從圍棋到量化投資，不懂金融的DeltaGrad跑贏95%基金經(jīng)理人

“我們發(fā)明了能跑贏95%股票型基金的AI經(jīng)理人”，4月18日人工智能公司DeltaGrad首次向外界展示其研究實踐成果：

數(shù)據(jù)顯示，DeltaGrad自2017年11月以來，以自有資金進行A股的量化投資，截至2018年12月，錄得交易累計業(yè)績?yōu)椋?strong>收益率6.19%；同期上證指數(shù)下跌30.10%，深證指數(shù)下跌41.18%，創(chuàng)業(yè)板指數(shù)下跌38.58%——DeltaGrad全面跑贏大盤。此外，結合私募排排網(wǎng)、東方財富Choice等公開數(shù)據(jù)比對，DeltaGrad投資收益率超越了同期市場上95%的股票型基金。

DeltaGrad創(chuàng)始人龐然在接受億歐金融采訪時透露，DeltaGrad將于2019年正式開始對外商業(yè)化運作，專注人工智能應用于股票及期貨市場的投資策略輸出。

從計算機圍棋到量化投資

“DeltaGrad是目前國內(nèi)較早的把AlphaGo技術應用在金融投資領域的人工智能公司?！?/strong>

在這句開場白后，“AlphaGo”幾乎成為整個采訪過程中被提及頻率最高的一個詞。

2016年3月15日，李世石以1:4的比分慘敗人工智能AlphaGo，這次事件可以理解為人工智能領域的里程碑，人們終于找到了賦予機器直覺能力的關鍵。龐然解釋，傳統(tǒng)想用“窮盡”的方法，將人類下圍棋的邏輯梳理成策略算法是不可能的，因為圍棋中的可能性堪比宇宙中所有的原子總和。而AlphaGo的成功則說明，用深度學習網(wǎng)絡的算法，機器已經(jīng)一定程度上擁有了“直覺”。

此后，只用到了一臺機器和4個TPU，經(jīng)過幾天的訓練，AlphaGo Zero以100：0擊敗了AlphaGo。這是神經(jīng)網(wǎng)絡算法的又一次提升，甚至不需要人類提供棋譜數(shù)據(jù)，AlphaGo Zero從單一神經(jīng)網(wǎng)絡開始，通過神經(jīng)網(wǎng)絡強大的搜索算法，在自我對弈中實現(xiàn)了迭代學習。

受AlphaGo的啟發(fā)，龐然帶領從未涉足過二級市場的團隊開啟了神經(jīng)網(wǎng)絡技術賦能金融投資的探索。也許DeltaGrad團隊并不懂量化投資，但他們所訓練出來的股票機器人卻懂，神經(jīng)網(wǎng)絡就像一個黑盒，人們也許并不理解“機器人是怎么思考”的，只能等待時間來證明它們“思考”結果的對錯。

什么是神經(jīng)網(wǎng)絡

龐然表示：“我們不止在訓練機器的理性思考能力，通過數(shù)據(jù)的不斷升級與神經(jīng)網(wǎng)絡的優(yōu)化，我們也在逐步訓練讓機器擁有自主的直覺思考能力。”

通俗來講，神經(jīng)網(wǎng)絡就是一個可升級的簡易人腦。第一次給神經(jīng)網(wǎng)絡輸入一個信息時，神經(jīng)網(wǎng)絡里只有部分的神經(jīng)元被激活或者被激勵，被激活的神經(jīng)元傳遞下去的信息是計算機最為重視或被認為最有價值的信息，如果輸出結果是錯誤的，經(jīng)過誤差反向傳遞對所有神經(jīng)元參數(shù)進行調(diào)整，使得所有神經(jīng)元的參數(shù)變得對真正重要的信息特征更加敏感，經(jīng)過大量的信息訓練，被改動的參數(shù)就能漸漸預測出正確的答案。每一次錯誤預測的反向回饋，都會使這個神經(jīng)網(wǎng)絡進化得更加聰明一點，信息的維度越豐富，訓練的數(shù)據(jù)量越大，輸出的結果就越精確。

目前，DeltaGrad已經(jīng)研發(fā)出10個神經(jīng)網(wǎng)絡結構模型。每一個模型機器人，對應著一種神經(jīng)網(wǎng)絡結構和數(shù)據(jù)的組合，DeltaGrad通過各種股票數(shù)據(jù)去刺激這些機器大腦，以激發(fā)它們股票投資領域天賦。因此，每個機器人會從不同視角，同時審視相同的股票、板塊和指數(shù)，得出更加多維的預測。一個DeltaGrad的股票機器人，足以完成多個基金經(jīng)理的業(yè)務角色，可以對股票市場的數(shù)據(jù)分析并生成策略。

領先1年等于領先120萬年

在采訪中，DeltaGrad透露，目前正在籌備搭建世界第一個供機器人自主進化的虛擬交易市場，以龐大“數(shù)據(jù)”為核心。不依托人類現(xiàn)有市場交易數(shù)據(jù)，通過機器人交易自博弈來推演出更多交易數(shù)據(jù)。從而產(chǎn)生海量交易的數(shù)據(jù)，幫助機器實現(xiàn)更快的自主進化。每個DeltaGrad股票機器人能產(chǎn)生70萬-120萬的策略數(shù)，每個策略表示一種使用機器人預測能力的操盤方法，每一個策略對應一個回測過的風險收益數(shù)值。當前已經(jīng)完成的10個機器人共能產(chǎn)生1000萬+的策略數(shù)，每天機器組合的調(diào)倉、增加備選股票，都依據(jù)這些策略數(shù)值進行。平均一年時間就可以推演出上海證券交易120萬年交易數(shù)據(jù)。

未來DeltaGrad也會向市場開放同樣的策略開發(fā)平臺，不僅能夠用歷史30年的數(shù)據(jù)供策略設計者進行回測，還能用DeltaGrad私有的虛擬市場交易數(shù)據(jù)進行回測。

“黑天鵝”事件又該如何抵御？

對此，龐然為億歐金融表示：AI經(jīng)理人和人類基金經(jīng)理人最大的一個區(qū)別就在于，人類基金經(jīng)理人精力有限，只能關注幾只、幾十只股票，而AI經(jīng)理人所關注的股票可以達到上千只，當風險足夠分散的時候，單只股票的波動影響已經(jīng)可以控制在可接受的范圍內(nèi)，不會影響總體的收益率。

此外，盡管AI自我博弈能夠產(chǎn)生龐大的數(shù)據(jù)量，但這些數(shù)據(jù)是否能夠覆蓋足夠的維度？人們又如何能夠被說服，去信任自己所無法理解的機器做出來的決策呢？

這兩個問題，也許只有時間能給出答案。

銀行與金融科技融合的理想境界是什么？是銀行即服務。

2019年6月14日，億歐智庫研究院將在“2019丨全球新經(jīng)濟年會·金融科技峰會”上發(fā)布《2019開放銀行與金融科技發(fā)展研究報告》，深度解讀金融科技賦能開放銀行的融合與落地應用——上?！ず鐦颉な蕾Q(mào)展館邀您見證！搶票鏈接：https://www.iyiou.com/post/ad/id/792