如果“AlphaGo”来到中国A股......

[转载出处：www.ii77.com]

[原文来自：www.ii77.com]

金融，因为其“数字化”素质，从降生伊始就和数据有着千丝万缕的关联。作为数据贮备最完整、模型应用最雄厚的范畴，金融是今朝数据科学实践最成熟的行业之一。

传统的金融市场研究应用数学和统计学等常识，现在跟着天然说话处理、图像识别、语音识别等手艺的冲破，大量非构造化数据（文本、图像、音频），也逐渐被应用到金融范畴的数据剖析中。

在数据科学时代，金融专家们不光熟知传统的金融剖析方式，还要从物理学、生物学等交叉范畴吸取模型的灵感和偏向，行使大量非构造化数据完美本身的剖析模型。刘富兵就是如许一位数据科学范畴的“金融专家”。

知名财经撰稿人傅峙峰曾编了一个段子，谷歌的AlphaGo行使人工智能生意系统在A股隐蔽许久，最终净值吃亏络续扩大。固然只是个打趣，但刘富兵感觉段子自己的确反映了金融市场的复杂性。

▍一切都要从金融工程说起

金融工程是使用数学和工程学的体式，经由剖析数据与竖立模型，进而较量金融市场收益与风险的一门学科。

“简洁来说，金融工程就是用工程的体式方式研究金融，从这个角度而言，金融工程的某一分支与数据科学的应用范畴有交集。”刘富兵说道。

（图片解说：刘富兵在上海的办公室接管DT财经专访）

十几年来，刘富兵把本身的研究范畴扎根在数据科学、金融物理学（DT君注：金融物理学是一门研究复杂系统的新兴交叉学科）。不外，比来几年刘富兵发现，数据、模型背后的金融寄义日益主要，若是说之前的研究他更留意工程的话,那么他将来的研究将更留意工程所揭示的金融寄义。

刘富兵也履历过事业的热潮和低谷。在刚起头从事金融工程的时候，他也曾绝望渺茫过。在他看来，金融工程的研究是一个很“疼痛”的过程。“好比我们建模型，需要络续轮回来去地完美模型，一个又一个螺旋式冲破。”

从事金融工程的人平日会履历三个阶段：初入职场的兴奋期；大量模型测试后的绝望期；以及跨越瓶颈后的不乱平宁期。大部门人会止步在第二个阶段，刘富兵也不破例。

（图片解说：DT君记录绘制的金融工程师职业走势图）

2012年是刘富兵走出“绝望期”的要害时间点。那一年，他将金融物理学中的LPPL模型引入中国A股，并多次正确展望市场的顶部和底部。

今朝刘富兵率领的国盛证券金融工程团队的研究笼盖了多因子选股、AI与大数据策略、自动量化、择时量化和FOF资产设置五风雅向。个中，AI与大数据策略就是经由挖掘财经圈的舆情数据（社交、财经新闻、股吧等文本），使用机械进修手艺来竖立各类市场观测模型。

▍来自金融物理学的LPPL

2012年，刘富兵将金融物理学家 Didier Sornette 传授对地球物理和临界现象研究中常用的LPPL模型（Log-Periodic Power Law，对数周期性幂律模型）引入中国股市。起先，好多人难免疑问：这个原本用来展望地动的模型，能在A股市场上正确展望大盘走势吗？

LPPL模型发源于Sornette 传授对资源市场与物理现象的对比视察。他发现股市泡沫的形成和碎裂与地动、材料断裂等物理现象非常相似，都是复杂系统的“自组织临界性行为”。

所谓复杂系统的“自组织临界性行为”是指，由大量互相感化的成分构成的系统会天然地向自组织临界态成长；当系统达到这种状况时，蝴蝶怂恿一下同党就能造成大海啸。

以有名的“沙堆模型”为例，当我们在一..上迟缓添加沙粒，一起头沙粒落下后不会滑落很远，但跟着沙堆高度、坡度的增加，局部沙崩的规模也响应增大，一但坡度达到临界值，新添加一粒沙就或者激发大到涉及整个沙堆外观所有沙粒的沙崩。这时沙堆就处于“自组织临界态”的敏感状况——微小的局部转变能够络续被放大、进而扩延至整个系统。

（图片解说：沙堆模型的演示）

这个理论注释了火山爆发、物种灭尽、交通壅塞、以及金融市场中泡沫溃逃的现象。

在《股市为什么会崩盘》一书中，Sornette传授提出了这个展望市场泡沫的模型，并正确地展望了此后多次市场拐点。刘富兵介绍，在2008年的石油泡沫和房地产泡沫、2009年A股大盘、2015年的创业板等案例中，LPPL模型都成功预判出了顶部。

▍量化生意，让股市更“平安”了吗？

美国金融市场早在上世纪就已使用LPPL模型，并在金融工程范畴下的量化生意中大量地应用到数据科学。今朝，华尔街的量化生意员们正在采用大数据、机械进修等方式，试图战胜市场，获取投资的超额回报。

数据显露，2017年美国股市生意量近三成来自于量化生意，并且全球首支由人工智能治理的ETF(生意所生意基金）AI Powered Equity ETF（AIEQ）也于2017年在纽约生意所问世，截止2018年5月的收益率跑赢标普500指数。

（图片解说：首只人工智能基金运营治理和收益情形）

但在中国，刘富兵认为基于数据科学的量化生意还相对处于起步阶段。

“美国金融工程比中国起步早了30-40年，且在根蒂科学上，美国更领先。西蒙斯的大奖章基金、达里奥的桥水全天候策略都是美国量化生意的集大成者，在股市中获得了超额回报。”

刘富兵介绍到，中国起头有一些基金使用大数据和机械进修来做二级市场的量化生意，收益还不错。

量化生意的背后考验的是金融工程师把研究深度和较量机手艺连系的能力。公开市场资料显露，中国今朝上市的20多只大数据基金中，示意最好的两只汗青收益已超30%，但依旧还有十几只基金汗青收益为负。

近年，越来越多的金融机构起头雇佣数据科学范畴的人才，经由大数据、算法模型研究复杂系统、解决金融问题。刘富兵认为，这种以量化生意为代表的金融工程的应用，促进了市场的举止性、有效性和平稳成长。

DT君反问：“用2015年股市非常波动时量化生意激发大盘加快下跌又是怎么回事儿呢？数据科学中的量化生意模型是否让市场更不不乱了？”（DT君注：2015年A股因大量量化投资显现卖出旌旗，加快了市场快速下跌）

“1929年的华尔街（DT君注：1929年道琼斯指数崩盘，并造成美国十年大萧条）、荷兰郁金香泡沫、英国南海泡沫都没有量化生意，但市场不也赶紧下跌吗？所以市场的大涨大跌与量化生意素质上没有因果关系，归根结底照样人道问题。”刘富兵回覆道。

一旦人道酿成可被模型量化的时候，市场的极端行情将会被“诊断出来”，这就是他用LPPL等量化模型正在做的事儿。

▍大数据、AI的新时代

华尔街巨头摩根大通在2017年发布了一份名为《大数据与人工智能策略》（Big Data and AI Strategies——Machine Learning and Alternative Data Approach to Investing）的申报，个中写道：我们正见证市场向量化策略伟大的改变，生意算法、大数据、机械进修和人工智能等正在越来越多的被使用。机械进修将会在将来对市场运作至关主要。剖析师、投资司理、投资总监等都需要认识机械进修手艺。若不如许做，就会落后。传统的经济数字和常规数据源正在变得与投资策略越来越不相关，因为使用新数据集和方式的投资者能够展望这些数字，并在它们发布前预先做出动作。

华尔街传奇的新兴量化对冲基金Rebellion Research创始人曾在2017年说过，人工智能正在蚕食金融业。他列出了五个最轻易被庖代的地位，包罗掮客商、银行柜员、金融垂问、处理根基数据的后台类工作以及案牍类工作人员。与大部门DT君对话过的“数据科学50人”受访者一般，刘富兵不认为机械会在可预见的将来完全庖代于人类，但也不否认这种担忧的客观存在。

刘富兵认为，在将来，反复和纪律化的机械工作必然会被庖代的。“你看生意员、银行的大堂司理都在慢慢消散，然则人类的立异脑筋是在短期没法子被机械庖代的。”

就在前几年，包罗MIT Tech Reviews和连线杂志等多家国外科技媒体都畅想过将来的资源市场的人工智能博弈。当DT君问到将来的资源市场时，刘富兵静默少焉说：“今朝能看到和懂得的是，人工智能是辅助人类的对象。”这个概念与桥水基金创始人达里奥一脉相承，达里奥在《原则》一书提到，人工智能之前是人道，在他的懂得中，人机连系或者是最好的究竟。

2016年AlphaGo打败了围棋冠军李世石，让人们起头联想AI在其他范畴战胜人类的或者性。正如开篇时的谁人段子所述，AlphaGo真的来到A股市场会如何呢？刘富兵和他的团队认为，AlphaGo经由机械进修中的强化进修，能吃透围棋的套路（变量数有限），但A股市场是无界限的，或许很难界定其界限（影响市场的变量无限），就今朝而言，战胜市场非一朝一夕。

作者 | Harry Wu ：wuhao@dtcj.com

题图 | 站酷海洛

▍数据科学50人

“数据科学50人”项目是DT财经旗下数据侠规划重点内容产物，与数据科学范畴KOL挖掘数据内容的价格。我们从数据科学范畴选出最具代表性的50位前锋进行深度专访，50人由DT财经自力评审并发布，第一财经数据科技及合作伙伴倾力支撑。

转自DT财经 作者 Harry Wu  

本文由「华尔街俱乐部」介绍，敬请存眷公家号: wallstreetclub

声明：本文仅代表作者小我概念，不组成投资定见，并不代表本..立场。文中的论说和概念，敬请读者注重判断。

版权声明：「华尔街俱乐部」除发布原创市场投研申报外，亦致力于精良财经文章的交流分享。部门文章、图片和资料来自收集，版权归原创。推送时未能实时与原作者取得关联。若涉及版权问题，敬请原作者添加WSCHELP微信关联删除。感谢授权使用！

华尔街俱乐部凝聚华尔街投行的高端资源，为中国民营企业“走出去”供应全方位的垂问办事，包罗企业赴美上市、计谋投资、并购、私募路演和投资者关系等。在投资理念和手艺方面供应华尔街投行专家实战..，为您进入华尔街铺设成功之路。