在过去的两年里，我们在媒体和会议上看到很多关于人工智能在金融领域的应用，机器学习，深度学习和大数据．这是下一个前沿领域，还是只是骗人的把戏?借用一句著名的广告语，“我们已经看到了咝咝声;现在牛排在哪里?”
人工智能研究有着悠久的历史，但大多数投资界对人工智能的看法都是由媒体塑造的。的机器人迷失在太空， HAL 9000在2001:太空漫游,天网《终结者》-这些媒体的比喻潜意识地塑造了我们对AI是什么以及它能做什么的看法。当我们交易时，我们会梦见(或者害怕)一台HAL 9000计算机坐在我们旁边。当我们移动鼠标去买一些股票时，它会大声地说:“我认为你不应该这么做，戴夫。”或者，当我们快要犯错时，它会把我们锁在交易大厅外。罗伯特·哈里斯2011年的小说《恐惧指数将这个主题发展到戏剧性的结尾。也许一些聪明的计算机科学家将在SkynetFinance插头,而不是试图消灭人类,它会立刻理解所有的财务信息和赚更多的钱比钱之前,科学家可以关掉开关——假设他们会想,当然可以。
遗憾的是，事实并没有那么令人兴奋。尽管AI技术和深度学习已经取得了巨大的成功(最显著的是，在今年早些时候掌握了桌面游戏围棋)，但当AI遇到具有非常特殊功能的问题时，这些总是会发生。首先，人工智能是基于明确的目标设计的——例如，“赢得游戏”或“向Netflix用户提供他们可能会喜欢的电影”。在金融领域，情况绝对不是这样，因为金融领域的目标往往微妙而复杂。在100%现金和将全部资产押注于抛硬币这两个极端之间，存在着许多相互冲突且复杂的约束和目标。
其次，金融是由随机性主导的。在围棋游戏中，有一个对手，他每次只能走一步(非常受限制)。尽管谷歌的DeepMind程序并不只是列举当前董事会位置的所有可能结果，但每一步合法的步数都很小——有很多信号，没有噪音。然而，在金融领域，30种货币、50种商品、1万种股票和2000种债券的价格(有时以不到秒的间隔)会因买卖双方的随机冲动而改变(有时买卖双方本身就是机器)。而这仅仅是价格——那新闻、基本面、事件等等呢?金融是很多噪音，而不是太多的信号，如果有的话。
人工智能领域中关于智能的经典测试是图灵测试:如果你通过电子邮件与一个潜在的人工智能交流时，你无法判断它不是人类，那么根据定义，这个机器就是智能的。尽管人工智能研究在过去20年取得了巨大进步，但要通过图灵测试还有很长的路要走。事实上，即使是最乐观的研究人员也不相信人工智能能够真实地模仿狗的功能，更不用说人类了。会有人想让他们的狗在交易终端上自由活动吗?
在金融领域，当人们谈到人工智能时，通常指的是机器学习。在某种程度上，即使是一个简单的移动平均线交叉系统也是一个机器学习系统——该模型学习到，当短期平均线低于长期平均线时，市场正在下跌，因此出现卖空。
一般来说，机器学习比这要复杂得多。有很多技术可以从大量数据中提取结构和规则，最重要的是，当新数据到来时更新它们的规则。贝叶斯方法是机器学习的核心，我们是Cantab的大用户，但它不是灵丹妙药。人们不可能仅仅用神经网络或贝叶斯网络分类器，把它指向一些随机的时间序列数据，然后希望赚钱。从金融数据中提取动态规则的过程既复杂又困难——这为统计人员提供了工作保障。
有了强大的基础理论，大数据、机器学习甚至人工智能都可能取得重大进展。从最早的信鸽和自动收报机磁带开始，金融就一直由数据主导，尽管在金融领域有很多关于人工智能的嗡嗡声，但最重要的是机器学习和大数据。
尤恩·柯克(Ewan Kirk)是剑桥大学Capital Partners这家总部位于伦敦的系统性资产管理公司规模达数十亿美元。
看看我们新经济指数．