量化投資借助計(jì)算機(jī)系統(tǒng)強(qiáng)大的信息處理能力，對(duì)搜集到的大量數(shù)據(jù)進(jìn)行分析來建立數(shù)學(xué)模型，根據(jù)模型的運(yùn)行結(jié)果進(jìn)行投資決策。在效率、準(zhǔn)確性和穩(wěn)定性上，對(duì)傳統(tǒng)投資進(jìn)行了重塑升級(jí)。

人工智能的發(fā)展從賦予邏輯即可推理的“推理時(shí)代”、到學(xué)習(xí)專家系統(tǒng)的“知識(shí)工程”時(shí)代，經(jīng)過數(shù)據(jù)挖掘和大數(shù)據(jù)時(shí)代的沉淀和積累，如今已經(jīng)進(jìn)入了神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的時(shí)代，基于人工智能深度學(xué)習(xí)技術(shù)的量化投資，技術(shù)條件本身已經(jīng)成熟。

量化投資版的AlphaGo，取代基金經(jīng)理

Delta Grad創(chuàng)始人龐然指出，人工智能在算法輸出策略方面已經(jīng)達(dá)到了“智慧”臨界點(diǎn)，具備了“涌現(xiàn)”能力——“簡單的個(gè)體數(shù)量急劇增加，達(dá)到一定程度時(shí)就會(huì)有群體智慧的”涌現(xiàn)“，是量變達(dá)到質(zhì)變時(shí)才能出現(xiàn)的一種能力。”

人工智能更為準(zhǔn)確的描述應(yīng)該是“人工智慧”：“智”是可量化、可描述的知識(shí)和邏輯，“慧”是抽象的直覺和感知，是要經(jīng)過長期大量訓(xùn)練之后涌現(xiàn)出來的一種能力。如今神經(jīng)網(wǎng)絡(luò)算法已經(jīng)能夠達(dá)到“慧”的層面。

典型案例就是2017年1月，AlphaGo以“Master”為注冊(cè)名對(duì)戰(zhàn)數(shù)十位人類頂尖圍棋高手，取得60勝0負(fù)的戰(zhàn)績。經(jīng)過短短3天的自我訓(xùn)練后，以100:0打敗了此前戰(zhàn)勝李世石的舊版AlphaGo。經(jīng)過40天的自我訓(xùn)練，AlphaGo Zero又打敗了AlphaGo Master版本。這意味著對(duì)海量優(yōu)質(zhì)數(shù)據(jù)進(jìn)行深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)算法能夠突破人類的時(shí)間、精力瓶頸，獲得從量變到質(zhì)變的“涌現(xiàn)”能力，進(jìn)入“慧”的狀態(tài)。

而在二級(jí)股票市場，同樣需要一款這樣的量化投資工具。量化投資借力人工智能技術(shù)，運(yùn)用現(xiàn)代統(tǒng)計(jì)學(xué)和數(shù)學(xué)的方法，從大量的歷史數(shù)據(jù)中尋找并搭建獲得超額收益的投資策略，正在受到資本市場和投資者的越來越多的關(guān)注。

并且，二級(jí)市場的量化投資可以實(shí)現(xiàn)“預(yù)知”，而非簡單替代部分機(jī)械性的操作。龐然向億歐介紹，從更長的時(shí)間維度來看，基金經(jīng)理的每一個(gè)投資策略都只是局部最優(yōu)解，并不能窮盡所有的情況，之所以受到追捧，是因?yàn)榉先说倪壿?，也就?ldquo;慧”的層面。當(dāng)人工智能發(fā)展到“慧”的階段時(shí)，機(jī)器人能夠通過自博弈訓(xùn)練產(chǎn)生數(shù)百萬的交易數(shù)據(jù)，對(duì)數(shù)據(jù)的深度學(xué)習(xí)又產(chǎn)生可以有效的策略。通過這種對(duì)抗學(xué)習(xí)，機(jī)器完全能夠突破人類基金經(jīng)理的工作時(shí)長、身體精力、工作穩(wěn)定性的限制，取代基金經(jīng)理。

量化投資的外部市場環(huán)境也已經(jīng)成熟。在國外量化投資已有30多年的發(fā)展歷史，數(shù)據(jù)顯示2016年，量化科技在國外的理財(cái)產(chǎn)品管理規(guī)模達(dá)到了3.2萬億美元，而通過計(jì)算機(jī)和數(shù)字模型進(jìn)行下單和下達(dá)指令的比例達(dá)到了56%。在我國，量化投資的發(fā)展還處于初級(jí)的階段，向債券、股票、期貨、外匯等領(lǐng)域延伸，將創(chuàng)造巨大市場空間。

目前量化投資的應(yīng)用場景主要在投資交易、資產(chǎn)管理、智能投顧三大領(lǐng)域，操作流程包括數(shù)據(jù)輸入、模型開發(fā)、回測(cè)輸出三個(gè)步驟。在整個(gè)運(yùn)行過程中數(shù)據(jù)和模型是關(guān)鍵。由于量化投資策略的影響因子較多，搭建過程繁雜，從早期籌備到策略搭建再到回測(cè)輸出需要很長的時(shí)間，投資效率有待提高。

龐然2017年8月創(chuàng)立DeltaGrad公司，希望將AlphaGo技術(shù)復(fù)制到A股做量化投資，已經(jīng)利用其自主研發(fā)的機(jī)器人“智富狗”用自有資金在A股市場上進(jìn)行投資。

“DeltaGrad目前上線的5個(gè)機(jī)器人，通過學(xué)習(xí)股票歷史數(shù)據(jù)已經(jīng)產(chǎn)生了超過700萬的投資策略。在業(yè)務(wù)操作上，經(jīng)過2018年1月-5月的實(shí)盤驗(yàn)證，機(jī)器人‘智富狗’的業(yè)績已打敗82%的人類基金經(jīng)理。”