阿爾法Go有這樣一個段子：當阿爾法Go進化阿爾法master以後已是圍棋十三段的水準，面對職業9段棋手能獲取60連勝，已經沒有人可以擊敗他了。因而阿爾法Go來到了中國A股市場，通過半年多的挑戰最終落荒而逃。這個段子說明一點：任何想要經過人工智能作投資交易，進而躺着賺錢的智能金融項目註定是要失敗的。迄今爲止，咱們據說過不少牛×的智能金融產品，莫過於被標普全球以5.5億美圓收購的Kensho，，kensho爲投資者提供的主要服務是：尋找事件和資產之間的相關性，以及事件對價格、特別是價格長期趨勢的影響。舉個例子，巴西地震對鐵礦石價格有什麼影響？他們之間有什麼相關性？這就是kensho提供的主要服務，其核心是基於歷史大數據的相關性分析，而不是資產訂價！因此，幾年過去了，迄今爲止咱們並無看到kensho演化爲炒股利器，甚至沒有像搜索引擎同樣普及掉，其目前的定位依然是智能投研，爲研究員、基金經理提供特點數據服務。機器學習
筆者曾經也作過一個接近交易的智能金融項目：持倉預警，解決的問題是跟你持倉股票相關的資訊對股價波動的影響預測。所謂相關的資訊是指用知識圖譜描述與該股票具備0度、1度、2度關係的資訊。好比，持倉A公司股票，那麼A公司本身的資訊就是0度關係；A公司競爭對手的B公司的資訊對於A公司來講就是1度關係。一般的行研邏輯是，當競爭對手B出現巨大利空資訊後A公司會表現出利好來。按照這個邏輯咱們準備了樣本數據，用NLP作資訊解析（事件、情感分析、熱度、影響度、重要度等），知識圖譜作關係定義（競爭對手關係、擔保關係、供應關係、上下游關係等），機器學習作模型預測，最開始咱們將Y值設定爲資訊對一段時間後股價漲幅的影響，結果發現影響基本能夠忽略，而後咱們將Y值修訂爲對次日股價的影響，結果依然不理想，而後咱們繼續修訂爲次日漲跌的影響，仍是不行，最後項目將Y值定義爲股價波動的絕對值。終於找到了點相關性了。從這我的工智能項目來看，項目一開始的目標離交易很近，想要作股價漲跌預測，到項目最後當咱們遠離「資產訂價」這個目標後，將預測結果調整爲相關資訊對隔天股價波動的相關性分析，咱們才勉強產生出一些結果來。從過後看，當初的行研邏輯有問題嗎？從一個熟悉該行業的研究員角度看沒有問題，但對於機器AI來講，什麼是競爭關係呢？競爭關係有強弱之分，弱競爭關係基本沒啥影響，而強競爭關係也不見得就是反向影響，拿著名的長生生物假疫苗事件來講，一個龍頭公司的利空事件，實際上是對整個行業的利空，行業內全部公司受到不一樣程度的影響，沒有利好一說。學習