本文系CME特約評論員寇健授權(quán)七禾網(wǎng)發(fā)布，感謝芝商所支持

經(jīng)過自我深度學習的AlphaGo Zero成功地打敗了他的親哥哥AlphaGo之后, 在一個封閉體系中人工智能深度學習的研究毫無疑問再次取得了進一步的成就。

這一消息在上個星期很快就在微信朋友圈里刷屏, 可見AlphaGo研究的每一次進步,對于熱衷于試圖將人工智能和深度學習應(yīng)用于交易的人們來說都是極大的鼓勵。

但個人的看法仍然是: 圍棋和交易是不同的。關(guān)鍵的問題在于圍棋的博弈是在一個事先設(shè)置好條件的封閉的體系之中，而我們的交易是在一個無法預測的動態(tài)環(huán)境下進行。

圍棋是一種封閉的體系之中的無隨機性的游戲, 也就是說游戲規(guī)則早已經(jīng)定好, 對弈必須根據(jù)游戲規(guī)則來進行. 盡管圍棋變化萬端, 但所有的變化是在 19 X19= 361的交匯點棋盤之內(nèi), 無隨機性可言 . 棋盤之外發(fā)生的任何事情對棋盤之內(nèi)的對弈沒有任何影響.

交易則不同, 交易是在一個無法預測的動態(tài)環(huán)境下進行的. 金融和大宗商品市場外的無形的基本面信息影響到交易市場的價格變化.  也就是說交易是隨機性的游戲. 比如: 2001年9月11日”911事件” 發(fā)生時候全球市場的恐慌性拋售大家應(yīng)該記憶猶新;  設(shè)想一下,如果哪一天美國突然轟炸了北朝鮮,日經(jīng)225指數(shù)期貨 (NIY) 會是怎樣的反應(yīng)?  或者有一天美國突然轟炸了伊朗的核設(shè)施,  WTI 原油, 黃金(GC)的短期期權(quán)隱含波動率又會怎樣的變化? 而這種突然的動態(tài)的環(huán)境變化, 是任何深度學習或者人工智能不可能預測或者理解的。

這里個人并不是說人工智能不可能應(yīng)用在動態(tài)環(huán)境之中,  人工智能可以預測天氣,但人工智能不必為預測錯誤承擔任何責任。人工智能可以駕駛汽車, 但出了車禍之后,是由人來承擔汽車保險的損失。

而交易則不同，因為對于每一筆交易錯誤，人工智能交易者都要付出真金白銀的代價。

圍棋的對弈是完全信息游戲. 對弈在一盤棋中是完全信息平等. AlphaGoZero只是需要根據(jù)游戲的規(guī)則,來計算出每一步的輸贏概率,不需要考慮可能出現(xiàn)的,而且事實上是”絕對沒有可能出現(xiàn)的”突然信息變化. 而交易則不然, 交易是信息完全不平等.市場以外的突然爆發(fā)的信息會給盈利造成致命的影響. 應(yīng)用人工智能交易者當動態(tài)環(huán)境突然變化時, 如何評估突然的外部信息變化? 以及怎樣做出反應(yīng), 將這樣的信息轉(zhuǎn)換為交易行動? 是無法事先深度學習的. 而因此造成的交易損失可能也是無法估量的.

總而言之, 將市場之外的無形,而且無限的, 基本面信息轉(zhuǎn)化為交易行動這一工作, 非人莫屬.

再比如, 參雜著很多交易者主觀意識的期權(quán)交易環(huán)境比其他的二維交易環(huán)境更復雜。舉一個例子,下面是 Quik Strike 黃金(GC)不同月份平值期權(quán)隱含波動率比較圖 ( Gold ATM Vol Term Structure).

Quik Strike期權(quán)風險管理平臺黃金期權(quán)(OG)

注意到整個黃金(GC) 不同月份平值期權(quán)隱含波動率(圖中的紅線) 一路上升. 而這種直線上升未必是黃金歷史波動率的反應(yīng)。很明顯這里面參雜著人類投資者對黃金隱含波動率的偏見。不知道有一天,如果AlphaGo Zero參與了黃金(GC)期權(quán)交易,這條曲線是否有所改變?

說了這么多, 個人并不是要說明AlphaGo Zero在期貨和期權(quán)市場上將無所作為. 恰恰相反, AlphaGoZero這樣的人工智能將會使金融和大宗商品衍生品市場變得更加有效. 就像高頻和量化交易和電腦化期權(quán)做市商對市場的影響一樣。這一變化目前在一些流通量最大的市場中間, 比如美國的利率和股票市場(ES), 已經(jīng)開始逐漸實現(xiàn). AlphaGoZero不可能完全取代我們. 但是AlphaGo Zero的出現(xiàn)毫無疑問是對我們?nèi)祟愅顿Y者和交易員的巨大挑戰(zhàn)。