一、什么是AlphaGo

　　阿爾法圍棋(AlphaGo)是一款圍棋人工智能程序，由位于英國倫敦的谷歌(Google)旗下DeepMind公司的戴維·西爾弗、艾佳·黃和杰米斯·哈薩比斯與他們的團隊開(kāi)發(fā)，這個(gè)程序利用“價(jià)值網(wǎng)絡(luò )”去計算局面，用“策略網(wǎng)絡(luò )”去選擇下子。

　　2015年10月阿爾法圍棋以5：0完勝歐洲圍棋冠軍、職業(yè)二段選手樊麾;2016年3月9日，AlphaGo對戰圍棋冠軍李世石，最終李世石投子認輸;3月10日，“圍棋人機大戰”第二局在韓國首爾的四季酒店開(kāi)賽，結果阿爾法電腦執黑戰勝李世石，五番棋2-0領(lǐng)先;3月12日，阿爾法電腦執白再次戰勝李世石，五番棋3-0領(lǐng)先;3月13日，李世石戰勝阿爾法電腦，比分扳成1-3;3月15日，AlphaGo戰勝李世石，總比分定格在1比4;2016年3月，阿爾法圍棋分數為3586，排名世界第二;2016年7月18日，GoRatings公布了世界圍棋排名，阿爾法圍棋排名第1;2016年7月23日，GoRatings公布了圍棋世界職業(yè)棋手排名，AlphaGo以3606分排名第二。

　　二、 AlphaGo工作原理

　　阿爾法圍棋(AlphaGo)的主要工作原理是“深度學(xué)習”。“深度學(xué)習”是指多層的人工神經(jīng)網(wǎng)絡(luò )和訓練它的方法。一層神經(jīng)網(wǎng)絡(luò )會(huì )把大量矩陣數字作為輸入，通過(guò)非線(xiàn)性激活方法取權重，再產(chǎn)生另一個(gè)數據集合作為輸出。這就像生物神經(jīng)大腦的工作機理一樣，通過(guò)合適的矩陣數量，多層組織鏈接一起，形成神經(jīng)網(wǎng)絡(luò )“大腦”進(jìn)行精準復雜的處理，就像人們識別物體標注圖片一樣。

　　三、AlphaGo在金融界的發(fā)展

　　投資界有關(guān)智能投顧的討論越來(lái)越多，華爾街產(chǎn)生一股“機器人投顧”熱，這股浪潮來(lái)自硅谷的Fintech企業(yè)。事實(shí)上，在中國人工智能與資本投資相結合的初期應用已經(jīng)出現一段時(shí)間了，那就是“金融科技”。經(jīng)過(guò)16年A股市場(chǎng)的血雨腥風(fēng)，金融科技再次脫穎而出，整體表現優(yōu)異，多數產(chǎn)品跑贏(yíng)大盤(pán)。

　　在過(guò)去三年里，風(fēng)投面向消費者的金融技術(shù)投入了超過(guò)10億美元的資金，而機器人顧問(wèn)吸引了其中大量的份額。

　　在當前的經(jīng)濟形勢下。很多人不喜歡全球化，而我個(gè)人認為，全球化對世界是極好的事情。唯一的問(wèn)題在于，如何對全球化加以改善，讓更多的小企業(yè)和更多的年輕人參與進(jìn)來(lái)。如果我們能采取新機制或新技術(shù)，讓10億人、20億人甚至30億人做貿易，會(huì )是怎樣的情況?提出e-WTP(世界電子貿易平臺)的設想，讓小企業(yè)、年輕人在全世界自由、開(kāi)放和公平地做貿易。

　　機器人顧問(wèn)所管理的資產(chǎn)從2012年零點(diǎn)，激增到2014年底的140億美元。報告預測，在未來(lái)十年時(shí)間里，機器人顧問(wèn)管理下的資產(chǎn)將會(huì )呈現出爆發(fā)增長(cháng)的勢頭，有望達到5萬(wàn)億美元。

　　四、AlphaGo與金融科技

　　金融科技，也稱(chēng)為程序化交易或者量化投資，可以理解為人工智能在證券投資領(lǐng)域的一個(gè)子分支，或者其技術(shù)在證券投資領(lǐng)域的具體應用。量化投資是區別于定性投資的一種形式，關(guān)鍵點(diǎn)就在于策略模型的大量使用，即利用現代統計學(xué)、數學(xué)方法，借助計算機處理海量數據和信息，并嚴格按照機器所構建的數量化模型來(lái)指導投資決策，以獲得穩健的持續的投資收益，與AlphaGo有異曲同工之處。

　　一般來(lái)說(shuō)，公募基金或大型私募的量化投資部由兩部分組成，一部分是投研團隊，另一部分是IT團隊，投研團隊提出需求，IT團隊做出算法交易的模塊，解決基金經(jīng)理們的需求。1.0時(shí)代主要依靠“主信號+約束條件”的辦法。2.0時(shí)代包含信號研發(fā)、信號組合與模型構建、風(fēng)險模型、組合管理等等?，F階段量化投資策略開(kāi)發(fā)方式為：研究組或者交易組提出思路→研究組論證，提出基本模型→模型擬合估計→回溯檢驗→小規模測試→實(shí)盤(pán)投資。

　　其好處在于可以克服人性，做決策時(shí)不會(huì )像人類(lèi)一樣受情緒和心理因素的干擾?？赏瑫r(shí)運用多個(gè)策略模型，對全市場(chǎng)各種信息進(jìn)行實(shí)時(shí)監控，一旦出現合適的機會(huì )，能瞬間下達交易指令。

　　比如CTA基金的趨向性跟蹤指標，其調整多空頭寸的臨界點(diǎn)是由特定計算機算法規則的，并且嗅覺(jué)靈敏，能在第一時(shí)間改變陣營(yíng)，下手迅速，更善于承擔人類(lèi)不喜歡的空頭角色。一般這類(lèi)品種是通過(guò)量化手段不斷交易，反復進(jìn)行大概率獲得正收益的策略，會(huì )設置最大回撤值，一旦到“止損線(xiàn)”就立刻止損，因此風(fēng)險并不會(huì )太高。

　　再或者相對價(jià)值策略中，金融科技的程序能短時(shí)間內根據估值模型，發(fā)現海量相關(guān)聯(lián)證券中存在的的價(jià)值誤差，需找到套利機會(huì )。當判斷一種證券的價(jià)值被高估，一種證券的價(jià)值被低估的時(shí)候，通過(guò)買(mǎi)入低估的證券，同時(shí)賣(mài)空高估的證券直至二者的價(jià)格趨于收斂而平倉，從而獲取微小的價(jià)差收益。這類(lèi)產(chǎn)品不會(huì )瞬間賺取大錢(qián)，熊市中這種策略對于投資者的吸引力比較大，相對比較符合穩健型投資者的需求，也是組合投資中較好的一環(huán)。

　　此外，還有人類(lèi)無(wú)法勝任的高頻交易，幾秒一次交易，甚至超高頻的一秒內數次。

　　然而，量化投資本身也存在著(zhù)一定的缺陷，存在過(guò)度擬合的問(wèn)題：所謂過(guò)度擬合，指的就是程序化交易中，對于樣本數據描述的準確度很高，而對于樣本外數據描述的準確度卻很差。導致歷史回測完美，而在實(shí)盤(pán)中失效。有時(shí)還可能導致黑天鵝事件，數據模型主要是根據歷史數據來(lái)構建的，所以它吸收新信息的能力比較緩慢和遲鈍，一旦外部環(huán)境發(fā)生變化或者發(fā)生某些重大事件，如基本面上的變化等，有效性就會(huì )大大受到影響。

　　如果將大量的數據放入AlphaGo 中的核心的“深度神經(jīng)網(wǎng)絡(luò )算法(DNN算法)”，那就可以自動(dòng)提取一些相關(guān)性，同時(shí)匹配結果。理論上可以彌補研究人員建立模型時(shí)，容易忽略一些變量，導致模型失效的問(wèn)題，以及解決了回歸分析中會(huì )產(chǎn)生的過(guò)度擬合。

　　人類(lèi)可以充分利用這個(gè)工具，充當一個(gè)掌舵手，通過(guò)前瞻性和對市場(chǎng)非理性機會(huì )的把握，對重大政治事件背后的洞察力，來(lái)對策略進(jìn)行調整，保證時(shí)效性，構建穩健的投資策略。

圖片來(lái)源：找項目網(wǎng)