作者：量子位

来源：虎嗅网

让AI代替人类炒股，多么美妙的目标。

机器学习技术能在不需要人类预先编写规则的情况下，让计算机从数据中寻找模式。从机器人到天气预报，再到语言翻译，甚至开车，这项技术驱动着多个领域的进步。

为什么不能用它来搞定金融市场呢？

这种想法，已经引发了投资公司之间的军备竞赛，各家本来就已经非常依赖数学的基金，开始争抢他们所能找到的顶尖计算机科学家和统计学家。

这项技术一开始表现还不错。今年业绩最好的两家对冲基金——Quantitative Investment Management LLC和Teza Capital Management LLC。他们今年分别上涨了68%和50%，都说能做出这么好的业绩，机器学习功不可没。

然而，在投资上持续全面押注机器学习的公司寥寥无几。

对哈里托诺夫（Michael Kharitonov）来说，基于机器学习建立对冲基金不是件易事，难度是想象中的三倍，耗时是预期的三倍。

“我们基本是屡战屡败。”他说。

哈里托诺夫是Voleon Group的联合创始人，这是首批全面拥抱机器学习的投资公司之一。从他们这些年的挣扎中，可以大致理解其他公司的选择。

将机器学习用在金融交易中，我们先要清楚：这项技术在其他领域取得的那些成就，在交易上可能并不适用。金融交易是一个更杂乱的环境，模式总是被掩盖着。

哈里托诺夫说，他们一开始就想用机器学习做交易预测，但是“就是不管用”。

哈里托诺夫现年54岁，他还有一位43岁的合伙人麦考利夫（Jon McAuliffe）。他们分别是计算机和统计学博士，都曾在最古老、最成功的量化投资基金D.E. Shaw Group做过研究员。

那个时候，时不时登上首富宝座的贝佐斯还没有创立亚马逊，他刚好是哈里托诺夫的上司。

哈里托诺夫和麦考利夫多年来一直坚信，他们学过的机器学习技术天生适用于投资，有着可靠的方法论指导。但他们年轻时，计算机发展得还不够快，可用的数据集还不够大。

到2007年，新数据集和足够厉害的计算机出现了，于是哈里托诺夫和麦考利夫创立了Voleon，用机器学习做投资。公司的名字没什么特别含义，编了这么一个词只是因为域名刚好能注册。

在融资过程中，他们遇到了挑剔的机构投资者。

要知道，机器学习这项技术和量化交易的常用方法有一些不同，它不需要科学家提出假设、写出算法给计算机执行，而是由人类为自己算计提供大量数据，然后让它自己找出模式。

实际上，就是计算机自己写出算法，用来做预测，但问题在于，计算机不会告诉你它是怎么得出这个结果的。

市面上的那些量化基金能够很清晰地解释出自己的算法在做什么，但是Voleon的机器学习算法是怎么想的，只有计算机自己知道。

这种方法固有的神秘性，让Voleon根本无法向潜在投资者解释他们买卖股票的理由。计算机所找出的模式对人类来说太细微了，很难理解。

“很多人都完全不感兴趣，但后来我们终于找到了能理解机器学习潜力的人。”哈里托诺夫说。

2008年，全球市场深陷金融危机之中时，Voleon开始了真实交易。

接下来整整两年，这家公司都在亏钱。2009年市场回暖也无济于事。

Voleon的创始团队坚持按着原来的方向走下去，他们坚信自己在处理机器学习最难的问题之一，要想赚钱，需要先花时间打磨系统。

他们所面对的基本问题，是市场太混乱了。到目前为止，机器学习系统表现很好的领域都有一个共同特征：模式本质上是重复的，于是就更易于辨别，围棋、自动驾驶都是如此。

而金融市场有更多噪声，它持续受到新事件的影响，而这些新事件之间的关系，也总是在变化。

市场变幻莫测的本质，也就意味着投资者刚刚找出昨天的关联，想要运用它来做投资，它就消失了。在机器学习的其他应用场景里，都没有这样的问题。比如说用机器学习来做语音识别，人类语音的基本性质，基本是不变的。

尽管Voleon的创立在某种意义上讲，是受到了机器学习在其他领域成功案例的激励，但是到了2011年底，Voleon创始人已经抛弃了从其他应用借来的大部分技术。取而代之的是创始人自己为不守规矩的市场定制的系统。

麦考利夫整洁的办公室里，书架上放着《大样本理论要素》《BDA3》等书籍。哈里托诺夫的办公室里装满了他拆开的电路板，以及好多堆满纸的箱子。

他们面临的一个挑战是，需要使用每秒股票的价格变化，来运行15年的股市模拟。这涉及太字节的数据。Voleon需要在几个小时内模拟完毕，但他们前期准备需要耗时数天甚至数周。

那时候，整个公司有10到12个人。这个团队尝试购买更多的计算力，使用为电脑游戏打造的高性能GPU，但仍然耗时太长。

麦考利夫在办公室里痛苦的度过了好几个月。最终，他攻克了这个问题。2012年7月，Voleon推出第二代平台。

哈里托诺夫说：“蛮力的方法没用，标准技术也没用。”

他们的新交易系统带来了更多的利润，以及吸引力更多投资者的兴趣。据一位投资者透露，在旗舰基金2011年出现小幅回升后，Voleon 2012年的业绩是34.9%，2013年是46.3%。

然而，两年之后，Voleon遭遇滑铁卢，亏损超过9%。这也引起了部分投资者的担心。

“没什么比回撤更引人深思。”哈里托诺夫说，“去年我们学到了很多。”

今年比去年好。截止今年10月，这家管理着18亿美元资金的公司，其旗舰基金上涨约4.5%。自成立以来，其年化收益率大约是10.5%。

业绩波动、策略复杂……这些并没有阻止Voleon的发展。这家基金正在扩大投资目标，投资标的不仅限于美国和欧洲的股市，还包括加州大学伯克利分校附近的一座楼。

在机器学习技术的帮助下，Voleon每天交易价值超过10亿美元的股票。在这个过程中，他们对买入或者卖出一只股票的原因，没有丝毫兴趣。

哈里托诺夫说，机器学习系统越是具有预测性，人们就越难理解它要做什么。有理论认为人类思维主要用于处理三个维度的情景，数十个乃至数百个维度的任务则是机器学习系统擅长的领域。这些维度之间的关系，往往是非线性的。

“这并不意味着我们不会考虑发生了什么。”麦考利夫说，“Voleon的研究人员会设计‘扰动’，来研究各种输入在预测系统中的权重，以及解决过拟合等问题。”

Voleon的电脑不仅在财务信息中寻找关系，而且在非财务数据中寻找关系。其中包括卫星图像、航运舱单、信用卡收据、社交媒体情绪等等。这些目标数据，可以帮助寻找某个行业的健康状况或者商品供应的变化。

显然，没有人会透露自己使用了哪种数据，如何进行评估。Voleon也是一样，谨慎保护着自己的技术和策略隐私。

这个“神秘”的机制让投资者不安，哈里托诺夫理解这种感受，不过他坚信，电脑犯错的情况要比人类少得多。

“机器学习在金融预测领域的应用还在早期阶段。”他说，“一切才刚刚开始。”