□ 相對于大部分人來說，AI確實(shí)能夠達(dá)到一個(gè)較為理性的投資狀態(tài)。尤其是在量化交易領(lǐng)域，對于在短時(shí)間內(nèi)需要大量分析、處理數(shù)據(jù)的交易策略來說，AI會(huì)有更穩(wěn)定的輸出。

□ 但是，AI沒辦法去戰(zhàn)勝市場最優(yōu)的一類人，人類有自己的優(yōu)勢，比如對于很多非結(jié)構(gòu)化的一些信息的處理，以及對于很多非數(shù)量化的行為及狀態(tài)的判斷等。

□ 投資這個(gè)領(lǐng)域不是砸錢、砸機(jī)器、砸設(shè)備就能做出成績的，這些都不是核心競爭力，核心還是要憑認(rèn)知深度，憑獨(dú)立思考和創(chuàng)新，甚至還要拼一些信念。

(資料圖片)

□ ChatGPT可通過高效的數(shù)據(jù)收集和處理能力、編程能力、文本分析能力等來加速想法的實(shí)現(xiàn)，但想法本身才是投資的關(guān)鍵。

還記得“阿爾法狗”（AlphaGo）擊敗圍棋世界冠軍后，華爾街推出的全球第一只應(yīng)用人工智能（AI）進(jìn)行投資的ETF基金嗎？這只金融界的“阿爾法狗”投資業(yè)績不甚理想，并沒有讓全球的投資經(jīng)理丟了“飯碗”。如今，性能更強(qiáng)的以ChatGPT為代表的“生成式AI”橫空出世，不免讓人們產(chǎn)生“AI炒股能否戰(zhàn)勝市場”的疑問。

即便不能“戰(zhàn)勝市場”，也有投資者擔(dān)憂，AI炒股會(huì)不會(huì)加劇市場波動(dòng)，使中小投資者更加難以盈利？

ChatGPT如何預(yù)測股價(jià)

自400多年前世界上第一個(gè)股市在荷蘭阿姆斯特丹誕生起，“戰(zhàn)勝市場”——準(zhǔn)確預(yù)判股價(jià)走勢就是所有投資者的夢想。

一只股票的價(jià)格變動(dòng)由很多因素綜合決定，其中有非常復(fù)雜、非線性的關(guān)系。以往的AI模型參數(shù)規(guī)模較小，無法表征復(fù)雜的市場關(guān)系。而ChatGPT大模型與以往預(yù)測股價(jià)的AI模型有著明顯區(qū)別。

在受訪人士看來，相比傳統(tǒng)的AI模型，ChatGPT大規(guī)模預(yù)訓(xùn)練模型有多方面優(yōu)勢。在股價(jià)預(yù)測領(lǐng)域，大模型可以處理大量異構(gòu)數(shù)據(jù)，如股票交易數(shù)據(jù)、宏觀經(jīng)濟(jì)數(shù)據(jù)、公司財(cái)務(wù)報(bào)告等，同時(shí)還可以處理非結(jié)構(gòu)化數(shù)據(jù)，如新聞報(bào)道、社交媒體信息等，這使得大模型能從多方面捕捉市場信息，提高預(yù)測準(zhǔn)確性。

具體而言，在進(jìn)行股價(jià)預(yù)測時(shí)，投資者往往關(guān)注四個(gè)方面：技術(shù)面、基本面、新聞和事件、市場情緒?；谏鲜鰩讉€(gè)維度，以ChatGPT為代表的生成式AI技術(shù)帶來了一些新的變化和潛在的應(yīng)用形式：

第一，在基本面分析上，由于ChatGPT等AI技術(shù)在自然語言處理方面取得了顯著進(jìn)展，它可以更好地理解和處理人類語言的復(fù)雜性。在投資中，這種能力可以用于解析和理解財(cái)務(wù)報(bào)表、公司公告等文本數(shù)據(jù)，從而為投資決策提供更全面和準(zhǔn)確的信息。

第二，ChatGPT應(yīng)用于情感分析（Sentiment Analysis）和市場情緒預(yù)測，通過分析社交媒體、新聞等內(nèi)容來識別市場參與者的情感和情緒，幫助投資者更好地理解市場情緒的變化，并預(yù)測其對股票價(jià)格和市場趨勢的影響。近日，美國佛羅里達(dá)大學(xué)金融學(xué)院公布的一項(xiàng)研究表明，將ChatGPT融合在投資模型中，可以預(yù)測股市的走勢。其研究方法是為ChatGPT提供大量的新聞標(biāo)題和內(nèi)容，讓ChatGPT用情感分析判斷這些事件對股市的影響。

第三，在股票投資領(lǐng)域，一直以來存在著技術(shù)派，即通過K線圖走勢對未來股價(jià)走勢進(jìn)行判斷，這需要在收盤后進(jìn)行大量復(fù)盤工作，而圖像識別技術(shù)可以替代這一工作，就是通過給AI大量的K線樣本，同時(shí)每個(gè)樣本都有未來漲跌的分類標(biāo)簽，卷積神經(jīng)網(wǎng)絡(luò)技術(shù)自動(dòng)從K線圖中尋找對未來漲跌分類有用的特征，特征提取與驗(yàn)證自動(dòng)完成。

“技術(shù)派常常去尋找突破新高的形態(tài)，包括底背馳、圓弧底、底部放量等底部特征，但是這些形態(tài)缺乏嚴(yán)格意義上的有效性測試，在實(shí)踐中常常是假突破，跟風(fēng)很容易失敗。AI技術(shù)則不然，并不尋找這些特征，而是從像素級別自動(dòng)挖掘特征，直接與分類結(jié)果進(jìn)行匹配?！睆V發(fā)證券金融工程首席分析師安寧寧研究發(fā)現(xiàn)，按照AI預(yù)測的上漲概率值進(jìn)行排序，全部股票分值最高的一組，戰(zhàn)勝分值最低的一組勝率在89%左右。不過，這個(gè)勝率只有在決策次數(shù)非常頻繁也就是量化高頻交易中，才能得到足夠豐富的超額收益。

“歸根到底，ChatGPT還是一個(gè)大語言模型，會(huì)讓語言處理更加簡單。”寬?？萍紕?chuàng)始人、董事長兼CEO劉鑫表示，ChatGPT作為大語言模型，較小語言模型來說，更適用于通用領(lǐng)域。生成式文本摘要可以加速投資者對研究報(bào)告、研究論文的分析和理解。對于輿情分析、情緒分析、事件驅(qū)動(dòng)的策略來說，ChatGPT可以生成一些更加直接準(zhǔn)確的分析。

已在量化交易中投入實(shí)戰(zhàn)

“我們可能站在這個(gè)時(shí)代最偉大變革的前夜。”這是今年4月幻方量化宣布集中資源和力量投入AI時(shí)的開篇語。毫無疑問，搶占AI高地已成為國內(nèi)量化私募龍頭的共識。在他們看來，AI技術(shù)將成為量化投資行業(yè)的核心引擎，甚至將顛覆量化投資行業(yè)的技術(shù)格局。

量化投資的技術(shù)迭代基本上與AI的技術(shù)迭代同步。思源量化創(chuàng)始人投資總監(jiān)王雄表示，AI迭代歷史可以總結(jié)為4個(gè)階段：基于線性回歸的1.0多因子階段；基于機(jī)器學(xué)習(xí)的2.0高頻量價(jià)因子挖掘階段；基于深度學(xué)習(xí)的3.0端到端結(jié)構(gòu)化數(shù)據(jù)挖掘階段；基于通用人工智能的4.0深度基本面量化階段。

王雄認(rèn)為，與基于財(cái)務(wù)報(bào)表的傳統(tǒng)基本面量化相比，4.0階段有四大區(qū)別：

一是數(shù)據(jù)來源不同。傳統(tǒng)基本面量化主要依賴公司的財(cái)務(wù)報(bào)表進(jìn)行分析；而深度基本面量化通過挖掘公司公開信息，包括公司公告、分析師報(bào)告、社交媒體等非結(jié)構(gòu)化數(shù)據(jù)，從而獲取更加細(xì)致的信息和市場情緒。

二是時(shí)效性和數(shù)據(jù)頻率不同。傳統(tǒng)的基于財(cái)務(wù)報(bào)表的所謂基本面分析，頻率低，時(shí)效性弱，大部分信息已經(jīng)被市場消化；而深度基本面量化則需要處理更多更有時(shí)效性的更高頻的基本面信息。

三是分析方法不同。傳統(tǒng)基本面量化主要通過財(cái)務(wù)分析方法來評估公司的價(jià)值；而深度基本面量化更加重視非財(cái)務(wù)因素對公司業(yè)績的影響，采用自然語言處理和機(jī)器學(xué)習(xí)技術(shù)對文本信息進(jìn)行分析，從而理解市場信息和公司業(yè)績之間的關(guān)系。

四是建模方式不同。傳統(tǒng)基本面量化通常采用線性回歸或因子模型等傳統(tǒng)的建模方法；而深度基本面量化采用深度學(xué)習(xí)模型，從大量未標(biāo)注的數(shù)據(jù)中學(xué)習(xí)數(shù)據(jù)的規(guī)律和特征，并且通過模擬人類思維來自動(dòng)識別復(fù)雜關(guān)系，通過自學(xué)習(xí)、自升級和演化的方式不斷提高模型的性能。

除了基本面量化方面，GPT大模型在量化投資上還有一類應(yīng)用，即進(jìn)行代碼生成和模型借鑒提升效率。“簡單來說，就是量化投資需要標(biāo)準(zhǔn)化的代碼，使用ChatGPT會(huì)更容易生成一些標(biāo)準(zhǔn)化的代碼，節(jié)約代碼的生成，量化投資者可以在此基礎(chǔ)上進(jìn)行調(diào)整。”劉鑫介紹。

總體來看，AI技術(shù)的運(yùn)用，會(huì)讓整個(gè)量化投資策略迭代更快、處理效率更高。不過，也有量化私募人士提示，量化投資是一個(gè)綜合性系統(tǒng)工程，AI能夠有效提高投資效率，但尚不能完全替代人類的工作，不能和量化模型、量化策略等同視之。而且，值得警惕的是，GPT的數(shù)據(jù)來源和算法可能存在偏差和錯(cuò)誤，其中的風(fēng)險(xiǎn)不容忽視。

生成式AI炒股勝率幾何

生成式AI炒股是否能戰(zhàn)勝市場，一直以來是一個(gè)頗具爭議性的話題。

有觀點(diǎn)認(rèn)為，“股市本質(zhì)上就不是AI能贏的領(lǐng)域”；也有觀點(diǎn)認(rèn)為，只要技術(shù)不斷突破，“AI戰(zhàn)勝市場”并非不可能。不過，受訪人士比較一致的觀點(diǎn)是，“戰(zhàn)勝市場”是一件極為困難的事，股市是一個(gè)復(fù)雜且不確定的系統(tǒng)，并不具備規(guī)律性。

王雄認(rèn)為，單純靠AI來戰(zhàn)勝市場是很難的，但AI作為輔助工具能大大提高信息獲取、分析和決策的效率，也就是說，“人的正確科學(xué)的投資理念+AI的效率提升”是可以戰(zhàn)勝市場的，這一點(diǎn)其實(shí)已經(jīng)被無數(shù)優(yōu)秀的量化私募基金所驗(yàn)證，未來還會(huì)在更長時(shí)間里被驗(yàn)證。

安寧寧持同樣的觀點(diǎn)。在安寧寧看來，股市受到眾多因素共同影響，這些因素之間的相互作用使得預(yù)測股市變得極為困難，因此“戰(zhàn)勝市場”并非易事。但是，AI憑借其強(qiáng)大的海量數(shù)據(jù)處理分析能力，在一定程度上能對投資者進(jìn)行決策輔助，要戰(zhàn)勝市場并找到相對穩(wěn)定盈利的策略，還需要更多實(shí)證和深入的研究。

不可否認(rèn)，AI的一大優(yōu)勢是，它能規(guī)避掉人類的弱點(diǎn)，如情緒化、非理性行為等。但是，金融市場交易的實(shí)質(zhì)，依然是人們不同情緒與心態(tài)的博弈，ChatGPT未必能精準(zhǔn)掌握各類交易人群的情緒與心態(tài)變化，進(jìn)而作出最佳的投資決策。

劉鑫分析稱，相對大部分人類來說，AI確實(shí)能夠達(dá)到一個(gè)較為理性的投資狀態(tài)。尤其是在量化交易領(lǐng)域，對于在短時(shí)間內(nèi)需要大量分析、處理數(shù)據(jù)的交易策略來說，AI會(huì)有更穩(wěn)定的輸出。但是，AI沒辦法去戰(zhàn)勝市場最優(yōu)的一類人，人類有人類自己的優(yōu)勢，比如對于很多非結(jié)構(gòu)化的一些信息的處理，以及對于很多非數(shù)量化的行為及狀態(tài)的判斷等?？偟膩碚f，AI的方式和人類的方式會(huì)是市場里不同的行為類型。

“投資這個(gè)領(lǐng)域不是砸錢、砸機(jī)器、砸設(shè)備就能做出成績的，這些都不是核心競爭力，核心還是要憑認(rèn)知深度，憑獨(dú)立思考和創(chuàng)新，甚至還要拼一些信念和信仰。簡單來說，當(dāng)你有一個(gè)好的投資想法，ChatGPT可以通過高效的數(shù)據(jù)收集和處理能力、編程能力、文本分析能力等來加速這個(gè)想法的實(shí)現(xiàn)，但想法本身才是投資的關(guān)鍵?！蓖跣壅f。

是否將加劇市場波動(dòng)

GPT和其他AI技術(shù)在股市投資的應(yīng)用，在帶來交易便利的同時(shí)，也可能造成一些潛在的風(fēng)險(xiǎn)。比如，擁有先進(jìn)AI技術(shù)的機(jī)構(gòu)在信息獲取和決策速度上超越普通投資者，會(huì)不會(huì)導(dǎo)致市場不公平？量化交易大規(guī)模使用AI工具，會(huì)不會(huì)引發(fā)交易趨同、加劇市場波動(dòng)？

“在極端行情發(fā)生時(shí)，量化策略的集體調(diào)倉會(huì)對市場趨勢有一定強(qiáng)化作用，這一點(diǎn)在海外市場也普遍存在?！币患伊炕侥钾?fù)責(zé)人結(jié)合近期市場行情認(rèn)為，A股經(jīng)歷了AI行情的極致演繹，對整個(gè)市場的流動(dòng)性抽取效應(yīng)顯著，量化策略明顯加強(qiáng)了這種趨勢。

世紀(jì)前沿資產(chǎn)相關(guān)負(fù)責(zé)人也表示，AI+量化策略的風(fēng)險(xiǎn)在于策略的同質(zhì)化，因?yàn)榱炕歉鶕?jù)歷史數(shù)據(jù)去做模型，相當(dāng)于每個(gè)人都在讀同一本書，最后大家得出的結(jié)論有一些相似性，會(huì)造成策略上的高相關(guān)性和擁堵。簡單來說，大家都用相似的大模型投資工具做短線投資，會(huì)使得投資策略失效，賺取收益越來越難。

一些量化機(jī)構(gòu)人士則表達(dá)了不同的觀點(diǎn)。王雄認(rèn)為，借助AI工具提高分析和執(zhí)行的效率，本身不一定加大市場波動(dòng)的效果。AI和量化只是工具，是輔助實(shí)現(xiàn)策略思路的，策略也有不同類型，基于高頻量價(jià)的短線交易策略確實(shí)有可能更容易同質(zhì)化，而基于深度基本面的策略同質(zhì)化程度更低，同樣的基本面信息可能有不一樣的解讀，策略相關(guān)性低。

而且，量化的持倉一般非常分散，對個(gè)股的影響有限。整體來看，量化通過尋找市場錯(cuò)誤定價(jià)的機(jī)會(huì)來賺錢，長期效果是讓市場定價(jià)更加合理，更多是抑制非理性的買賣帶來的波動(dòng)。

劉鑫表示，量化交易本身就是一種在市場非理性波動(dòng)中獲取收益的方式，它實(shí)際上是去平抑市場過度的非理性的波動(dòng)，不同的投資模式會(huì)讓市場更為成熟，也更加穩(wěn)定。

在觀點(diǎn)交鋒之外，強(qiáng)化監(jiān)管以更好地規(guī)范量化交易已成行業(yè)共識。業(yè)內(nèi)人士表示，在滿足監(jiān)管和合規(guī)要求的前提下，聚焦行業(yè)需求，協(xié)同推進(jìn)數(shù)據(jù)、算力和算法，從提高交易效率、穩(wěn)定市場流動(dòng)性、消除信息不對稱、促進(jìn)市場有效定價(jià)等方面，與資本市場共成長，這是量化從業(yè)者應(yīng)承擔(dān)的社會(huì)責(zé)任，也是量化行業(yè)蓬勃發(fā)展的內(nèi)在動(dòng)力。

（文章來源：上海證券報(bào)）

標(biāo)簽：