还在为投资苦恼？美国的对冲基金新贵这样部署机器学习！
事实上对冲基金在采纳深度学习技术方面实际上已经落后一步，因为与图像识别相比，金融市场数据有限而且总是在发生变化，造成预测股价变动等市场波动变得更具挑战性。
旧金山的对冲基金新贵们
在金融领域，AI已经开始推动了不少变化，比如预防欺诈。对金融人士来说，机器学习是AI的一个分支，对数据统计、分析、预测具有先天性的优势。奇怪的是，纽约、伦敦的对冲基金对称得上是理想分析工具的机器学习却嗤之以鼻。然而在旧金山，通过对机器学习的利用，则涌现出了这样一批对冲基金新贵……
Sentient Technologies：为了数据缺乏而苦恼
新贵们很清楚，相比老牌对冲基金，机器学习驱动的证券分析也有其局限性。专注对冲基金领域的AI创业公司Sentient Technologies联合创始人Babak Hodjat表示，机器学习容易产生“过度拟合”，在特定的数据库中用特定的模式进行机器学习具有很大的局限性。因此足够的数据是现阶段所缺乏的，财务数据尤其如此，像ST这样的公司很无奈：即使数十年的股票市场所包含的信息仍然远远少于Fcekbook用于训练面部识别算法的图像数据。解决上述问题的方法就是采取更全面的方式来部署AI。
目前，ST已雇佣了几十名AI专家来不断研究新的方法，但技术实力固然重要，用以获取分析数据的模式也同样重要。十年前，ST作为一个初创公司，仅仅负责管理创始人的资产，三年前，它的业务扩展到了其他应用领域，比如在线购物和网站优化，两个阶段的数据是远远不够的，直到今年初，它才推出了一个对外开放的对冲基金，希望借此收集更多的数据。
Numerai：自我创新者的姿态出现
旧金山的对冲基金Numerai创办于2015年，在今年秋推出了其第一支基金。该公司凭借举办比赛在运用机器学习的道路上玩的不亦乐乎。具体做法是：采集财务数据——加密——将数据投入机器学习算法比赛——筛选最优结果。Numerai COO Matthew Boyd说，这使分析证券变成了一个“纯粹的数学问题”，我们希望借此避免潜在的人为偏见。
在Numerai举办的算法比赛中，现在已有大约1200名的数据科学家每周参加一次，他们用自己的机器学习算法比赛争夺虚拟奖金（在基金自己的加密货币中），而数据表现好的则可以兑现奖金。Numerai希望通过比赛的模式筛选到优胜者的算法，以此来帮助其在股票市场进行分析决策。
Cerebellum Capital：策略标准也通过机器学习来定
对冲基金Cerebellum Capital可以说是机器学习较为彻底的吹捧者，该公司称“机器学习”已经是其大脑了。Cerebellum Capital成立于2008年，2016年全力开发基于美国股票市场的基金产品，并于今年4月推出。该基金使用机器学习不仅仅是为了收集数据、提出策略，如公司官方所说，他们甚至通过机器学习来制定投资标准与策略，公司员工仅仅是按照算法的指示进行实际交易。
我们可以得知，以对冲基金为代表的量化交易公司希望，人工智能这种更加强有力的机器学习技术，能够帮助他们在全球金融业愈演愈烈的技术军备竞赛中占据优势。假如他们的方向正确，那么神经网络技术将帮助推动金融业的演变，造成人脑与机器同场竞争，并给传统的投资领域工作机会带来威胁。不过，研究人员暂时还不愿过度宣扬这项技术，因为在经历了之前一轮的大肆宣传但最终以失望告终之后，研究人员更愿意暂时将其看作另一支希望之箭。
挑战与至少5年的投入期
“1990年代对冲基金纷纷宣布使用神经网络技术的热潮失败之后，对于‘机器学习’能够解决投资管理这个普遍性问题的说法，我们倾向于持怀疑态度，”伦敦管理315亿美元资产的量化对冲基金公司Winton在声明中表示。
谷歌等科技业巨头已经验证了深度学习技术的利用价值，现在量化基金也开始追随它们的脚步。深度学习技术需要超级强大的电脑以及海量数据，并已经在特斯拉的自动驾驶汽车和亚马逊智能音箱Echo得到使用。与深度学习领域的先锋人物Yoshua Bengio教授进行合作的电脑科学家Nicolas Chapados表示，深度学习距离成为对冲基金行业的主流工具还需要大约5年时间。
Chapados表示，科技领域有一大批机器学习模型可以被用于金融处理。Chapados是蒙特利尔量化基金公司Chapados Couture Capital以及使用机器学习技术的研究机构Element AI的联合负责人。
对冲基金在采纳深度学习技术方面实际上已经落后一步，其原因是缺乏将其应用于复杂金融数据的专业知识。Facebook的图像识别技术之所以取得成功，比如能辨认出图片中一只狗的形象，究其原因是其使用了社交媒体用户上传的无限量数据。与之相比，金融市场数据有限而且总是在发生变化，造成预测股价变动等市场波动变得更具挑战性。
不管怎么样，“新贵AI基金”的一个长线特点已经很清楚了：那就是，至少在投资领域，更多的AI运用却不意味着更少的人力投入。
注：文中部分案例参考自《经济学人》
《“围剿”英伟达》
《15亿欧元“AI 加速计划”！法国能在中美之间撕开一个口子吗？》
公众号后台回复“进群”
加入人工智能读者俱乐部