0
| 本文作者： 溫曉樺 | 2017-01-17 20:59 |
1月14日，中國金融四十人論壇（CF40）聯(lián)合金融科技公司資配易召開的2017 “智能投顧”國際論壇在京舉行。智能投顧已經(jīng)流行了很久，但仍然有很多問題不明朗：人工智能用于投資的技術(shù)到了什么水平？人工智能用于投資的真實原理是怎樣的？它有著怎樣的研究方向和制約？論壇上，人工智能加州大學(xué)伯克利分校人工智能系統(tǒng)中心創(chuàng)始人兼計算機(jī)科學(xué)專業(yè)教授Stuart Russell（斯圖爾特·羅素）在主題演講中對這些問題進(jìn)行了闡述。
以下是Stuart Russell教授的演講實錄，雷鋒網(wǎng)做了不改變原意的編輯：
我們知道人工智能就是賦予機(jī)器智能，讓機(jī)器能夠做正確的事情。對于投資而言，人工智能也就意味著在一段時間之內(nèi)可以幫助客戶去實現(xiàn)最優(yōu)化的投資。我們看到，人工智能的用途在不斷崛起，像無人駕駛汽車在世界上正在發(fā)揮越來越大的影響力。通過人工智能也能夠得到更加準(zhǔn)確的醫(yī)療診斷，而更好的搜索引擎交通運輸和物流行業(yè)也在發(fā)生巨大變化。我們也在讓機(jī)器能夠理解文本為人類提供各種問答服務(wù)。同時我們也會看到人工智能在投資以及在長期交易、短期承銷、承貸、授信方面發(fā)揮越來越重要的作用。
我們也看到這個領(lǐng)域的進(jìn)步正在大幅度加速，AlphaGo在圍棋比賽中擊敗了李世石，不到一年的時間他們就得到這個結(jié)果。另外就是計算機(jī)視覺，就是人工智能系統(tǒng)可以對于照片、對圖象進(jìn)行識別，這里給大家舉了一些計算機(jī)智能的例子。最近有一次大規(guī)模視覺識別挑戰(zhàn)賽，有一千個類別，人類認(rèn)識視覺認(rèn)識準(zhǔn)確度達(dá)到95%，但是在過去五年當(dāng)中機(jī)器的準(zhǔn)確度達(dá)到了原來的六倍，已經(jīng)比一個視覺識別的人類專家都要厲害了，這是一個非常重要的進(jìn)展。因為物體識別能力，目標(biāo)識別能力是在現(xiàn)實世界采取操作的能力的一個關(guān)鍵的基礎(chǔ)，例如機(jī)器人的運動。
當(dāng)然，在這我也想給大家提個醒，人工智能并不像電影和媒體當(dāng)中有些說法那樣，就是機(jī)器是具有感知能力或者是有意識的，會統(tǒng)治整個世界，接管整個世界，不是這樣的。而且人工智能也不僅僅是深度學(xué)習(xí)的一個分支或者是大數(shù)據(jù)的分支。雖然這里面有深度學(xué)習(xí)和大數(shù)據(jù)內(nèi)容，但是還有很多其他的組成部分。而且有一些公司，他們會說我們有人工智能技術(shù)，如果你有數(shù)據(jù)拿過來，我們就能解決你的問題。很多情況下并不可能達(dá)到這樣的效果，在很多情況下深度學(xué)習(xí)并不是能夠輕而易舉地投入使用的。
我想，投資現(xiàn)在是仍然有局限的領(lǐng)域之一。
接下來，我們看一看如何把投資決策看作一個人工智能的問題。
這個問題的輸入要素包括每一種金融工具在所有市場、所有時刻的價格信息?，F(xiàn)在機(jī)器就能訪問到這些信息，很簡單。還有很多的詞語性的、語言性的信息，就是人類產(chǎn)生的各種各樣的基于語言文本的信息，像彭勃社、路透社的新聞、上市公司報告、財務(wù)報告、政府報告、分析師報告，以及社交媒體上發(fā)表的，比如推文，所有這些人類產(chǎn)生的信息都是這種信息的組成部分。
然后就是知識。大數(shù)據(jù)必須有知識，現(xiàn)在在這個領(lǐng)域當(dāng)中我們已經(jīng)有了很多的知識，關(guān)于經(jīng)濟(jì)、政治、系統(tǒng)的運行，以及行業(yè)和地理劃分，所有這些都可以幫助我們深度理解其他數(shù)據(jù)。
最后就是心理，因為我們所做的一切都是和市場有關(guān)的，市場上的價格并不僅僅基于現(xiàn)實，而是基于人們對于現(xiàn)實的感覺、感知，所以感覺、了解市場參與方，比如說消費者、買家和企業(yè)買家的心里、心態(tài)是負(fù)責(zé)重要的，有這樣的信息才能做出預(yù)測。
這些是輸入要素，輸出要素就是買賣這樣的投資決策。
這個問題和投資顧問并不完全一樣，我講的是投資決策，投資決策就是如何決定投資買賣，投資顧問是代表了另外一個問題，比如說你可以決定在每個微秒都決定買或者賣，但是不可能以微秒為單位提出顧問的意見。所以什么時候能給顧問意見？每次給多少顧問意見？這是非常重要的決定。人工智能能夠幫助系統(tǒng)做出這樣的決定。
而在做出了這種顧問的建議之后，你還要向你的機(jī)構(gòu)客戶或者其他客戶來解釋為什么做這樣的建議。比如，說你建議買400億美元阿根廷比索，為什么提這樣的建議？你要把你的建議解釋好，這樣你的客戶機(jī)構(gòu)才能接受這個建議，解釋是非常重要的。深度學(xué)習(xí)現(xiàn)在很難做到這一點，深度學(xué)習(xí)系統(tǒng)可以做建議，但是很難解釋這樣的建議。另外，你還要判斷是否在告知真相，在提供投資顧問服務(wù)的時候，有的時候你表述的并不是整個真相，因為有的時候顧問僅僅是想說服客戶采取一定的行動，有可能向他們隱藏一部分真相，想他們的決定對自己有利。
這樣我們看看決策的問題。
因為我們剛才講到了顧問的問題是非常有意思的，但是更加有意義的問題是買多少、賣多少。我們可以將之視為一個數(shù)學(xué)問題，首先我們有非常大的動作操作空間，在每一個微秒當(dāng)中你都可以在任何一個市場買賣任何數(shù)量、在任何價位上的金融工具。如果你有能力做一些衍生品合約的話，在每一個微秒當(dāng)中，你能夠自動構(gòu)建衍生品合約的數(shù)量也是無限的，復(fù)雜性也是無限的。所以，可以做什么選擇是無可限量的。
另外，市場上有很多代理人、中間人。在下圍棋的時候只有兩方，但是在投資市場當(dāng)中有數(shù)以百萬計的組成部分。而且投資時間尺度非常之長，無論是個人投資者還是機(jī)構(gòu)投資者，我們可能是希望實現(xiàn)十年的投資回報的最優(yōu)化。而我們又是可以在開展微秒級的交易。所以我們可以做10的14次方次數(shù)的決定，而在下圍棋的時候只要做100-200次決定，這樣時間尺度就比下圍棋和其他決策時間要長。
另外，對于這種動力機(jī)制，我們僅僅知道其中一部分，像圍棋的機(jī)制我們知道的很清楚了，但是像市場和經(jīng)濟(jì)運行我們只知道其中一部分機(jī)制。
而且，數(shù)據(jù)有很多的噪音和雜質(zhì)，圍棋比賽是一目了然的，但是在投資過程中有很多噪聲要過濾掉，我們拿到的很多數(shù)據(jù)是虛假的，可能是人們在推特當(dāng)中發(fā)表的信息，恰恰是為了操縱信息的，假新聞、假數(shù)據(jù)，都是我們要對整個環(huán)境進(jìn)行理解的一部分。
最重要的是，在投資決策當(dāng)中，我們無法直接觀察到很多的部分，雖然我們看到各種各樣的價格，各種各樣的新聞，但是我們不能夠直接的看到實體經(jīng)濟(jì)、政治領(lǐng)導(dǎo)人的心態(tài)，所以大部分影響價格的因素是我們看不到的，我們必須要理解，從整個輸入要素歷史當(dāng)中加以理解，并且理解整個市場和經(jīng)濟(jì)體背后運行的機(jī)制。
我們現(xiàn)在看看時間尺度。
市場中有長期、中期、短期投資顧問，有一些人通過機(jī)器人顧問按年度來做決策。而在另外一個公司，在另外一棟樓里面，另外一個人是按一周或者是一天的投資尺度進(jìn)行投資，比如說日間交易。此外，在另一個公司另一棟樓里面，會有人按分鐘級作出預(yù)測，為今后預(yù)測接下來幾分鐘的價格的走勢。還有一些高頻交易公司，他們的投資決策或者預(yù)測的時間的尺度放到了秒級以及微秒級，所以有很多情況。
在絕大部分情況下，我們都是對于中長期回報感興趣，但是我們希望以不同方式達(dá)到這個目標(biāo)，我們真正希望的是把很多時間尺度決策集成在一起。比如，對于高頻交易系統(tǒng)來說，高頻交易系統(tǒng)指導(dǎo)的原則是近期的迫在眉睫的時間尺度，就是在他們時間尺度當(dāng)中情況變化、環(huán)境變化，對他們的系統(tǒng)在設(shè)計上和用一個月、一年理解情況的系統(tǒng)是不一樣的。也就是說，這樣一個高頻交易的系統(tǒng)，他們是只能判斷他們被訓(xùn)練認(rèn)識的經(jīng)濟(jì)形勢。
這種多種時間尺度的融合和在座各位的情況非常類似，因為我們在座每個人要做的恰恰是這樣一個決策，比如說我們自己決定上大學(xué)，或者送孩子上大學(xué)，這是一個跨越多年的時間尺度的決策；當(dāng)你打字的時候，可能你希望往這個方向打，往那個方向打，這是一個微秒級的決定；然后待會兒去哪吃午飯，是不是開這個會？可能是一周以后的事情，一周的時間尺度的決策。所有這些決策實際上是集成在一起的。手的運動的微秒級的決策是受到你的分鐘級、小時級、周級、月級和年級的時間尺度決策的影響，人類決策就是這樣。
但是這樣一個決策機(jī)制現(xiàn)在并不存在于我們投資決策當(dāng)中，這是我們必須要推動的一個最大的變化。
接下來，還有一些非常有意思的問題：如果系統(tǒng)是按照一年期作出決策的，這樣一個系統(tǒng)對于決策，對于分鐘級和小時級的決策能夠做出什么建議呢？實際上對于這個疑問并沒有什么研究結(jié)果，但是從更高的層級來說，主要是要理解微觀經(jīng)濟(jì)方方面面的要素，通過微觀經(jīng)濟(jì)這些要素來幫助我們解讀高頻交易當(dāng)中秒級的情況的變化和解讀。
接下來，我想談一談市場動力學(xué)當(dāng)中的隱性狀態(tài)。比如說，一家公司的品牌價值，你不可能讓彭勃社來告訴你一家公司品牌價值是多少，有些公司品牌價值需要你自己計算。你要知道他在研發(fā)方面、廣告方面、商譽方面做了多少投資；對于一家制藥企業(yè)他有哪些藥物在研發(fā)，對于一家石油公司你要知道哪些油層；對于物流公司來講，你要知道他要吸引那些客戶。所以我們要通過估計去了解，這是一些隱性狀態(tài)，但是又影響了價格。
剛才我講了市場心理非常重要。比如說大家可以想一想，你要去做一個決定，要不要買通用電器的股票，一旦有了這樣的股票，買入這樣的股票，不到萬不得已，你不會以割肉的方式銷售。所以當(dāng)他面臨一個賣出GE股票決策的時候，他是什么樣的心理狀態(tài)——我們必須要理解。另外，對于所有決策，包括微秒級的決策，不一定是基于最新的數(shù)據(jù)，他是根據(jù)歷史數(shù)據(jù)，以及對于隱性狀態(tài)、方方面面的理解結(jié)合在一起做的決定。
我們來看一下典型的機(jī)器學(xué)習(xí)的決策模式。
從60年代以來已經(jīng)出現(xiàn)了這樣的思路：對于短線的決策很簡單，收集大量數(shù)據(jù)，再看一下歷史上發(fā)生過的情況；上一次危機(jī)是什么，然后我們通過統(tǒng)計學(xué)的正相關(guān)性來做出決策。也就是說，我們把數(shù)據(jù)拿過來，用各種各樣的預(yù)測技術(shù)，無論是深度學(xué)習(xí)還是什么樣的預(yù)測技術(shù)。以前這種叫做合適機(jī)器，還有決策樹，還有回歸法，不管用哪種最流行的方法，你可以用這樣的機(jī)器學(xué)習(xí)方法做預(yù)測，用到你下面做的新案例進(jìn)行決策。但是，當(dāng)你的預(yù)測基于并不容易獲得隱性信息的時候，這個方法就不適用了。
小數(shù)據(jù)會帶來一些問題。
比如，最終達(dá)成了巴黎協(xié)議，是關(guān)于氣侯變化的，而且這個協(xié)議非常強(qiáng)有力，大家都感到很驚喜，很多國家已經(jīng)簽約了。但是在數(shù)據(jù)當(dāng)中，會有多少個“黎氣侯協(xié)議”呢？在機(jī)器學(xué)習(xí)當(dāng)中，這對于價格變化的意義為零，比如說它對價格發(fā)生什么影響？或者有多少類似于英國脫歐和特朗普當(dāng)選的事件對經(jīng)濟(jì)的影響，這個也不容易用到。有多少次巴拿馬運河因為恐怖行動而關(guān)閉？因為之前沒有。你要了解地理、供需、石油等等通過運河的供需，否則你很難做出判斷，不是說用深度學(xué)習(xí)的邏輯在瞬間可以判斷的，必須對全世界有透徹的了解，而且市場的情況在不斷發(fā)生變化。比如說很長一段時間美國的利率基本上是接近零，歐洲也是這個情況。一旦利率發(fā)生變化怎么辦？過去五年當(dāng)中我們訓(xùn)練機(jī)器的時候，利率都是接近零，一旦加息他就適應(yīng)不了了。實際上人類在確保高頻系統(tǒng)的設(shè)定假設(shè)沒有發(fā)生變化，但是一旦關(guān)系發(fā)生變化，他們就會產(chǎn)生災(zāi)難性的失敗的決策。
給大家舉一個例子，這是買書和賣書，這是生物的一個紙質(zhì)書，可能合理的價格是20美元一本，現(xiàn)在有兩個機(jī)器人賣這本書，一個賣1800萬，一個賣2300萬，這就說明的機(jī)器人系統(tǒng)，我們對他進(jìn)行的培訓(xùn)的機(jī)器學(xué)習(xí)系統(tǒng)，他很多東西不理解。另外還有2010年的時候，一個事件，機(jī)器人的失控造成了一萬億美元虧損，這就是市場上的條件發(fā)生了變化，這個變化發(fā)生在0.1秒，這是一只個股交易當(dāng)中出現(xiàn)的問題。經(jīng)常我們看到有一些個股會出現(xiàn)股價瞬間的崩盤，甚至去年10月份英鎊在幾秒鐘之內(nèi)突然兌美元貶值10%，沒有任何人類介入。所以這些自動化算法，不了解一些基本面，一旦出錯會帶來非常大的問題。
同時我們看到機(jī)器學(xué)習(xí)當(dāng)中會有一些缺失信息，或者假的數(shù)據(jù)，假的信息。這樣的話就會使一些算法本身有一些混淆，導(dǎo)致了決策的不正確。你在做決策的時候，機(jī)器的語言處理 如何使用之前不存在的數(shù)據(jù)呢？這些都是需要解決這些問題。
最后我們要看一下一些基本面。有關(guān)于全球基礎(chǔ)的知識，也許此前我們并沒有知道跟機(jī)器語言有什么關(guān)系，但我們發(fā)現(xiàn)基于模型的方法，包括宏觀層面和宏觀層面都有這樣的優(yōu)勢，它們可以做很多的預(yù)測，而且是基于零數(shù)據(jù)或者是很少的數(shù)據(jù)就可以作出預(yù)測。但是他們非常昂貴，不會找一些剛畢業(yè)的學(xué)生，因為他們都不了解這種機(jī)器，必須要雇傭那些了解市場、了解很多歷史知識，而且了解怎么樣使用數(shù)據(jù)的學(xué)生，或者是畢業(yè)生。另外，要看一下你如何控制這種變化，而且對于任何一個投資公司來說，只有有這樣的人，你才能用它管理巨額的資產(chǎn)。
另外還有一種趨勢，在個人理財當(dāng)中經(jīng)常會發(fā)生的一些事情，很多個人也需要理財建議，不光是大公司，不光是買賣股票。另外，就是如何去買一個咖啡或者是付我孩子的學(xué)費，如何找一個更好的房子來投資，這些都是個人需要的建議，現(xiàn)在銀行無法提供這些信息。因為如果要把所有建議提供給普通大眾，成本太高了。但是現(xiàn)在人工智能就可以填補(bǔ)這個空白，不光是可以分析一些重要的股票，而且最基本的一些個人的財務(wù)狀況也可以進(jìn)行分析，從而給他們進(jìn)行一些個人化的理財建議。
另外，從技術(shù)角度來說，這種深度學(xué)習(xí)與模型式的算法，都在相互不斷地結(jié)合來使用人工智能，以讓我們建立越來越多的復(fù)雜的模型，而能夠基于真正的環(huán)境和真正的知識幫助人們做出更好的投資決策。對于未來投資的人工智能的應(yīng)用，就可以產(chǎn)生更高質(zhì)量的決策，而且是惠及所有人，降低成本，提高質(zhì)量。
人工智能將在投資中的決策日益重要，我認(rèn)為重要的是這個決策不光是在不同的時間序列，而是在整個不同的時間空間當(dāng)中都能進(jìn)行決策。不只是市場的趨勢，隱性狀態(tài)和動態(tài)都是非常重要的，而且在這樣的情況下將更加準(zhǔn)確。比如，沃倫巴非特進(jìn)行決策的時候，他要了解一個公司的基本面，以及經(jīng)濟(jì)的基本面，包括政治因素。沃倫巴非特在投資方面是非常成功，我們是不是可以建立一個基于沃倫巴非特這樣方法投資的機(jī)器呢？
最后，在投資顧問方面，我們?nèi)祟悓⒃诤荛L時間內(nèi)仍然發(fā)揮重要角色，不可能在短期被人工智能取代，但是人工智能可能提供一個非常好的工具，只是還是需要人類提供指導(dǎo)，包括了解我們的基礎(chǔ)，經(jīng)濟(jì)的基本面結(jié)構(gòu)，以及對于模型進(jìn)行一些升級。所以在不同的時間序列方面都是需要人的干預(yù)。
后記：人工智能的本質(zhì)并非類腦計算，這在雷鋒網(wǎng)此前的報道中也有詳細(xì)講述。只是，如今大部分人對人工智能本身以及應(yīng)用的認(rèn)識都存在一定偏差，據(jù)雷鋒網(wǎng)現(xiàn)場了解，包括智能投顧的最大需求方——券商的領(lǐng)導(dǎo)們。因此，對于人工智能，我們還需以理性的態(tài)度來做更加全面的了解。
搜索ID：aijinrongpinglun，或者掃以下二維碼快速關(guān)注【AI金融評論】，回復(fù)“羅素”可獲取Stuart Russell教授演講中文版PPT。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
