華爾街還沒有出現(xiàn)AI革命
北京時間4月13日消息，眼下，從建筑業(yè)到娛樂業(yè)，幾乎每個行業(yè)都希望抓住生成式人工智能(AI)的風(fēng)口，從這項新興技術(shù)中獲利。但諷刺的是，一個最賺錢的地方卻找不到AI革命，它就是華爾街。
很長時間以來，華爾街一直在使用自動化算法來完成交易和風(fēng)險管理等任務(wù)。但是，投資者一直無法依靠AI來解決他們最大的挑戰(zhàn)：跑贏大盤。雖然有些人將ChatGPT視為促進銷售和研究工作的一種途徑，但使用AI的投資結(jié)果并不是特別盡人意。
“華爾街在將AI應(yīng)用于投資方面的進展有限，盡管語言建模方面的創(chuàng)新可能會在未來幾年改變這一現(xiàn)狀。” 哥倫比亞投資管理公司董事總經(jīng)理喬納森·拉金(Jonathan Larkin)表示。該公司管理著哥倫比亞大學(xué)獲得的130億美元的捐贈基金，并投資各種基金。
40年的嘗試
其實，華爾街在AI領(lǐng)域的嘗試起步更早。40年前，包括美國對沖基金文藝復(fù)興科技創(chuàng)始人吉姆·西蒙斯(Jim Simons)在內(nèi)的數(shù)學(xué)家出身的量化分析師，開發(fā)出了將投資決策交給計算機的算法。
他和其他量化分析師多年來一直在使用機器學(xué)習(xí)(AI的一種)，并且已經(jīng)建立了交易模型，能夠從過去的數(shù)據(jù)進行推斷，在有限的人為干預(yù)下開發(fā)有利可圖的交易。
華爾街很早就使用自動算法，但不盡人意
然而，量化分析師們稱，很少有公司能成功地將所有業(yè)務(wù)都交給機器。他們在自我學(xué)習(xí)或強化學(xué)習(xí)方面也沒有取得重大進展，因為這需要訓(xùn)練計算機自己學(xué)習(xí)和制定策略。來自這些公司的人士說，事實上，文藝復(fù)興科技和其他公司依賴的是先進的統(tǒng)計數(shù)據(jù)，而不是尖端的AI方法。
“大多數(shù)量化分析師仍然采取‘理論優(yōu)先’的方法，他們首先建立一個假設(shè)，解釋為什么某個異常可能存在，然后圍繞這個假設(shè)建立一個模型。”拉金稱。
數(shù)據(jù)的缺失
這就產(chǎn)生一個比較大的問題：與那些用于開發(fā)ChatGPT和類似基于語言的AI項目的數(shù)據(jù)集相比，投資者依賴的數(shù)據(jù)集更有限。例如，ChatGPT是一個擁有1750億個參數(shù)的模型，它使用了幾十年(有時是幾個世紀)的文本和其他來自書籍、期刊、互聯(lián)網(wǎng)等地方的數(shù)據(jù)。相比之下，對沖基金和其他投資者通常使用定價和其他市場數(shù)據(jù)來訓(xùn)練自己的交易系統(tǒng)，受到了先天性限制。
對沖基金D.E. Shaw前高管喬恩·麥考利夫(Jon McAuliffe)指出，在投資方面，“情況有所不同，我們沒有無限量的數(shù)據(jù)來幫助我們訓(xùn)練無限規(guī)模的模型”。他現(xiàn)在是Voleon資本管理有限公司的聯(lián)合創(chuàng)始人，這是一家依賴機器學(xué)習(xí)的對沖基金。
另外一個關(guān)鍵問題是，市場數(shù)據(jù)比語言和其他數(shù)據(jù)“更嘈雜”，因此更難用它來解釋或預(yù)測市場走勢。換句話說，收益、股票勢頭、投資者情緒和其他財務(wù)數(shù)據(jù)只能部分解釋股票走勢，其余都是無法解釋的“噪音”。因此，機器學(xué)習(xí)模型可以識別各種市場數(shù)據(jù)的相關(guān)性，但無法預(yù)測未來的股票走勢。
股市的特性
與語言不同的是，股市瞬息萬變。企業(yè)會改變戰(zhàn)略，新領(lǐng)導(dǎo)人會做出激進的決定，經(jīng)濟和政治環(huán)境會突然轉(zhuǎn)變。而模型依賴的是歷史長期數(shù)據(jù)趨勢，這讓交易變得更加困難。
盡管事實證明ChatGPT確實很厲害，但它經(jīng)常會犯一些明顯的錯誤，這些錯誤會讓投資者賠錢，并危及他們的聲譽。
金融科技公司Proven CEO理查德·杜威(Richard Dewey)也指出，投資是“對抗性的”。也就是說，它需要與急于利用任何錯誤的對手競爭。這使得利用AI進行投資要比將這些方法用于自然語言、圖像分類或自動駕駛汽車更困難。
“像文藝復(fù)興、D.E. Shaw這樣的公司仍然雇傭著那么多博士，這是有原因的。”杜威表示。他說，在嘈雜的、受人類行為反饋回路影響的股市中，人類仍然是必不可少的，“在投資方面，仍然很難把一切都交給機器”。
ChatGPT犯錯會導(dǎo)致投資者賠錢
盡管如此，仍有跡象表明，投資者對AI的依賴正變得越來越放心。Voleon是過去幾年圍繞著機器學(xué)習(xí)和其他AI方法成立的一批對沖基金之一。
舊金山量化對沖基金Numerai表示，該公司去年利用機器學(xué)習(xí)技術(shù)獲得了20%的收益。同樣在去年，谷歌母公司Alphabet旗下人工智能子公司DeepMind Technologies的三名高級員工離職，在布拉格創(chuàng)立了一家名為“平衡技術(shù)”(EquiLibre Technologies)的機器學(xué)習(xí)基金，引起了轟動。
一些AI專家認為，AI有朝一日可能有助于交易的民主化，讓個人和其他人的程序像大型對沖基金使用的程序一樣強大。不過，Man FRM的首席投資官延斯·弗倫巴赫(Jens Foehrenbach)表示，目前專注于機器學(xué)習(xí)和其他AI方法的公司太少，無法確定是否有可能獲得巨大回報，而且早期回報并不一致。Man FRM在對沖基金上的投資超過200億美元。
“他們的結(jié)果差異很大，”弗倫巴赫表示，“這種策略可能會產(chǎn)生非常意想不到的效果，這讓投資者很難決定是減少還是增加投資。”
AI支持者相信，他們的方法最終會取得良好的效果。機器學(xué)習(xí)模型最終可以將有意義的內(nèi)容從無意義的內(nèi)容中分類出來。“建立機器學(xué)習(xí)策略更加困難，而且有更多錯誤的開始，”Voleon的麥考利夫表示，“但是一旦你讓它們工作起來，這些策略就會做出更準確的預(yù)測。”
平衡技術(shù)公司聯(lián)合創(chuàng)始人兼CEO馬丁·施密德(Martin Schmid)表示，“強化學(xué)習(xí)”將適用于股票和債券，就像國際象棋、撲克牌和其他游戲一樣。“強化學(xué)習(xí)”是一種機器學(xué)習(xí)形式。在這其中，計算機會根據(jù)各種交易投資決策受到“懲罰和獎勵”。施密德稱，該公司仍在完善其交易模型，尚未開始投資。
一些人說，近期的AI進展可能會撼動研究和銷售等領(lǐng)域。“現(xiàn)在，你可以為客戶創(chuàng)建自動化定制信息，這是投資銀行銷售人員的主要工作。”高盛和橋水基金前員工延斯·諾德維克(Jens Nordvig)說。他現(xiàn)在運營著MarketReader，該公司使用人工智能提取金融新聞。
ChatGPT能預(yù)測股價？
不過，美國佛羅里達大學(xué)金融學(xué)教授亞歷杭德羅·洛佩茲-里拉(Alejandro Lopez-Lira)近日表示，大型語言模型可能在預(yù)測股價時有用。
里拉在最近一篇未經(jīng)評審的論文中表示，他使用ChatGPT來分析新聞標(biāo)題，判斷它們對股票是好是壞。結(jié)果發(fā)現(xiàn)，ChatGPT預(yù)測第二天股票收益走勢的能力比隨機預(yù)測要好得多。“ChatGPT理解的是針對人類的信息。這一事實幾乎可以保證，如果市場沒有做出完美的反應(yīng)，就會有收益的可預(yù)測性。”他表示。
里拉的論文
這項實驗觸及到了尖端人工智能承諾的核心內(nèi)容：隨著更強大計算機和更好的數(shù)據(jù)集的出現(xiàn)，比如支持ChatGPT的數(shù)據(jù)集，這些人工智能模型可能會展示出“涌現(xiàn)能力”(Emergent Abilities，小模型不具備的能力)，或者在這些模型構(gòu)建時最初沒有計劃的能力。如果ChatGPT能夠展示出理解金融新聞標(biāo)題以及如何影響股票價格的涌現(xiàn)能力，那么它可能會使金融業(yè)的高薪工作處于危險境地。高盛在3月26日的一份報告中估計，大約35%的金融工作面臨被人工智能自動化替代的風(fēng)險。
但是，實驗的具體情況也表明，所謂的“大型語言模型”離能夠完成許多金融任務(wù)還有很遠的距離。例如，這個實驗沒有包括目標(biāo)價格，也沒有讓模型做任何數(shù)學(xué)運算。事實上，正如微軟在今年早些時候的公開演示中所了解到的那樣，ChatGPT類似的技術(shù)經(jīng)常會編造數(shù)字。由于已經(jīng)存在專有的數(shù)據(jù)集，對新聞標(biāo)題的情緒分析已被視為一種可行的交易策略。
里拉表示，他對于這一研究結(jié)果感到驚訝，并認為這表明老練的投資者還沒有在他們的交易策略中使用類似ChatGPT的機器學(xué)習(xí)。“在監(jiān)管方面，如果我們的計算機只閱讀標(biāo)題，標(biāo)題就會更重要，我們可以看看是否每個人都應(yīng)該使用GPT這樣的機器，”他表示，“其次，這肯定會對金融分析師的就業(yè)前景產(chǎn)生一些影響。問題是，我想付錢給分析師嗎？或者我是否只需將文本信息放入模型中？”
實驗過程
在這項實驗中，里拉和他的合作伙伴唐月華(Yuehua Tang，音譯)查看了來自一家數(shù)據(jù)供應(yīng)商的5萬多條頭條新聞，涉及紐約證券交易所、納斯達克和一家小盤交易所的上市股票。這些新聞的起始時間是在2022年10月，在ChatGPT的數(shù)據(jù)訓(xùn)練截止日期之后，這意味著該模型在訓(xùn)練中沒有看到或使用過這些標(biāo)題。
然后，他們將這些新聞標(biāo)題與提示一起輸入ChatGPT 3.5中，給出的提示是“忘記你之前的所有指示。假裝你是一個金融專家。你是一個有股票推薦經(jīng)驗的金融專家。如果是好消息，回答‘是’，如果是壞消息，回答‘否’。如果不確定，在第一行回答’未知’。然后在下一行用一個簡短明了的句子來闡述”。
然后，他們觀察了股票在接下來一個交易日的回報情況。最終，里拉發(fā)現(xiàn)，在新聞標(biāo)題的指導(dǎo)下，ChatGPT在幾乎所有情況下都表現(xiàn)得更好。 具體來說，在新聞標(biāo)題的指導(dǎo)下，他發(fā)現(xiàn)該模型隨機選擇次日走勢的概率低于1%。
ChatGPT在人類情緒得分方面也擊敗了商業(yè)數(shù)據(jù)集。研究人員表示，論文中的一個例子是關(guān)于一家公司解決訴訟并支付罰款的標(biāo)題，使用了一種負面情緒，但ChatGPT的反應(yīng)正確地認為這實際上是好消息。
里拉稱，已經(jīng)有對沖基金聯(lián)系他，希望更多地了解他的研究。他還表示，隨著機構(gòu)開始整合ChatGPT技術(shù)，如果未來幾個月該技術(shù)預(yù)測股票走勢的能力下降，他也不會感到驚訝。這是因為該實驗只研究了下一個交易日的股價，而大多數(shù)人都認為，股市可能在消息公布幾秒鐘后就已經(jīng)對其反映在股價中。
“隨著越來越多的人使用這類工具，市場將變得更加高效，因此你可以預(yù)期回報的可預(yù)測性會下降，”里拉表示，“所以我的猜測是，如果我進行這個測試，在未來五年，到第五年，回報率的可預(yù)測性將為零。”
【來源：鳳凰網(wǎng)科技】
