AI写歌不在话下，但很难帮你投资赚钱
图片来源：Illustration by Alexandra Citrin-Safadi/The Wall Street Journal
华尔街的AI革命在哪儿呢？
从建筑到娱乐，几乎所有行业都在测试生成式AI，希望从这种能生成颇为类似人类手笔的文本、图像和艺术的技术中获利。
华尔街长期以来一直使用自动化算法来完成安排交易和管理风险之类的任务。但投资者在依靠AI应对他们的最大挑战方面尚未取得多少进展，这个挑战就是跑赢大市。有人把ChatGPT视为有助于促进销售和研究工作的工具，然而利用AI进行投资还没有什么特别令人印象深刻的成果。
“将AI应用于投资的进展有限，不过语言模型方面的创新或许会在未来几年改变这种情况，” Columbia Investment Management Co.的董事总经理Jonathan Larkin说。该公司为哥伦比亚大学(Columbia University)管理着130亿美元的捐赠资金并投资于各种基金。
华尔街在AI方面可以算有先发优势。40年前，包括Renaissance Technologies创始人Jim Simons在内，一些原本从事数学研究、后来转做量化投资的人士，开发了让计算机做投资决策的算法。
他和其他量化分析师多年来一直在使用属于AI技术的机器学习。他们建立了交易模型，这些模型可以根据过去的数据进行推断，以便在有限人为干预的情况下找到相关的走势形态，并开发能够赚钱的交易。
但量化分析师说，鲜有公司成功做到将所有业务都交给机器。在机器自我学习或强化学习方面，他们还没有取得重大进展；机器自我学习或强化学习需要训练计算机自己学习和制定策略。Renaissance等公司的人士说，这些公司依靠的确实是先进的统计数据，而不是最尖端的AI方法。
Larkin说：“大多数量化分析师仍采取‘理论优先’策略，根据这种策略，他们先建立一个解释为什么可能存在某种异常情况的假设，然后围绕这个假设形成一个模型。”
一个大问题是：与用于开发ChatGPT聊天机器人以及类似基于语言的AI项目的数据相比，投资者依赖的数据集更加有限。举例来说，ChatGPT是一个拥有1,750亿个参数的模型，使用了过去几十年、有时甚至几个世纪以来的文本以及来自书籍、期刊、互联网等来源的其他数据。相比之下，对冲基金和其他投资者通常使用定价和其他市场数据来训练自己的交易系统，而此类数据本来就有限。
D.E. Shaw的前高管Jon McAuliffe说，谈到投资，情况有所不同。他称：“我们没有无限量的数据来帮助我们运行无限大的模型。” McAuliffe现在是Voleon Capital Management LP的联合创始人，这是一家依赖于机器学习的对冲基金。
虽然自动化算法长期以来一直被用来进行交易，但AI在预测股票走势方面一直不尽人意。
图片来源：Timothy A. Clary/Agence France-Presse/Getty Images
同样重要的一点是，市场数据比语言和其他数据“更嘈杂”，从而比较难以用来解释或预测市场走势。换句话说，收益、股票动能、投资者信心和其他金融数据只能部分地解释股票走势，其余的都是莫名其妙的“噪音”。因此，机器学习模型可以识别各种市场数据的相关性，但事实证明它无法预测未来的股票走势。
与语言不同，市场会迅速变化，原因包括公司改变战略，新领导做出激进决定，经济和政治环境突然转变等，这使得利用一些依赖于历史和长期数据趋势的模型来进行交易更加困难。
虽然ChatGPT表现优异，但它经常犯那种明显的错误，这种错误会使投资者亏钱蒙羞。
金融科技公司Proven首席执行官Richard Dewey也指出，投资“具有对抗性”，也就是说需要与渴望利用任何错误获利的对手展开竞争。这使得使用AI进行投资比将AI用于自然语言、图像分类或自动驾驶汽车更难。
“像Renaissance和D.E. Shaw这样的公司仍然雇用这么多博士是有原因的，”Dewey说。他说，在纷繁复杂且受到人类行为反馈回路影响的市场中，人仍然是必不可少的。他说：“在投资领域，仍然很难把一切都交给机器。”
不过，有迹象表明，投资者正变得更愿意依赖AI。Voleon就是过去几年中围绕机器学习和其他AI方法推出的一系列对冲基金中的一只。
位于旧金山的量化对冲基金Numerai表示，该公司去年利用机器学习技术获得了20%的收益。同样在去年，谷歌母公司Alphabet Inc. (GOOG)旗下AI子公司DeepMind Technologies的三名资深员工离职，成立了一只名为EquiLibre Technologies的机器学习基金，总部设在布拉格，这引起了人们的关注。
一些AI专家表示，AI有朝一日可能会帮助实现交易的大众化，让散户和其他投资者可以使用与大型对冲基金所用工具一样强大的程序。但Man FRM的首席投资官Jens Foehrenbach说，就目前而言，专注于机器学习和其他AI方法的公司太少，无法确定是否有可能带来高回报。Man FRM在对冲基金中的投资超过200亿美元。而且早期回报表现参差不齐。
Foehrenbach称，这方面的表现差异很大。Foehrenbach称，这样的策略可能会做出非常出人意料的事情，并使投资者很难决定是要减少投资还是增加投资。
AI的拥护者相信，他们的方法最终会表现良好。机器学习模型或许终将可以从无序中发现有序。
“建立机器学习策略更加困难，而且刚开始会出现更多的错误”，Voleon的McAuliffe说。“但一旦让它们步入正轨，这些策略将会做出更准确的预测。”
EquiLibre的联合创始人兼首席执行官Martin Schmid认为，对计算机的各种交易投资决策进行奖罚的“强化学习”将适用于股票和债券，就像用于国际象棋、扑克和其他游戏一样。强化学习是机器学习的一种形式。
Schmid说，EquiLibre仍在完善其交易模型，尚未开始用于投资。
一些人表示，短期来看，最近的进展可能会撼动研究和销售等领域。
前高盛和桥水(Bridgewater Associates)雇员Jens Nordvig说：“现在，你可以为客户创建自动化的定制信息，这正是（投行）销售人员所做的主要工作”，Nordvig目前掌管MarketReader，这是一家使用AI提取财经新闻的公司。