每次都能盈利,自己学会抄底,这个 AI 股神把顶级对冲基金吓尿了

摘要

走出掩体,奉为神明

编者注:本文转载自量子位(ID:QbitAI),编译整理:李杉、夏乙,极客公园已获转载授权。

作为一家全球顶级对冲基金的 CEO,埃利斯(Luke Ellis)早已习惯行走在危险边缘,「我从不知道什么叫害怕」。

但在大约五年前,埃利斯感觉到了害怕,或者说是非常恐惧。

那是一项实验项目。埃利斯所在的英仕曼集团(Man Group),一直在尝试当时并未广泛使用的人工智能技术。工程师们建立的系统实现了自主进化,找到了人类错过的赚钱策略。

结果好得出奇。

「吓尿了」

但这个项目此后一直处于隔离状态,犹如压在五行山下,直到 2014 年。

一位拥有数理逻辑博士学位的高级投资组合经理格兰杰(Nick Granger)认为,是时候结束测试了。他从自己管理的投资组合里面拿出一小笔钱给分配给人工智能系统来交易——后来越来越多。

这个程序每一次都能盈利。

「我们给它什么,它都能应付」格兰杰说,他有点书呆子气,留着金色短发,眯着眼睛,戴着一副长方形的深色镶边眼镜。

格兰杰

2015 年 8 月,对中国经济的担忧引发了突然的抛售。但英仕曼的 AI 系统此前已经看空市场,并迅速从下跌中获利。而在美国股市下跌约 3% 后,该系统发现了买入机会,重新回到市场。

人工智能无法预测未来,但算法可以学习各种模式。根据以往有着类似特征的抛售记录,它押注市场将会复苏。「没有人告诉它去怎么抄底,它自己学会了如何观察以前的模式。」格兰杰说。

到 2015 年,人工智能为英仕曼集团规模最大的一只基金 AHL Dimension Programme 贡献了大约一半的利润,这只基金的目前大约管理着 51 亿美元资产。

去年 11 月和 12 月,当世界仍在努力消化川普(Donald Trump)当选美国总统的消息时,英仕曼的人工智能迅速进入市场,并从随后的反弹中获利。

然而,当年第一次见到这个系统时,埃利斯和团队决定放慢这个项目的进度,延长测试时间。讽刺的是,他们把这个程序保存在一个单独的服务器上,好像它会以某种方式感染英仕曼集团的主要计算机系统一样。

「它曾经坐在角落里的一个核掩体里。」埃利斯开玩笑说。在伦敦的一个交易大厅里,他漫不经心地靠在椅子上,喝着汽水。

埃利斯虽然去年才出任 CEO,但他当时已经是执行委员会的成员。「我们被它吓坏了。真的。每次看它都觉得要尿了。」


走出掩体,奉为神明

英仕曼集团大约管理着 960 亿美元资产,从测试一个想法到在实际交易中应用,他们通常会在几周内完成。在瞬息万变的现代金融世界里,今天的优势明天就有可能消失。

但为什么当年埃利斯会心生巨大的恐惧?

因为,尽管新软件在模拟中实现了不俗的回报,但工程师们无法解释人工智能为什么会执行这些正在进行的交易。

这套系统就像一个黑盒子,连它的创造者都没有完全理解它是如何工作的。

埃利斯因此暂停了项目。他不是工程师,也没有密切参与技术的开发,但本能告诉他,当英仕曼集团不可避免地出现亏损时,如果告诉客户「我无法给出原因……」

事实是,那些大客户后来对结果非常满意,纷纷开始买入以算法为中心的英仕曼基金。融合了人工智能技术的四只英仕曼基金共计管理着 123 亿美元资产。

英仕曼管理的资产

自 2014 年初以来,英仕曼管理的资产总额已经飙升了 77%。AHL Dimension 基金的规模已经扩大到当时的 5 倍。

久而久之,格兰杰帮助该公司树立了对这项技术的信心。该公司原先带着怀疑的态度看待人工智能,但现在已经把它当做基础战略。

在该公司的其他部门以及整个行业,人工智能技术正被用来寻找最快的交易执行方式,押注市场惯性,并扫描新闻稿和财务报告中能够暗示股价涨跌的关键词。就连英仕曼的自由裁量部门也在探索人工智能技术,该部门的业务主要由经验丰富的资产管理人组成。

英仕曼目前最大的支出来自计算机设备,以及雇佣工程师的费用,他们需要通过这些方式来跟上技术变化和随之而来的增长。AI 现在不仅走出了核掩体,甚至被奉为神明。

埃利斯说:「它最初是完全孤立的状态,后来变成了『好吧,你可以和我们其他人共进晚餐,但不要说话』,现在已经成了整个家庭的一部分。」

英仕曼主动拥抱人工智能,置身于一场巨变的前沿,这不仅在重塑全球金融行业,而且还引发了关于整个行业发展的深刻问题。在这个行业中,能够自我改变的算法正在制定价值数十亿美元的决策,整个过程几乎没有人为干预。

「思考」

对于大多数人来说,观察人工智能系统的工作过程,就像在破译一种难以理解的语言。

31 岁的计算机科学家马利诺夫(Slavi Marinov)两年前加盟英仕曼,他正试图将代码翻译成普通人所能理解的内容。他在英仕曼伦敦总部进行了一项基础演示:在一个黑色的屏幕上输入命令,让机器找到期货市场的回报模式。

只是简单输入了几个命令,马利诺夫就能让机器要搜索数百万个数据点,包括世界各地零散的公司交易信息。他点击回车键,然后就有一连串的数字像雨点般在屏幕上落下,就像好莱坞大片一样。

这些数字表明电脑在「思考」,它正在以人类永远无法企及的速度分析数据。时间一秒秒地过去,系统逐步调整数据的重要性。它对接下来发生的事情给出了概率预测。一旦机器根据这些信息确定一个最佳头寸,它就会观察更广泛的市场趋势和交易成本,然后才会决定是否采取行动。

这一切都会在瞬间完成。

有两个相互关联的因素共同推动了人工智能的普及。首先是计算能力的指数级增长。英仕曼在伦敦郊外有一个巨大的数据中心,里面摆着一排排的服务器。这些机器上都装载着先进的 GPU 处理器。

其次是可用数据的大幅增加。如果说处理能力是人工智能的引擎,信息就是它的燃料。它能让工程师们教给算法在没有人为干预的情况下适应和学习各种技能。

马利诺夫在他的电脑上输入了一些命令,拉出一个在线等待名单,上面列出了想要使用该公司高端设备的工程师。这种需求非常高,甚至连处理器都会因为过度使用而变得过热,然后触发警报——就像一个孩子在暑假玩了一整天的 Xbox 游戏机一样。

据估计,当今的所有数据有 90% 是在过去两年里创造出来的。英仕曼存储了数千 TB 的数据,相当于 1 万多台标准办公电脑的数据量——从股票行情信息到天气预报,再到集装箱船的移动状况。

与此同时,储存信息的成本已经大幅下跌——1981 年,1GB 的存储成本约为 30 万美元,如今只有 10 美分。「数据比过去便宜得多,可以使用的数据十分庞大,数据存储成本已经不足为惧。」英仕曼首席投资官拉特雷(Sandy Rattray)说,「应该如何使用数据?这才是难点。」

英仕曼办公室

尽管人们都在谈论机器会降低人工需求,但建造和管理人工智能系统却是一项劳动密集型工作。因此与 MBA 相比,英仕曼更愿意招聘工程师和数据科学家。完全自动化的机器不会很快接管世界。

「有人认为,人类将会失去用武之地,无法参与这个流程。这其实是不对的。」格兰杰说。「他们只是要从事不同的任务,从事附加值更高的工作。我们需要比自己更聪明的人。」

挑战

2010 年 5 月 6 日,美国东部时间下午 2:45 左右,埃森哲、中点能源等公司的股价忽然跌到每股 1 美分,宝洁的股价下跌了 40%。同时,苹果、苏富比等公司猛然蹿升到每股 10 万多美元。

市场一片混乱。


这次事件,后来被称为闪电崩盘(Flash Crash),没有预兆、无法解释。

后来,研究员和监管者抽丝剥茧,找到了始终贯穿其中的主线:机器。自动交易算法竞相追逐,导致了灾难性的后果。这次崩盘和后来的其他危机,比如 2012 年苹果股票的猛跌,都显示了计算机代码在金融世界中的存在越来越广泛,带来的,却不见得都是好处。

AI 为市场带来了一种新的复杂性。

这些自我进化的系统以自己的方式运作着,而具体的运作方式甚至连它们的创造者都不清楚。

英仕曼及其竞争对手目前采用机器学习技术早在几十年前就已经出现。《纽约时报》上世纪 50 年代发表的一篇文章介绍了一种通过训练来对图像进行分类的算法。但这项技术现在才刚刚显示出前景。

从根本上讲,机器学习系统是根据历史信息来做出判断的。这些工具被应用于阅读 X 光片、回答人们向 Siri 和 Alexa 提出的问题、自动驾驶汽车,以及提高能源效率。Facebook 和谷歌还教给电脑如何识别狗、猫和照片中的其他图像。

金融或许是人工智能最艰巨的挑战。

训练计算机正确识别拉布拉多,不同于教给它如何搞清楚债券市场的运行规律。市场的运行方式神秘莫测,新闻事件、经济、政治、监管和人类的判断都会对其产生影响。「金融市场瞬息万变。」AHL 的联席 CTO 科利尔 (Gary Collier) 说。

多年来,计算机代码一直是交易大厅的标准工具。在某些事情发生时告诉计算机应该做什么,是量化基金的基础,这些基金长期以来一直使用统计分析来寻找优势。机器执行任务的速度可以达到人类的 5 倍或 5000 倍,但如果没有数学家、工程师和统计学家的干预,代码永远不会改变或发展。

人工智能在此基础上更进一步,它能够根据其接收到的信息进行调整。在英仕曼,工程师们设定参数:敞口上限、资产类别、波动率、交易成本等。合规和风险控制规则根植于系统的基因中,防止它在快速盈利的过程中偏离轨道或违反法律。

这些约束为机器设置了工作边界。系统之后会寻找模式,在数据之间建立人类看不到的联系。人工智能可以根据过去发生的事情做出有根据的预测,当机会对它有利时进行交易。英仕曼目前正在使用几套这样的系统。最快的每天交易几次,其他的则会持有两周或更长的头寸。

算法和数据


英仕曼集团研究人工智能的部门在伦敦西边不远处的一座高层建筑里,英仕曼集团的工程师、统计员、程序员和那些来自学术界的科研人员坐在一起,研究算法、AI 之类的技术进步如何应用到金融上。

这个机构全名牛津-英仕曼计量金融研究所,由英仕曼集团出资 1045 万英镑(约 9300 多万人民币)建立,为这家对冲基金带来了学术界专家和一堆论文。

研究所的办公室里,寂静得像图书馆一样。电脑前的程序员们戴着耳机,角落里的白板上写满了公式。


英仕曼在这里的核心工作,是去修改那些本来是为图像识别等功能而创造出来的机器学习技术。这支对冲基金建立了自己的代码库,其中有些代码是自己员工写的,有些代码来自开源的程序。

英仕曼集团 AHL 基金的首席科学家、牛津实验室的负责人莱德福德(Anthony Ledford)说,工程师在开发 AI 技术的时候,可以从代码库中抽取代码。莱德福德的职责是帮助英仕曼决定该用哪些新兴 AI 技术,哪些不能用。

AI 工程师们用奖励和惩罚来引导机器,就像训练一直老鼠来按按钮获取食物一样。从技术角度来说,他们会用到深度学习和强化学习。

通过深度学习,他们用历史信息构成的数据集,来训练算法发现预测模式、规律。比如说,当算法从股票和期货的价格数据中发现相似点时,就会受到「激励」。

通过强化学习,算法会在运行过程中,根据某种行为的成败来重新校准。另外,研究者也会在算法中设置惩罚机制,来阻止 AI 的某些行为,比如说不让 AI 去创建人类已经用过的交易策略。

在莱德福德看来,只靠一群极客敲代码还不能构建出能用的 AI,问题的关键在于数据。在英仕曼的办公室里,每周都会有一群销售来来往往,推销着各种各样的数据集。

金融数据通常毫无组织,就像一幅被摇散了的拼图,对于计算机来说非常难以理解。莱德福德说:「这是最难的一部分工作,我们的数据包含非常、非常多的噪声,要找到有用信号很难。」

变迁

世人对英仕曼集团的了解,可能大都来自于它所赞助的文学奖:布克奖。并没有多少人把它视为一家以技术为中心的投资机构。

英仕曼集团的建立早在 1783 年,之后整整两个世纪,它都在向英国海军供应朗姆酒,以及咖啡、糖之类的杂货,直到 1989 年。1989 年,英仕曼收购了基于计算机的交易公司 AHL,开始集中精力搞金融服务。目前,这家集团的前沿 AI 工作都在 AHL 旗下。

AHL 被收购后,它的联合创始人又分别创立了两家技术驱动的对冲基金:Aspect Capital 和 Winton。

英仕曼的技术有着美好前景,却也对抗着巨大的行业压力。对冲基金管理者收取高额管理费,缺业绩平平,引起了很多投资者的不满。去年,这个行业的客户总计取走了 1120 亿美元;过去两年中,倒闭的对冲基金比新成立的还要多。

英仕曼集团股价

今年,英仕曼集团的股价上涨了 40%,但与金融危机之前,2007 年的顶峰相比,依然低了 77%。不过,还是比同行们好一些,越来越多的投资者将自己的钱托付给英仕曼。

去年,整个对冲基金行业,也只有大举投资人工智能技术的计算机驱动量化基金在增长。这类基金除了英仕曼的 AHL 之外,还有复兴科技(Renaissance Technologies)、Two Sigma、桥水联合基金(Bridgewater Associates)等等。

据说,美国亿万富翁投资者琼斯(Paul Tudor Jones),也在经历了市场疲软之后开始使用这类技术;管理着科恩(Steven Cohen)财产的家族基金 Point72 Asset Management LP 也在招募这一领域的专家。

然而,AI 不是魔法机器。想要把数据上边导进去,然后就想去底下捡钱是不现实的。

很多算法根本没用。有些英仕曼的员工警告说,AI 经常生成已知的理论或者无法在实时交易中应用的策略,浪费了大量的钱和时间。好在英仕曼的系统还是对的时候多,错的时候少,它不会急于下高风险赌注,更倾向于一步一步地赚小钱。

监管和质疑

赚钱的时候,一切都无所谓,一旦出了乱子,这些技术进步就要接受严格的审查。

但是,随着计算力和数据的增长,AI 程序只会越来越复杂。瑞士神经科学家考夫曼(Pascal Kaufmann)最近开玩笑说,当人工智能开始欺骗人类了,它就达到了和人类一样的水平。这是一个黑色幽默,也是个不祥的警告。

正是因为如此,很多科研人员和伦理学家想建立一套 AI 监管制度,就像美国联邦药物管理局(FDA)对药品的监管那样。牛津-英仕曼研究所的机器学习教授 Stephen Roberts 说,人类需要在 AI 系统中写入限制机制,来确保它们不会造反。

格兰杰说英仕曼有相应的保险机制,异常的交易需要通过人类检查,才能执行。工程师们借助一个检验工具的帮助,来研究 AI 做出特定决策的理由。

埃利斯

而 CEO 埃利斯说,即使有了这些预防措施,接受这项技术还是需要信仰的飞跃,毕竟,「如果你能知道它在干什么、为什么这么做,那就不是机器学习了。你必须相信这个流程,迈出第一步是很恐怖的。」

怀疑者说,以 AI 为中心的基金的表现没能赶上舆论热度,截至目前,收益很难说得上令人鼓舞。行业研究机构 Eurekahedge 有一个指数,追踪了 12 支应用这类技术的基金,发现它们 2011 年来的业绩没能赶上标普 500,不过,还是比对冲基金行业的整体情况好一些。

英仕曼集团的 AHL Dimension fund 从 2014 年开始用机器学习技术,到今年 6 月,它在 3 年间获得了 15% 的收益,产不多是行业平均值的两倍。

金融业研究公司康桥咨询(Cambridge Associates)经理 Adam Duncan 说:「又不是有魔法的精灵尘,只是增强版的统计技术而已,能帮你建立更好的预测模型。」

对冲基金、AI 策略基金、和标普 500 近三年的业绩

投资公司 Protégé Partners 创始人、董事长 Jeff Tarrant 几年来都在研究人工智能在金融领域的应用。他说这项技术还处于应用的早期,对这个行业来说有着革命性的影响,就像 Uber 对交通行业的影响一样。

颠覆

在他看来,积极拥抱 AI 的英仕曼集团也面临着被颠覆的巨大风险。有些新的 AI 基金只收 1% 管理费和收益的 10%,只有传统对冲基金的一半。在纯粹的 AI 公司里,大多数流程都是自动化的,不需要养活一大群员工。

Tarrant 认为,这个行业的权力正从拥有最具天赋投资经理里的基金那里,转交到能构建出最佳算法的基金手中,他说,「未来几年中,资产管理行业将出现大规模失业。」

在这种绝望论调背后,是一个哲学问题:我们为什么要把金融系统交到计算机代码手中?消灭人类的参与有什么好处?

在医疗行业,AI 展现出了尽早发现疾病、拯救生命的潜力;在交通行业,无人车可以减少致命车祸的数量。但是在金融行业,并没有这么明确的答案。

这项技术的一部分拥护者说,它能构建更有效率的市场,因为机器能处理更多的信息,股票等证券的定价会更准确。英仕曼的看法是,这项技术能为客户获取更多的利润,包括养老金、退休金账户。这个观点很有吸引力:谁不想多赚点钱呢?

英仕曼第一位将客户资金交给人工智能的投资经理格兰杰说,人类的生活越来越以来技术,却也对技术的力量百般挑剔。

他提到了关于算法厌恶(algorithm aversion)的研究:研究表明,即使有充分的证据表明计算机在某些工作上更有效率,人们也更相信人类。他说,在无人车事故中出了人命,会闹得比现在每天上千起车祸加在一起还大。

格兰杰说,我们生活在算法的包围之中,人们却依然对它缺乏信任。

从格兰杰最初决定把钱交给 AI 以来,几年过去了,他的直觉获得了相应的回报:今年 6 月,他成了 AHL 的首席投资官(chief investment officer)。

英仕曼集团的 AI 系统做出的一些交易依然原因不明,但是他对现状很满意:这意味着这项技术发现了他所不知道的东西。

他说,人们对于技术过于恐惧了,让他想起自己最爱的一本书:Robert Harris 的《恐慌指数》,The Fear Index。

书里说,一位天才数学家在日内瓦建了一支基于 AI 的对冲基金,整个系统完美运转着,为他赚了好多好多钱。

后来,这个 AI 打算杀了他……

— 

打开极客公园App阅读更多内容

最新文章

极客公园

用极客视角,追踪你最不可错过的科技圈。

极客之选

新鲜、有趣的硬件产品,第一时间为你呈现。

顶楼

关注前沿科技,发表最具科技的商业洞见。