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,
那麼這樣就不得不讓人有一個天馬行空的想法,
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!