人工智能在股票投资中的应用并非新鲜事儿。事实上，早在“人工智能”这一概念被提出之前，人们就对如何机智地从股市中赚钱进行了大量研究。其中，最著名的例子是哈里·马科维茨的投资组合理论。该理论通过分析股票的历史收益以及不同股票之间的相关性，来推导出每支股票在投资组合中的最优占比。随后发展出的相关理论包括夏普的资本资产定价模型、布莱克与斯科尔斯的期权定价模型，以及斯蒂芬·罗斯的资产定价和套利理论。这些理论源于概率统计学，能够客观地评估股票的收益与风险，从而帮助投资者制定出理性的投资策略。
这种基于算法而不是直觉的交易方式称为“量化交易”。据报道，近年来美国股市中算法交易的比例在70%左右；不仅交易量大，所产生的收益也更高[1]。这一趋势并不令人意外，考虑到金融市场越来越复杂，信息流动越来越快，已经超出了投资者所能处理的极限。因此，只有依靠计算机才能更有效地发现投资机会。
人工智能就是在这样的背景下进入了量化投资领域。和传统量化方法不同的是，人工智能摒弃了传统投资理论，转而利用机器自动从历史数据中学习投资策略。这种从“自我学习”中得出的投资策略，有点类似于AlphaGo学习下棋的过程。虽然这种方式可能难以理解，但它在实际应用中展现出了更强的赢棋潜力。事实上，当前最前沿的投资策略采用的就是类似于AlphaGo的学习方法，通过不断尝试逐渐摸索出最赚钱的策略，并利用深度神经网络来记录这些策略。这种方法被称为深度强化学习。
回到我们的问题，人工智能炒股厉害吗？答：有可能非常厉害。例如，下图中的紫色曲线是美国道琼斯指数在2020-2022年间的累积收益，蓝色曲线是一种称为SAC的人工智能交易算法所获得的收益。可以看到，SAC算法获得的收益远高于市场平均水平。
图1. 各种人工智能算法在美股上的表现[3]
不过，问题总有两面，人工智能炒股也存在巨大的风险。首先，AI模型只能从历史数据学习规律；然而，过去的规律不一定适用于当前市场，导致投资策略失败。例如，在上图所示的美股市场中，同样是人工智能算法，除SAC外的其它方法都没有明显效果，大多数都损失惨重。此外，AI模型不好解释，它做的决策人们难以理解，出了问题也不知道如何修正。因此，人们对于AI量化交易虽满怀期待，但在实际使用时依然非常谨慎。
值得一提的是，虽然用AI直接进行量化交易还有待成熟，但一些AI工具已经在金融市场中广泛应用，包括新闻收集整理、舆情走向分析、公司财报总结等。2018年5月，巴克莱对冲基金的一项调查表明，56%的对冲基金受访者在投资中使用过AI工具[4]。这些工具的广泛使用极大地提高了投资效率，也有力地促进了市场有效性。
参考文献：
[1] A股连续35天成交破万亿，量化交易占比究竟几何？ 真实调查来了！ 中国量化应如何定位？https://finance.sina.cn/2021-09-08/detail-iktzqtyt4691294.d.html
[2] Ashta A, Herrmann H. Artificial intelligence and fintech: An overview of opportunities and risks for banking, investments, and microfinance[J]. Strategic Change, 2021, 30(3): 211-222.
[3] Liu X Y, Xia Z, Rui J, et al. FinRL-Meta: Market environments and benchmarks for data-driven financial reinforcement learning[J]. Advances in Neural Information Processing Systems, 2022, 35: 1835-1849.
[4] 中国量化在AI全球盛会上的惊艳亮相 https://zhuanlan.zhihu.com/p/491657213
供稿：清华大学 王东
制作：北京邮电大学 戴维
审核：北京邮电大学 李蓝天