人工智慧的交易系統具體是什麼樣的理念，或者模式?

01-16

有人說是深度學習，有人說是良好的測市功能，但是大多含糊不清，希望明白人能明白滴講講，因為似乎中國在這方面還落後很多，一直以來似乎中國的寬客量化交易團隊在努力做這件事情，但是從知名度來看有點不盡人意啊。
人工智慧的最先進方式，不是普通的量化，而是具有敏銳的超人類智能的靈活測市能力，

人工智慧交易系統的具體理論是欺騙，或者叫瞪著眼睛說瞎話。

如果這玩意真能賺錢的話，只會導致一個結果，交易市場就會在地球上消失。

你想啊！電腦是不用睡覺休息的。人工交易是干不過它的。

一打開電腦，就突突的往賬戶里搬錢。

人工交易就是給它白送錢。

誰傻到給它白送錢呢？這在邏輯上是講不通的。

不要想著AI量化很牛逼，東西嘩嘩丟進去就能用了。

實踐來看，有效的策略，AI的主要用處並不是扔一堆數據進去，告訴你那支會漲，而是在一些具體參數上做文章，增加某些在細節上預判的準確率。

目前大部分人的方法依然是用AI做預估漲跌概率的排序，然後根據AI對漲跌預測的排序及其置信率選股。但是實際效果差的驚人。

有效的策略一般把AI應用於傳統策略的一些具體環節中，比如利用RL在套利的時候預測相對差價變動方向，比如利用LSTM和GAN配合換手率來預測均衡點相對於當前值是更高還是更低。然後再用一些傳統模型或者簡單策略去處理。

利益相關。目前利用RL，一個一直沒停過也沒加過槓桿的現貨倉，從入場開始算，在比特幣上漲了約6倍的時候獲得了約15倍左右的收益。以前做過股票的策略，畢竟沒有數字貨幣這種24小時交易的收益率高，各種自以為是大神的就別在我評論區里說「你這麼牛逼為啥不去做股票」這類的蠢話了。看著不夠煩的

老式做法是給出很多特徵，然後用搜索演算法做優化

現在的辦法是給出原始數據，直接讓ai去擼特徵

說到底還是特徵工程哈！(逃！)

交易和下圍棋不一樣。

下圍棋，圍棋的下法是有界限的，是可以窮舉出來的，這對擅長處理數據的機器人真不是太大的問題，只不過量很大。

而對於人腦來說，對於這種龐大的數據處理是不擅長的，只能從歸納的角度，也就是以前的經驗來下。

所以人在機器人面前就已經失去了先手，因為在有限的邊界下，不管你怎麼下，機器都先你一手，一個站在未來，一個站在當下，根本就不是一個量級。

但是交易不一樣，行情雖然會有一定機會重演，但這個重演卻是動態的。

舉個例子，螺紋鋼，去年上下半年兩波漲，今年也一樣。但是什麼時候漲卻是不一定的。這是從今年的角度來說，如果從今年年初來說，對於現在就是未來，當時有幾個能保證今年必定有兩波漲？誰都說不準。

所以，交易是開放的，不像圍棋下法一樣是有邊界的。

只要是開放的，那未來就是不確定的。

那人和機器就現在了一個等級上，不存在被先手，機器最大的能力是處理數據。但是交易的數據有微觀和宏觀，在微觀角度，交易常常又是隨機的。在宏觀角度要用的也不是數據處理而是歸納，這對數據的處理能力並不需要很高的要求。所以機器對人的兩大優勢也就不存在了。

而且人腦有感性的一面，機器未有。感性有好有壞，因為交易史或是人類史上很多奇蹟都是由感性引發的，能夠隨機應變，畢竟未來是不確定的。不好的地方就是容易相信感覺。這個也不好說。

綜上而言，其實用智能機器人做交易並不比用人腦做交易並不佔有很大優勢。

那為什麼很多機構還會去開發只能系統去做交易呢？

一個是因為大機構和普通投資者不一樣，他們的量太大，如果算都用人工，出錯的概率太大，比如一些烏龍指。

另一個是因為風控，大資金的風控很嚴，如果到點了，很多決策者可能會猶豫，這是人性的弱點，但機器卻不存在這個，執行果斷。

所以，對於智能機器人交易要理性看待。

瀉藥，你的沒錯，中國在這方面還是比較落後。市場這個東西比你想像中的要複雜，比什麼圍棋啊，星際的複雜得多。目前在應用領域的人工智慧，在大部分都還是人工弱智。你說的先進的人工智慧，應該還沒有哪個能做到。

人工智慧交易系統，大致上分為2個類型

一個是預測，先知行情的走勢，從而獲利，在優化的時候，使用歷史數據來讓程序自動預測後續的可能性，也有基於大數據的類型。

另一個是在已知的情況下，做出正確的決定，類似於漲了50個點，到底是獲利了解，還是繼續持有，虧損50個點的時候是平倉，還是繼續持有。

兩個都需要神經網路自適應，深度學習是必須的

另外還會加以新聞數據策略的驅動

好吧其實以上是我瞎編的

一個腦子不靈光的人做事情，就不能給他安排複雜的、需要變通的事，只能做直來直去那種。

計算機就是這麼一個腦子不靈光的人。

現在哪有什麼人工智慧交易，都是營銷噱頭而已，當真你就傻了

當前國內大多智能交易系統都是非常有局限性的，只能針對一定的行情表現不錯，一但行情轉換風格可能就跟不上節奏而造成虧損；比如馬丁類的害怕單邊，趨勢類的害怕震蕩，對沖類的周期較長等等；我輩還需繼續努力..........

照你這麼說人工智慧大牛豈不是天天撿錢了，為啥還要發論文灌水騙經費呢？

新阿爾法狗出現碾壓舊狗，人工智慧的死穴竟然是...

數據化管理3天前

新一代阿爾法狗（AlphaGo?Zero）的出現，數據上完全是碾壓老阿爾法狗，驚艷了整個世界，網友戲稱連阿爾法狗都這麼努力，我們人類還有什麼借口不努力？

新阿爾法狗有多厲害？我們來看一組數據：

1、從零開始：自己與自己對弈，沒有輸入任何人類棋局。

2、自學3天過後，100：0戰勝舊版AlphaGo?Li

3、自學40天過後，戰勝AlphaGo?Master

4、佔用資源更少：僅用4個張量處理器，而最初版用了48個。

1、這是新人工智慧時代的開啟。

通過自我學習、自我博弈提升智能，聽起來比通過人類歷史數據的提升高級很多。之前的人工智慧都是按照學習人類數據的方向發展的，所以誰有數據誰就有了未來。而新人工智慧時代更看重原理和演算法，而不是歷史數據。這聽起來有點回歸傳統的感覺，建模+演算法是我們傳統的數據分析方法，而新一代阿爾法狗又回歸了傳統，當然不是簡單的回歸。

舉一個容易理解的例子：5年前，阿里、京東等電商在中國大行其道，大有取代傳統零售的架勢（可以把他們理解成老阿爾法狗）。但是隨著時代、科技、邏輯的變化，新零售變成主流（可以看成新阿爾法狗），所謂新零售就是電商和傳統零售的完美結合。當然這個比喻不完全恰當，只是為了大家更好的理解而已。

2、與其說未來是人工智慧領導世界，不如說是數據科學家和碼農在領導世界。

新阿爾法狗重拾演算法這個利器，演算法背後都是數據科學家和碼農的身影。我們必須看到「新阿爾法狗再進化，自學3天就100：0碾壓舊狗」的事實，對阿爾法狗是3天，但是對背後的數據科學家來說梳理邏輯、搭建演算法可能是3個月甚至是3年的工作量。所以大家不要被3天誤導。

數據科學家在人工智慧方面扮演了重要的作用，他們的思維、邏輯、能力決定了人工智慧的高度和方向。但是人工智慧如果只是數據科學家和碼農來決定的話，對人類可能是一個災害。

3、未來究竟是新阿爾法狗還是老狗的天下，目前不好說。

新狗的優勢是計算量小，不依賴於歷史數據，重演算法和邏輯。但是老狗通過歷史數據來自我進化，雖說計算量大，但是優勢是懂「業務」，人類的數據都是在不同場景下產生的，數據包容了人類的思維、邏輯和關係，更懂人類。在棋類這種遊戲規則相當明確的博弈中，新狗佔優勢可以理解，但是未來在更多錯綜複雜的現實中，新老狗誰更有優勢，目前不好定論。新狗只是開啟了另一個人工智慧的研究方式而已。

例如中國特色的碰瓷，無人駕駛肯定當成一般的交通事故程序來處理，人類也可以結合電子眼進行識別。但是人工智慧如何識別碰瓷和一般交通事故的區別？

4、狗狗們懂邏輯、演算法和數據，但是最大的弱點是不容易懂人性。

人工智慧的死穴會是人性嗎？我有兩點擔心，第一，人工智慧按規則行事，但人往往不拿規則當回事情，人類會往數據中有目的扔一些明顯的異常數據，這很可能會誤導人工智慧產生錯誤的判斷。阿爾法狗和李世石對弈中，李世石贏了那盤就是這種情況。而人性往往是很難量化和數據化的。

第二，未來的人工智慧可能會被數據科學家和碼農左右。他們的演算法和邏輯決定了人工智慧的一部分功能，而數據科學家和碼農往往是不懂業務的，機器的自我學習雖然很強，但也是在規則之下的學習，不可能像人類那樣天馬行空的學習方式，所以他們主導的人工智慧很可能會誤導機器。就像我們做數據一樣，只有數據分析和業務完美結合的邏輯、演算法才是最實用的。前兩天看了一個TED的視頻，題目就是《盲目信仰大數據的時代必須結束》，大家可以找來看看。

她的觀點和我一致，冷冰冰的數據背後是數據科學家們的秘密（演算法），這種秘密一般是外人所不知道的，一旦這個秘密有問題，我們必將承擔這種失誤的代價。

看好人工智慧的未來，但是人類需要更科學、更縝密、更業務化的設計這些大腦。

本文為一點號作者原創，未經授權不得轉載

內容來自一點資訊130

微信

朋友圈

QQ空間

夢特嬌精品羊絨衫，可拆開試穿，滿意後付款

廣告夢特嬌