯數組條件（這也是為什麼會有原理不明但卻有效的分型理論以及「纏論」的成因）：
AlphaGo的條件可能足夠多，但是是明確且相互對應的。而股票市場的條件反饋如何構建？股票市場的複雜性已經證明了不能用明確條件來統計提取有效數據擬訂對數據策略。而如果用一定允許偏離值來抓取數據特徵關聯條件形成策略，上面的舉例已經證明這其中的偏差超出了有效的程度。並且，股票市場上，相同的數組，產生的不同結果也是極其正常的，時序結果也是不同的。這世界最賺錢的基金早就不是人類玩家了。請自行百度「大獎章基金」
炒股的決策不難，難的是信息的收集。
講真，郭嘉能讓谷歌虧到破產.
新時代來了，我是說A 股。還記得3200我說的2700見么？2700以後呢？嘿嘿
好問題。本人最初看到alphago單挑李世石的時候，就在思考這個問題了。如果人工智慧可以在圍棋這種複雜遊戲里戰勝韓國棋王，那麼它進軍股票市場，會不會掃滅全部散戶呢？在這裡分享一下我個人的觀點。
現談一個結論：我認為即便alphago進入了股票市場，也不會一帆風順，該虧損的必須虧損。接下來從幾個角度來分析這個問題。1，從複雜性的角度來分析，圍棋跟股票，哪一個更加複雜？
筆者相信從大多數人的直覺上看，很顯然是圍棋更加複雜，光規則就一通長，下法更是千變萬化。股票多簡單呢，隨便找個券商開個戶，放點錢進入，找人打聽個內幕消息，滿倉殺入，抓兩個漲停板賣出就行了。筆者認為，炒股票之所以能賺錢，就是因為很多人都是這樣理解股票的，進把它當成一個簡單遊戲。以前看過一個高手曾經感慨中國普通股民對股票的理解如此的膚淺，曾經提過一個建議：建議每個開戶的股民，必須參加證券從業資格考試，考不過就不許開戶。如果您參加過證券從業資格考試，就會知道股票的遊戲規則，比圍棋複雜多了。只要股市裡依然存在認為它很簡單的股民，炒股票賺錢就不是一件太困難的事。的確，從純數學意義上看，圍棋的棋盤非常大，變化多端。而股票不過是內幕消息、主力控盤，第三浪第五子浪，MACD頂部背離，已經回調到黃金分割的支撐位之類。但是，無論圍棋多麼複雜，其複雜度都永遠是一個可以被計算出來的複雜度。這麼說也許抽象了一點。舉另外一個類比吧，很多人談到不確定性的時候，會用骰子來類比。但筆者認為，用骰子來描述不確定性，其實並不嚴密。骰子一旦扔出去，雖然我們不會知道下一個數字是多少，但是我們可以明確的指導，每一個數字出現的幾率是多少。也就是說，骰子的確是不確定的，但它的不確定程度是確定的，它具有一個確定的不確定性。事實上，不僅僅是骰子。任何一個被人類發明出來的棋牌遊戲，都符合這個特徵：要有確定的不確定性，無論是麻將，國際象棋，還是圍棋，任你千變萬化，總有概率可算。看看，這就是人類自己設計出來的遊戲的特徵了。那麼下一個問題也許就來了，人類為什麼要設計出這種「確定的不確定性」遊戲作為娛樂項目，並且幾千年來樂此不疲呢？這個問題，也許更加深刻，留給各位讀者自行思考吧。相比認為設計出來的遊戲，自然界本身存在的遊戲其實要複雜得多。這個怎麼理解呢？在舉一個例子吧。如果你度過高中數學，一定會被各類繁瑣無比的三角函數折騰得死去活來。你是否覺得三角形已經非常複雜了？如果真是如此，您不妨到非洲大草原上，找一個三角形出來給我看看？結論是：一個也找不到。自然界本身存在的圖形，比我們能夠解析的三角形複雜多了。所以，雖然圍棋很複雜，但它的複雜性，是一個可以被計算出來的複雜性。而股票則不同，它不僅僅是一個不確定的遊戲，而且連它的不確定度本身都是不確定的。2，對弈
傳統的圍棋的對弈雙方，是兩名人類棋手。大家互相鬥智鬥力，正確戰勝對方。阿法狗通過深度學習，可以從純數據的角度，來掌握人類棋手下棋的特徵。然後，它針對人類棋手的特徵，設計出一套戰略，來戰勝每一個人類棋手。從這個角度來講，阿法狗戰勝人類棋手，其實也不難理解。因為阿法狗的設計初衷，就是要戰勝人類棋手的。所以，假定阿法狗是世界上唯一會下圍棋的程序，那麼它可能真的就所向披靡了。問題是，如果另外一家公司發明了一隻會下圍棋的貝塔狗，那麼讓阿法狗和貝塔狗互相咬，會是什麼結果呢？哈哈，這個就不瞎猜了，大家自己腦補即可。回到股票市場。目前的股票市場里，已經運行了大量的計算機程序化策略。他們通過數學模型來進行買賣操作，一直收益不錯。還記不記得2015年股災中，證監會打擊量化對沖策略？仔細想想，為什麼要打擊他們呢？是因為他們賺錢了？還是因為他們虧了？一旦一個量化策略開始盈利，就會有大量的資金追逐這個策略。而一個策略的資金容量是有上限的。隨著資金量的增加，其盈利的利潤會下降，其虧損的額度會增加。一隻到這個策略跟其他策略相比並不能顯現出優勢為止。所以，美國以為著名的量化交易基金經理就說過，他們設計出來的量化策略，一開始都是alpha，後來就變成了beta。3，程序對殺
前一段提到的阿法狗和貝塔狗互相咬，我們沒有設想過結果。但在程序化交易的世界裡，程序化交易策略之間的對殺已經在美國市場里非常普遍。在美國股市，超過70%的下單都是計算機單。也就是說，一個計算機程序下達的指令，有70%的幾率遇到的交易對手是另一台正在下指令的計算機。那麼當計算機程序開始對殺的時候，結果如何呢？答案往往是：兩敗俱傷。股票市場是一個標準的零和遊戲，有人要贏錢，就必須有人輸錢，贏錢的人的利潤，完全來自於輸錢的人的虧損。當然，這裡不考慮各種股市抽水機制。所以，即便阿法狗真的來股票市場里開戶了，也必須遵守股票市場的基本規律。再過一個假設。如果阿法狗開戶之後，盈利狀況非常好。那麼會出現什麼情況呢？情況就是，一定會有人專門研究阿法狗的炒股下單策略，然後制定誘騙策略，專門反擊阿法狗。聽起來有點神奇，但這在美國股票市場已經是西松平常。很多量化策略已經被人識破，於是就有人專門設計交易策略，來誘騙這些量化策略下單，然後反向出擊，逼迫量化策略止損認輸。換言之，已經有了貝塔狗，專門針對阿法狗的炒股策略，設計一套交易規則，於是阿法狗就徹底悲劇了。
好了，暫時就想到這麼多，寫到這裡就算了。炒股有風險，投資需謹慎。恭祝各位讀者投資順利。
---------------分割線------------------------
補充答案日期：2017-12-08
看到了一個新聞，鏈接如下：
事實證明，人工智慧選股也跑不贏市場…… - 華爾街見聞
看起來，股市比圍棋更加複雜。無論圍棋多麼複雜，其複雜度是固定的。也就是說，圍棋棋盤上的不確定性，叫做 確定的不確定性。而股票市場不僅充滿不確定性，而且其不確定度也是不確定的。
期待人工只能進一步發展，早日征服股票市場。
一個月之內得把自己賠出去
市場是沒有規律的，只是人們想從中獲利，所以市場有了規律
-------------------
那些認為人工智慧會消滅交易員、散戶，成為韭菜收割機的，我就告訴你一個簡單、樸素的道理：真那麼牛逼，開發人工智慧的人早就悶聲發大財了。還要大張旗鼓告訴你們？！阿爾法展現了超強的推演和學習能力。人工智慧炒股，未來肯定會有，也肯定會大放異彩。但是股市，不是簡單的零和遊戲，即使未來有一天人工智慧全面超越人類，只要沒有太高的普及率，那麼他們不可能把每一分錢都賺走，人類還是有的賺的。
個人覺得未來幾年人工智慧在證券投資上的應用可能是爆炸式進步的，這一點我比較認同李開復先生的看法。
絕大多數交易者在做交易的時候，都會強調「紀律為上」，「避免情緒干擾」，「貪婪和恐懼是我們的敵人」，而程序化交易就可以很好地避免這一點。我認識在市場上磨練多年的以技術分析見長的優秀trader，只要能夠將他們一以貫之的投資邏輯闡述清楚，轉化為matlab的代碼，程序化交易打敗人類不是不可能的事情。巴菲特、彼得林奇、江恩、艾略特畢竟都是很久以前的人物了，近些年西蒙斯藉助量化交易取得超額回報也可以作為佐證。
此外再講一下反身性的事情。正如很多時候投資者本身的行動就在影響著市場的預期一樣，有些人認為量化交易在強有效市場上的空間不大。在諸如英鎊一類的外匯市場上，由於英國有不少頂級的外匯交易員，他們甚至可以識別出一般的量化交易的模式，並且故意使用超額波動的手段打掉交易新手以及傳統程序的止損，然後再立即買入，從而從那些盲目相信程序化交易的冤大頭身上獲利。
但是，程序化交易和人工智慧交易並不等同。AlphaGo在對弈李世石時，下出了前無古人的下法（如第二句黑37肩沖），這是源於人工智慧的深度學習，以及對所有可能環境下的策略優劣度的概率統計。如果將這一點應用到股市上，比如讓AlphaGo在市場上隨機開倉，並通過實踐的盈虧自我完善策略系統的話，真不排除AlphaGo能夠在市場表現中一騎絕塵的可能性。
歷史經典棋譜=歷史技術形態
傳統棋藝理論=金融投資理論（如夏普理論、凱利公式與現代投資組合理論等）模擬棋藝演算=模擬歷史回測概率性最優解下棋=概率性最優策略開倉與頂級棋手搏殺=與頂級交易員搏殺……如果市場上只有一台AlphaGo，那它可能會用出人類無法理解的投資邏輯從而獲得超額回報。成為賺錢黑箱。（Deepmind工程師中也並沒有圍棋高手）唯一的辦法就是市場上存在著許多台AlphaGo然後他們的投資策略完全對衝掉了。金融市場越發接近強有效市場，對普通沒有消息面基礎的散戶來說，《漫步華爾街》中的指數化投資策略變成最好的投資策略。但這並不代表人類投資者就全無優勢。股價的走勢主要反映的是投資者的心理與預期。和機器相比，交易者還具有著判斷市場趨勢，研究供求變化，分析消息對市場帶來的衝擊等諸多經驗上的優勢。在這些方面上，AlphaGo能做的恐怕極為有限。恐怕只有當強人工智慧時代到來的時候，人工智慧才能主導金融市場。
目前來看，人工智慧有可能毀滅掉技術分析投資者，僅此而已。相信未來會有AlphaGo的基金面世的那一天。十到二十年內最賺錢的還是手動交易員。
人工智慧投入到股票上不靠譜。程序化交易不屬於人工智慧，依然需要人類尋找規則。金融投機行業的目的，有幾個，小資金快速實現財務自由，規模資金穩定跑贏通脹。人工智慧想要獲得能投機大收益這種事情首先要投入的就是天文數字。分析來源於真實的數據中國上市公司的財報 多是假的計算機怎麼分析還不暈菜啊
樂呵呵地看完各位答主的議論，比較贊同的是珞凌的回答。
珞凌答主討論的是程序化交易和人工智慧交易的同與異，或者說人工智慧交易是程序化交易的延伸。程序化交易，是基於交易行為的本身出發，而我們看AlphaGo，也就是看策略和工具的深度學習，是加入了更多分析指標以後的結果。
國內基於人工智慧和機器學習的炒股工具，已經存在了。
比如，珞凌答主所說的「歷史經典棋譜=歷史技術形態」
講內容前先說個故事。
自2月以來，我答應給一家互聯網證券交易社區寫稿，內容是每日的證券市場研判，基於我每日管理資金的一些分析和總結。
與這家公司的創始人結緣於去年的九月，當時正和幾個投資的朋友聊天。老黎也在其中，介紹我說有一個人你肯定想聊聊。公司創世人與我一樣，也曾在紐約從事過自營交易，交流了一些經歷以後算是比較對眼。當時我們都覺得國內很多軟體已經不太符合一些新的需求，而在國內有些功能已經是非常普及了。然後我被告知，他們除了做了一隻量化對沖基金以外，還做了一個工具類網站。
在參與內測該網站以後，我也答應將每日分析交由他們來發布。
有好些功能就是為像我一樣的職業人士打造的，但今天答的問是人工智慧，所以我只說其中和人工智慧最接近的一項，其他的功能普及推廣交給他們自己吧。
據他們自己說，因為是一家創業公司，資源也比較有限。所以這項功能還沒有放在網站里，也不是所有用戶都能用到。因為前文所講的一些關係，所以我還是成功用到了，可能是國內前幾位用到了深度學習後形態模式識別的人。之所以晚了兩天來答，也是因為昨天才看到他們打明確表示已經可以這項工具開放給所有用戶。
原理和AlphaGo類似，通過學習歷史經典棋譜，即通過學習歷史技術形態。
即將開放給用戶的過程，據我目前了解的情況，是可以直接在網站上輸入名稱，然後選擇時間區間，得到原始樣本以後，然後後台會根據該樣本自動計算並展示相同形態的股票們。
我目前得知的情況就是這樣，至於性能方面我會在他們正式發布以後再做測試。
說到選股，我其實忍不住想說他們的選股器，對於我這種原本需要編程的，真的是一件大利器。
alphago的原理放出來後，騰訊隨便搞個ai就超越了alphago v13。
如果這玩意能在股市裡賺錢，騰訊不會拿這個直接去撈錢嗎？還賣什麼綠鑽黃鑽黑鑽藍鑽？多累呀。計算機炒股歷史有過。美國的長期資產管理公司，每年賺40％多，超穩定。然後在1998年一年虧了99%。完。
不行，他沒寫炒股的程序。
瀉藥，alpha go 直接炒肯定不行啊，它學的是圍棋！針對股票做一套AI我覺得可以，但是人類得提供規則。讓機器自己去發掘規則目前沒戲。
這裡的規則指的是類似於棋類怎麼吃子等規則。棋類的規則都是明確的，，股票市場沒有這些顯式規則啊。如果能抽象出來我覺得需要強人工智慧AlphaGo下圍棋的程序,輸入信息需要棋盤的黑白子布局,頂多再加入一個時序數據.有了這個信息,足夠AlphaGo進行分析了.
如果是A股,除了K線圖以外,還需要包括及不限於以下內容：1、各種指標2、大盤分析3、板塊情況分析4、公司經營情況分析5、行業分析6、國民經濟當前及歷史情況分析7、股票的股性及莊家分析......2015年5月20日，AlphaGo通過海量數據分析，使用最科學的模型，篩選了A股，港股，美股……選定了一直股票，全倉買入了「漢能薄膜發電 http://00566.HK 」……擾亂市場秩序，會被屏蔽
推薦閱讀：
※商業銀行理財經理的職業前景在哪裡？
※中國資本市場的內幕交易到底有多嚴重？
※銀行信貸經理入駐融 360 可靠嗎?
※金融租賃中的融資功能在實務中有哪些應用？相應的法律風險有哪些？
※黃金ETF投資怎麼樣？