本文為Michael Harris 在歐洲作為邀請嘉賓為高淨值客戶和交易者所做的一場演講概要，主題為“人工智慧與機器學習將對交易與投資產生的巨大影響”。文章主要從四個方面進行闡釋，包括交易、阿爾法策略、技術分析和交易員。以下為原文主要內容，對AI量化感興趣的朋友可以直接前往人工智慧量化投資平臺進一步學習研究。
1. 人工智慧與機器學習對於交易領域的影響
交易領域的人工智慧應用，通常是透過機器學習(ML)來實現。機器學習利用神經網路或其他學習方法鑑別、分析、預測特徵或者因子，這些特徵、因子具有經濟價值，可用於構建盈利交易策略。在金融市場上，人工智慧將取代人執行交易。
儘管以人工智慧為基礎的策略應用日漸廣泛，但由於傳統認知問題，大多數交易員還在使用傳統方法。人工智慧的發展需要新的工具與人才投入。
人工智慧的發展不僅僅侷限於制定交易策略，同樣也應用於開發流動性搜尋演算法，生成投資建議等。隨著人工智慧的發展，參與交易和投資的人數將會慢慢降低，屆時市場也會更有效，更穩定，儘可能避免人類主觀意見的影響。對於這樣的未來，我們將拭目以待。
2. 人工智慧與機器學習對於阿爾法收益的影響
在AI科技應用於市場的早期，對於瞭解新科技並能管理風險的人們存在巨大機會。目前基於AI產生的策略，產生的問題之一就是模型有可能會比隨機產生的模型效果還要差。作者想要表達的是，傳統技術分析是一種無利可圖的交易方式，特別是在期貨和外匯市場，長期盈利很難實現。但在短期內，運氣好的交易者會在槓桿市場中獲取巨大利潤，而他們將原因歸咎於策略和能力，而不是運氣。
AI和機器學習將改變這一局面。擁有糟糕人工智慧交易策略的交易者會很快被市場淘汰，留下的會是穩健性的交易者。屆時，到底是人工智慧交易員還是大型投資者勝利，猶未可知。
特別需要提到的是人們對於本領域的誤解：有些人認為最重要的是機器學習的演算法，這是不對的。真正有價值的是使用的預測因子或特徵。目前機器學習的專業人士都在使用相同的預測因子，嘗試以迭代的方法開發不同的模型，希望產生良好的結果，但最後都因為資料偏差而失敗。作者的研究表明，使用簡單的分類器，例如二元邏輯迴歸就可以檢測一組預測因子之間否具有可產生經濟價值的聯絡。因此，成功的關鍵在於特徵工程，這是一門藝術與科學相結合的學科，需要知識，經驗和想象力才能發現具有經濟價值的特徵。只有少部分專業人士能夠做到這一點。
3. 人工智慧與機器學習對於技術分析的影響
依賴於價格和成交量的分析方式大多屬於技術分析的範疇，這種傳統的、基於圖表形態、技術指標的技術分析方法並不是有效的投資方法。
在作者看來，技術分析方法正在慢慢過時。交易的未來在於處理資訊，實時開發和驗證模型。未來的對沖基金將不會依賴於圖表分析。一些交易員仍然會這樣做，因為他們處於過渡的邊界，舊的方式與新時代相交匯點。許多不熟悉人工智慧的交易員將發現他們很難保持競爭力，並會選擇退出。
4. 新交易技術時代的贏家與輸家
AI 會改變交易市場狀況，取代投資顧問的位置，可線上諮詢投資建議，證券推薦等。
現在有很多學習機器學習，AI和交易的資源，但大多數交易員都無法完成這個轉變，95%的交易員會被淘汰。
未來將會有很多人工智慧投資顧問，如何挑選一個適合特定需求的投資顧問將會成為具有挑戰性的任務。
對於不熟悉AI和機器學習的人們，與該領域的專業人士交流將比自己埋頭看書要有效得多。
Michael Harris很多觀點，我們有一致的見解：
我們需要更好的AI工具和服務
微軟/Google等大型網際網路公司在10年前就開始使用大規模機器學習和深度學習。在量化投資等行業，普遍還在用著幾十年前的過時的分析方法。AI人才缺乏，技術門檻高，把很大部分人擋在外面。BigQuant，面向量化投資領域的AI平臺，希望透過我們團隊多年的機器學習經驗和投資經驗，能將AI的使用門檻降到最低，讓每一個投資者都能使用。
特徵工程是關鍵
是否有了AI，我們就什麼都不用做了。答案是否定的，至少在可見的未來，在弱人工智慧時代，AI還不能達到這樣的水平。AI是工具，在量化投資上，因子/特徵代表了投資者的領域知識和領域積累，好的因子/特徵和AI結合才能發揮最大的價值。在BigQuant上，我們提供了AI演算法、金融資料和大規模算力，讓投資者可以專注在因子/特徵的發掘和創新上，重複和大資料計算工作讓AI來輔助完成。
以前賺錢的人在未來不一定能賺錢
文章提到很多投資者靠運氣在短期內能賺錢，並歸結於自己的能力。我們分析了過往大量投資者和基金的業績資料，深表認同。很多投資者在短期內能盈利甚至大幅跑贏市場，但能在市場上長期盈利的鳳毛麟角。只靠運氣，是不能在這個市場上長期存在的。技術和時代在進度，投資者需要緊跟技術的趨勢，才能立於不敗之地。在資料時代，AI即未來，擁抱AI的人才能贏得未來。
原文連結：《AI和機器學習對量化交易領域的影響》
若您對這篇文章產生認同或有不同意見，歡迎到BigQuant社群中與我們討論。
本文由BigQuant人工智慧量化投資平臺原創推出，版權歸BigQuant所有，轉載請註明出處。