從過去的一年到現(xiàn)在，人工智能和大數(shù)據(jù)技術(shù)給了我們?cè)S多的驚喜。數(shù)據(jù)科學(xué)家成功預(yù)測(cè)9項(xiàng)奧斯卡獎(jiǎng)歸屬，人工智能Cortana成功預(yù)測(cè)世界杯十幾場(chǎng)比賽，就連剛結(jié)束不久的蘇格蘭獨(dú)立公投，大數(shù)據(jù)預(yù)測(cè)也給出了正確的估計(jì)。這些事實(shí)，讓我們不得不對(duì)大數(shù)據(jù)和人工智能這兩項(xiàng)技術(shù)刮目相看，既然大數(shù)據(jù)和人工智能的配合如此犀利，在面對(duì)像金融市場(chǎng)這么復(fù)雜的系統(tǒng)時(shí)，表現(xiàn)又會(huì)如何呢?
一個(gè)好消息：人工智能和大數(shù)據(jù)用于金融分析完全可行
事實(shí)上，人工智能中的機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)等算法已經(jīng)在金融分析中應(yīng)用了不短的時(shí)間，雖然目前國(guó)內(nèi)在這方面的應(yīng)用還是落后于歐美等國(guó)，但是也算頗有成效。從經(jīng)濟(jì)學(xué)的角度來說，雖然股市等金融市場(chǎng)是一種混沌體系，其發(fā)展軌跡像天氣一樣難以預(yù)測(cè)，但是在紛繁蕪雜的交易數(shù)據(jù)中悉心搜尋分析，還是可以初步的總結(jié)出某些地區(qū)某段時(shí)間股價(jià)的典型運(yùn)動(dòng)模式，以縮小選擇投資的范圍。
比如，國(guó)內(nèi)已經(jīng)有人試過，用衛(wèi)星圖像做大宗商品估產(chǎn)定價(jià)，用紅外波查看原油交易中原油的熱輻射量來估計(jì)交易規(guī)模及對(duì)市場(chǎng)的影響。
一個(gè)壞消息：人工智能和大數(shù)據(jù)不可長(zhǎng)期預(yù)測(cè)
前文已經(jīng)提到，金融市場(chǎng)和天氣很相似，它們都是一種混沌系統(tǒng)，其發(fā)展變化帶有很大的隨機(jī)性，以現(xiàn)在的科技水平，要預(yù)報(bào)一年甚至一個(gè)月后某一天的天氣完全是不可能的事。金融市場(chǎng)也一樣，隨著供求關(guān)系及政策等因素的變化，某支或某一類股票在短期的漲跌是可以用大數(shù)據(jù)分析得出其相應(yīng)概率的，可是如果想用人工智能或大數(shù)據(jù)技術(shù)發(fā)現(xiàn)某個(gè)模型，能比較準(zhǔn)確的預(yù)測(cè)市場(chǎng)很久之后的走勢(shì)，就十分不現(xiàn)實(shí)了。
大數(shù)據(jù)不可長(zhǎng)期預(yù)測(cè)具體表現(xiàn)在模型上，在金融領(lǐng)域人工智能和大數(shù)據(jù)的主要應(yīng)用就是幫助建模，但模型終究只是模型，只是一個(gè)大概的方向。隨著市場(chǎng)格局等眾多因素的變化，模型總會(huì)有失效的那一天，會(huì)有更新更準(zhǔn)確的模型取代舊的模型。比如現(xiàn)在國(guó)內(nèi)股價(jià)的典型模式是潛伏建倉(cāng)、洗盤、拉高、離場(chǎng)，但這也只局限于“目前”和“國(guó)內(nèi)”，時(shí)間久一點(diǎn)或是換個(gè)地方，這種模型就不靈了。
京公網(wǎng)安備 11010502049343號(hào)