不要相信有关AI和基金管理的炒作

几乎没有一天，投资者不会被告知人工智能将彻底改变投资管理。毕竟，人们都将AI视为增强图像识别，医疗保健，电影推荐，假新闻甚至是不起眼的牙刷的一种方式。当然，人工智能让投资者坐在家里发财，一边看闪闪发光的电影，只是时间问题了吗?

尽管进行了持续的大肆宣传，但现实却有所不同。区分这两者的最佳方法是考虑AI到底是什么。我发现使用该短语进行任何陈述然后替换“统计”一词很有用。“英国政府发誓要用人工智能对NHS进行革命，”有人说：“英国政府发誓要用统计学对NHS进行革命。”购买“具有统计功能的”牙刷听起来也比较平淡。

那么，我们如何期望AI可以帮助投资过程呢?讽刺的是，人们要获取一堆数据(最好是新奇的“替代”数据)，将其扔到某种“神经网络”上，然后弹出一个定义模糊的金融金矿。这种误解使严肃的统计学家发疯。

首先，机器学习需要一个明确的目标。这就是谷歌传奇的AlphaGo程序在2016年最终在棋盘游戏Go上击败人类冠军时的表现。但是融资和投资的目标是什么?随着时间的推移获得更高的回报?在股票市场中获得两倍的杠杆头寸将为您带来两倍的回报。是更高的风险调整后收益吗?在您的投资组合中增加一些多样化的资产，例如债券，将为您带来收益。

我的个人故事讲述了AI的陷阱，那是在2010年，我对遗传算法产生了兴趣，遗传算法利用选择和育种的力量来“进化”。我编写了一个功能库来发展交易系统，并允许成千上万的人工交易员进行繁殖。最终，我有大量的人工交易员，他们从事许多定量基金数十年来一直在做的事情-恰恰不是我想要的。

因此，我们必须告诉AI系统，例如：“不要找我每个人都知道的回报;只是微妙的未知。”但这很难指定。即使一个人可以准确地指定期望的回报，也会导致第二个问题：如果影响是微妙的，它可能很小或持续时间很短，因此难以大规模利用。因此，在庞大的全球投资行业中，只有极少数的资金会从中受益。

第三个问题是AI系统要从过去学习。在这方面，它与任何其他系统的或任意的投资程序没有什么不同。但是，财务的根本问题是，过去不能很好地指导未来。用统计术语来说，金融不是“固定的”。在大多数AI领域(例如电影推荐和牙刷)中，“目标”是固定的，环境不会发生太大变化(除非您从事过大量牙科工作)。

从根本上说，这在金融界是不正确的。在对市场动态的变化迅速做出反应与相信旧的模式会重新确立自己之间，需要权衡取舍。尽管人们可能希望AI系统对事件做出快速响应，但这实际上意味着它必须在非常短的历史上建立模型，从而减少了系统可以从中学习的数据量。必须做出艰难的选择。