2017年1月，人工智能给我们又带来了一些新的惊喜，DeepMind的AI围棋手Master悄无声息地在网上展开角逐并获得全胜，Andrew Ng亲自带着小度在《最强大脑》上演了一场精彩的人机大战，CMU的AI德扑手Libratus在为期20天的比赛中战胜世界冠军。当然，随之而来的是无数“机器人要抢走人类工作饭碗”的深深忧虑和“机器人要统治人类”的无尽恐惧。
我对科技还是一直保持乐观主义的，认为其推动着历史的齿轮，人们对于新科技的敬畏将永远存在，但是人类的适应力和韧性也在历史长河中经历过种种考验，更像是一种进步的规律。
我一直想写一篇关于人工智能的文章，却始终没有找到很好的切入点。这个贴着“未来”标签的热点词汇，着实让我构思了很久。直到我最近了解到Tech Trader这个神奇的AI交易系统，真的，太让人兴奋了！
Tech Trader是一个完全不需要人干预的股票交易系统，它没有parameters没有tweaking。和传统的自动交易系统不同的是，它可以在市场里像人一样交易(human approach to markets)。从2012年交易至今，Tech Trader业绩极佳，年化率20%，充满黑天鹅的2016年收益达到30%。
提起人工智能和交易，就不得不简单提及股票交易中的变革。20世纪初期的股票交易所是一个有席位有秩序的地方，每个人有自己的座位，座位上有纸笔，然后面对面的进行交易。

这大概是1930~1940年，有一小部分人开始将股票的价格做成一场图，那些懂得看图的人就比那些只看价格的人有更大的优势。
1980年左右，交易所里出现了很早期的电脑，交易方式是通电话和大声喊叫。交易所喜欢招身高体壮的运动员，因为他们比矮小的人总是有更多的交易量，是一个体格比头脑好用的时代。
成千上万的成交单都还是在纸片上，交易所里有很多runner在买方和卖方间跑腿、执行和清算。清算少则一天，多则一个星期，要是过程中把纸片搞丢了，这笔交易就不见了。
1990-2000年，在大部分人依旧用cheat sheet的时候，一部分人开始用掌上电脑，又称为box。早期的box不自带屏幕，屏幕是在墙上的，所以想要做什么交易都能被大厅的人看见。后来box也不断革新，慢慢就变成了必备工具人手一台。
再后来，随着计算机的发展，screen trader越来越多，floor trader越来越少。通过编程建模写软件做策略，大部分交易员从交易一两只股票变成几十只或上百只股票，进行手动电子交易。
股票程序化交易的发展也就是近十年，这期间出现了很多High-Frequency Trading和Algo Trading的公司。大量的数据分析让quant变得更加重要，他们能够将trader的想法用hard code rules写进程序里，然后trader根据自己对市场的判断不断地调整模型变量，盈利的同时也控制风险。
而Tech Trader可以被标榜为第一个真正的利用人工智能的交易系统。下面我先介绍一下合伙人的背景，再一起探讨交易中的人工智能。
Tech Trader的创始人叫William Mok。他自学成才，12岁的时候开始写游戏中的AI对抗玩家，14岁组乐团玩音乐和电影，18岁开始交易。Tech Trader的系统一共用了12种编程语言，几乎都是他一个人独立完成。他编写的是一个可以像他一样思考的交易系统。
另外两个合伙人，一位是拥有16年经验的期权交易员Stefen Choy。他在Timber Hill从runner做到了trader，然后自己开公司，写了金融软件Livevol卖给了CBOE。然后自己组建fund，经历破产边缘，但又绝处逢生，从朋友资助的45000美金做到了7百万美金的资金。

另一个是Christy Ai，一个2011年才从Cornell毕业的姑娘。在纽约的JPMorgan做过商品交易员，也在波士顿做过私募，最后又回到T3做股票交易，是一个典型的基本面交易员。Christy在想出来创业的时候结识了William，那时William也刚认识Stefen，他们都被William的Tech Trader所吸引，于是一起合伙建立了公司。
Tech Trader的主要特征包括：
1. 全自动(Full Autonomy)，从2012交易至今没有任何human input和adjustments，甚至没有任何更新(updates)，简直难以想象。
Tech Trader会交易所有大于2Billion的上市公司，不过通常只持有50不同仓位。暂时每个仓位的capital allocation是一样的。其他从选股、买入卖出点、执行交易、调整仓位、清算和盈利分析所有的一切都是程序完成的。
2. 人工智能(AI)，在这个系统中有感知(senses)，头脑(mind)和想象(imagination)。通过模拟(simulation)完善了其决策和创意的能力。
Wiliam是最近才接受AI Trader这个称号的，尽管他认为Tech Trader离他心目中真正的智能还差了一大截。现在人们经常将人工智能理解为机器学习(Machine Learning)，但是机器学习做的最多的还是分类和整理信息，模拟人们获取信息的方式，联结的是机器的感官系统。机器学习擅长的是自动化我们平常不需要思考的行为，比如人脸和声音识别，比如穿马路时只需要看车。
能和思考(thinking)联结的算法也有，其问题是它十分“practical”，更在应用层面。比如我们编程序的时候会想我们这个思维方式和哪一种算法更靠近，然后选择这个算法。主要是归纳推理(inductive reasoning)，比如观察、数理统计、定量分析；缺少了演绎推理(deductive reasoning)，比如想象、模拟、定性分析。还有一个问题是这些算法都是目标导向的，如果目标只是生存和活着，那么对于结果的限制是巨大的。
William对于一个强AI的设想是机器一定要学会设立新目标，就像人一样。我们可以把初级目标比如活下来设成本能，而之后机器要能通过学习培养不同的价值观，比如有一天认为帮助他人比自己活下来更加重要。这就是强AI，是有知觉(sentient)和意动(conative)的。William将自己这些对AI的理解也编写进Tech Trader里。
3. 群体智能(Swarm Intelligence)。每一个Tech Trader都是一只股票的专家，整个投资组合是上千的Tech Trader的决策叠加。
群体智能最好的例子比如危险来临时动物们都有感知(cues)就会纷纷逃走的行为，这不是一个全体指令说“撤”，而是每一只动物自身决策总和。Tech Trader在2015经历了股灾的考验，7月份机器就开始没有原因的平仓然后手持现金，所以在8月份大盘跌了11%的情况下，Tech Trader只跌了5%，非常厉害。
4. 智能数据(Smart data)。和大数据(big data)不同，Tech Trader接收数据的方式相对谨慎，主要还是围绕价格和交易量(price & volume)。
William并不认同quant在市场中寻找规律的方式，他认为只有一只股票有交易量的时候，一切信息才是有用的。换句话说，如果人们并没有执行他们说的事情，事情本身也是无意义的。由于这个原因，我们发现Tech Trader在每只股票里交易的并不多，而且交易十分直观符合逻辑。
5. 技术分析(Technical)。程序只搭建了技术分析的框架(physics of the market)，比如支撑位阻力位趋势线，并没有交易方法，所有交易来自于对之前数据的处理与学习。
这是2014年关于US Steel(Ticker:X)的几笔交易。由于所有交易行为都是由程序控制，所以Tech Trader的交易风格相对保守，总是耐心等待最好的机会。这里的技术分析并不是那些pattern，其实还是围绕价格和成交量的。
比如第一个买入点是探测到了巨大的交易量，卖出点在于大涨之后可能会趋于平缓或者开始跌，有点像是人们在大涨之后会担心一样。紧接着卖出信号来自于X破了uptrend line，然后又在阻力位的价格买回来。之后的那次买进是由于大量的buyer交易量耗光了seller，又叫做Seller Exhaustion，所以tech trader紧接着买入。
如果要用一句话解释Tech Trader的交易模式，就像是当你过马路时你不看周围的环境，你只要认定马路上没有车，就没有被车撞倒的可能性；Tech Trader找到这些市场里“没有车”的时刻，抓住机会进行交易，避免大亏损的可能性。
对于人工智能在交易中应用更感兴趣的欢迎阅读William Mok的文章“Creating Sentient Artificial Intelligence”。
睡神少女
嗯，已经连续两天四点起床写文章了~
赶着上班去啦^^
欢迎大家留言讨论哦~
_睡神少女_
一枚在芝加哥的交易员妹子，
关注金融、投资、科技和创新等领域。
分享愉悦的干货和有趣的见解，
坚持原创，目标是带着大家“躺着赚钱”。
睡神三点钟
◀◀◀长按二维码即可关注  
继续阅读
阅读原文