芭芭拉-杰奎琳-萨哈基安

剑桥大学临床神经心理学教授

法比奥-库佐林

牛津布鲁克斯大学人工智能教授

沃伊泰克-布钦斯基

剑桥大学博士生，顾问

在这么多人工智能的成功应用中，有一项似乎是明显缺席的：人工智能在金融市场上赚钱。

人工智能在金融市场上赚钱

人工智能现在已经在以前被认为是无法实现的领域与人类紧密结合，甚至超越了人类。这些领域包括国际象棋、街机游戏、围棋、自动驾驶汽车、蛋白质折叠等等。这种快速的技术进步也对金融服务行业产生了巨大影响。该行业越来越多的首席执行官宣布（明确或暗示），他们经营的是"拥有银行执照的技术公司"。

金融科技行业（Fintech）也在迅速兴起和发展，在零售银行、养老金或个人投资等领域，科技初创公司越来越多地挑战老牌金融机构。因此，人工智能经常出现在幕后流程中，如网络安全、反洗钱、了解客户检查或聊天机器人。

在如此多的成功案例中，有一个似乎明显缺席。人工智能在金融市场上赚钱。虽然交易员普遍使用简单的算法，但机器学习或人工智能算法在投资决策中却远不常见。但是，由于机器学习是基于分析巨大的数据集并在其中找到模式，而金融市场产生了大量的数据，这似乎是一个明显的匹配。在发表于《国际数据科学与分析杂志》的一项新研究中，我们对人工智能在赚钱方面是否比人类更出色进行了一些说明。

一些专业的投资公司，称为量化（代表"定量"）对冲基金，宣称他们在投资决策过程中采用人工智能。然而，他们并不公布官方业绩信息。此外，尽管其中一些公司管理着数十亿美元的资金，但相对于更大的投资行业的规模而言，它们仍然是小众和小型的。

另一方面，学术研究已经多次报告了基于机器学习算法的高度准确的金融预测。这些理论上可以转化为金融业非常成功的主流投资策略。然而，这似乎并没有发生。

造成这种差异的原因是什么？是根深蒂固的经理文化，还是与现实世界投资的实际情况有关？

“如果人工智能可以像人类一样或比人类更好地进行投资，那么这可能预示着就业机会的大量减少。”

人工智能财务预测

我们分析了学术研究人员在2000年至2018年期间发表的27项经同行评审的研究。这些描述了使用机器学习算法进行的不同种类的股市预测实验。我们想确定这些预测技术是否能在现实世界中得到复制。

我们的直接观察是，大多数实验都是平行运行其投资模型的多个版本（在极端情况下，多达数百个）。几乎在所有的案例中，作者都把他们表现最好的模型作为实验的主要产品--这意味着最好的结果被挑选出来，而所有次优的结果都被忽略了。这种方法在现实世界的投资管理中是行不通的，因为任何给定的策略只能执行一次，其结果是明确的利润或损失--没有结果的撤销。

运行多个变体，然后将最成功的变体作为代表，在金融领域会产生误导，并可能被视为非法。例如，如果我们运行同一策略的三个变体，其中一个亏损-40%，另一个亏损-20%，第三个获得20%的收益，然后只展示20%的收益，显然这个单一的结果错误地代表了基金的表现。应该只测试一个版本的算法，这将代表真实世界的投资设置，因此，更加真实。

我们审查的论文中的模型达到了非常高的准确度，约为95%--这是生活中许多领域巨大成功的标志。但在市场预测中，如果一个算法有5%的时间是错误的，它仍然可能是一个真正的问题。它可能是灾难性的错误，而不是轻微的错误--不仅抹杀了利润，而且抹杀了整个基础资本。

我们还注意到，大多数人工智能算法似乎是 "黑盒子"，没有关于它们如何工作的透明度。在现实世界中，这不太可能激发投资者的信心。从监管角度来看，这也可能是一个问题。更重要的是，大多数实验并没有考虑到交易成本。虽然这些成本多年来一直在减少，但它们并不是零，而且可能造成利润和损失之间的差异。

我们所看的实验都没有考虑到当前的金融法规，如欧盟的法律指令MIFID II或商业道德。实验本身没有从事任何不道德的活动--它们没有寻求操纵市场--但它们缺乏明确确保其道德的设计特征。我们认为，机器学习和人工智能算法在投资决策中应遵守两套道德标准：使人工智能本身符合道德标准，并使投资决策符合道德标准，将环境、社会和治理因素考虑在内。例如，这将阻止人工智能投资于可能危害社会的公司。

所有这些都意味着，学术实验中描述的人工智能在金融业的现实世界中是不可行的。

人类更好吗？

我们还想把人工智能的成就与人类投资专家的成就进行比较。如果人工智能可以和人类一样或比人类更好地进行投资，那么这可能预示着工作岗位的大量减少。

在未来，这种情况可能会改变，但在转而使用人工智能之前，我们仍然需要证据。而在不久的将来，我们认为，与其把人类与人工智能对立起来，不如把两者结合起来。这将意味着在决策支持和分析工具中嵌入人工智能，但将最终的投资决策留给人类团队。

-END-

关键词： 人类与人工智能谁更擅长在金融市场上赚钱 剑桥大学