明天该买哪只股票？人工智能用于股票投资将成现实

人工智能技术已经渗透到社会生活的各个领域，金融投资市场也开始了一场科技革命。

还在打听小道消息来购买股票吗？基于人工智能算法和以往股市大数据训练出来的投资模型也许可以帮助投资者提升收益、降低风险。解放日报·上观新闻记者从中国科学院上海微系统与信息技术研究所和长宁区政府主办的“人工智能学术暨产业化高峰论坛”获悉，人工智能技术已经渗透到社会生活的各个领域，金融投资市场也开始了一场科技革命。

从样本数据中找到影响股价的因素

把机器学习应用于金融投资，这在国外早已有之。从1989年到2009年，由数学家詹姆斯·西蒙斯操盘的美国大奖章基金平均年回报率高达35%；2008年全球爆发金融危机，大部分对冲基金都亏损，大奖章基金的回报率却高达80%。詹姆斯·西蒙斯曾经说过，他们所做的就是机器学习，通过观察一大堆数据，模拟不同的预测方案，直到越来越擅长于此。

中国科学院上海微系统与信息技术研究所研究员杨旸介绍，他正和量化前沿科技有限公司合作，把机器学习应用于量化投资策略研究。“机器学习的目的是发现规律和重现规律，首先从样本数据中找到具有较高收益的因子组合，也就是找到影响股价起落的内在因素。这就好比拿一篮子股票的历史数据，也就是训练样本，由于股票及时收益与多种外在和内在因素相互关联，可以用基于机器学习的预测模型来分析和量化历史数据样本中的多维度关联规律，并使得这个模型对于历史数据样本的分析误差最小，那么当输入当前股市状态和特定股票信息时，，就可以通过此模型较准确地预测这只股票未来几天的表现。”

在演讲中，杨旸介绍了基于动态线形模型（DLM）和AdaBoost模型的两种策略，前者对2007年11月至2016年5月的股票进行回测分析，每天选出100只股票买入，持仓5天。实验结果的年化回报率可达38.31%，夏普比率是3.032。后者通过把多个弱分类器中分类错误的那些样本赋予更高的权重，在下一轮训练中着重考虑这些分错了的样本，从而使N个弱分类器通过不断纠错的过程实现强分类器的能力，即实现“三个臭皮匠顶个诸葛亮”的效果。

“尽管我们会让机器学习一些新闻和政策，看似无关和杂乱无章，为的是训练机器找出多种影响因素之间的关联性，并能量化分析关联度的强和弱，从而深度了解影响及时股价的主要因素。”杨旸说。

中科院上海微系统所在推进高新技术成果应用方面一直在积极探索，在产业化方面正在精准发力，通过自身下属产业化平台新微科技集团管理的产业基金规模逾15亿元，未来还将配套50亿规模的产业加速基金，成为促进人工智能等高科技成果产业化的动力源泉。

投资理念不同，得到的股票列表也就不同

怎么想到把前沿科技转化成产品和服务，让投资者都能接触到金融大数据和机器学习呢？量化前沿科技有限公司联合创始人赵柯禹说，中小机构和个人投资者处于投资金字塔底部，在大数据时代，他们或者由于缺乏编程能力，无法高效处理和解读数据；或者对各种金融算法和人工智能充满畏惧，觉得获取数据的成本过高。

从市场体量来看，亚洲市场未来投资主体中一大部分仍将是中小结构和个人投资者。保守估计，有投资需求的机构数量约15000 家，个人投资者约1 个亿。市场虽然相对分散，但市场体量可观。

“我们所做的，就是量体裁衣。”据介绍，阿尔法狗是根据对手每走一步来进行计算预测，而量化前沿推出的服务是根据投资者的思路和理念，来对投资模型进行优化。由于每个用户的投资逻辑和理念不同，所得到的股票列表也就不尽相同。

据了解，该公司目前在 A 股市场金融投资数据获取、清洗和使用上储备了大量传统和非传统的金融数据，开发了多种金融算法和机器学习模型。公司团队已进行了早期的市场开发，签约了一批机构投资者和小型资管公司等。这一服务将通过量化前沿旗下品牌“e筐馒头”推出，目前“e筐馒头”平台只接收内测用户，计划明年初将正式推出市场。“我们目前尚未考虑定价，未来将以数据软件服务模式或APP形式提供产品。”赵柯禹说，他们的目标并不是简单地推荐股票，而是希望借助专业金融数据、算法和分析工具来帮助投资者优化投资效率，塑造正确的投资理念。