下一個金融創新，會是人工智慧操盤手嗎？人類棋手已經拜服！

在這個人人都在講創新的時代，當然金融行業也不甘落後，也將會跟上時代。從最近火爆的共用型模式的創新，再到我們兩會中提到的人工智慧，都是時代的產物，也將運用于我國金融體系當中。

有人說共用型模式，例如：共用單車、汽車、健身房等，實際上是一種金融創新，每一個單車成為了一家移動“銀行”，讓用戶自願將錢存進這個銀行當中，而這樣就形成了一個無形的儲蓄。那麼我們再來說人工智慧，說人工智慧不得不提到，在2016年火爆全球的一款人工智慧機器人—阿爾法狗（AlphaGo）,他兵不血刃地以大比分4：1擊敗世界圍棋冠軍李世石的那一幕還歷歷在目！而在今年的2017年，人類將派出我國最優秀棋手柯潔應戰，或許為人類挽回顏面。雖然它並未擊敗人類最優秀的選手，但人工智慧的能不得不讓人嘆服。

那麼這樣就不得不讓人有一個天馬行空的想法，那就是如果金融機構憑請人工智慧的機器人作為操盤手，

依靠其巨大的運算能力，是否能笑傲金融市場呢？首先人們來看一下，AlphaGo的工作原理，它的主要工作原理是“深度學習”。“深度學習”是指多層的人工神經網路和訓練它的方法。一層神經網路會把大量矩陣數位作為輸入，通過非線性啟動方法取權重，再產生另一個資料集合作為輸出。這就像生物神經大腦的工作機理一樣，通過合適的矩陣數量，多層組織連結一起，形成神經網路“大腦”進行精准複雜的處理，就像人們識別物體標注圖片一樣。

從原理來看，理論上筆者認為這種金融創新是有可能得以實現的，金融市場的運算雖然看起來要比圍棋招數運算要複雜得多，但是人工智慧驚人的學習能力是人類無法比擬的。

如果誰能率先在人工智慧上取得長促進步，在金融市場以及其它領域就會走在前面。

人工智慧操盤實際上難度比想像中的要大！但也有可能初步實現。

舉個短線交易的例子：

以今天的收盤價為參照，明天開盤就至少有3種變化：高開 平開 低開

明天盤中就有3種變化，高走 平走 低走

明天收盤也有3種變化，高收 平收 低收

這樣明天至少就有27種變化吧?

實際只分析明天還不夠，

往往需要分析後天及大後天這幾天的變化走勢，那麼至少需要27*27

再加上盤中異動，比如超大現手，直線拉升等N種變化，那就是27*27*N

在實戰上還要分析這幾個交易日的K線組合，不同的K線組合也對應著不同的後期變化。如果有三種K線組合可能發生，那麼至少需要27*27*N*3

這就已經上萬種變化需要電腦進行評分，然後尋找分數最高的最佳短期交易對策。

實際上這僅是一小步，還需要設立資金倉位元配比，計算止損位，進行歷史回溯性測算，計算歷史上類似走勢的成功概率及風險控制值…… 這也是個巨大的計算。

上面這些還是阿爾法能夠計算的，後面的場外因素就是阿爾法狗束手無策的。

市場經常會出現利好或利空，阿爾法狗必須把人類的種種心理對走勢的變化影響計算在內。而這是很麻煩的。因為很多事件發生時是無法對人類的心理影響進行評比打分的。

按照上述分析，要實現人工智慧進行操盤實在是具有較大難度，但如果機器人能引入混沌演算法，神經網路演算法，那麼或許也能解決部份問題，至少並沒有想像中的那麼難，當然這些是數學家，電腦學家需要解決的難題。就好比，當人們沉浸在JAVA手機的魔力時，蘋果卻帶領了一場技術革命，一切皆有可能！

還需要設立資金倉位元配比，計算止損位，進行歷史回溯性測算，計算歷史上類似走勢的成功概率及風險控制值…… 這也是個巨大的計算。

上面這些還是阿爾法能夠計算的，後面的場外因素就是阿爾法狗束手無策的。

市場經常會出現利好或利空，阿爾法狗必須把人類的種種心理對走勢的變化影響計算在內。而這是很麻煩的。因為很多事件發生時是無法對人類的心理影響進行評比打分的。

按照上述分析，要實現人工智慧進行操盤實在是具有較大難度，但如果機器人能引入混沌演算法，神經網路演算法，那麼或許也能解決部份問題，至少並沒有想像中的那麼難，當然這些是數學家，電腦學家需要解決的難題。就好比，當人們沉浸在JAVA手機的魔力時，蘋果卻帶領了一場技術革命，一切皆有可能！