华尔街从来不会吸取教训。这方面机器可能比人还要强。越来越多的投资者寄希望于人工智能帮助他们作出新的投资决策 。
Rebellion 研究机构是一家由四个年轻的数学天才创建的对冲基金。被他们用于投资决策的技术是“计算机学习”，系人工智能的一个分支。该机构20岁出头的四大掌门解读了计算机程序作出战略决策的过程。
在人工智能系统中，程序员不会让计算机对特定的输入作出反应，而是让系统从决策中不断学习和改进。很多试过这种方法的投资者都在使用“机器学习”，这是人工智能的一个分支，通过该技术，计算机会分析大量数据，从而对未来作出预测。这种技术被高科技公司谷歌用于搜索结果匹配，也被NetFlix 公司用于预测用户可能会费用收看的视频。
数字革命
Rebellion 研究机构是华尔街一支超小型的对冲基金，拥有7百万美元的资产，致力于通过机器学习系统与股票交易。该基金由一群20出头的数学和计算机专家主导，经营业绩出色。根据熟悉该基金的消息来源，2007年6月开业以来，Rebellion 研究机构扣除费用后的平均回报为10%，位居 Standard & Poor 500股票指数之首。象诸多对冲基金一样，它的目标是逐步扩大其市场覆盖。
“很显然，人的大脑没有进步，” Spencer Greenberg说，“但是计算机和算法却越来越快，越来越强大。” Spencer Greenberg 虽然只有27岁，却是Rebellion研究机构人工智能系统后台的操刀者。
包括Renaissance Technologies在内的成熟对冲基金，据说也部署了类似的人工智能投资系统。然而迄今为止，都还属于凤毛麟角。有些涉足人工智能的公司甚至仍在怀疑这项技术是否真的可以实用。
查看原图
‘人类自身不会进步’Rebellion 研究机构的 Spencer Greenberg（图中居中）说。 从左到右，分别是他的同事 Jeremy Newton、Jonathan Sturges 和 Alexander Fleiss。照片上月摄于他们的办公室外。
Rebellion 是利用机器学习金融投资的大量公司之一。 拥有千万（美元）资产的旧金山Cerebellum Capital基金公司，自 2009年就开始投资机器学习技术。据熟悉本行业的人士透露，大量高频率交易的公司，包括德州的RGM Advisors 和芝加哥的 Getco 公司，都在利用装备了类似技术的计算机系统，高效地买入和卖出股票。
拥护该项技术者称，这些程序非常高效，能够在短时间内处理大量数据，“学习”好的投资模式，并立即对投资战略进行修正 。与此相反，典型的量化模式每次采用一种投资战略，或采用汇集多种投资方式的组合战略，这样，他们就不会，或不可能根据程序分析的结果，在不同投资战略间作出最好的修正。
“靠人的大脑，做不了这样的事，”Michael Kearns说，“你的头会爆炸的。”Michael Kearns是宾州大学计算机科学教授，曾经通过人工智能技术，在包括Lehman Brothers 这样的公司进行投资。
Rebellion 仍在尽力筹集资金，部分的困难是由于金融危机以来，投资者们对基于黑箱运作和数学分析模式投资战略持有很大的怀疑态度。
自左到右，Rebellion Research 基金的Alexander Fleiss、Jeremy Newton、Jonathan Sturges 和 Spencer Greenberg。
该公司至少吸引到了一位长期的量化投资怀疑论者：著名价值投资专家 Jean-Marie Eveillard新近将自己几十万美元的资金投入到了Rebellion公司。“我所擅长的不是最化投资，” 他说。“但我认为他们是严肃的投资者，这个团队非常稳定，而且不使用杠杆作用。”
投资界对于Rebellion 的 Greenberg 先生并不陌生，其父 Glenn Greenberg 是 Brave Warrior Advisors的经理和价值投资专家，新近从合伙的Chieftain Capital Management 公司分离出来。他的祖父，传奇式的垒球运动员“Hammerin' Hank” Greenberg，1930至1940年之间为 Detroit Tigers 效力。
过去的成功并不意味着Rebellion 会继续跑赢市场。正象其它量化投资战略一样，它的“Star”系统有朝一日也可能会因为市场基本面的改变而失去魔力。
Star 的智能投资能力，可根据市场中广泛的经济动态，对投资战略进行调整。程序本身并不锁定任何投资途径。有时会买入廉价股， 有时会选择潜力股，或两者兼顾。
不同于利用人工智能进行高频率交易的基金，Rebellion 乐于长期持有股票，一般是四个月，有时甚至两年多。同时，它不做短线，不使用投资杠杆，不借钱投资。这些手段尽管可以放大营收，同样也会增加风险。
Star系统可以监控影响股票业务的30种因素，包括市盈率和利润率。通过对超过十年的市场数据和最新市场动向的定期分析，确定是买入还是卖出特定的股票。一旦某种战略不再适用，程序自身会基于该信息作出适当调整，“学习”新的投资战略。
例如，如果系统发现低市盈率的股票可能会升值，就会进行相应的增持。接下来，进一步跟踪的迹象表明该战略缺乏支撑，系统会抛出这些股票，买入它认为更值得购进的股票。
每天早晨，Star 系统列出建议买入会卖出的股票，通常这个清单没有什么变化。负责操盘的人最终完成交易。该公司表示，迄今为止，所有的决策都根据计算机系统来进行。 自2007年部署以来，该系统除了一些小打小闹的修改之外，没有大的变化。Rebellion 拥有的股票数量通常在 60 到 70 支。
2005年夏，Greenberg从哥伦比亚大学毕业，获得工程学位。不久即开始设计Star系统。之后，他高中时代的好友，数学背景的Alexander Fleiss和音乐创作硕士Jonathan Sturges加入。数学家Jeremy Newton后来也参与该公司，帮助他们完成人工智能系统的设计。
2007年1月，该程序以2百万美元的资金的投资规模，开始选择股票。当年春天，逐渐进入防守型公共服务投资战略。 据熟悉Rebellion的人士透露， 2007年该基金的营利率是 17% ，而Dow Jones 的行业平均数是 6.4%。2008年度，该基金仍然保持防守型战略，持有黄金，石油和公共服务类股票。尽管它最终还是象多数投资机构一样亏损，但 26% 的比例还是好于全行业 34% 的下挫。
编辑分析：股票交易采用高科技
-
MONEY MANAGEMENT EXECUTIVE
Microsoft Pivots to Serve the Street
-
Dow Jones News Service
CFTC Proposes to Collect More Detailed Data
-
Securities Industry News
Sales Traders Provide Tech Tips
2009年初，Star 开始买入遭受重挫的银行和保险类股票，随着经济的复苏，这种投资将会受益。Fleiss说，“智能系统只增持了价值股。”2009年，该公司获利 41%，高于 Dow 19% 的平均值。熟悉该公司的人透露，目前该公司的投资组合主要是防守型，最大持有的是黄金股。
起初防守型的战略让对行情看涨的Fleiss有点担心，不过这很快被证明是一个明智之举。正像他后来所说的，“我已经学会不要去质疑人工智能。”
转自 http://article.yeeyan.org/view/156584/117704