炒股,機器人都比你強?
        2023-07-04 08:08:22    騰訊網

        這兩天,中國國際交流中心副理事長朱民在2023夏季達沃斯論壇上說,“炒股炒不過機器人是很正常的”。

        基金經理,算得上金融行業金字塔尖的工種之一,這活要也能被A“肝”掉了,那金融人是不是更得戰戰兢兢?

        說實話,人工智能在金融領域的應用根本不是新話題。我記得早在2004年,剛進McGill大學念金融博士那個古早年代,我師兄就在研究量化,我室友是計算機系的,他們實驗室就在替摩根斯坦利做神經網絡的交易策略。


        (相關資料圖)

        這些年被頻繁熱炒的高頻交易、量化交易、智能投顧,都是AI在金融領域的應用——畢竟,金融是最早有“大數據”,還有雄厚資金實力做研發的行業。

        前兩天跟一個資深的大牛程序員聊天,他也直言,目前國內最有希望做大模型的,一個是做云的團隊,一個就是搞科技金融的團隊——這種底層技術的研發,是真正考驗實力,包括技術能力、資金實力和人員、數據儲備的。

        但朱民老師的話倒也不是空穴來風。

        今年3月ChatGPT4.0版本的大火其實意味著,人工智能進入了一個“通用”時代——

        所謂“通用”,我的理解是,更接近人類那種“多線程交互”的思考模式,會在海量信息中主動尋求內在邏輯,進行推演,得到結論。某種意義上,這讓“人工智能”向“人”的方向邁進了一大步。

        但是,這種人工智能和我們所理解的“人”不一樣的地方在于:

        第一,它(他?她?)的信息儲存量、搜尋和計算速度,都和我們差異巨大——可以說得上是天壤之別。

        第二,人類的成長和認知進化是基于“清零”這個模式的——所有嬰兒出生都需要從頭開始學起。盡管我們知道人類社會的知識是累積的,但對個體而言,都是從零開始——能實現長期線性增長都極其了不起。

        但AI不是,所有AI的知識累積幾乎可以100%在上一代的基礎上迭代——這是真正意義上的“幾何級數增長”。

        我們都聽過那個國王與麥粒的故事,古印度國王要獎賞象棋發明者達依爾,達依爾要求以指數方式在棋盤上放麥粒:第一格一粒,后面每格雙倍。國王覺得要求很簡單,但是操作以后發現,到了棋盤的最后一格,就算把全國的糧食都拿出來還不夠,這樣的幾何級數增長的力量是驚人的。

        更讓人驚懼的是,“知識”是具有外溢性的,會創造出很多“巨大數量”之外的變化。舉個簡單例子,2020年,麻省理工學院宣布發現了一種新的抗生素,叫Halicin,就是通過用數據訓練AI找到的。這種抗生素能殺死對現有的抗生素已經產生耐藥性的細菌,還不會讓細菌產生耐藥性。當時,研究人員只是提出了具體的目標,然后把已有數據訓練AI,AI就自己總結了一套"什么樣的分子能抗菌"的規律,并在海量的數據中自行匹配找到目標,而這個規律甚至連科研人員也搞不明白。

        這個邏輯也是未來很多垂直領域AI的發展方向——

        比如說2023年,彭博社(Bloomberg)發布了專門為金融領域打造的大型語言模型(LLM)——BloombergGPT

        彭博社是全球最大的財經資訊公司,在公司成立的40年的時間里,收集了海量的金融市場數據,擁有廣泛的金融數據檔案,涵蓋一系列的主題。使用彭博社公司數據終端的客戶遍布全球,包括交易員、投行、美聯儲、美國其他官方機構以及全球各大央行等。

        八卦一句,彭博社的老板Michael Bloomberg,是著名的億萬富翁,前紐約市長,在2018年還曾高調宣布要參與2020年的總統競選——

        你也可以看出,金融數據本身就是巨大的財富源泉。

        現在彭博社據說已經開發了擁有500億參數的語言模型BloombergGPT。

        按照ChatGPT目前的用途,我們可以大致推演一下BloombergeGPT具體能做什么:

        金融新聞報道:可以生成高質量的金融新聞報道,提供即時的市場分析和評論。

        客戶服務與智能助手:用于客戶服務和智能助手,回答用戶的金融問題。

        金融研究與分析,同時作出相關投資決策。

        前兩點大家都沒有異議。但關于第三點引發了很多討論——

        有些人認為,BloombergGPT不僅可以幫助我們做金融決策,甚至他們的投資決策比我們人類更好。

        朱民老師那句“炒股超不過機器人”大概就是這個思路下的產物——

        想想也是啊,絕大部分金融分析師不就是研究歷史數據,挖掘規律,做出預測么?

        那現在BloombergGPT擁有幾乎所有上市企業的歷史財務數據、股價波動數據,甚至還能隨時提取媒體中的輿論數據來判斷市場的情緒——而且這些計算都可以在極短時間內完成,那它快速形成對一個市場的綜合判斷,也確實不是問題啊,而且還能糾正人類在面對大量數據時可能存在信息過載和主觀偏見的問題。

        所以,從數據處理的角度來看,BloombergGPT在金融投資決策方面比人強多了。讓AI來代替我們炒股,確實應該好得多。

        但是,別忘了關于金融市場有一個著名的笑話。

        曾經有人試過,讓幾個著名金融分析師和幾個大猩猩選股(大猩猩就隨機扔飛鏢),結果發現雙方打個平手——誰也沒有比誰強。

        這意味著什么?金融是一個關于未來、關于預期的行業,所謂“用歷史數據做預測”并不是使用歷史數據做預測,而是用歷史數據中的信息來幫助自己做判斷——

        換句話說,投資決策在很大程度上,不是算術,而是藝術。

        這不是說算法、模型、算力不要緊,而是說,它們不能BEAT(打敗)真正的頂尖投資高手,因為高手之所以成為高手,是因為那些“不可編碼”的直覺,靈感,甚至勇氣,也就是那些蘊藏在復雜的神經元之間,但尚未被具象成文字、圖片、公式的人類知識(或者說,未來人類知識)。

        所以,AI炒股比人強,這句話本質上是個偽命題。

        “人”是一個抽象概念,張三李四王五麻子,都是人。

        即使沒有AI,散戶炒股賠錢的概率也比賺錢的概率大得多,全世界皆然。這也是為什么“專業理財機構”興起的背景所在。

        但AI確實會沖擊到現有的專業理財機構——機構也是個抽象概念,由形形色色的人組成。截止今天AI發展的方向、速度來看,它會有兩個結果:消滅與分化。

        一方面,很多專業機構的基礎崗位(尤其是信息檢索、整理和基礎分析類的)確實會被替代——但凡“可編碼”的工作,以AI這種“幾何級數”的成長速度,都會陸續被干掉。

        但另一方面,它們會賦能頂尖高手,就像給天才裝上“千里眼,順風耳”一樣,拓展她(他)們的能力邊界。

        所以我看到的金融行業的未來,包括基金經理們的未來,是一個絕對分化的世界,頂尖機構和頂尖人才得以管理更多資產,取得更高收益,而更多的業內人,可能也會在一波接一波的“存量博弈”中優勝劣汰,潮生潮落而去。

        關鍵詞: