來源：數(shù)據(jù)猿   作者：尹相志

如今，隨著社會不斷發(fā)展，技術(shù)不斷進步，國內(nèi)外各大金融機構(gòu)已經(jīng)在大數(shù)據(jù)、人工智能、區(qū)塊鏈等新技術(shù)上有很多嘗試，智能客服、智能投顧等新金融形式也早已不新鮮。那么，這些前沿新科技遇到嚴肅謹慎的金融業(yè)，究竟是“黑科技”般的存在，還是技術(shù)宅們的另一場狂歡呢？

4月25日，由數(shù)據(jù)猿主辦的《當金融遇上黑科技》線下主題沙龍活動在上海騰訊眾創(chuàng)空間順利舉行?；顒由?，來自傳統(tǒng)金融機構(gòu)、金融科技領(lǐng)域新秀、大數(shù)據(jù)與人工智能專家等一眾大咖匯聚一堂，暢聊了大數(shù)據(jù)、人工智能、區(qū)塊鏈等“黑科技”與金融業(yè)的那些事！

以下是由數(shù)據(jù)猿精編整理發(fā)布的 華院數(shù)據(jù)數(shù)據(jù)科學(xué)家尹相志 的精彩分享：

今天我要和大家分享智能投顧。大家不要為了為了追趕熱潮而去使用這個技術(shù)。十幾年前，很多公司對于大數(shù)據(jù)就是為了做而做。

今年是人工智能60周年的時間點，充滿了各種各樣的巧合。最近也是人類被人工智能打敗的20周年。過去AI經(jīng)過三次起伏，其中有很多的新發(fā)現(xiàn)，以及一些失望?，F(xiàn)在的浪潮沒有讓后來的區(qū)域緩和，我覺得所有的科技都是一個生命周期。

過去一直用機器來取代各種各樣的勞動力，而現(xiàn)在是工業(yè)革命的新開端。由于技術(shù)的發(fā)展，我們開始通過電腦來取代一些不同的人力。這些人力都不是我們以往定義所謂的勞動力部分，而是知識工作者。

電腦逐漸可以去做一些我們想不到的事。我不會用替代人力這樣的字眼。因為目前來講，科技取代人類還非常遠。最重要的是機器幫助我們從無聊、繁瑣的事情中脫身。

巴菲特提到，他的成功秘訣之一就是貪婪的時候恐懼，在恐懼的時候貪婪。本事投資判斷就是反人性，我們需要能夠針對一個事件做一個很謹慎的判斷。這個判斷通常希望不要帶感情，并且希望從危機中找到一些轉(zhuǎn)機。而人類做這些判斷的時候通常會受到情緒的左右。

傳說中的交易神童也說，做交易的時候不可以有賭的感覺。認為什么愛股票，因為有賭博的成分，會得到賭博的額快感。但是一旦有這種感覺就糟糕了，就容易被股票操縱。對他而言，需要一種非人性的交易方式。既然是非人性的東西，當然是人工智能最合適。

人工智能浪潮從去年3月持續(xù)到現(xiàn)在，深度學(xué)習(xí)作為一項非常年輕的技術(shù)，2016年才有了一個學(xué)術(shù)上的定義。周圍許多語音識別都是用這項技術(shù)做的。人工智能還有很多新的落地點，投資方希望能找到真正有意義的落地點。

金融是一個大家關(guān)注的焦點，智能投顧這個概念也已經(jīng)講了很久。雖然有很多公司都說在做智能投顧，但是沒有任何一家是真的做了。市面上很多公司是把量化交易偷換概念叫做智能投顧。

智能投顧一定能賺大錢嗎啊？不一定。什么樣的市場才是能賺大錢的市場？只有流動性和波動性高才有機會獲利。是否賺錢這件事也未必等于最佳策略，怎么在賠錢的初期停止損失也是非常重要的策略。在這個情況下，怎么用人工智能判斷，是非常重要的。智能投顧不等于量化交易，量化交易重點是做股價的預(yù)測。

前陣子，看到摩根大通等等裁掉了幾個分析師，他們幾萬個人的工作，電腦一小時就做到了。很多人擔心，是不是大家要沒工作了。其實我認為這是新聞某種意義上的營銷，它讓消費者知道，通過新的技術(shù)可以讓服務(wù)的觸角更廣。老實說一個資產(chǎn)管理的管理人，他能看的案例有限，當他分身乏術(shù)的時候，我們想擴大業(yè)務(wù)，只能通過新技術(shù)，幫我們解決管理上的困難。

最早機器可以和人類交互只是幻想，沒有大數(shù)據(jù)的發(fā)展，就不可能有深度學(xué)習(xí)的發(fā)展。深度學(xué)習(xí)是機器學(xué)些的一個特例，通過神經(jīng)元的連接，投入精巧的設(shè)計，找出特征。

在過去，所有的消息、分析都來自于數(shù)據(jù)，而數(shù)據(jù)絕大多數(shù)都是文字。正因如此，我們?nèi)狈鹘y(tǒng)量化交易中分析文本的能力，大部分只能做到粗淺的，沒有辦法對文章的內(nèi)容做深入的探討。這對于深度學(xué)習(xí)來說擁有不一樣的角度和切入點。舉例來講，比如文字。我們一共有120萬的中文用字，大家可以想想看，我們一天到晚講出來的中文有120萬字。如果全部壓縮到很多的維度，比如200維，這個時候就它就變成一個很小的被代表的向量。因為是向量可以加減乘除，所以加減乘除之后的詞向量，我認為是在目前所謂的自然語言分析里面，很簡單很初階的，但是非常有趣的東西。

如果我一個告訴它美金，一個告訴它英鎊，他就可以從詞向量里面，把所有的幣別全部找出來了。除此之外，我告訴他基金和債券，他可以把所有的在里面跟金融商品有關(guān)的投資商品全部列舉出來。我們可以看到這個有趣的情況，我告訴蘋果跟三星，當我列出所有手機代表詞之后發(fā)現(xiàn)里面出現(xiàn)了香蕉、葡萄之類的結(jié)果。因為蘋果有歧異，有可能是吃的水果。所以告訴他蘋果+三星-葡萄，就可以把所有的水果歧義詞排掉。在不需要特別教電腦的情況下，基金和贖回，贖回有特別意義的，第一個方向性。我們發(fā)現(xiàn)原來我們認為真實世界很復(fù)雜的問題，當你從高維壓縮到低維的時候，問題就異常簡單，就加減乘除就可以解決了。

現(xiàn)在我們處理的最大困難和核心就是沒有能力處理非數(shù)值的字段。過去聽說過自然語言處理，但是現(xiàn)代基礎(chǔ)這塊已經(jīng)不是太困難的事情。中文是非常難的，不光有簡體還有繁體，加在一起是非常恐怖的數(shù)字，解讀方面也是非常困難的。

智能投顧，既要投也要顧。顧就是怎么維護客戶。過去依靠昂貴的人力，現(xiàn)在依靠聊天機器人，但體驗是不一樣的，機器沒辦法理解客戶講的深入。因此，深度學(xué)習(xí)里面另外一個重要的模式，Sep2Sep的意圖模型，知道的你意圖，你的意圖體現(xiàn)了那些事物就是實體，因為實體產(chǎn)生行動。

比如“你好，能幫我注意一下美元的波動嗎？”意圖是設(shè)定波動警示。實體包括產(chǎn)品類別：外匯、所有的美金計價基金標的：美金，連接風(fēng)險：匯兌風(fēng)險。行動：產(chǎn)生警示。

我認為管理取代人類的時間還很早。但是可以想象的是，當你從繁瑣的過程脫身，是不是有時間可以做更多的事情。換一個角度想，如果只能做那種工作的人就比較擔心了，所以我覺得每個人都要苦難的培養(yǎng)至少一種不被電腦取代的能力，這是人類未來進化很重要的方向。

前段時間美聯(lián)航打了一個人，如果你是它資金管理人，你第一事情做什么？第一件事情先查一查全球主要基金持人有多少，顧問有誰。應(yīng)該先弄清楚背后盤根錯節(jié)的關(guān)系，這些東西都有數(shù)據(jù)，只不過數(shù)據(jù)不一定是容易閱讀容易查詢的方式。很重要的概念是知識圖譜，知識圖譜也不是什么新東西，區(qū)別是圖譜效果用人工建還是電腦自己抓。

目前深度學(xué)習(xí)讓圖像和文字變得可能。舉個例子來說，我們講視覺的任務(wù)，我給你一張圖片，你要寫文字告訴我這張圖片在講什么。他必須要識別里面有什么內(nèi)容，然后他變化成文字。未來還有什么可能性？既然能夠看這樣的圖片，我們今年的比賽有一個很重要的題目，就是讓機器來讀K線圖，我們會準備上萬張讓它讀。但是不給他值，我們希望可以找到我們自己關(guān)注不到的規(guī)律。

深層規(guī)則告訴我什么，大家能認出這是長頸鹿，為什么能認出？是因為顏色嗎？因為斑紋嗎？人天生就有偵測深度規(guī)則的能力，而且可以通過多種規(guī)則，達到識別的一致性。人可以識別到很多很底層的特征，為什么我們不能從圖中找到該買股票的時機點呢，因為這些不是我們?nèi)怂?xí)慣的。

剛才談到深度學(xué)習(xí)和所謂的智能投顧我認為還是有很多不一樣的地方。為什么阿爾法狗能打敗李世石，因為它使用了增強學(xué)習(xí)這樣的一個技術(shù)。強化學(xué)習(xí)很重要的一環(huán)透過互動達到一個策略最佳化的目標，所以也就是說重點在不在預(yù)測股價，真正的目的是賺錢。阿爾法狗和李世石打有什么不同，人下每一個棋子會受到以前教育的制約，比如這個子下這里很爛，或者下在哪里不優(yōu)雅，下在哪里是好的。但是電腦完全不管這套，電腦只關(guān)心我要贏，不管中間過程是什么。這個里面我們的目標是讓它能達到最高的收益，所以這個過程里面，可以透過強化學(xué)習(xí)，讓電腦學(xué)會最佳策略。

有很多有趣的學(xué)習(xí)名稱，模仿學(xué)習(xí)、學(xué)徒學(xué)習(xí)，其實都告訴你從零開始學(xué)太慢了。從模仿人開始最快。2008年全球大股災(zāi)的時候，你的電腦能夠做的比較好嗎？電腦如何做，其實它的概念是只要在虛擬空間里面，可以讓他做1億次的隨機交易，時間點和金額隨機。這1億次里面能不能找到最優(yōu)解，可以。但是能不能每次交易都算1億次，當然不行。所以深度學(xué)習(xí)的功能在于怎么樣通過優(yōu)化過程的網(wǎng)絡(luò)結(jié)構(gòu)，不用算1億次，就可以知道最好的點在哪里。

這一個是DQN，重點是兩個不同的函數(shù)，阿爾法狗就是一個標準的DQN。一個叫做策略函數(shù)，判斷怎么跟真實環(huán)境做交互，以及外面環(huán)境會怎么影響我。阿爾法狗是用它判斷對方的落子。價值函數(shù)會預(yù)測這個動作對我未來的收益的變化，所以可以透過這個找到最優(yōu)解。

怎么找到最優(yōu)的解在哪里，能不能用最小計算量幫助我們，這個可以通過深度學(xué)習(xí)幫助我們。量化交易的本質(zhì)在預(yù)測股價，深度學(xué)習(xí)的本質(zhì)是讓電腦學(xué)會找到最佳策略的辦法，這兩個完全不一樣的事情。

謝謝大家！

注：獲取演講嘉賓干貨PPT請關(guān)注數(shù)據(jù)猿微信公眾號【datayuancn】并回復(fù)關(guān)鍵詞“尹相志”即可

來源：數(shù)據(jù)猿