投资不决问AI--为什么中小投资人更需要AI

今天我们来讨论一下为什么说用AI做投资决策更有优势的问题。

有一个有趣的实验，实验人员用一个玻璃杯装着一杯黄豆走上街头，然后在街头随机询问路人，让路人目测杯子里大概有多少粒黄豆，并给出一个具体的数字，有人猜测说有500粒，有人猜测说有2000粒，尽管猜测的数量有时看起来很离谱，但实验人员始终确实无误的记下每一个路人猜测的结果。

你也许会觉得这是个无聊的实验，但其实这个实验却能够用真实行动验证人工智能的理论基础。

话说，实验的结果非常惊人，随着参与猜测人数的增加，人们猜测的黄豆数量的平均值越来越接近真实的黄豆数量。

更神奇的是，当参与人数达到5000人时，所有人猜测黄豆数量的平均值就几乎和真实的黄豆数量一致了，当参与人数继续增加时，也丝毫没有改变猜测数量平均值等于真实黄豆数量的结果。

是不是很神奇？

其实仔细想想，这个实验并没有特别神奇的地方，它只是验证了统计规律而已。

这其中的奥妙也不难理解：

在对玻璃杯中黄豆数量毫无概念的前提下，人们总是很难准确预测黄豆数量的，于是总有人会猜一个较大的数字，也有人会猜测一个较小的数字。

当参与人数足够多的时候，他们较大的数字和较小的数字相互抵消，我们求出平均值就能非常接近真实的黄豆数量，参与人数越多结果越准确。

说到这里，可能有人会说，这不是和保险精算师做的统计工作有点类似吗？

答案是肯定的，因为这就是保险公司依靠大数据计算保费的真实依据。

根据这套规则计算出来的保险费，保险公司在卖出足够多的保险后就是稳赚不赔和旱涝保收的。

再从我们人类学习和积累知识的角度来思考一下。

我们在读书识字之前，是不可能写出一段话或者文章的。

等我们长大成年，读了很多书以后，是不是轻易就可以写一篇过得去的文章了。

这个循序渐进长大的过程我们称之为学习。

同理，电脑也可以学习，而且电脑还有不间断、不怕累、学得快、记得多、不会忘的诸多优点，我们只需要给电脑设定学习规则并给它们准备很多书，它们就会不断去学习。

当AI系统学习完1亿本书以后，你说，他怎么可能写不出优秀的文章来呢？

言归正传，说回投资领域，我们给AI量化系统设计好规则、准备好数据，让它不眠不休的模拟交易、分析统计，经过学习，AI量化系统就可以从海量数据中提炼出一套可以获利的交易策略。

我们如果利用这套策略来交易，长期坚持就能稳定获利。

一套适合的交易策略并不一定是收益最高的策略，适合的策略必须在易于执行和收益率之间找到平衡。

比如工程师小明收入稳定、家庭和睦。

小明对一夜暴富的欲望不高，只希望有长期稳定的收益。

像小明这种情况，他就很难接受回撤超过30%以上的策略。

如果在执行过程中小明不幸遇到最极端的情况，小明就可能会因为情绪崩溃而做出错误的决策（比如做出最底部止损或者直接放弃执行交易策略等不理智的行为）。

那么这种交易策略即使能够产生更高的收益，对小明来说也是不合适的。

 

再比如说大学毕业，初入职场的小亮同学，平时也用自己的闲散资金投资。小亮不喜欢时常小亮不喜欢时常小亏，偶尔大赚的交易策略。他追求的是高胜率的投资策略。那么小亮可以在训练交易策略的时候，将胜率的权重调高，AI框架就可以根据小亮的权重有针对性的训练适合他的交易策略了。

最后，我们再来讨论一下关于投资圣杯的问题。

 

在投资领域，人人孜孜不倦、梦寐以求的“投资圣杯”并不是没有，它对一些人来说是踏破铁鞋无觅处，对另一些人来说又是得来全不费工夫。

 

对于在投资路上上下求索的探寻者来说，投资策略改来改去，始终在原地转圈，“投资圣杯”近在咫尺，却屡屡失之交臂，对于这一部分人来说，那真算是踏破铁鞋无觅处了。

 

对于经历过大风大浪的顿悟者来说，兜兜转转若干年，蓦然回首才发现“投资圣杯”就是自己一以贯之执行的、适合自己的交易策略。

 

 

其实我们也可以换句话来描述“投资圣杯”：

 

合适的投资策略就是“投资圣杯”。

 

我敢说，投资策略没有最好，只有适合与不适合，一千个人就会有一千套最佳的交易策略。

 

只要搭好了AI的训练框架，我们就可以通过调节策略各项参数的权重来有针对性的训练适合自己的策略了。

 

当我们用AI系统训练出了适合自己的交易策略，并不是就从此一劳永逸了。坚定不移的执行也是成功策略不可或缺的部分，再好的策略如果不能严格执行也不能体现它应有的优越性。经过上面的讨论分析，应该不难看出AI其实也是一把双刃剑，用得好事半功倍，用不好同样也是白费功夫。同时，我们也要有合理的心理预期，我们始终要记住：经过AI训练出来的交易策略是久战必胜的，而不是百战百胜的。