對沖基金公司人工智慧演算法

A. 人類的那些工作會被人工智慧取代

在21世紀人類和計算機爭奪工作崗位的戰斗中，計算機正在走向勝利，人類轉敗為勝的機會並不大。隨著技術進步，那些原本人們覺得不太容易自動化的工作，失守的可能性也增大了，以下為原文內容：

麥肯錫全球研究所（McKinsey Global Institute）在2017年1月的一份報告中估計，目前人類的工作職責中有一半可能在2055年實現自動化，最早2035年，最遲2075年。

最重要的一點就是，機器人會取代我們的工作。沒有人會在它們周圍建立一道隔離牆，或者對它們徵收高關稅。

從某種程度上來說，這不是什麼新鮮事。自從車輪發明以來，技術就一直在取代人力勞動。現在機器已經在逐步取代那些低技能、低工資、重復度高的工作。最少被取代的工作屬於娛樂界人士、治療師、醫學領域成員、社會工作者、教師和管理者。因為在人際互動和定製決策等方面，計算機似乎還比不上人類。

但是這種情況正在發生變化。

由於人工智慧、自然語言處理的發展，以及計算能力的成本變得越來越低廉，人們曾經覺得不適合自動化的一些工作，突然顯現出了自動化的前景。

例如在10年前，研究人員曾經認為，讓汽車繞過障礙物，並在車流中穿行，這項任務的復雜性超出了計算機的能力范圍，但現在幾乎所有的汽車製造商（以及像蘋果這樣的公司）似乎都在研製無人駕駛汽車。

哪些工作可能被取代？

短短幾年裡，計算機可以做的工作就在數量和類型上出現了大幅增長，有的在意料之中，但有的出乎了人們的想像。

中層經理：上個月，世界上最大的對沖基金宣布正在開發演算法，對管理決策過程進行自動化，這個過程包括員工的僱用和解僱。 Bridgewater Associates的PriOS項目建立在其創始人、億萬富翁創始人雷·達利奧（Ray Dalio）的經營理念的基礎上，該公司希望在五年內推出這個產品。

律師：下次從交警那裡收到違章罰單的時候，你或許可以僱傭一個機器人律師。 DoNotPay已經在倫敦、紐約和西雅圖幫助16萬人打過這種官司了，它的業務很快將擴張到舊金山、洛杉磯、丹佛和芝加哥。你填寫一張調查問卷，如果法律機器人認為你並沒有違規，它就會發一封信進行申辯。該公司聲稱其申辯的成功率達到了60%。

記者： Narrative Science和Automated Insights等公司創建的AI機器人已經為福布斯和美聯社等客戶撰寫商業和體育報道了。Narrative Science聯合創始人克里斯·哈蒙德（Kris Hammond）2015年6月接受《衛報》采訪的時候預測說，到2030年，90%的新聞都將由計算機編寫，而一些勤奮的機器人甚至可以在那之前就獲得普利策獎。

治療師：已經有一些公司開始用 「社交機器人」幫助一些自閉症的孩子學習適當的社交行為。治療型機器寵物可以陪伴患有痴呆症的老年人。美國軍方正在使用計算機生成的虛擬治療師在阿富汗篩查患有創傷後應激障礙（ PTSD）的士兵。

教師：使用McGraw-Hill Connect和Aplia等軟體，大學教授一次可以管理成百上千個學生的課程作業。Mooc在線課程也可以同時給數以千計的學生上課。日本和韓國正在使用實體機器人教學生學習英語。

演員：1994年去世的彼得·庫欣在2016年的《星球大戰，俠盜一號》中再次扮演了他的老角色，這得歸功於工業光魔公司的神奇技術。但他並不是第一個出現在新電影中的已過世演員。保羅·沃克、奧黛麗·赫本、勞倫斯·奧利維爾爵士、李小龍和馬龍·白蘭度也在新的電影和廣告中「數字化復活」過。

烹飪書籍作者：2015年1月，IBM的計算機沃森（Watson）創作了一本烹飪書。裡麵包含65個食譜，比如如何製作「克里奧爾蝦肉羔羊」餃子，釀造「蹄子蜂蜜」啤酒等。

配送員：雅樂軒酒店正在試驗一個名為「Botlr」的機器人管家，讓它把毛巾或洗浴用品送到客人的房間 （它不會收取小費，但是會鼓勵你發推文）。Starship技術公司的送貨機器人看起來像是一個加強版的掃地機器人，不過它可以把食品和包裹送到附近的地方。 DoorDash和Postmates已經宣布與Starship技術公司開展合作。而在去年12月，亞馬遜使用無人機向顧客配送了第一個包裹。 Amazon Prime Air則承諾在30分鍾或更短時間內送達重量不超過5磅的包裹。

司機：Uber和Lyft想要用機器人替換成千上萬的業余計程車司機，這已經不是什麼秘密了——盡管早期測試遇到了監管和安全方面的障礙。計程車和城市公交車可能是最先獲得自動化的交通工具，時間可能是在2020年代初。

文學和藝術創作領域，人類仍占上風

2013年牛津大學的一份職業數字化的研究曾指出，最不可能被計算機替代的工作，是那些對社交和創意智能需求最高的工作。但即使是在這些領域，數字化的前景也已經浮現出來。

多年來，計算機一直在創作藝術、音樂和文學——雖然它們的作品不怎麼好。機器人詩歌和計算機生成的音樂已經形成了自己的流派，但對於人類詩人和音樂家的工作前景，它們迄今沒有造成太大沖擊。去年2月，第一部由演算法創作的音樂劇《Beyond the Fence》在倫敦上演，但獲得的評價不是很高。

盡管如此，演算法和藝術家們還是存在一定的競爭關系。 在2016年的RobotArt大賽中，冠軍被台灣一所大學的TAIDA奪得，它創作的點彩派風格作品看上去似模似樣。

去年4月，計算機寫作的小說《計算機學小說的那一天》入圍了日本星新一文學獎(the Nikkei Hoshi Shinichi Literary Award)。評委並不知道這本書是AI寫作的。

耶魯計算機科學講師奎克（Donya Quick）編寫的音樂合成軟體Kulitta已經愚弄了一些「精通音樂的人士，」他們誤以為這個軟體創作的樂曲是約翰·塞巴斯蒂安·巴赫的作品。

但是目前來說，人類將繼續在創意領域占據上風。

「需要大量創意的工作可能在相當長的一段時間內仍然是安全的。有一些人嘗試用計算機寫劇本和電視劇，到現在為止，它們寫的作品都很糟糕。」 《只有人類才需要申請：智能機器時代贏家和失敗者》（Only Humans Need Apply: Winners and Losers in the Age of Smart Machines）的合著者湯姆·達文波特（Tom Davenport）說。

如何在職場上與計算機共存？

還有一些跡象，也讓人覺得比較樂觀。

大多數高技能職位工人，可能會和計算機一起工作，而不是全部都被計算機取代。麥肯錫估計，目前60%的工作都或多或少有些部分可以進行自動化。

在醫學、法律和銀行等領域已經出現了這種情況。例如， IBM 的沃森可以幫助醫生診斷患者病情，並分析核磁共振成像圖片。eDiscovery和Kroll Ontrack這樣的電子發現平台可以幫助律師在幾個小時內篩選出數千份文件。FutureAdvisor或Wealthfront這些AI驅動的服務可幫助顧客做出投資決策，這樣一來，財務顧問就可以把時間騰出來去為高凈值客戶工作了。

達文波特說，在機器人佔主導的工作場所中，人類有五種方式可以與他們共存。你可以在織鏈中向上移動，成為計算機的監督者，或進行高層決策者，決定對哪些工作進行計算機化。你也可以把精力放在工作中計算機不擅長的內容上，或找一個計算機可能不擅長的新工作。最後一個方法是，你成為自動化技術的研發者。

辛辛那提大學經濟學助理教授邁克爾·瓊斯（Michael Jones）認為，工作被計算機搶走這個問題可以通過教育和培訓來解決——盡管現在還不清楚工人應該獲得哪些培訓。沒有人知道10年或20年後的工作是什麼樣子，就像沒有人20世紀90年代就能夠預測到會有「無人機修理技工」這樣的工種一樣。

瓊斯說：「自動化不僅能令整個社會受惠，而且也會讓個別工人受惠——如果這些工人能夠調整自己的技能，並利用新的技術來改進自己的工作。 但是這些人都能掌握新的技能嗎？即使他們能，他們願意嗎？」

瓊斯說，傳統職業受的影響可能不大，如水管工、電工和木匠等等。 調研公司Forrester的副總裁兼首席分析師戈恩德（JP Gownder）表示，盡管在自動化比較容易實現的領域，工作機會將日益減少，但它們可能不會徹底消失。

「我相信人類勞動會受到珍視，它可能會成為一種奢侈品，」他說。「可以想像，在15或20年後，大多數人都會去找機器人給自己修指甲。但富人可能還是想讓真人來給自己修指甲的。」

如果你碰巧是被演算法搶走工作的數百萬失業大軍中的一員，想要去找工作，那麼招聘機器人（如Entelo或Gild）可能會幫助你找到一份新工作。

B. 人工智慧橫掃圍棋界，用來炒股怎麼樣

「阿爾法狗」只是人工智慧的一個縮影。那麼下一步會不會出現一隻具有強大人工智慧的「炒股狗」呢？人工智慧專家戴文淵說，金融證券領域將成為人工智慧下一步「攻佔」的對象：「我認為，看一個行業會不會有人工智慧進入，就是兩個條件，一個是數據，一個是價值。所以我們為什麼會預測金融領域會成為人工智慧下一個要進入的行業，主要是看這兩個前提條件。」
其實，一個讓很多人感到吃驚的事實是，在一些程序員的眼中，股市比圍棋更簡單。股票市場里的變數和涉及的演算法，就程序本身而言，可能還沒有人類智慧巔峰的「圍棋」復雜。而實際上，人工智慧的種子也早已播撒在了金融證券領域。尤其在證券領域里，「炒股狗」的介入恐怕已經超過我們普通人的想像。
去年上半年，國外就有創業公司將他們管理的對沖基金里所有的股票交易完全交給人工智慧來完成，期間沒有任何人類干擾行為。更令人震撼的是，據說負責各個不同交易系統的人工智慧引擎不僅可以分析數據、研究報表，甚至還可以「聚在一起」做市場預測，然後「投票選出」最佳市場決策。從這個意義來說，人工智慧在證券領域內的應用，早已不是人們所熟悉的那些量化建模、高頻交易等簡單操作。

C. 華爾街人工智慧炒股用了多少台電腦

用的是超級計算機，如果是是普通的台式機我只能說你太low了

Shaunak Khire 的團隊開發了一套機器智能系統 Emma AI，正在募資成立一支基金，計劃三個月內用 Emma AI 開始交易投資。現在資金籌措工作接近完成。
根據 Emma AI 官網的信息，這套系統是一個機器增強神經搜索界面，被設計用來做金融分析、調研、預測等工作，如預測美國收十年期國債收益率。
作為 Emma AI 的項目負責人，Shaunak Khire 是投資公司 Magha 控股的合夥人，這家公司編制金融指數並據此交易。

�0�2此外，他還在 2010 年成為柯林頓全球倡議（Clinton Global Initiative）科技委員會成員，當年海地地震發生後，為柯林頓-布希基金進行簡訊捐款方案的嘗試。
今後 Emma AI 的交易會從醫葯巨頭葛蘭素史克（GSK）、特斯拉以及美國國債等品種開始。�0�2

Shaunak Khire 認為 Emma AI 可以代替金融分析師，並表示 Emma AI 跟傳統程序化交易不一樣，Emma AI 的神經網路系統會考慮更復雜的影響個股走勢因素，如一個國家貨幣政策的改變。
而近三十年越來越廣泛使用的程序化交易是一種交易策略，利用計算機根據現有數據模型進行高頻交易，模型本身不會因為所在市場基本面的變化而改變。
依靠電腦和特定的數學模型做交易，這在華爾街已經很常見了。
根據市場分析機構 Preqin 的調查，美國現在大約有 1360 只對沖基金的交易主要是依靠程序化交易來實現，大概佔到整個對沖基金市場的 9%，管理的資金規模大約是 1970 億美元。

在 Preqin 的調查中，程序化交易的對沖基金跟傳統對沖基金相比，收益率盡管不是一直領先，但最終五年收益率要好不少。

相比之下，人工智慧技術在金融領域的應用雖然不多見，但也有一些知名的對沖基金參與在內。
Two Sigma 是一隻管理資金規模超過 350 億美元的知名對沖基金，他們利用自然語言處理技術，分析美國聯邦公開市場會議委員會（FOMC）的發言。
這套技術會分析「證券」、「利率」、「抵押」等詞彙的出現次數，從而得出譬如「2008 年，FOMC 有關金融市場的發言占 37%」，或者 「2007-2009 年，FOMC 有關通脹的討論占 20%」等結論，幫助交易員設計交易模型時，有更多數據支持。
Two Sigma 利用自然語言處理技術的得出 FOMC 議題佔比
Renaissance Technologies�0�2是全球最大對沖基金公司之一，公司特點是主要使用計算機進行高頻程序化交易，基金規模超過 650 億美元。今年四月，他們領投了一家使用人工智慧技術的對沖基金——Numerai，後者總計募集資金 150 萬美元。Numerai 在獲得大量數據和金融分析報告後， 通過機器學習技術預測股票市場走勢。
雖然有這些實驗性的工作在進行，但暫時沒有知名的對沖基金公司明確已經使用人工智慧進行交易投資。

I.B.M. Watson 項目首席研究員 David Ferrucci 在 2013 年離開 I.B.M. 後，加入世界最大對沖基金公司 Bridgewater 。對此，華爾街曾以為 Bridgewater 將開發人工智慧交易程序，Bridgewater 後來否認短期內會有這方面打算。
Bridgewater 在聲明中補充道，關於科技對交易的幫助，他們更看重人工智慧技術提供的邏輯計算幫助，而非數據挖掘。
當金融市場劇烈下跌時，程序化高頻交易會根據策略模型嚴格執行止損，整個市場都這么做的話，就容易加速下跌。2010 年，這樣一起事故讓道瓊斯工業指數在 36 分鍾里暴跌 9%，被稱為萬億美元的股市下跌。

D. 現在人工智慧發展到什麼程度了

2017-11-30請點藍字＞慎思行慎思行

E. 為什麼對沖基金那麼賺，普通人能投么

對沖基金一般是基於馬考沃茨的現代組合管理理論。通過非常復雜的計算進行投資配置，從而實現對沖風險的同時獲得高收益的專業機構。因為公式的計算量和計算功耗使一般人無法實現對沖投資，所以對沖一直掌握在高端投資者手裡，普通人是不可能有機會投資對沖基金的。不過，隨著人工智慧的不斷壯大，對沖投資終於可以進入普通投資者的世界了。代表就是財鯨全球投資。該平台利用人工智慧進行大數據計算，經過對海量數據的分析和排序，能夠實現具備分散風險和提高收益雙向優化的標的選擇，通過組合的形式提供給投資者購買，本質上相當於一個個小基金，是投資者根本不可能通過自己研究、分析獲得的標的組合。

F. 中國的人工智慧現在發展到什麼階段了

弱人工智慧(ANI)：弱人工智慧是擅長於處理某一單個方面的人工智慧。比如Alfago只能下象棋，蘋果Siri目前只能作為你的語音助手。特斯拉的無人駕駛系統里也包含無數的弱人工智慧，不要否認，我們已經進入人工智慧的世界中，只是現在level還比較低。甚至在弱人工智慧中都屬於比較低級的階段

強人工智慧(AGI)：人類級別的人工智慧。強人工智慧是指在各方面都能和人類比肩的人工智慧，人類能乾的腦力活它都能幹。創造強人工智慧比創造弱人工智慧難得多，我們現在還做不到。Linda Gottfredson教授把智能定義為「一種寬泛的心理能力，能夠進行思考、計劃、解決問題、抽象思維、理解復雜理念、快速學習和從經驗中學習等操作,」強人工智慧在進行這些操作時應該和人類一樣得心應手。

超人工智慧(ASI)：牛津哲學家，知名人工智慧思想家Nick Bostrom把超級智能定義為「在幾乎所有領域都比最聰明的人類大腦都聰明很多，包括科學創新、通識和社交技能。」目前AI的發展毫無疑問處於弱人工智慧發展階段。但在弱人工智慧階段，AI的發展也要被劃分為三個階段：技術驅動階段、數據驅動階段和場景驅動階段。我們現在處於弱人工智慧的早期階段——技術驅動階段。

G. 人工智慧可以用來炒股嗎

說的神乎其神，人工智慧能用來炒股嗎？

人工智慧在圍棋、象棋、德撲等領域都已經取得了碾壓式勝利，這已經是一個不爭的事實。事實上AlphaGo這樣的AI已經可以用於任何需要理解復雜模式、進行長期計劃、並制定決策的領域。人們不禁想問，還有什麼是人工智慧不能克服的嗎？譬如說，變幻莫測的A股？

對於這個問題，持各種觀點的都不乏其人。探討它實可以分為兩個部分：1. 股市可以預測嗎？ 2、 假如可以預測，用機器學習的方法去預測可以嗎？

先回答第一個問題：股市的漲跌可以預測嗎？

如果將股市的價格變化看做一個隨時間變化的序列，Price = Market (t), 我們往往會發現，不管是嘗試用N個模型(線性，非線性, 概率)來進行逼近，即使是建立了符合股價變化的這樣的模型，並且在有足夠多的訓練數據的情況下模擬出了股價，但是這些模型最多隻能在特定的區間能做一些並不十分精準的預測。

美國矽谷「感知力」技術公司讓人工智慧程序全程負責股票交易，與其他一些運用人工智慧的投資公司不同，該公司交易部門只有兩名員工負責監控機器，以確保出現不可控情形時可通過關機終止交易。據報道，「感知力」公司的人工智慧投資系統可以通過經驗學習實現「自主進化」。公司在全球擁有數千台同時運行的機器，其獨特演算法創造了數萬億被稱為「基因」的虛擬交易者。系統利用歷史數據模擬交易，目前可在幾分鍾內模擬1800天的交易量，經過測試，不好的「基因」被剔除，好的「基因」被保留。通過考驗的好「基因」被用於真正的交易。公司員工只需設定好時間、回報率、風險指數等交易指標，剩下的一切都交由機器負責。

公司首席投資官傑夫·霍爾曼透露，目前機器在沒有人為干預情況下掌握著大量股票，每天完成數以百計的交易，持倉期限為數日到幾周。公司說機器的表現已超越他們設定的內部指標，但沒有透露指標的具體內容。

隨著人工智慧技術的持續進步，人工智慧投資成為被學術界和資本看好的領域。英國布里斯托爾大學教授克里斯蒂亞尼尼說，股票投資是十大最有可能被人工智慧改變的行業之一。另一方面，也不是所有的投資商都信任機器，英國對沖基金曼氏金融首席科學家萊德福警告說，不應過度信任人工智慧投資，該領域還遠沒有成熟。雖然有各種各樣具有迷惑性的承諾，很多投資人的錢卻有去無回。