机器学习能让投资者更聪明吗?

本文作者Nishant Kumar,首发于彭博终端。

对冲基金的表现持续低迷,且其收费的合理性也开始受到质疑。人工智能会成为救星吗?目前,越来越多的对冲基金开始投资于人工智能的一个分支领域——机器学习,希望其能带领对冲基金找回昔日荣光。可问题是这相当困难,不仅费用昂贵,且失败的风险很高。

  1. 机器学习是什么?

机器学习是一种从大量数据中寻找定式的软件程序,其检索的数据量极大,即使大量身强体壮的分析师们彻夜工作也无法望其项背。在得到定式之后,机器学习还能通过更多数据对得出的假设进行验证。购物中心停车场的卫星图像与店内的销售数据相结合,能够得出什么结论?A相对于B的违约溢价以及C相对于D的收益率曲线斜度是否有E百分比的可能性将股价推高至少百分之F?如果某公司首席执行官或央行某官员用到特定一些词,是否会对资产价格产生影响?算法回答道:把我加进去,就能找到答案。

  1. 人人都在尝试?

许多基金,无论规模大小,都在试水该领域。某项调查显示,58%的基金经理认为,机器学习将对行业产生从中度到较大程度的影响。对冲基金巨头Bridgewater Associates、Man Group Plc 、Highbridge Capital Management和日本的Simplex Asset Management等公司正在对机器学习进行研发或投资。Renaissance Technologies和Two Sigma对该技术的应用已有较长时间。摩根大通旗下的资产管理子公司正计划投资于新兴及成熟的机器学习统计套利对冲基金,这有可能成为人工智能资金的潜在来源。这也显示出,该策略慢慢成为主流。

  1. 难度大吗?

找到模式并不难,难在找到能够可靠应用于现实世界的模式。金融数据噪点很多,市场并非静止不变,强大的工具需要有深度的理解和才能,但这些都很难得到。据某位量化分析师估计,实操测试中的失败率在90%左右。Man Group旗下的量化投资子公司Man AHL用了3年时间才在机器学习策略上建立起足够信心,并将客户的钱投入其中。之后该公司又将这一策略的应用扩大至其主要资金池中的4个。

  1. 会出现哪些问题?

首先,如果让程序太过自由地在数据海洋里徜徉,那么可能会发现一些毫无意义的模式,比如美国国内生产总值(GDP)和标普500指数可能会与英国自杀率同步上升或下降。其次,当量化投资者为实现他们所寻求的结果而把模型做得很复杂,增添太多参数,就会出现所谓的过度拟合问题,也会导致失败。

  1. 还有其他复杂情况吗?

有!一是如何说服投资者对“黑匣子”进行投资。尽管程序员知道机器学习程序所分析的数据是什么,但结论是如何达成的仍是一个谜。另外,如果人们不清楚电脑是如何做决策的,那么当事情出错时,谁能够负责?首例已知的人类因自动机器所致投资损失而诉诸法庭的案件已在伦敦法院提起,对决法庭的双方是李建勤和Raffaele Costa,前者是房地产投资信托基金Shaftesbury Plc主要投资人之子,Shaftesbury Plc在伦敦唐人街、科文特花园和卡纳比街拥有大量物业资产;后者的大部分职业生涯都在向Man Group Plc和GLG Partners Inc.这样的公司销售投资基金。此案定于明年4月份开庭审理。

  1. 为什么会失败?

许多算法在所谓“回测”中被淘汰,因为它们根据历史数据做出的预测无法在新数据集中复制生效。另外一种情况是,如果企业不能完全理解其算法捕获的效果,那么可能也无法知道何时停止算法。有些算法与市场情况相抵触。Lucena Research公司的Tucker Balch得出一种算法,回测显示此算法可以实现颇为突出的经风险调整的回报。但他的公式重点关注交易量低的股票,而实际市场中的买入行为将导致股票价格上涨。Balch说:“忽视市场影响,后果只能自负。”此外还有一些不可预见的事情。迄今为止所构建的算法交易策略,很少能自如应对英国脱欧公投或恐怖袭击之类的事件。

图1:机器学习策略的回报

  1. 机器表现如何?

目前为止不是很乐观,机器学习尚未带来惊人的回报。包含机器学习策略的基金Man AHL Dimension在截至今年3月份的3年里,年回报率仅为1.1%,而同期对冲基金的回报率近5%。根据最新的可得数据,“Eurekahedge人工智能对冲基金指数”追踪使用人工智能的资金池,将此作为其核心策略的一部分,该指数在截至今年5月份的5年里,年收益率为7.1%。相比之下,计入股息再投资的标普500指数的年回报率为9.65%。

亲身感受彭博终端带来的非凡体验 预约演示