粉丝2468获赞8122


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。



