小弟Ａ夢對這題材有點研究
先講講目前全球跟台灣投資界對「電腦」的使用
再講講我認為"deep learning"對市場的可能影響
(感謝指正deep mind是公司名字啦XD 應該叫deep learning)
目前業界使用的實際上只是低端AI
而是藉由電腦對資料處理的快速、準確跟處理量優勢對抗人類
實際上背後的操作邏輯還是人類思維
這種其實應該都只能算quant、勉強叫AI　
距離deep learning是LP比雞腿一般的遠
先從最基本的CTA來說
其實它就是過去我們讀過海龜、聖盃等等
這群技術交易者發展出來的交易模式
設定好進出場訊號再加上資金控管
透過電腦去進行多市場交易
這幾年市場波動降低CTA吃了不少苦頭
不過去年中開始回神　
今年到現在還稱霸基金績效
但因為這種做法還是有其操作邏輯
所以day trade交易員很喜歡去打它的關鍵進出場點吃豆腐
像內文中提到有人認為市場閃崩
就是因為CTA系統們同時被戳到G點一起追高殺低造成的
CTA背後的人也要透過資金管理跟不斷修正去避免被掃
所以實際上是人與人的戰鬥
電腦只是工具
說到國際投資界除了Simons的神秘大獎章之外
(神秘的意思就是我也不知道他們是怎麼使用數學跟電腦的)
其實還有很多知名基金都有使用quant
像最大的Bridgewater基金都是做pure alpha
就是透過量化去進行多市場加上期權操作
來分散風險形成beta = 0的中性投組
比較一般的就是data driven做法
類似說PMI、非農就業或FOMC會議報告一出來
電腦會透過預設的條件判斷數字跟關鍵字
所以報告一出來通常都會尻一根
但尻完之後人工解讀出來或後面記者會多講了什麼屁話
又被人工盤倒打回去也很常有
這也是歐美盤常直上直下的原因
(跟台灣這種固定時間亂尻的狀況不大一樣)
這更low就不多說
扣除掉這些
另一間大家可能比較沒聽過叫Two Sigma績效也非常驚人
它有意思的地方就是除了市場資訊過濾之外
也會對sell side研究員進行調查
每月/季會發個問卷給研究員填一些產業跟個股想法的資料
再透過這些big data去進行操作
當研究員開開心心領著問卷補助金亂填時
人家已經有辦法篩掉outlier擊敗市場了
Two Sigma應該算是當前最接近AI的量化基金了
回到國內 先對國內努力做quant的人說聲抱歉
因為我一段時間沒follow了　
所以是幾年前印象
或許跟現在狀況不符
除了上面提到的做法之外
台灣quant出發點大多都是多因子模型
用一些營收、獲利或其他資訊去篩選投資標的
績效可想而知不如台灣專業炒股團隊
因此早些年quant team都是成立又解散一直來回的狀況
講句難聽的
台灣慣老闆也不肯付高薪找人才把這塊做大
績效不好就解散　現在看到國外在夯又撿幾個博士來用
洗洗睡比較快
看到這邊大概很清楚　
當前的quant跟電腦使用其實跟deep mind差很大
deep learning厲害之處是可以對行為模式分析、學習
再透過brute force窮舉可能結果
舉個例子來說
未來deep learning的AI應該可以做到
判斷當時買進的方式是拉高出貨、還是想鎖漲停亦或是籌碼買進
再透過這樣的判斷去進行順向/反向操作獲利
在台灣甚至可以加上籌碼分點針對不同主力習慣來做差異
只是現在deep learning建構資金龐大且技術鎖在特定公司/學校
而他們還在為人類未來做努力　
還沒想到或還在實驗階段剛小規模進入市場
deep learning未來勢必將加速市場淘汰