小弟Ａ梦对这题材有点研究
先讲讲目前全球跟台湾投资界对“电脑”的使用
再讲讲我认为"deep learning"对市场的可能影响
(感谢指正deep mind是公司名字啦XD 应该叫deep learning)
目前业界使用的实际上只是低端AI
而是借由电脑对资料处理的快速、准确跟处理量优势对抗人类
实际上背后的操作逻辑还是人类思维
这种其实应该都只能算quant、勉强叫AI　
距离deep learning是LP比鸡腿一般的远
先从最基本的CTA来说
其实它就是过去我们读过海龟、圣杯等等
这群技术交易者发展出来的交易模式
设定好进出场讯号再加上资金控管
透过电脑去进行多市场交易
这几年市场波动降低CTA吃了不少苦头
不过去年中开始回神　
今年到现在还称霸基金绩效
但因为这种做法还是有其操作逻辑
所以day trade交易员很喜欢去打它的关键进出场点吃豆腐
像内文中提到有人认为市场闪崩
就是因为CTA系统们同时被戳到G点一起追高杀低造成的
CTA背后的人也要透过资金管理跟不断修正去避免被扫
所以实际上是人与人的战斗
电脑只是工具
说到国际投资界除了Simons的神秘大奖章之外
(神秘的意思就是我也不知道他们是怎么使用数学跟电脑的)
其实还有很多知名基金都有使用quant
像最大的Bridgewater基金都是做pure alpha
就是透过量化去进行多市场加上期权操作
来分散风险形成beta = 0的中性投组
比较一般的就是data driven做法
类似说PMI、非农就业或FOMC会议报告一出来
电脑会透过默认的条件判断数字跟关键字
所以报告一出来通常都会尻一根
但尻完之后人工解读出来或后面记者会多讲了什么屁话
又被人工盘倒打回去也很常有
这也是欧美盘常直上直下的原因
(跟台湾这种固定时间乱尻的状况不大一样)
这更low就不多说
扣除掉这些
另一间大家可能比较没听过叫Two Sigma绩效也非常惊人
它有意思的地方就是除了市场资讯过滤之外
也会对sell side研究员进行调查
每月/季会发个问卷给研究员填一些产业跟个股想法的资料
再透过这些big data去进行操作
当研究员开开心心领着问卷补助金乱填时
人家已经有办法筛掉outlier击败市场了
Two Sigma应该算是当前最接近AI的量化基金了
回到国内 先对国内努力做quant的人说声抱歉
因为我一段时间没follow了　
所以是几年前印象
或许跟现在状况不符
除了上面提到的做法之外
台湾quant出发点大多都是多因子模型
用一些营收、获利或其他资讯去筛选投资标的
绩效可想而知不如台湾专业炒股团队
因此早些年quant team都是成立又解散一直来回的状况
讲句难听的
台湾惯老板也不肯付高薪找人才把这块做大
绩效不好就解散　现在看到国外在夯又捡几个博士来用
洗洗睡比较快
看到这边大概很清楚　
当前的quant跟电脑使用其实跟deep mind差很大
deep learning厉害之处是可以对行为模式分析、学习
再透过brute force穷举可能结果
举个例子来说
未来deep learning的AI应该可以做到
判断当时买进的方式是拉高出货、还是想锁涨停亦或是筹码买进
再透过这样的判断去进行顺向/反向操作获利
在台湾甚至可以加上筹码分点针对不同主力习惯来做差异
只是现在deep learning建构资金庞大且技术锁在特定公司/学校
而他们还在为人类未来做努力　
还没想到或还在实验阶段刚小规模进入市场
deep learning未来势必将加速市场淘汰