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(guó)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(tuán)隊(duì)開發(fā)，這個(gè)程序利用“價(jià)值網(wǎng)絡(luò)”去計(jì)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(duì)戰(zhàn)圍棋冠軍李世石，最終李世石投子認(rèn)輸;3月10日，“圍棋人機(jī)大戰(zhàn)”第二局在韓國(guó)首爾的四季酒店開賽，結(jié)果阿爾法電腦執(zhí)黑戰(zhàn)勝李世石，五番棋2-0領(lǐng)先;3月12日，阿爾法電腦執(zhí)白再次戰(zhàn)勝李世石，五番棋3-0領(lǐng)先;3月13日，李世石戰(zhàn)勝阿爾法電腦，比分扳成1-3;3月15日，AlphaGo戰(zhàn)勝李世石，總比分定格在1比4;2016年3月，阿爾法圍棋分?jǐn)?shù)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(xí)”。“深度學(xué)習(xí)”是指多層的人工神經(jīng)網(wǎng)絡(luò)和訓(xùn)練它的方法。一層神經(jīng)網(wǎng)絡(luò)會(huì)把大量矩陣數(shù)字作為輸入，通過(guò)非線性激活方法取權(quán)重，再產(chǎn)生另一個(gè)數(shù)據(jù)集合作為輸出。這就像生物神經(jīng)大腦的工作機(jī)理一樣，通過(guò)合適的矩陣數(shù)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(zhǔn)復(fù)雜的處理，就像人們識(shí)別物體標(biāo)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(jī)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(guó)人工智能與資本投資相結(jié)合的初期應(yīng)用已經(jīng)出現(xiàn)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(xiàn)優(yōu)異，多數(shù)產(chǎn)品跑贏大盤。

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

　　在當(dāng)前的經(jīng)濟(jì)形勢(shì)下。很多人不喜歡全球化，而我個(gè)人認(rèn)為，全球化對(duì)世界是極好的事情。唯一的問(wèn)題在于，如何對(duì)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(jī)制或新技術(shù)，讓10億人、20億人甚至30億人做貿(mào)易，會(huì)是怎樣的情況?提出e-WTP(世界電子貿(mào)易平臺(tái))的設(shè)想，讓小企業(yè)、年輕人在全世界自由、開放和公平地做貿(mào)易。

　　機(jī)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(bào)告預(yù)測(cè)，在未來(lái)十年時(shí)間里，機(jī)器人顧問(wèn)管理下的資產(chǎn)將會(huì)呈現(xiàn)出爆發(fā)增長(zhǎng)的勢(shì)頭，有望達(dá)到5萬(wàn)億美元。

　　四、AlphaGo與金融科技

　　金融科技，也稱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(yīng)用。量化投資是區(qū)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(xiàn)代統(tǒng)計(jì)學(xué)、數(shù)學(xué)方法，借助計(jì)算機(jī)處理海量數(shù)據(jù)和信息，并嚴(yán)格按照機(jī)器所構(gòu)建的數(shù)量化模型來(lái)指導(dǎo)投資決策，以獲得穩(wěn)健的持續(xù)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(tuán)隊(duì)，另一部分是IT團(tuán)隊(duì)，投研團(tuán)隊(duì)提出需求，IT團(tuán)隊(duì)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(hào)+約束條件”的辦法。2.0時(shí)代包含信號(hào)研發(fā)、信號(hào)組合與模型構(gòu)建、風(fēng)險(xiǎn)模型、組合管理等等。現(xiàn)階段量化投資策略開發(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(jì)→回溯檢驗(yàn)→小規(guī)模測(cè)試→實(shí)盤投資。

　　其好處在于可以克服人性，做決策時(shí)不會(huì)像人類一樣受情緒和心理因素的干擾。可同時(shí)運(yùn)用多個(gè)策略模型，對(duì)全市場(chǎng)各種信息進(jìn)行實(shí)時(shí)監(jiān)控，一旦出現(xiàn)合適的機(jī)會(huì)，能瞬間下達(dá)交易指令。

　　比如CTA基金的趨向性跟蹤指標(biāo)，其調(diào)整多空頭寸的臨界點(diǎn)是由特定計(jì)算機(jī)算法規(guī)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(dān)人類不喜歡的空頭角色。一般這類品種是通過(guò)量化手段不斷交易，反復(fù)進(jìn)行大概率獲得正收益的策略，會(huì)設(shè)置最大回撤值，一旦到“止損線”就立刻止損，因此風(fēng)險(xiǎn)并不會(huì)太高。

　　再或者相對(duì)價(jià)值策略中，金融科技的程序能短時(shí)間內(nèi)根據(jù)估值模型，發(fā)現(xiàn)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(jī)會(huì)。當(dāng)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)買入低估的證券，同時(shí)賣空高估的證券直至二者的價(jià)格趨于收斂而平倉(cāng)，從而獲取微小的價(jià)差收益。這類產(chǎn)品不會(huì)瞬間賺取大錢，熊市中這種策略對(duì)于投資者的吸引力比較大，相對(duì)比較符合穩(wěn)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(nèi)數(shù)次。

　　然而，量化投資本身也存在著一定的缺陷，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(duì)于樣本數(shù)據(jù)描述的準(zhǔn)確度很高，而對(duì)于樣本外數(shù)據(jù)描述的準(zhǔn)確度卻很差。導(dǎo)致歷史回測(cè)完美，而在實(shí)盤中失效。有時(shí)還可能導(dǎo)致黑天鵝事件，數(shù)據(jù)模型主要是根據(jù)歷史數(shù)據(jù)來(lái)構(gòu)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(shù)據(jù)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(jié)果。理論上可以彌補(bǔ)研究人員建立模型時(shí)，容易忽略一些變量，導(dǎo)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。

　　人類可以充分利用這個(gè)工具，充當(dāng)一個(gè)掌舵手，通過(guò)前瞻性和對(duì)市場(chǎng)非理性機(jī)會(huì)的把握，對(duì)重大政治事件背后的洞察力，來(lái)對(duì)策略進(jìn)行調(diào)整，保證時(shí)效性，構(gòu)建穩(wěn)健的投資策略。

圖片來(lái)源：找項(xiàng)目網(wǎng)