booktoon怎么改中文

嘿，大家好，今天咱们来聊一个正在悄悄改变整个金融世界游戏规则的东西，人工智能，你可能觉得这东西离我们很远，但其实啊，它已经是一股真真切切影响着我们每一个人钱包的强大力量了。 这么说吧，就在咱们说话的这会功夫，一个 ai 系统可能已经分析完了上百万篇新闻，然后刷的一下完成了一笔交易。你没听错，这就是我们今天要聊的速度和规模，是不是有点吓人？ 好，那我们今天的路线图是这样的，咱们先去看看华尔街的新大脑到底是个啥，然后呢，会揭秘一下 ai 到底是怎么预测价格，怎么读懂市场情绪的。接着我们还会打开 ai 投资者的工具箱，看看里头都有什么神兵利器，当然也得聊聊那些看不见的风险和黑箱。 最后嘛，咱们一起唱响一下金融的未来。好了，我们就是进入第一部分华尔街的新大脑。你可以想象一下那个画面，以前的交易所都是人挤人，大声喊叫着交易，现在呢，早就不是那样了，现在是芯片和代码之间以毫秒为单位的对决， 这中间到底发生了什么变化？我们来看看。首先我得告诉你一个可能让你有点惊讶的事实，今天在金融市场上，绝大部分的交易已经不是由我们人类亲手完成的了。没错，是算法，特别是那些能自己学习的 ai 算法在主导着全球资金的流动。 这张时间线就特别清楚的告诉我们，这一切是怎么一步步发展过来的。最早在一九零零年，旧人开始尝试用数学来理解市场的随机性，到了七十年代，我们有了更厉害的工具，就是那个给期权定价的著名公式。 再往后，从八十年代开始，交易就慢慢的从交易所现场搬到了电脑上，变成了基于规则的算法交易。而现在二零二零年代，我们已经进入了一个全新的时代， ai 时代，这里的机器已经不是执行命令了，它们能自己学习，自己净化。 好看完了历史，咱们现在来看点更刺激的。第二部分，用 ai 预测价格。你可以把这个过程想象成一场模型烘焙大赛，看看哪种 ai 用的配方能考出最精准的预测大纲。 那么问题就来了，对吧？我们到底要怎么做，才能教会一台机器去预测一只股票未来的走势呢？ 这第一步啊，说白了就是为数据，给它为海量的数据。你看这张图， ai 模型就是在这些数据里寻找规律，比如开盘价和收盘价之间有什么关系？ 你再仔细看，这些数据点几乎连成了一条完美的直线，这就说明它们俩的关系非常非常强，而这就是 ai 预测的起点。 好了，那咱们烘焙大赛的选手们就上场了。左边呢，是传统派选手，比如宪信回归，他就像个拿着尺子画画的小孩，总想用一条直线去解释所有事情，简单是简单，但市场哪有那么简单。 右边呢，就是更聪明的鸡去学习选手了，比如随机森林，他就像一个专家委员会，大家投票决定。还有一个更厉害的叫 lstm， 这家伙有记忆，能记住过去发生了什么，所以他能理解更复杂的模式。 那么比赛结果怎么样呢？咱们用一个叫 r 平方的分数来评判，你只要记住这个分数，越接近一就越厉害。你看，宪信回归，拿了零点七二分，还行，随机森林不错，零点八七分。但是真正的冠军是那个有记忆的 l s t m 模型，他拿到了惊人的零点九二分。 这张图就更直观了，简直是一目了然。橙色这条线是股票的真实价格，绿色这条虚线呢，是 lstm 模型的预测，你看看，它们俩几乎是完美的贴合在一起， 这就是零点九二的准确度，它几乎是实时精准地抓住了每一次价格的波动。 那么这个聪明的模型，他到底学到了什么秘诀呢？这张图就告诉了我们答案，在分析了所有因素之后，他发现最重要的那个预测指标，你猜是什么？居然是昨天的收盘价，他的重要性占了差不多一半。这其实也印证了一句老话，市场是有惯性的。 好，咱们刚才聊的都是冷冰冰的数字，但市场不光有数字，还有情绪，对吧？就是我们常说的贪婪和恐惧。那么 ai 能读懂这些复杂的人类情绪吗？这就是我们第三部分要探讨的， 这里头最核心的技术就叫做情感分析。说白了就是让 i a 去读懂文字背后的情绪，他会判断一道话到底是积极的、悲观的，又或者是中性的。 那 ai 从哪去听这些情绪呢？嗯，他的信息来源可就广了，从主流新闻到社交媒体上大家的讨论，再到非常专业的公司财报和官方文件，所有这些带文字的东西，他都会去读，去分析。 这个过程听起来很复杂，但其实可以拆分成这么四步，第一步就是海量地收集文本，越多越好。第二步，给这些文本做个大扫除，把那些没啥用的词去掉。第三步也是最关键的一步，判断情感，给每段话打上积极、消极或者中性的标签。 最后一步，把这些情感分数转化成具体的买卖信号。好啦，那我们现在就打开 ai 投注者的工具箱，看看里头都有什么神兵利器，或者说它主要有哪几种学习的方法。 这张表总结的特别好，基本上就是三种主流的学习方法。第一种叫监督学习，就像有个老师拿着标准答案叫他，你给他带标签的数据，他就学会了怎么去预测股价。 第二种叫无监督学习，他更像个侦探，你什么都不告诉他，就给他一堆数据，他自己去里面找规律，比如发现市场好像要变天了。 最后一种是强化学习，这个最好理解，就像训练宠物，做对了就给奖励，做错了就没奖励， ai 通过不断试错，自己摸索出最好的交易策略。 当然了， ai 也不是万能的神，它也有自己的问题，所以咱们接下来就要聊聊它的风险，也就是所谓的黑箱和盲点。 有一份研究里的一句话，我觉得说的特别到位，它说像咱们前面提到的 lstm 这种高级模型，它就像一个黑箱，我们知道它做出了决策，但很难搞清楚它为什么会这么做，这就很麻烦了，对吧？当一个你完全不了解的东西在帮你管钱的时候，你心里能踏实吗？ 具体来说，挑战主要有这么几个，第一个就是黑箱问题，我们不知道他为什么这么做。第二个就是数据隐私，要训练 ai， 就 需要海量的敏感数据，这些数据怎么保护？ 第三个是语言的微妙之处，比如说有人在网上说一句反话，哇，这财报真是太漂亮了， ai 可能就当真了，这就可能导致误判。最后呢，就是算法偏见，如果 ai 学习的历史数据本身就有问题，那他只会把这些问题放大。 聊这么多，那我们最后再往远看一看，金融的未来，地平线上正在发生什么新的变化呢？ 未来的趋势啊，真的非常让人兴奋。首先， ai 的 感官会变得更丰富，他以后不光是读文字，他还要听财报会议的录音，甚至看发布会的视频，进行全方位的分析。其次，一切都会是实时的， 信息出来的瞬间分析结果就有了。最后，模型本身会越来越聪明，它们能像我们人一样，真正理解上下文，读懂话里话外的意思。 所以最后，我想留给大家一个问题，一个挺值得我们深思的问题，如果一个 ai， 它没有我们人类的贪婪，也没有恐惧，它会终终征服整个市场吗？ 这个问题答案可能就在不远的未来。好了，这次的分享就到这里，感谢大家。