（转）CTA大佬Winton创始人：人工智能会颠覆传统投资吗？

大卫•哈丁：人工智能会颠覆传统投资吗？

2017-05-13 猎贤商业智能
人工智能（AI）被应用于金融投资领域存在某些必然性，虽然金融市场没有恒久不变的事物，但运用统计和数学方法研究波动性数据，通过AI的数据可视化和机器不断学习的神经网络模式，可以识别出大数据中的规律。

——元盛资产创始人大卫•哈丁

大卫•哈丁：人工智能会颠覆传统投资吗？

人工智能正在成为越来越多中国投资人所谈论的话题。 2017年4月27日，全球最大的CTA公司之一——Winton元盛创始人大卫•哈丁先生（David Harding）到访上海高级金融学院，发表了关于“人工智能和金融市场”的主题演讲，张春院长发表欢迎致辞，汪滔教授担任主持人。该活动由上海高级金融学院MBA学生联合会主办、量化投资俱乐部承办，当天主会场300到场多人，现场还增设2个同步分会场，受到同学及市场人士广泛积极关注。

近年来，AI在某些领域有了长足发展，让人们意识到AI已进入前所未有的阶段。众所周知，与世界级围棋选手李世石对弈的AlphaGo，就是哈丁先生母校剑桥大学校友开发的，这家企业叫DeepMind。这场对弈引发了全世界的关注，亦引发人们对于深度学习的关注。围棋运动非常复杂，是人类智力活动最后一块阵地，于是很多人因这场对弈的最终结果得出判断：AI已经离我们不远了。

由此引发了几个问题：1、投资界是否已经到达马上要拥抱AI时代的边界？2、AI对于金融投资者意味着什么？3、上述问题对元盛又意味着什么？

哈丁先生演讲最重要的目的是区分表面和实质，但要去伪存真并不是件容易的事情。哈丁首先回答了什么是AI，或者回归本源AI到底从何而来？如果AI真的存在，还应被视为新鲜事物吗？今年大热的HBO美剧《西部世界》有一个开头片段，大致剧情是说“未来有一座主题公园，置身其中可以完全忘记自己所处的时代”，片头音乐非常优美，是由一个机器人根据已编好程序弹奏的钢琴曲。

其实此剧是根据80年代一部作品改编的，机器人的程序设置完全是通过打孔卡这种传统编程方式完成的，也就是在每个卡片上打孔作为编程代码。用这种程序设计出来的完成弹钢琴任务的AI机器人，在当时已经被认为是非常高端的智能了。

籍此回溯，人类用机器进行逻辑操作的历史已非常悠久，古希腊时代就已出现机器计算，距今差不多2200年，这可能是现在所知最早的模拟计算机。它们被设计出来的年代可能比人类奥林匹克运动会还早（就是由35个类似下图左的齿轮，被设置进行逻辑运算），这可以说是人类计算机最早的起源了吧！此器何用？——钟表就是这种机械运动的典型代表。到了1700年，慢慢出现了一种算法，并一直延续至今，包括大家非常熟悉的算盘（算盘口诀）。再跳跃到1800年，可以看到打孔卡（下图右），是最早软件编程的存在形式，通过一系列卡片所组成的代码，最终形成了叫捷克卡片梭织机的软件，也有点像法国人发明的纺织机。

1700年奥地利人就开始用这样的机器编织羊毛。德国人Johncrystal于1792年在休斯敦发明了第一台计算器。在英国也有这样的机器，称它是“计算赛道上奔跑的赛马”。这个比喻源于英国人到了澳大利亚之后，发现当地人人很喜欢赌马，就开发了非常复杂的机器去算清楚到底哪匹马会跑赢，偌大的一个房间就为了容纳一个机器来计算赌马的胜率，而且是几百年前就已经开发出来的，着实让人惊叹英澳人对赛马热情和计算机的发展迅猛。

再到1920年，二战时期一位美国内阁成员开发出来一台机器，在二战当中扮演了非常重要的角色。情报谍战方面很多功劳都是归功于这些“能击落敌机的机枪”，两大阵营之间的军备竞赛趋于白热化，最后的胜利都依赖于能否破解对方的密码，就此也揭开计算机纪元的序幕，包括后面出现的电子计算机———战争激发了人类的智慧。英国在二战期间也开发出了一些电子计算机的基本原型，如图灵机。看过图灵传记这部影片的都知道，图灵是电子计算机之父，在慕尼黑的科技博物馆中，还可以看到这些30-40年代开发出来的机器原型。

电话机始创于30年代，美国的电话机公司AT&T通过电话把大家联系在了一起，诞生了电话交换机网络，这些都为今天的信息互联奠定了非常坚实的基础。二战之后William又发明了晶体管，而晶体管是逻辑计算的基本单位，逻辑计算开始硬件化。

上述人类历史上机械和计算能力的演变中，有的有具体功能，有的是抽象功能，而计算机更突出于抽象功能，大部分机械所做的任务比人类效率都高，或者完成了人们做不了的工作，因为这需要很高的智能才能做到，所以这些机器全都属于AI，换言之人机交互和逻辑运算的历史，从机器出现的第一天就已经开始了，距今已有2100年历史。

所以回到前述问题，AlphaGo打败了人类到底算不算突破呢？是真正意义上的突破吗？大概30年前，当时元盛还比较年轻，为了公司推广，路演时哈丁先生会向大家介绍元盛的投资方法，而听众通常心存疑窦，他们不相信机器能够管理好投资。而路演结束时，哈丁先生常常论断：“十年之后，电脑将会成为世界象棋冠军！”结果证明这个论断说对了，深蓝打败了卡斯帕罗夫。十五年之后，IBM又开发了一个赢得“谁是大富豪”比赛的电脑，一个类似于智力抢答电视节目的冠军。2016年DeepMind战胜了韩国最高段位的围棋手李世石。

既然拥有这么长历史的AI，为什么直到DeepMind的胜利，才被认为是如此重要呢？在哈丁先生看来有几个原因，一是DeepMind的胜利涉及一种特别的算法，而这种算法被称为“深度神经网络学习”。人们一听到神经网络这个字眼就激动起来，臆想中但凡有神经元这样的字眼，就是以人的大脑作为模型建模的。实际上神经元网络和神经元根本没有关系，而且这个网络早在1950年第一个神经元网络就由美国心理学家Frank发明了。

最早的算法灵感从哪里来？就是学习人类大脑的结构。这位心理学家研究了人类大脑的结构并获得灵感，建立算法，他把这个算法称为“感知器”。1950年发明感知器时，很多人都加入了AI研究，然而当大家都以为AI很快会得到突破时，到底发生了什么使1970年被称为AI的寒冬？那年AI各个方向的研究都没有成果，而对AI的投资已巨额难负，以前的投资似乎都打了水漂。

50年代以后，神经元网络又有几次热潮。记忆特别深刻的是80年代，那时候哈丁先生的职业生涯也刚开始，神经元网络也很时髦，很多公司都用神经元网络交易的模型，至少他们都是数学家。哈丁先生当时对这种现代技术的发展感到害怕和疑惑，不知道他们是否会打败元盛这种相对简单的投资方法。没想到他们都失败了，没有一家公司存活下来。因此这些年要是别人说神经元网络又有大突破，哈丁先生总是心存疑虑地说：“我曾亲眼见证这些东西是怎么以失败告终的。”

但是，去年哈丁先生的观点开始改变。

Google在2013年的时候启动了一个有关图像识别的项目，他们用神经元网络来读取数十亿计的因特网上的图片，训练神经元网络来识别东西，比如说能识别出猫脸和人脸。当时就研究具体识别出猫脸和人脸的神经元网络到底是什么？通过逆向分析：识别出图像的节点在哪里？这些识别出来的图像很难由中文表述，在英文里会称普通的猫为“a cat”，现在会说“A cat”（作者特译“A——完美独有的标准特质”）。

古希腊的哲学家柏拉图说，“万事万物都应该有个完美的化身，万事万物都是理想化的实物代表”。世界上存在数不清的猫，但这些猫最终都代表了一只理想化的猫，所以称其为A cat——一只理想化的猫。这个案例表明，如果神经元网络看过海量图片，能够识别出图像，则说明深度学习是有效的。

事实上，人类智能最重要的信号输入来源是听觉和视觉，这是两个非常重要的常规识别渠道。大脑在接收了这些信号之后，进行了处理，然后能识别出更多的东西。所以视觉和听觉是非常有价值的，而哈丁先生相信深度学习在听和看的方面有了重大进步。比如要是给父母看好多小孩的照片，通常都能找出自己家的，本无足道哉；但如果机器能够识别的话，就是一个比较大的突破了。在图像识别、语音识别和创意识别方面，都有一些实例，比如由电脑程序创作出来的艺术作品。

上述这些内容和元盛又有什么关系呢？元盛已经在系统化投资这一领域做了许多年，常常有人来问：你怎么用计算机来赚钱？你怎么用电脑告诉你特朗普会当选？你怎么知道政府开支会增加？

所以这么多年来，哈丁先生一直在苦苦思索如何解释元盛怎样进行投资，并说明为什么这种投资方法是有效的。有时候人们对哈丁先生的投资方法持怀疑态度，他便解释说：“我们做的是规律识别，就是在市场的数据中寻找规律。”人们大概会误解所谓找规律，就是看复杂的图表，比如观察蜡烛图并预测未来市场的发展。其实80年代早期，哈丁先生的确会看很多类似的图表，潜心研究并希望用历史数据来预测未来，这是元盛公司的开端。不过，这些都是35年前的事，元盛可不会35年都原地踏步。所以，你若以为元盛还是靠这些图表去预测未来，那就有失公允了。

就此给大家阐述一下市场上的规律，还要解释一下元盛公司的规律识别是什么。

首先一个三角形的形状。规律是什么呢？哈丁先生所谓的有规律的东西是指“有规则出现，能给这个混乱的世界带来一定秩序的东西，使得我们能够由它来进行预测”。这是一个形状或者叫做一个规律，或者一个图案。一个红色三角形，和黑色三角形不一样，那就不是一个图案？

因为如果黑白的代表二维，加上颜色的话就是三维。新的三角就又是一个图案，一种规律，如此说来它是三维或四维的，很显然这更像是一个规律了。这些如果是按时间顺序排列，那时间又是一个维度，这样就有五个维度的规律了。其实所谓的五维图案或五维规律就这么简单，有了颜色，加上XY轴上的坐标，然后再加上其他的维度，比如加上时间。

鱼也可以成为一种维度，鱼在这里仍然是一种有规律的图案，但是从几何意义上来说它和之前的形状发生了变化，因为不能单纯的认为鱼是一种形状，它现在已经有了一种形态。如果说把鱼也放进维度，会发现这个维度变复杂了，它开始出现特征。继续在XY轴加上颜色，加上时间，加上形态，再加上特征。

再比如，对猫和狗进行二元分析，有多少条腿，有多少只尾巴，能不能发出喵这样的叫声等，用矢量进行标注，这样就出现了可以区分两件事物的规律。这是一种常规空间范围内的规律，用矢量区别猫和狗，也可以去追溯动物的元祖。前面说到万事万物都有一个完美的形态，如果一个名词对应一个实物，那么它就拥有事物的一个特征，也就是所谓的名词，即万事万物都是可以用维度来衡量的。

这是一位编程人员女儿画的一幅画。有房子、树、太阳，图案底下是象征意义的字母符号。这些同样也在人们所理解的特征空间范围内，汉字中有许多文字是对应人类所处理空间的，这与西方象形文字起源类似。可西方现在所使用的一套字母系统，已经不再反映我们所身处的物理空间了。再看一下图中天上的飞鸟，一样通过符号的形式展现人们身处的物理空间。所以，人们所处物理空间的一切都可以通过图案图形规律所呈现。

比如人们的笑容，英语happiness指的是幸福和笑容，虽然它是一种情绪的表达，但是它仍然可以成为一种名词。人们可以用表情符号来表示，其实这已经是一种全新的语言，也就是可以表达情绪的名词。表情符号可以代表一系列表情，代表一系列情绪状态，就像曾经人们试图反映自身所处的物理世界一样。针对目标现实，或者说是物体现实，具备具体实物的名词，是一种客观现实；而对应人们的情绪——则是所谓的主观现实。

最后对于天堂的概念，是一个主观现实和客观现实交叉的东西，它的存在是因为有共识，如果打破了共识，它就不存在了。比如说，如果大家认为IBM不存在，或者IBM和员工所签署的合同不存在，或者它的专利不存在了，那么IBM这个概念就不存在了，IBM的存在是取决于人们的共识，这个共识与现实世界中的山和水是有区别的，山和水并不会因为人们否认了这个共识而不存在。

这是世界上最大的对撞机在日内瓦，造价数十亿欧元。为什么要建造这样的庞然大物？它深埋在地底下150米，多年来只重复一件单纯的事情，就是进行粒子对撞，人们希望能够在粒子对撞中寻找出一种新的规律，能够发现被认为理应存在的一种暗物质——希格斯粒子，这可以说是多年来物理界最重要的一个发现。在无数撞击之后，人们终于找到了希格斯粒子，它在几百万亿次撞击中仅出现几次，形成了一种图案和规律并被捕捉到了，是去年的重大发现。

而对哈丁先生个人来说，另一个非常重要的发现是重力波，这也是美国三十年来政府资助的最大项目。两个四公里长的重力波力臂，这两个波形图，证明了爱因斯坦所说的两个黑洞撞击之后所呈现出的形态。在爱因斯坦提出相对论一百年之后，就完全证实了他当初的设想，探测出重力波的重要性相当于找到了一种全新的光。虽然发现重力波的真正意义可能要在几百年之后才会显现出来，但这是人类所跨出的非常重要的一步。

质子本身已经非常小了，重力波粒子的大小是质子的万分之一，也能被发现是非常了不起的。它是迄今为止人类可以捕捉到最细小的物质，背后是巨量的资金，是无数机器共同的运作，也可能是无数偶然随机性当中捕捉到无效的信号。但是，正因为人们所捕捉到的都是规律，比如微小的粒子等，并通过理论和规律最后找到了粒子，有力地证明了人们所身处物理世界所遵循的规律。这是哈丁先生所想要传达的一个核心信息——人们所有通过机器的研究，最后都为了并且能够找到事物形态的规律。

元盛所做的就是把全世界各地金融市场的数据集合在一起，能够从嘈杂的数据中找到类似不易被发现的信号。例如无线电望远镜所记录的外太空无线电波的情况，红色和蓝色代表频率。然后，把过去50年全世界所有期货市场的收益率作对比。下图无线电望远镜所捕捉到的外太空频率，和上图期货市场回报率波动的情况，看上去有类似之处，或者说有规律可循。现在把一个信号引入期货市场回报率波动，即在期货回报当中引入人工干预人为地让这个市场上涨。

请注意，是人为地引入了一个信号。如果说可以识别出这样规律的话，那其实已经明确知道市场什么时候上涨。显然，在现实世界中，这样有规律的信号定期地发生是不可能的。但是，如果把这个信号缩小一点，信号仍然存在。只是把它缩小100倍，虽然信号还是同样的信号，但它藏在这么多噪音中看不到了。如果把两个时间序列分成两个区段，可以分成任何长度，任何区段，然后进行堆积，再进行加总。如果分段长度选择合适，那么刚才这个信号应该就能实现叠加，所有的噪音都相互抵消，这样就能证明这个信号是存在的。

把它竖向叠加起来，下面是无线电望远镜的频率信号，上面是期货的回报，先选取了7段进行叠加，看不到信号？再把这些区段叠加上去，到100段，还看不到？叠加到200段，还是没有找到？现在，把数据截成1000段，这样无线电望远镜频率信号看起来非常明显了，于是发现了脉冲星。脉冲星快速地自体旋转，然后再内陷，所以看上去倒挺像是一个外星智力生物发出来的信号。这个无线电望远镜频率中的数据很有趣，虽然单用此数据没办法用它来挣钱；但是，在期货数据里，也可以看到一个隐藏在嘈杂数据中的信号，它凸显出来了。一个肉眼本来看不到的数据信号就这样被识别出来，就是用类似无线电望远镜识别信号的方法。运用物理学和数学等科学的原理，在嘈杂的金融市场上寻找不易被发现的微小规律；而物理和数学等科学是用来寻找现实世界规律的。

现实有三种，客观的、主观的和介于二者中的现实。而金融市场其实属于主观的市场，很多数学家和物理学家进入金融行业的时候犯了一个错误，他们认为金融市场上物理学和数学的规律一定都能用（作者语：影响市场因素的假设有误，在实际交易运用中会造成较大偏差），所以他们建立了很多以物理学原则为基础的模型。其实金融与物理和数学不一样，因为在金融市场中没有一样东西是恒久不变的真理；但尽管如此，在金融交易中还是可以使用一些科学的工具。

回到AI，很显然技术还在不断进步。尤其在硬件方面，技术进步非常快，计算能力在不断增强，根据摩尔定律成本每18个月都会减半。这个定律一直到如今还是对的，实在让人惊讶。从用户体验来说，电脑体积越来越小但运算能力越来越强。如今，还不断有新的突破涌现，比如说，在深度学习领域使用一些数学以及统计学的概念，借助现代电脑强大的计算能力能有新的发现。有些公司，也像元盛一样，在越来越多地开发此类运用计算机运算的工具和技术，只不过，有时候炒作和事实被混在一起。在金钱的世界里，有很多疯狂，很多炒作。如果只用计算机来计算的话，并不会让人变得更聪明，正所谓“垃圾进，垃圾出”。

AI到底是什么？数据的可视化和神经网络是人们使用的两种工具，以识别大数据中的规律，使用统计和数学的方法，进行机器学习，实现自己的目标。哈丁先生想强调的是，如果这些活动造成了眼球效应，有时候人们并不明白这些热门词汇到底是什么意思，就简单将其都划归AI，也不知道这些词汇相互之间有什么关系，像这样的炒作是没办法推动当今世界进步的。

问答环节：

汪滔教授：谢谢哈丁先生，真是一场非常精彩的演讲。从学生和观众中收集了两个问题，都是有关AI、大数据和神经网络的，大家很想知道这些术语对金融市场的影响。

第一个问题，言及量化金融风险，Seth Klarman推荐过一本书叫做《黑天鹅》，他说：“量化模型在正常市场上是有用的；可是在财务困难的市场中，量化的方法可能会起到破坏性作用。”您的观点为何？大数据和AI技术能够怎样帮到人们进行分析呢？

哈丁：写这本书的人是个聪明人，但是他说这句话并不确切。量化模型有好多种，如果他所指的量化模型是对数或者回归，可能他的理解有误。他说这些模型不能在极端市场里面使用，量化分析并非如他所说，实际上在极端市场里仍能挣到钱。我认为，他令读者产生混淆，他认为量化分析是数学计算，而我不这么认为。读者需要理解的是现实，而不是理解那个理想化的状态。理想化状态的理论，很多时候在现实中并不存在。

汪滔教授：第二个问题也跟大数据和AI在投资中的使用有关。现在有很多投资策略都是基于数据，结果交易员们的策略开始趋同。如果市场上的量化投资者都使用类似或同样策略，那么这个策略总有一天会失灵。元盛保持成功的策略最长存续了多久？如果这个策略在实施过程中有挫败，你是如何判断策略是永远失效了还是以后会反弹呢？

哈丁：只要有成功的策略出现，就会有人去模仿。我们最长的成功的策略已经用了30年，还有一些用了15年。当然，这些策略也会有改进和调整，与30年前、15年前的策略不会一模一样。我认为，金融市场可以类比成一个丛林，这里说的丛林是一个生态系统（Echo System），而金融市场就是这样一个金融生态系统。

它不只是一个物理世界，其中任何东西都是原子在运动。我看到的这个生态系统，其中有混沌、有模糊、有互动，有的动物会繁盛，有的会吃掉其他的动物，也会慢慢出现新的动物，如此循环往复。我们的策略一般来说是比较长的，你判断一个策略好不好，不是主要看它时间长短，而是看它挣不挣钱。

如果它每天挣钱，也许持续不了多久，只能持续几个月。我不是说我们所有的投资都做的非常好，就像刚才的问题，你怎么知道亏损是暂时的而以后会收回来呢？我的答案是，你永远都不会知道你的策略是暂时的还是永远的亏损，其中包含很多主观和人为的因素，包括你的信念、判断等等。