Re: [新聞] 市場借AI東風 AlphaGo能否顛覆投資領域?

看板Stock作者 ( )時間8年前 (2016/03/12 09:37), 8年前編輯推噓25(26推 1噓 46→)
留言73則, 23人參與, 最新討論串2/2 (看更多)
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
至於高頻交易...又可以再寫一篇惹...以後再說吧....
03/12 09:38, 1F
推
03/12 09:45, , 2F
好屌
03/12 09:45, 2F
推
03/12 09:52, , 3F
之前跟 two sigma聊一下 他們還有實驗室放robot 太
03/12 09:52, 3F
→
03/12 09:52, , 4F
棒了
03/12 09:52, 4F
推
03/12 09:54, , 5F
台灣中小型股公司派不知道會不會允許這類的交易運作
03/12 09:54, 5F
→
03/12 09:54, , 6F
還是請主力殺爆這些程式
03/12 09:54, 6F
推
03/12 09:55, , 7F
讚
03/12 09:55, 7F
→
03/12 09:55, , 8F
資金規模也是一個問題　台灣主力$$多
03/12 09:55, 8F
→
03/12 09:56, , 9F
但deep mind重點就是它可以判斷你是真殺還假殺
03/12 09:56, 9F
→
03/12 09:56, , 10F
順勢吃吃豆腐應該是不成問題　很多交易者也都這樣做
03/12 09:56, 10F
推
03/12 09:58, , 11F
喔喔 這樣想也是 跟風就是了
03/12 09:58, 11F
推
03/12 09:59, , 12F
推～
03/12 09:59, 12F
推
03/12 10:05, , 13F
期待高頻交易的文
03/12 10:05, 13F
推
03/12 10:12, , 14F
推個
03/12 10:12, 14F
推
03/12 10:21, , 15F
推
03/12 10:21, 15F
推
03/12 10:29, , 16F
deep mind是google收購的英國公司, deep learning才
03/12 10:29, 16F
→
03/12 10:30, , 17F
是這幾年炒紅的AI機器學習
03/12 10:30, 17F
→
03/12 10:31, , 18F
deep learning的方法, 不是brute force, 只是大量學
03/12 10:31, 18F
→
03/12 10:32, , 19F
習, 要用窮舉法來跑的話, AI就失去他的價值了
03/12 10:32, 19F
→
03/12 10:37, , 20F
被新聞弄到寫錯　deep learning是類神經啦
03/12 10:37, 20F
→
03/12 10:37, , 21F
但還是有部份會用到BR的概念
03/12 10:37, 21F
推
03/12 10:42, , 22F
是基於蒙地卡羅演算法的類神經網路 跟br沒啥關係吧
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
看起來 國外是在玩big data 國內還停在多因子? XD
03/12 10:45, 23F
→
03/12 11:45, , 24F
反正就是 有資料從裡面萃取出演算法就是了~
03/12 11:45, 24F
→
03/12 11:46, , 25F
類神經你很難去說明為什麼演算法是這樣算的
03/12 11:46, 25F
推
03/12 11:58, , 26F
太強大了 已跪
03/12 11:58, 26F
推
03/12 12:09, , 27F
重點是真殺還假殺,這件事情並沒有所謂的標準
03/12 12:09, 27F
→
03/12 12:10, , 28F
跟圍棋不同的是,交易是藝術而非科學
03/12 12:10, 28F
→
03/12 12:10, , 29F
非科學的東西是目前AI最難突破的點
03/12 12:10, 29F
→
03/12 12:12, , 30F
目前比較可行的作法大多是利用big data的即時分析,
03/12 12:12, 30F
→
03/12 12:12, , 31F
去作當下的判斷而已.
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
當ai可以判斷真漲還是騙線時 就會有新的ai專門在做
03/12 15:32, 32F
→
03/12 15:32, , 33F
線欺騙ai 最後還是一樣 就像病毒跟防毒 破解和防拷
03/12 15:32, 33F
→
03/12 15:32, , 34F
一樣 新的破解舊的
03/12 15:32, 34F
推
03/12 15:38, , 35F
專業推 以後會不會所有的阿發都被AI賺走 散戶末日
03/12 15:38, 35F
→
03/12 15:39, , 36F
所有人都只好賺貝塔 人人都變長線投資人
03/12 15:39, 36F
→
03/12 16:04, , 37F
不管你什麼線 基本上買進賣出目標都是價差~
03/12 16:04, 37F
→
03/12 16:05, , 38F
其實我覺得從圍棋進化到投資 遲早會發生~
03/12 16:05, 38F
→
03/12 16:05, , 39F
但花費的時間可能會跟西洋棋到圍棋一樣長~
03/12 16:05, 39F
推
03/12 19:15, , 40F
重點是行為模式啊
03/12 19:15, 40F
→
03/12 19:15, , 41F
這東西是否存在都有不同見解了
03/12 19:15, 41F
→
03/12 19:17, , 42F
跟圍棋最大的差別在於：投資目前沒有所謂
03/12 19:17, 42F
→
03/12 19:17, , 43F
的標準，還是一個眾說紛紜的領域
03/12 19:17, 43F
推
03/12 19:23, , 44F
ml的重點一直都在喂資料這件事情上面，但
03/12 19:23, 44F
→
03/12 19:24, , 45F
這件事情在投資領域確實最難的
03/12 19:24, 45F
→
03/12 19:25, , 46F
講白話一點就是，某ai喂了一堆老巴的資料
03/12 19:25, 46F
→
03/12 19:25, , 47F
變成超級老巴，但這樣就是成功的投資者嗎
03/12 19:25, 47F
→
03/12 19:25, , 48F
？
03/12 19:25, 48F
推
03/12 19:30, , 49F
千萬別跑來戰老巴，我的意思主要是在於投
03/12 19:30, 49F
→
03/12 19:30, , 50F
資和圍棋的差別很大的
03/12 19:30, 50F
→
03/12 19:48, , 51F
現在最主要是輸在AI連語意都還無法完全理解~
03/12 19:48, 51F
→
03/12 19:48, , 52F
沒辦法解讀市場的文字訊息很吃虧~
03/12 19:48, 52F
→
03/12 20:31, , 53F
純技術＋基本分析的AI呢？
03/12 20:31, 53F
→
03/12 20:31, , 54F
不吃消息面的
03/12 20:31, 54F
推
03/12 21:03, , 55F
基本分析就很多文字了~財報只看數字沒搞頭
03/12 21:03, 55F
→
03/12 21:03, , 56F
產業面太多文字訊息
03/12 21:03, 56F
→
03/12 21:04, , 57F
純技術分析的話就變一般程式交易了
03/12 21:04, 57F
推
03/12 21:06, , 58F
如果主力要毀一盤棋 被你知道假殺後乾脆倒都給你
03/12 21:06, 58F
→
03/12 21:07, , 59F
還是放到大市場比較好玩 應該會有搞頭
03/12 21:07, 59F
推
03/12 21:10, , 60F
吃豆腐的事就別講了XD
03/12 21:10, 60F
推
03/12 22:01, , 61F
學長推
03/12 22:01, 61F
推
03/12 23:15, , 62F
當你基於有限的資訊去做決策 怎麼learning都是無用
03/12 23:15, 62F
→
03/12 23:15, , 63F
的
03/12 23:15, 63F
推
03/12 23:17, , 64F
騰訊轉播的第二天 來賓已經討論過了
03/12 23:17, 64F
→
03/13 00:00, , 65F
所有的人都是用有限的資訊去做決策喔~
03/13 00:00, 65F
推
03/13 10:32, , 66F
變得比老巴有錢很正常 但是可以比Rothchild家族
03/13 10:32, 66F
→
03/13 10:33, , 67F
還有錢嗎? 他們投資的都是政府耶...不是老巴能比
03/13 10:33, 67F
推
03/13 23:18, , 68F
depp learning 只是machine learning的一支...使用
03/13 23:18, 68F
→
03/13 23:19, , 69F
時機有些condition要小心..重要的的確還是input資訊
03/13 23:19, 69F
噓
03/14 08:53, , 70F
AI那有分高低端 deep learning只是倒傳遞網路改成st
03/14 08:53, 70F
→
03/14 08:53, , 71F
I那有分高低端 deep learning只是倒傳遞網路改成sto
03/14 08:53, 71F
→
03/14 08:53, , 72F
那有分高低端 deep learning只是倒傳遞網路改成stoc
03/14 08:53, 72F
→
03/14 08:53, , 73F
stic以至於大復活
03/14 08:53, 73F
‣ 更多 Iknow 的文章
文章代碼(AID): #1MutBPd3 (Stock)
‣ 更多 Iknow 的文章
文章代碼(AID): #1MutBPd3 (Stock)