1樓:legendlin
這個問題下面體現了很多小散的思維定勢。
許多回答都提到,市場的規則是不確定的,是由複雜的個體組成的,這樣AI根本搞不過市場。
但是,是否存在玩家只跟乙隻票,並且擁有制定該票規則的權力?答案是,莊家。
做莊是有風險的:
為了躲避監管,往往需要一堆帳號來操作乙隻票,做多IP,賬戶打亂躲避大資料監控。
漫長的低吸過程是很枯燥的。
有時候還會有大玩家突然殺進來跟你搶肉吃。
但是有了AI後,莊家完全可以把這些髒活累活交給AI去幹,發出指令就把事情辦了:
平時一堆賬戶分布在不同機器,不停做低吸。
偶爾買些其它票,讓賬戶看起來自然些躲大資料。
檢測出其他玩家搶肉,自動做出響應。
檢測出市場上同行業有訊息,自動做出高拋低吸。
籌碼差不多後自己做成交量,左手倒右手。
嚴格意義上講,這壓根算不上AI,只是莊家的一套輔助系統,但卻是可行的,我想肯定有莊家這麼幹了,當然肯定不會滿世界告訴你。以後莊家收割韭菜會更高效了。
莊家都懂得往阻力最小的方向走,而你們這幫沒錢的技術派,卻妄圖用AI去征服複雜的市場?
滿世界都在吹AI,說到底不過還是原來量化的範疇。
利益相關:韭菜一枚。
2樓:演算法建築師
金融市場是典型的複雜系統,具有開放性,反饋等特徵。對於乙個開放系統,內部結構不斷變化,外部資訊不斷輸入。很難想象有機器可以在這種過程中學習到普適的盈利策略。
3樓:
退一步講,如果真的可以自博弈訓練,得到了乙個策略,那麼它一定是和最優秀的對手(們)在市場上博弈所產生的策略。
那麼問題來了,當市場上充斥著「豬」一樣的對手的時候,對精英用策略是不是還能奏效呢。?
4樓:韓景旭
我個人的理解金融市場是乙個眾多人, 各種想法, 各種各種構成的乙個偽隨機市場, 且我認為AI 也是包含在各種裡, 無非就是由人構成的乙個偽隨機遊走的市場, 變成了乙個新增了眾多AI構成的偽隨機遊走狀態。
5樓:元元元
什麼都不懂的小白。能否用許多(盡可能多)個AIphaGo進行博弈,擬造乙個「市場」,從而進化淘汰最終留下乙個最強的ai?
6樓:莫蔚彬
圍棋是乙個封閉空間,就是乙個熵會不斷增加的狀態,結果最終能穩定收斂,不同演算法只要比收斂速度即可;而交易,更多是一種博弈,博弈是存在一定負熵的,因此整個狀態是不穩定的(除非你能找到很好切入點,把博弈中的負熵部分剔除出來——但這個有點快成了麥克斯韋妖——思路是這樣,至於是否會是悖論,那是另一回事了)
7樓:聶雨培
持續盈利的AI短期可能存在,長期不可能。因為圍棋的規則棋理是不變的,AI可以持續進化。但市場規律是因交易者而形成的,AI的交易行為本身會改變市場執行規律,所以沒有最優解,AI無法持續進化。
8樓:
我記得小時候看過一本科普書,說人腦10秒中處理的資訊,一台家用計算機處理要一萬年。
其實算力夠的話,模擬乙個極其聰明的人腦也不是不可能。
但現在最大的問題還是算力大大的不夠,普通處理器的主頻已經塊10年沒有大動靜了,在量子處理器出來前,這個瓶頸依舊存在。
如果不考慮算力問題,以及高算力下人工智慧突破奇點毀天滅地,
我覺得做出乙個類似的AlphaGo Zero還是很簡單的,一倍人腦智商不夠,十倍人腦智商來湊也不是不行。
那樣的AlphaGo Zero,交易策略可能人看不懂,能賺錢就是了,而且不緊不慢,恰好的吸收交易品種的流動性。
9樓:slevin lee
先輸入圍棋規則~然後機器隨機生成棋局
量化交易輸入市場資料~然後生成啥?交易規則?算逆運算吧?你把棋譜輸入AlphaGo Zero它能否生成圍棋規則?
再說~圍棋~你知道我知道大家都知道所有資訊量化交易~你知道明天出啥政策嗎?你知道我知道明天出啥政策嗎?你知道我知道你知不知道明天出啥政策?
你拿公開市場資料都能打敗市場還養那麼多研究員吃翔?
所以我看AI最好進入彩票領域~
10樓:二兩
我目前就職於乙個做量化投資的公司,雖然我並不負責具體策略的開發....
就目前來看,量化投資領域要做成AlphaGo Zero這種學習最基本規則然後自己博弈訓練的AI可能性不大,目前公司內做的投資策略使用的都是傳統方法,主要以輔助使用者決策為主,給以資料依據
11樓:quant林
圍棋是既定規則下的窮舉,通過各種演算法可以降維。
但交易不同,交易市場是各神經病,你永遠不知道下一刻會發生什麼。
換句話說說,弱人工智慧可以降圍棋處理的很好。
但是對交易來說,很難做到乙個全自動自動學習的系統。這不是量的區別,是質的區別。
更重要的是,由於人工智慧演算法是黑盒子,你無法知道什麼時候,策略失效
12樓:guobz
從目前業界情況看,大的機構也只是剛剛布局AI,所以短期來看在量化策略的區域性是有用武之地的,比如worldquant的101個因子,factor combination的各種測試實際和AI 做的是一樣的。
從長期來看,寫出AlphaGo Zero的量化策略是有可能的,誠然如上面各位所說,市場的變數很多,但是好多策略只是賺某些方面的錢,不需要全部覆蓋,實際上變數的作用域是不同的。把賺錢的因素做精做細就離AlphaGo不遠了。
13樓:乙隻菜雞
把圍棋的規則改一下。
讓圍棋棋盤大小每年增長百分之三,偶爾不是百分之三,一部分是百分之二,百分之十也沒問題。
區域性落子得分減少百分之四十到增加兩倍。
有的位置不許你走,得分不計入。
有的位置你走了,其他人說:把棋還我,我要回家。
得分越高越有可能影響規則指定,得分高到一定程度,那你變成棋盤給大家玩好了。
永遠不官子,沒有最終比分,當然也不一定是永遠。
此外有些胖友志不在本棋盤,你也不知道他同時下幾副棋,對了,到底有多少棋盤?
資料沒有,樣本別想。
最後以上這些有可能發生,有可能不發生,總之不知道。
最優路徑是啥?
14樓:金融藝術
很難,主要是資料問題,如果能解決這個問題也不是不可能,難點在於:
圍棋是乙個完全資訊系統,規則明確;金融市場是不完全資訊博弈,每個人無法了解對手的資訊和全部市場資訊。
圍棋中有大量的高手對弈棋譜資料,並且可以自我對弈進行強化學習;在金融市場中如果只依賴市場本身包含大量高噪音的資料很容易產生過擬合。
15樓:雲山亂
我想完全是可能的。
圍棋的規則明確,而且是完美資訊的系統。
一般意義下的金融市場規則更簡單,但是盈利的規則不確定,且不唯一,而且因該是時變的。引入類Alpha Go的ResNet策略是可能的,需要細化策略和對付時變的問題。
我猜針對AI策略的策略也會出現。
16樓:吳二真
不可能。
因為規則制定者擁有隨意修改規則的權力。
舉個例子,下圍棋的時候,你可以隨意更改棋盤大小和吃子規則,你覺得電腦還能贏你嗎?
17樓:merry
瀉藥先占個坑,有空了再好好回答這個問題。
分界線早上工作比較忙,現在有點空。不過我投資方面的知識不足,回答可能會有點膚淺,求別吊打。
從人工智慧的角度來說,任何有規律或者規則的事物都可以通過演算法和大量的資料來實現,但是基於目前的技術,可能還比較困難。
從大的層面來講,投資領域有一定的變化規律,這是由於行業的發展和更新迭代的週期決定的。但是由於每個行業或者公司的發展與週期都不盡相同,因此,規律只是乙個通用的大概的規律,就算將大量的資料輸入智慧型模型,也只能得到乙個大概的資料,不能準確預估投資的風險值。
並且,人工智慧現在處於弱人工智慧的階段,還不能達到人腦的智慧型程度,因此實現起來難度比較大。
另,AlphaGo Zero是零基礎強化學習,如果不給投資領域的人工智慧輸入大量的資料,加上投資風險的規律不確定性,估計很難實現。
18樓:悶聲大財
沒有可能。
圍棋有嚴格的規則,是確定性的,市場沒有規則,是不確定性的。
另外,市場已經有國家這個上帝視角的角色了,試想一下,如果出現了兩個上帝,相互pk,最後誰贏?
自學程式設計十年,依然沒有編寫出過什麼有用的東西,想知道下一步怎麼走?
Martin awodey 讀完描述,發現最大的問題是你的目標設定完全偏了,完全沒有考慮如何能夠找到工作。如果連目前市場上職位的要求都不知道,那如何準備? cool alvin 就沒人佩服樓主嗎。能自學這麼多年,不為工作,也不為寫什麼軟體。什麼都不為,就純粹沒有功利的學。能堅持這麼多年,我感覺也挺屌...
IC custom layout 有沒有可能實現自動化 AutoCL, 如同數字P R一樣
劉勇傑 之前看過cadence virtusol XLG的demo演示 憑記憶,不敢說一定沒記錯 雖然不能說非常接近,但是感覺已經很有customer layout自動化的感覺了,特別是在布線上,和某些器件級別的組合圖形生成上,工具可以做的已經很多了 感覺工具的瓶頸是模組級別的floorplan上,...
既然美顏瘦臉是一種演算法,那麼有沒有可能寫出一種反美顏演算法?
棲息中的雜食動物 iphone前置攝像頭,放大你的醜。美白功能 膚色暗沉發黃 祛痘去瑕疵 高畫質攝像頭真實記錄,不放過您臉上的任何乙個斑點,並加以強化。磨皮 保證您的真實度,任何人都要高曉松月球表面同款肌膚才真實哦 大眼 只要您不45 仰望,眼睛必須給老子小三分之一紅潤肌膚 恩?我們是不正經相機拍蘋...