AI炒股真能成為投資者們的“救命稻草”嗎？

AI炒股真能跑贏大盤嗎？

數據有限、信息不對等專家稱現階段AI炒股是個“偽命題”

IT時報見習記者李丹琦

“某股票勝率78%，交易79筆，大神們都在買”“免費會員預計收益3%，白銀會員預計收益5%，黃金會員預計收益10%”……或許在不少有經驗的股民眼中，以上描述是“明眼人”都能輕鬆識破的騙局。但如果這些東西被冠以“人工智能（AI）”之名，不少人會為之心動

自從“阿爾法狗”打敗了世界圍棋冠軍、自動駕駛成功搶佔未來出行的制高點，不少打著“AI炒股”旗號的軟體出現在投資者的視野。有了AI的加持，這些公司揚言自己的AI炒股軟體不僅可以準確診斷股票情況、抓到漲停的股票甚至全面跑贏大盤。

AI炒股真能成為投資者們的“救命稻草”嗎？

股市數據有限無法“喂飽”AI

最近，有媒體報導，4月18日，一家名為DeltaGrad的人工智能技術公司正式對外宣布，目前已成功將AlphaGo技術應用於金融投資領域，從底層對人工智能神經網絡結構進行設計開發。DeltaGrad宣傳資料顯示，自2017年11月始，DeltaGrad以自有資金進行A股實盤測試，對經過歷史數據回測訓練後的A股人工智能投資機器人做實盤檢驗，截至2018年12月，錄得交易累計業績為收益6.19%。同期上證指數-30.10%，深證指數-41.18%，創業板38.58%。DeltaGrad全面跑贏大盤。Del?taGrad投資收益率遠超市場95%股票型基金。

通過官網和客服，《IT時報》記者都未能聯繫上這家公司，因此無法對其說法進行進一步了解，但在上海財經大學交叉科學研究院副教授、金融科技實驗室主任高建軍看來，AI跑贏大盤的說法，還有待長期檢驗。“目前AI在量化投資，特別是股票、期貨等二級市場的應用仍然處於初級階段。近幾年的AI熱潮，主要是由計算機硬體技術的提升以及深度學習算法在圖像、語音、自然語言處理等領域的成功所推動的。在量化投資領域，金融數據與之前這些領域的數據有著顯著的區別。我通過測試對各種機器學習算法進行了評估，發現簡單的機器學習算法以及深度學習算法對股市的預測能力相比傳統模型而言提高的程度有限。”高建軍表示，很大的原因是金融數據本身是非平穩的時間序列，特別在中國，超過8年的交易數據用處並不太大。也就是說，中國股市數據的統計特性是不穩定的，隨著時間或者其他隨機因素發生變化。

另一個原因是數據量，一般訓練深度網路需要海量數據，而交易數據特別是天級別的數據很難滿足數據量的要求。一年有250個交易日，單隻股票近5-8年的天級別數據量太少。如果引入更高頻率的數據，又會引入更多的噪聲數據。這一定程度上也成為訓練機器學習模型的掣肘。把更高頻的數據融入並結合到相對低頻的數據中，從而幫助模型提高預測能力也是目前學術研究的熱點。

對此，一位金融科技公司的內部人士馬強（化名）也表示認同。“無論是下圍棋或是圖像識別，這二者可以無限生產大量的樣本，使用AI模型可以學習出較穩定的模型。但股票市場則不同，由於人類投資歷史的時間有限，樣本有限，再加上投資複雜程度較高，所以從本質來講，投資模型很難用AI完成。不僅如此，即便AI從統計中找到了規律，也很快會因為一個未知變量的變化而失效。”

一位不願具名的券商向《IT時報》記者表示，“目前大部分客戶還是以主動策略和量化管理為主，AI炒股學習需要大量的操作數據，需要券商過往的數據配合，就目前來看，還沒有能夠提供深度合作的券商。即便是引入AI，券商也要看客戶的意願。”

無法破局的“黑天鵝事件”

目前國內的AI炒股軟體一般分為3類：一類是對K線圖等技術曲線進行分析進而預測走勢的軟體；一類是針對資金流、龍虎榜、財報等非行情數據進行分析的軟體；第三類則是對實時新聞產生的標簽進行分析然後預測個股走勢的軟體。“這三類軟體的本質都是希望基於數據對未來的股票走勢進行預測。但是證券市場受信息驅動變化較大，本質上對實時新聞產生的標簽進行分析預測股市的軟體在邏輯上是成立的。但由於信息的不對等，沒有人能夠掌握世界上所有的信息。”一位金融科技界資深內部人士陳鵬（化名）道。通常情況下，致力於AI炒股的創業公司規模不大，處理海量新聞數據的能力有限，很多所謂AI炒股軟體，依然是根據K線圖計算技術曲線或者DK點吸引散戶付費從而變現。

實際上，變幻莫測股市上偶爾出現的“黑天鵝事件”，是AI炒股能否順利實現的決定性因素。

幾乎每年，股市都會遇到“黑天鵝事件”。比如2018年被曝出狂犬疫苗造假的主角*ST長生，便是A股歷史上首例因“重大違法行為”而遭遇強製退市的上市公司。

虎博科技創始人兼CEO陳燁認為，AI可以幫助人類更有效率地獲取準確信息，從而輔助決策。金融市場變幻莫測，每一次都是隨機的環境。落於股票市場中，更多可能影響股票漲跌的信息是尚未公開的，並不是有了技術就可以達到。從本質來講，所有代碼都是人類寫出來的，這在一定程度上決定了機器的聰明程度，但沒有任何算法、任何機器可以左右金融市場的走向。

AI炒股價值幾何？

大多數股民在股市和匯市裡都有一本血淚账。除了歸咎於信息不對稱等客觀條件之外，技術上經驗不足以及心理因素也是重要原因之一。一位股民坦言，“對我來講，AI炒股就是一個參數指標，我可以根據AI指令來進行買賣交易，從而避免人性貪婪和恐懼的弱點。”“傳統的股票軟體只是簡單對股市中產生的數據進行搬運，主動為公開用戶提供投資建議屬於違法行為。”陳鵬表示，真正的AI炒股難點在於如何讓機器理解信息，“現在很多市面上的AI炒股，只是股票推薦服務+推送服務。現階段標榜自己AI炒股的,並且是幫別人炒股的肯定都是假的。”

在陳燁看來，目前AI在一些高頻量化基金領域有一定幫助，但並不是取代人做決策，更重要的是為人類提供更為全面的信息，解決金融市場信息不對稱的問題，利用相關技術，可以建立大規模海量數據的模型，將大量的行情、宏觀、行業、公告、研報、新聞等數據信息，總結成用戶需要的信息。技術可以挖掘更深度的價值信息，做出最正確的推薦，從而輔助人們進行判斷，但並不能取代用戶進行決策。

另有資深金融專業人士表示，AI炒股只是一個噱頭的概念，業內實際使用很少。在金融市場的交易中，用AI手段進行的佔比不足千分之一。此前，全球第一隻應用AI進行投資的ETF基金AI Powered Equity ETF（代碼：AIEQ）於2017年10月18日在紐交所上市。與人類炒股相比，它做到65天×24小時不停工作、同時對6000多隻美國掛牌股票進行分析、能每天分析上百萬條相關的公告文件、財報、新聞以及社群文章，利用量化擇時、量化炒股、因子分析、事件驅動等多種量化模型炒股。如今，一年過去，這隻基金並沒有跑贏指數。截至2018年10月18日，AIEQ上漲9.63％。同期，美股納斯達克指數漲13.01％，道瓊斯工業指數漲10.36％，標普500指數漲8.18％。就目前來看，AIEQ的成績並未比人類基金好，有時甚至表現得略差。“AIEQ的收益表現基本決定了AI炒股能夠做到的上限。”高建軍說道，“股票市場存在的重要意義是實現資源的有效分配。量化投資(包括使用AI技術投資)本身是非常有意義的，正是由於量化投資等主動投資方式的存在，可以幫助市場糾正錯誤的定價，抹平各種套利的機會，從而實現正確的定價。股市中因為投資者的非理性，時時刻刻都會產生各種錯誤的定價。例如有些股票被低估或高估，倘若定價不準則會使有效分配失去意義。”

高建軍認為，利用機器學算法建立合理的定價模型、選擇合適的定價因子是未來AI技術在二級市場可行的應用領域，機器學習在不同領域有不同的理解和不同方法：包括高維的、非線性統計和預測方法；各種對抗“過擬合”的方法；可以有效地根據數據，自適應地搜索模型中參數，“這些方法可以幫助市場發現以往難以發現的錯誤定價或者說是套利機會，從而幫助市場更有效。目前，不少機構開始嘗試使用機器學習的算法進行投資，由於回測的時間比較短，其長期表現還有待考察。”