人工智能在对冲基金的崛起

作者 本·格策尔 全文翻译自《连线》“The Rise of the Artificially Intelligent Hedge Fund”一文

今年1月下旬，本·格策尔（Ben Goertzel）和他的公司Aidyia启动了一只对冲基金，使用人工智能来进行所有的股票交易，无需任何人工干预。“哪怕我们都死了，”人工智能资深专家、Aidyia首席科学家格策尔说，“它也会继续交易。” 此言确然不虚。当然，开发这个系统的是格策尔和其他人类，他们也会根据需要继续对系统进行修改。不过，他们打造的这套系统可以完全自主地识别和执行交易，借助了多种形式的人工智能技术——其中一种受到遗传进化的启发，而另一种则基于概率逻辑。
每一天，这些人工智能引擎会对各种数据（从市场价格和成交量到宏观经济数据和企业会计凭证）进行分析。然后，它们就会自主做出市场预测，以“投票”的方式选出最佳行动步骤。
虽然Aidyia的总部位于香港，但这套自动化系统交易的是美国股票。据戈泽尔称，在上线的第一天，它获得了2%的回报（他并未披露资金池的规模）。这个数字并不多么让人印象深刻，在统计学上也说明不了什么问题。不过，这件事象征着金融世界的重大转变。获得1.43亿美元融资支持的旧金山初创公司Sentient Technologies从去年开始，就在悄然利用一套类似的系统进行交易。像Two Sigma和Renaissance Technologies这些以数据为中心的对冲基金都曾经说过，他们靠的就是人工智能。

此外，有报道称，另外两家对冲基金——由华尔街大鳄雷伊·达里奥（Ray Dalio）和斯蒂芬·科恩（Steven A. Cohen）分别执掌的Bridgewater Associates和Point72 Asset Management——也在朝着这个方向前进。 自动改进 长久以来，对冲基金进行交易一直都依赖于计算机的帮助。根据市场研究公司Preqin提供的数据，约有1,360只对冲基金（占总数的9%左右）借助计算机模型进行绝大部分的交易，这些基金管理总资产约为1,970亿美元。
不过，这通常是由数据科学家——他们在华尔街被称为“宽客”（quant）——使用机器来构建大型的统计模型。这些模型很复杂，但它们基本上仍是静态的。随着市场发生变化，模型的工作成效可能会不如以往。根据Preqin的研究，一般系统型基金的业绩并非总能超过人类经理操盘的基金（见下图）。然而，近些年来，基金开始转向真正的机器学习技术，这种技术所用的人工智能系统可以高速分析大量数据，并通过这样的分析改进自己。

一些公司依赖一种名为贝叶斯网络（Bayesian networks）的机器学习算法，使用数台机器预测市场趋势和找出特定的交易，这其中就包括纽约公司Rebellion Research。与此同时，像Aidyia和Sentient这样的公司，依靠的则是运行在数百乃至数千台机器上的人工智能算法。
具体包括多种技术，比如受遗传学启发的进化计算（evolutionary computation），以及谷歌和微软这些互联网公司用来识别图像、语音和执行其他任务的深度学习。 他们希望，这样的系统能够自动识别市场中的变化，并且通过宽客数学模型做不到的办法来适应这些变化。“它们试图在事情发生前就预见到。”《常识带来财富：为何在所有投资计划中简单比复杂更有效》（A Wealth of Common Sense: Why Simplicity Trumps Complexity in Any Investment Plan）一书的作者本·卡尔森（Ben Carlson）说道，他曾为一只捐赠基金工作过十年时间，该基金曾历经多位经理。
我们不应把这种靠人工智能驱动的基金管理跟高频交易混为一谈。它所寻求的不是超前交易，也不是通过高频交易来赚钱。它寻找的是在今后较长一段时间内的最佳交易，也许是几小时、几天、几周乃至几个月。而且，更重要的是，负责选择策略的是机器，而不是人类。
不断进化的智能 尽管Sentient没有公开销售自己的基金，但该公司CEO安东万·布隆多（Antoine Blondeau）表示，他们从去年开始就一直在使用私人投资者的资金进行正式交易。
根据彭博社的一篇报道显示，Sentient在人工智能交易技术的开发工作上，曾跟摩根大通（JP Morgan Chase）内部的对冲基金展开过合作。不过，布隆多拒绝透露公司拥有的合作关系。但他倒是表示，其基金完全由人工智能操盘。 整体思路就是做一些没有其他人也没有其他机器在做的事情。Sentient的首席科学官巴贝克·霍加特（Babak Hodjat）曾是数字助理Siri原开发团队的一员，他表示，这套系统允许公司调整特定的风险设置。但除此之外，它是在没有人工干预的情况下运行的。
“它会自动生成一套策略，并给我们下指示。”霍加特说，“它会说：‘现在大力买进这个，通过某某交易工具，使用某某类型的交易指令。’它还会告诉我们要在何时退出，何时减小风险敞口，诸如此类。”据霍加特称，这套系统可以集结亚洲等地不同公司运营的数据中心、网吧以及电脑游戏中心内“数百万台”计算机处理器的闲置算力并加以利用。另一方面，它的软件引擎设计则是基于进化计算算法——也就是Aidyia系统所应用的那种受遗传学启发的技术。 用最简单的话说就是，它会随机创建出一大批数字化股票交易员，然后利用历史股票数据对它们的表现进行测试。在挑选出表现最好的交易员之后，它会利用它们的“基因”来生成一组更优秀的新交易员。
这个过程会反复进行，最后系统就进化成一个可以成功自主运行的数字化交易员。“经过成千上万次迭代，不计其数的‘交易员’相互竞争，你死我活，”布隆多说，“最后便会得到一组可以实际部署使用的智能交易员。” 深度投资 虽然目前驱动这套系统的是进化计算技术，但霍加特也在深度学习算法中看到了潜力——此类算法已被证明特别善于识别图像、语音乃至理解人类语言的自然表达。
他解释说，深度学习在分析过大量带有猫咪的照片后能认出“猫”这种动物，同样的道理，它也可以经过学习分辨出能赚钱的股票。 格策尔对此则持有异议。这在一定程度上是因为，深度学习算法已经变成了大路货。“如果所有人都在使用同一种东西，那么它的预测就会在市场价格中反映出来。”他说，“你必须做一些不同的事情。”
他还指出，虽然深度学习适合于分析预设特定模式的数据，比如照片和语言，但金融市场不一定会有这样的模式。而且，即使存在这样的模式，它们的用处也没那么大——这还是因为，所有人都能找到它们。
然而，对霍加特来说，当务之急是改进如今的深度学习，而这可能涉及到这种技术与进化计算技术的结合。按照他的解释来说，我们可以利用进化计算来开发出更好的深度学习算法，这就是所谓的神经进化（neuroevolution）。
“你可以演进对深度学习算法起作用的权重因素。”霍加特说，“但你也可以演进深度学习算法本身的架构。”微软和其他公司已经在通过一种自然选择方法来打造深度学习系统，虽然这些系统本身可能还没有用到进化计算。 人工智能的风险 不管采用何种方法，对于人工智能是否真能在华尔街取得成功这件事，仍有人持怀疑态度。就算有一只基金利用人工智能取得了成功，但其中的风险在于，会有其他人复制这套系统，从而打破先行者成功的根基。
如果市场内有大量参与者都采取了相同的行为，就会让市场发生变化。“我不太认为人工智能可以真正独辟蹊径，”卡尔森说，“如果有人发现了行之有效的窍门，不仅会有其他基金竞相效仿，也会有其他投资者跟着注入资金。很难想象这种一招鲜的做法能够长久。”格策尔也看到了这种风险。这就是为什么Aidyia不仅在使用进化计算，而且还用上了一系列其他技术。如果其他人模仿Aidyia的做法，该公司就会转而采用其他类型的机器学习算法。
整体思路就是做一些没有其他人也没有其他机器在做的事情。“要想在金融这个领域获利，光靠聪明是不够的。”格策尔说，“你还得聪明得与众不同。”
翻译 / 何无鱼