Re: [新聞] 市場借AI東風 AlphaGo能否顛覆投資領域?
小弟A夢對這題材有點研究
先講講目前全球跟台灣投資界對「電腦」的使用
再講講我認為"deep learning"對市場的可能影響
(感謝指正deep mind是公司名字啦XD 應該叫deep learning)
目前業界使用的實際上只是低端AI
而是藉由電腦對資料處理的快速、準確跟處理量優勢對抗人類
實際上背後的操作邏輯還是人類思維
這種其實應該都只能算quant、勉強叫AI
距離deep learning是LP比雞腿一般的遠
先從最基本的CTA來說
其實它就是過去我們讀過海龜、聖盃等等
這群技術交易者發展出來的交易模式
設定好進出場訊號再加上資金控管
透過電腦去進行多市場交易
這幾年市場波動降低CTA吃了不少苦頭
不過去年中開始回神
今年到現在還稱霸基金績效
但因為這種做法還是有其操作邏輯
所以day trade交易員很喜歡去打它的關鍵進出場點吃豆腐
像內文中提到有人認為市場閃崩
就是因為CTA系統們同時被戳到G點一起追高殺低造成的
CTA背後的人也要透過資金管理跟不斷修正去避免被掃
所以實際上是人與人的戰鬥
電腦只是工具
說到國際投資界除了Simons的神秘大獎章之外
(神秘的意思就是我也不知道他們是怎麼使用數學跟電腦的)
其實還有很多知名基金都有使用quant
像最大的Bridgewater基金都是做pure alpha
就是透過量化去進行多市場加上期權操作
來分散風險形成beta = 0的中性投組
比較一般的就是data driven做法
類似說PMI、非農就業或FOMC會議報告一出來
電腦會透過預設的條件判斷數字跟關鍵字
所以報告一出來通常都會尻一根
但尻完之後人工解讀出來或後面記者會多講了什麼屁話
又被人工盤倒打回去也很常有
這也是歐美盤常直上直下的原因
(跟台灣這種固定時間亂尻的狀況不大一樣)
這更low就不多說
扣除掉這些
另一間大家可能比較沒聽過叫Two Sigma績效也非常驚人
它有意思的地方就是除了市場資訊過濾之外
也會對sell side研究員進行調查
每月/季會發個問卷給研究員填一些產業跟個股想法的資料
再透過這些big data去進行操作
當研究員開開心心領著問卷補助金亂填時
人家已經有辦法篩掉outlier擊敗市場了
Two Sigma應該算是當前最接近AI的量化基金了
回到國內 先對國內努力做quant的人說聲抱歉
因為我一段時間沒follow了
所以是幾年前印象
或許跟現在狀況不符
除了上面提到的做法之外
台灣quant出發點大多都是多因子模型
用一些營收、獲利或其他資訊去篩選投資標的
績效可想而知不如台灣專業炒股團隊
因此早些年quant team都是成立又解散一直來回的狀況
講句難聽的
台灣慣老闆也不肯付高薪找人才把這塊做大
績效不好就解散 現在看到國外在夯又撿幾個博士來用
洗洗睡比較快
看到這邊大概很清楚
當前的quant跟電腦使用其實跟deep mind差很大
deep learning厲害之處是可以對行為模式分析、學習
再透過brute force窮舉可能結果
舉個例子來說
未來deep learning的AI應該可以做到
判斷當時買進的方式是拉高出貨、還是想鎖漲停亦或是籌碼買進
再透過這樣的判斷去進行順向/反向操作獲利
在台灣甚至可以加上籌碼分點針對不同主力習慣來做差異
只是現在deep learning建構資金龐大且技術鎖在特定公司/學校
而他們還在為人類未來做努力
還沒想到或還在實驗階段剛小規模進入市場
deep learning未來勢必將加速市場淘汰
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 111.241.63.9
※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1457746649.A.9C3.html
→
03/12 09:38, , 1F
03/12 09:38, 1F
推
03/12 09:45, , 2F
03/12 09:45, 2F
推
03/12 09:52, , 3F
03/12 09:52, 3F
→
03/12 09:52, , 4F
03/12 09:52, 4F
推
03/12 09:54, , 5F
03/12 09:54, 5F
→
03/12 09:54, , 6F
03/12 09:54, 6F
推
03/12 09:55, , 7F
03/12 09:55, 7F
→
03/12 09:55, , 8F
03/12 09:55, 8F
→
03/12 09:56, , 9F
03/12 09:56, 9F
→
03/12 09:56, , 10F
03/12 09:56, 10F
推
03/12 09:58, , 11F
03/12 09:58, 11F
推
03/12 09:59, , 12F
03/12 09:59, 12F
推
03/12 10:05, , 13F
03/12 10:05, 13F
推
03/12 10:12, , 14F
03/12 10:12, 14F
推
03/12 10:21, , 15F
03/12 10:21, 15F
推
03/12 10:29, , 16F
03/12 10:29, 16F
→
03/12 10:30, , 17F
03/12 10:30, 17F
→
03/12 10:31, , 18F
03/12 10:31, 18F
→
03/12 10:32, , 19F
03/12 10:32, 19F
→
03/12 10:37, , 20F
03/12 10:37, 20F
→
03/12 10:37, , 21F
03/12 10:37, 21F
推
03/12 10:42, , 22F
03/12 10:42, 22F
這部分定義跟爭議很多
基本上我的解讀過去br是被當成一個algorithm (演算法)
但在deep learning裡它變成是solution (工具)
→
03/12 10:45, , 23F
03/12 10:45, 23F
→
03/12 11:45, , 24F
03/12 11:45, 24F
→
03/12 11:46, , 25F
03/12 11:46, 25F
推
03/12 11:58, , 26F
03/12 11:58, 26F
推
03/12 12:09, , 27F
03/12 12:09, 27F
→
03/12 12:10, , 28F
03/12 12:10, 28F
→
03/12 12:10, , 29F
03/12 12:10, 29F
→
03/12 12:12, , 30F
03/12 12:12, 30F
→
03/12 12:12, , 31F
03/12 12:12, 31F
換個例子來解釋真殺或假殺的問題
這其實很像打德州撲克時分辨bluffing與否
對手總會試圖透過牌面機率、籌碼分配、經驗、動作等行為去猜測你的bluffing
而行為分析就是deep learning AI在做的事
另一個有趣的例子是MIT一位研究員做了一隻Trump AI
它透過分析過去Trump說過的話
已經可以自己在twitter上發表言(ㄈㄟ\)論(ㄨㄣ/)了
https://twitter.com/deepdrumpf
在我看來它的發言已經是藝術了XD
交易是藝術或科學留給其他大師來討論
重點是只要有行為模式
都是可能被攻破的
這原本就是技術分析交易者跟部份籌碼交易者賴以為生的工具
只是看未來deep learning AI能不能做得更好而已
※ 編輯: Iknow (111.241.63.9), 03/12/2016 13:48:16
推
03/12 15:32, , 32F
03/12 15:32, 32F
→
03/12 15:32, , 33F
03/12 15:32, 33F
→
03/12 15:32, , 34F
03/12 15:32, 34F
推
03/12 15:38, , 35F
03/12 15:38, 35F
→
03/12 15:39, , 36F
03/12 15:39, 36F
→
03/12 16:04, , 37F
03/12 16:04, 37F
→
03/12 16:05, , 38F
03/12 16:05, 38F
→
03/12 16:05, , 39F
03/12 16:05, 39F
推
03/12 19:15, , 40F
03/12 19:15, 40F
→
03/12 19:15, , 41F
03/12 19:15, 41F
→
03/12 19:17, , 42F
03/12 19:17, 42F
→
03/12 19:17, , 43F
03/12 19:17, 43F
推
03/12 19:23, , 44F
03/12 19:23, 44F
→
03/12 19:24, , 45F
03/12 19:24, 45F
→
03/12 19:25, , 46F
03/12 19:25, 46F
→
03/12 19:25, , 47F
03/12 19:25, 47F
→
03/12 19:25, , 48F
03/12 19:25, 48F
推
03/12 19:30, , 49F
03/12 19:30, 49F
→
03/12 19:30, , 50F
03/12 19:30, 50F
→
03/12 19:48, , 51F
03/12 19:48, 51F
→
03/12 19:48, , 52F
03/12 19:48, 52F
→
03/12 20:31, , 53F
03/12 20:31, 53F
→
03/12 20:31, , 54F
03/12 20:31, 54F
推
03/12 21:03, , 55F
03/12 21:03, 55F
→
03/12 21:03, , 56F
03/12 21:03, 56F
→
03/12 21:04, , 57F
03/12 21:04, 57F
推
03/12 21:06, , 58F
03/12 21:06, 58F
→
03/12 21:07, , 59F
03/12 21:07, 59F
推
03/12 21:10, , 60F
03/12 21:10, 60F
推
03/12 22:01, , 61F
03/12 22:01, 61F
推
03/12 23:15, , 62F
03/12 23:15, 62F
→
03/12 23:15, , 63F
03/12 23:15, 63F
推
03/12 23:17, , 64F
03/12 23:17, 64F
→
03/13 00:00, , 65F
03/13 00:00, 65F
推
03/13 10:32, , 66F
03/13 10:32, 66F
→
03/13 10:33, , 67F
03/13 10:33, 67F
推
03/13 23:18, , 68F
03/13 23:18, 68F
→
03/13 23:19, , 69F
03/13 23:19, 69F
噓
03/14 08:53, , 70F
03/14 08:53, 70F
→
03/14 08:53, , 71F
03/14 08:53, 71F
→
03/14 08:53, , 72F
03/14 08:53, 72F
→
03/14 08:53, , 73F
03/14 08:53, 73F
討論串 (同標題文章)
完整討論串 (本文為第 2 之 2 篇):