AI交易狂飙突进,但它的致命短板藏在哪?

今天我们来聊一聊比较前沿的话题，也就是AI投资，利用AI agent智能体进行自主策略搭建和全托管买卖。

市面上有很多自称为AI投资，但实际上是多策略的EA投资。鉴别它们的方法有很多种，其中最简单直接的就是看他们有没有引入非结构化的数据分析。如果一个自称为AI投资的软件，只能处理量价数据、波动率、技术指标数据，而不能处理因美国和伊朗的战争或者是美联储主席鲍威尔的讲话等等这些内容，那基本可以判定它只是一个EA自动化而不是AI投资。

人工投资就像汽车市场的手动挡燃油车，皮实耐造可靠性强，但也有比较累人和落后的问题。AI投资就像汽车市场的新能源自动驾驶，因为技术还不完全成熟，所以可能会出现识别错误甚至于的自燃风险。但除开这些技术问题之后，AI投资或者说自动驾驶，具有超越人类感官和人类精力的巨大优势。

接下来我们进入正题：对比人工投资，AI投资的弱点是什么？

对数据质量和数量要求极高

AI投资是靠海量数据训练出来的。以大众所熟知的大语言模型chatgpt举例：2018 年的 GPT-1 数据集约 4.6GB，2020 年的 GPT-3 数据集达到了 753GB， 而到了 2021 年的 Gopher，数据集规模已经达到了 10,550GB。AI投资会吃进网络上可见的几乎所有网页内容、百科内容、书籍期刊、论文文章等等。AI投资一天学习的数据量，对于普通人来说，一辈子也无法完全消化。

海量的数据对于AI投资来讲既是优势也是劣势。对于短线高频投资来说，海量的数据非常容易获得，只需要向投资所接入API，就可以获得过去数年的TICK数据。但是，当AI投资想要涉足宏观历史数据进行训练时，会发现真实历史的案例并没有价格数据那么多。最简单的一个情况，让AI去预测下一次世界大战，因为现实世界只有一战和二战，所以AI无法通过海量数据寻找规律最终得出可靠结论。

除了数据的数量之外AI投资还对数据的质量异常敏感。现实世界往往充满了尔虞我诈和套路，尤其是政治人物的讲话，一分真，九分假。让AI去学习这些人物的讲话，到最后可能很难找到重点，并给出可靠的结论。这也是为什么在训练AI之前，需要对数据进行去噪，也就是提高数据的信噪比。这是一个非常辛苦的工作，也是AI投资的劣势之一。

AI投资的算法不够丰富，机构间同质化严重

目前使用AI投资的主要是机构投资者，大家可能都会用到深度学习的算法模型，比如lstm、循环神经网络、卷积神经网络等等。虽然算法都会进行局部的优化，但各家公司之间都有人员互通往来，优化的趋同性也比较强。到最后，我们会看到，AI投资的输入的数据都是大家都有的公开数据，使用的算法也是同质化非常严重，最后得出的结论也会出奇的一致。

当所有的AI算法都发现了某一个投资信号时，本来这个信号只能容纳三百万资金投资，但因为同质化问题，有三个多亿的资金参与投资。结果可想而知，在没有任何外部因素扰动的情况下，分钟级别甚至秒级别的行情出现剧烈波动。这是监管层非常头疼的情况。

驱动AI投资需要强大的算力和硬件

曾经有一个线下的调查，调查内容是大家对于人工投资、AI投资和EA投资的好感程度。结果是，对于EA投资的好感程度在50%左右，对人工的好感程度在30%左右，对AI投资的好感程度不足10%。为什么会这样？我认为，行业格局决定了这种好感度的划分。因为AI投资需要强大的算力和硬件支撑，普通投资者没有足够的财力参与到AI投资的竞逐当中，自然会对AI投资敬而远之并产生不信任感。

想要驱动一个AI投资，机构需要购买天量的训练数据，需要聘请数学家和工程学家来开发和优化算法，还需要耗费巨资购买GPU算力提高并发式的算力。最后获得的AI投资模型，生命周期往往很短，需要不断的让AI去运行寻找新的策略。这些都不是散户或个人可以承受的。

以上是我们总结的三个关于AI投资的弱点。虽然上述观点偏负面，但不代表我个人对AI投资有负面AI投资有负面看法。实际上我非常支持AI投资的发展，因为我是一个狂热的MT4投资者，而MT4本身的MQ语言编辑器就支持AI投资的设计，我对此也很感兴趣。所以，让我们一起期待AI投资未来的进化吧！