几乎每天都不会有人告诉投资者，人工智能将彻底改变投资管理。毕竟，人们把AI当作增强图像识别、医疗保健、电影推荐、假新闻甚至简陋牙刷的一种方式。当然，人工智能让投资者坐在家里看亮闪闪的电影，只是时间问题吗？
尽管不断宣传，但现实是不同的。区分两者的最好方法是考虑什么是AI。我发现用这个短语来做任何陈述，然后替换“统计”这个词是有用的。有人说：“英国政府发誓要用人工智能来彻底改变国民健康保险制度。"英国政府发誓要用统计数据彻底改革国民保健制度。"买一个有“统计功能”的牙刷，听起来也很平淡。
那么，我们怎么能指望AI来帮助投资过程呢？具有讽刺意味的是，人们需要获取一堆数据(最好是新奇的“替代”数据)，将其扔在某种“神经网络”上，然后弹出一个定义模糊的金融金矿。这种误解让严肃的统计学家抓狂。
首先，机器学习需要一个明确的目标。这是谷歌传奇的AlphaGo程序在2016年最终在棋盘游戏Go中击败人类冠军时的表现。但是融资和投资的目标是什么？随着时间的推移获得更高的回报？在股市中获得两倍的杠杆地位会给你带来两倍的回报。是不是风险调整后的回报更高？在你的投资组合中加入一些多样化的资产，比如债券，会给你带来好处。
我个人的故事讲述了AI的陷阱。是在2010年，我对遗传算法产生了兴趣，它利用选择和育种的力量来“进化”。我写了一个函数库来开发交易系统，让成千上万的手工交易者繁衍生息。最后，我有大量的手动交易者，他们做着量化基金几十年来一直在做的事情——只是不是我想要的。
所以一定要告诉AI系统，比如：“不要找一个大家都知道的回报；只是一个微妙的未知。”但很难具体说明。即使一个人能够准确指定预期收益，也会导致第二个问题：如果影响是细微的，可能是小的或者是短暂的，所以很难大规模使用。因此，在庞大的全球投资行业中，只有少数基金会从中受益。
第三个问题是AI系统要吸取过去的教训。在这方面，它与任何其他系统或任意的投资程序没有什么不同。然而，金融的根本问题是过去不能很好地指导未来。用统计学术语来说，金融不是“固定的”。在大多数AI领域(比如电影推荐、牙刷)，目标是固定的，环境不会有太大变化(除非你做过很多牙科工作)。
从根本上说，这在金融界是不成立的。在快速应对市场动态变化和相信旧模式将重新建立自己之间存在权衡。虽然人们可能希望AI系统能够快速响应事件，但实际上这意味着它必须在很短的历史内建立一个模型，从而减少系统可以学习的数据量。必须做出艰难的选择。
免责声明：本文由用户上传，如有侵权请联系删除！
