股票,股市。（圖／示意圖／翻攝自Pixabay）
華爾街的AI革命在哪兒呢？
從建築到娛樂，幾乎所有行業都在測試生成式AI，希望從這種能生成頗為類似人類手筆的文本、圖像和藝術的技術中獲利。
本文為風傳媒與華爾街日報正式合作授權轉載。加入VVIP會員請點此訂閱：風傳媒・華爾街日報VVIP，獨享全球最低優惠價，暢讀中英日文全版本之華爾街日報，洞悉國際政經最前沿。
華爾街長期以來一直使用自動化演算法來完成安排交易和管理風險之類的任務。但投資者在依靠AI應對他們的最大挑戰方面尚未取得多少進展，這個挑戰就是跑贏大市。有人把ChatGPT視為有助於促進銷售和研究工作的工具，然而利用AI進行投資還沒有什麼特別令人印象深刻的成果。
「將AI應用於投資的進展有限，不過語言模型方面的創新或許會在未來幾年改變這種情況，」 Columbia Investment Management Co.的董事總經理Jonathan Larkin說。該公司為哥倫比亞大學（Columbia University）管理著130億美元的捐贈資金並投資於各種基金。
華爾街在AI方面可以算有先發優勢。40年前，包括Renaissance Technologies創始人Jim Simons在內，一些原本從事數學研究、後來轉做量化投資的人士，開發了讓計算機做投資決策的演算法。
他和其他量化分析師多年來一直在使用屬於AI技術的機器學習。他們建立了交易模型，這些模型可以根據過去的數據進行推斷，以便在有限人為干預的情況下找到相關的走勢形態，並開發能夠賺錢的交易。
但量化分析師說，鮮有公司成功做到將所有業務都交給機器。在機器自我學習或強化學習方面，他們還沒有取得重大進展；機器自我學習或強化學習需要訓練計算機自己學習和制定策略。Renaissance等公司的人士說，這些公司依靠的確實是先進的統計數據，而不是最尖端的AI方法。
Larkin說：「大多數量化分析師仍採取『理論優先』策略，根據這種策略，他們先建立一個解釋為什麼可能存在某種異常情況的假設，然後圍繞這個假設形成一個模型。」
一個大問題是：與用於開發ChatGPT聊天機器人以及類似基於語言的AI項目的數據相比，投資者依賴的數據集更加有限。舉例來說，ChatGPT是一個擁有1,750億個參數的模型，使用了過去幾十年、有時甚至幾個世紀以來的文本以及來自書籍、期刊、網路等來源的其他數據。相比之下，對沖基金和其他投資者通常使用定價和其他市場數據來訓練自己的交易系統，而此類數據本來就有限。
D.E. Shaw的前高階主管Jon McAuliffe說，談到投資，情況有所不同。他稱：「我們沒有無限量的數據來幫助我們運行無限大的模型。」 McAuliffe現在是Voleon Capital Management LP的聯合創始人，這是一家依賴於機器學習的對沖基金。
同樣重要的一點是，市場數據比語言和其他數據「更嘈雜」，從而比較難以用來解釋或預測市場走勢。換句話說，收益、股票動能、投資者信心和其他金融數據只能部分地解釋股票走勢，其餘的都是莫名其妙的「噪音」。因此，機器學習模型可以識別各種市場數據的相關性，但事實證明它無法預測未來的股票走勢。
與語言不同，市場會迅速變化，原因包括公司改變戰略，新領導做出激進決定，經濟和政治環境突然轉變等，這使得利用一些依賴於歷史和長期數據趨勢的模型來進行交易更加困難。
雖然ChatGPT表現優異，但它經常犯那種明顯的錯誤，這種錯誤會使投資者虧錢蒙羞。
金融科技公司Proven首席執行官Richard Dewey也指出，投資「具有對抗性」，也就是說需要與渴望利用任何錯誤獲利的對手展開競爭。這使得使用AI進行投資比將AI用於自然語言、圖像分類或自動駕駛汽車更難。
「像Renaissance和D.E. Shaw這樣的公司仍然僱用這麼多博士是有原因的，」Dewey說。他說，在紛繁複雜且受到人類行為反饋迴路影響的市場中，人仍然是必不可少的。他說：「在投資領域，仍然很難把一切都交給機器。」
不過，有跡象表明，投資者正變得更願意依賴AI。Voleon就是過去幾年中圍繞機器學習和其他AI方法推出的一系列對沖基金中的一支。
位於舊金山的量化對沖基金Numerai表示，該公司去年利用機器學習技術獲得了20%的收益。同樣在去年，Google母公司Alphabet Inc. （GOOG）旗下AI子公司DeepMind Technologies的三名資深員工離職，成立了一隻名為EquiLibre Technologies的機器學習基金，總部設在布拉格，這引起了人們的關注。
一些AI專家表示，AI有朝一日可能會幫助實現交易的大眾化，讓散戶和其他投資者可以使用與大型對沖基金所用工具一樣強大的程式。但Man FRM的首席投資官Jens Foehrenbach說，就目前而言，專注於機器學習和其他AI方法的公司太少，無法確定是否有可能帶來高回報。Man FRM在對沖基金中的投資超過200億美元。而且早期回報表現參差不齊。
Foehrenbach稱，這方面的表現差異很大。Foehrenbach稱，這樣的策略可能會做出非常出人意料的事情，並使投資者很難決定是要減少投資還是增加投資。
AI的擁護者相信，他們的方法最終會表現良好。機器學習模型或許終將可以從無序中發現有序。
「建立機器學習策略更加困難，而且剛開始會出現更多的錯誤」，Voleon的McAuliffe說。「但一旦讓它們步入正軌，這些策略將會做出更準確的預測。」
EquiLibre的聯合創始人兼首席執行官Martin Schmid認為，對計算機的各種交易投資決策進行獎罰的「強化學習」將適用於股票和債券，就像用於國際象棋、撲克和其他遊戲一樣。強化學習是機器學習的一種形式。
Schmid說，EquiLibre仍在完善其交易模型，尚未開始用於投資。
一些人表示，短期來看，最近的進展可能會撼動研究和銷售等領域。
前高盛和橋水（Bridgewater Associates）僱員Jens Nordvig說：「現在，你可以為客戶創建自動化的訂製資訊，這正是（投行）銷售人員所做的主要工作」，Nordvig目前掌管MarketReader，這是一家使用AI提取財經新聞的公司。
熱門新聞
本週最多人贊助文章
風評：台灣真心錯付民進黨！
台灣病得不輕！病的根源正是為了權力而邏輯混亂的民進黨；為了國會改革法案，民進黨立委在立法院大打出手，號召附隨的公民團體場外叫囂，宣稱「...獨家》開發金再添生力軍 前疫情指揮官王必勝將落腳開發資本
中華開發金控集團再添「必勝」強棒。消息人士透露，繼行政院前副院長沈榮津今年5月20日出任開發金控副董事長之後，...您也可能喜歡這些文章