众所周知，人工智能是计算机科学的一个分支，以研究和生产一种与人类智能相似的方式做出反应的智能机器为目的。该领域的研究除数据分析外，还包括语言识别、图像识别、专家系统等。
“我们都知道人工智能是未来发展的一个方向，但大家对它并没有一个深入全面的了解。”上海念空科技董事长王啸对期货日报记者说，现在金融领域对人工智能的理解还存在一些误区。目前金融行业常提到的人工智能，大部分被简单地理解为大数据运用，实际上，人工智能在金融领域运用远不止此。
王啸说，现在说起人工智能就会提到机器学习，目前最热的人工智能类似于AlphaGo采用的技术，属于机器学习的一种，叫做深度学习。更专业的说法是，AlphaGo用到的是深度学习中的卷积神经网络（CNN）和增强学习算法。机器学习的范围比较宽泛，一些机构用机器学习做交易策略，比如股票的统计套利策略就是让机器去不停地学习数据、适应市场。它和现在最热门的深度学习是有区别的。
“深度学习主要有三类算法，CNN、循环神经网络（RNN）和增强学习。CNN算法的优势在于识别图像，它的原理类似于用计算机来模拟人脑学习的过程，把计算机当做一个婴儿，构造一个有许多神经元组成的神经网络，在学习的过程中，神经元之间会不断根据损失函数优化神经网络参数，进而带来正确的学习能力。长短期记忆网络是RNN目前最常用的算法，它的优势是识别前后有联系的一系列数据。”王啸告诉记者，他们公司正在做的是，探索深度学习在交易的时间序列数据中的
应用，最大的挑战是如何把时间序列数据排列成结构数据，或者以何种形式“喂给”神经网络。
上海一家主要从事股票量化投资的私募机构负责人表示，在金融投资和交易领域运用人工智能，首先要弄清楚大数据、深度学习和量化策略之间的区别。
“大数据是在历史数据中挖掘规律。深度学习是让计算机去理解一些抽象的东西，是机器学习中未来应用前景最广的一种。量化策略则是通过找寻历史数据中的规律构建模型，程序都是确定好的，只是用计算机运行，不过，如果规律变化，模型就会失效，策略师的工作就是不断调整模型。”上述私募机构负责人说。
今年以来，量化投资整体表现不尽如人意。
前述私募机构负责人告诉记者，他们公司今年年初引进的一个投资团队在人工智能运用上做了一些尝试，试图通过深度学习的方法，让机器去寻找和市场上相关性较低的因子，模拟人的思维方式去描 述市场行为。
“现在国内私募行业还没有能赚取市场超额收益的人工智能投顾，但并不是说没有机构做。”王啸说，国内真正做量化投资的私募机构本来就不多，愿意为人工智能研究投入的更是少之又少。他们公司早在去年下半年就组建了团队，升级了硬件，进行深度学习研究。
王啸告诉记者，他们想做出的人工智能策略分析师，是在得到海量数据后就能够自己生成策略模型，不期望它一开始就能获得高收益。
“我们研究人工智能策略分析师的成果在实盘中已经进行了应用，虽然现在的表现还没有其他策略好，但已经有了一些收益，而且和其他策略的相关性很低。目前主要应用在CTA策略中，它增加了原有策略的稳定性。”王啸介绍。
在王啸看来，现在深度学习在交易领域还是空白，率先进行这方面研究的机构最有可能赢得市场超额收益。到人工智能在交易领域广泛应用那一天，市场超额收益就会消失。
他还告诉记者，在探索人工智能在交易领域应用的过程中，他们遇到了一些问题。
“一年前我们开始寻找切入点，在组建团队的过程中发现一个大问题，即Kaiyun官方网站app登录 难寻。每年全球深度学习专业的博士毕业生不过几十人，而且大部分毕业后都会选择去大型互联网公司，很少有人进入金融领域。”王啸说，金融领域应用人工智能的另一个问题是跨学科团队的建立。
“对于人工智能策略分析师，我们要做的不是教它如何工作，而是把策略所需的数据灌输给它，然后告诉它正确答案。其中最难的是我们应该以什么形式给它。人工智能应用于金融领域，只会算法是不够的。如果做深度学习的人完全不懂金融，那么他理解交易数据就会有障碍。”王啸说，因此，这需要一个知识面非常广的团队来共同完成，需要有人了解和熟悉交易，有人会做量化数据处理，有人会做深度学习，等等。
