自股票从诞生以来，预测未来股价走势几乎是每个投资人梦寐以求的超能力。当前，以大数据、云计算、人工智能等为代表的新科技正迅速崛起，推动着证券投资的不断创新和产业升级，证券投资业正逐渐从互联网时代迈入人工智能时代，也让我们对预测股价走势看到了新希望。

股票涨跌为什么难以预测

前两年，研发Alphago（阿尔法围棋）的AlphaBeta公司旗下的DeepMind团队近期发表论文，公开其研发的人工智能交易系统AlphaStock已经在中国A股市场潜伏交易三十六个月，在经过不断的自我学习自我进化后，最终净值亏损呈现不断扩大的趋势，且净值波动区间和换手率也呈现飙升趋势。可谓全球最强人工智能铩羽而归，挥泪出局。为什么会这样呢？

近几年来，让人工智能实现爆发式增长的图像识别、语音识别、自然语言处理等方面的应用，都相对处于闭环环境，并且特征明显、规则固定，对于机器而言更具逻辑性，所以更容易利用人工智能技术去支持相应场景。但在证券投资领域，影响因素非常多，且随时发生变化，这让逻辑决策与响应过程更加复杂，对人工智能的落地提出了更大挑战。

股市是一个有反馈的非线性系统，而股票的涨跌现象类似一种混沌现象。混沌理论中有一个广为人知的概念叫做“蝴蝶效应”。蝴蝶翅膀的煽动，导致其身边的空气系统发生变化，并产生微弱的气流，而微弱的气流的产生又会引起四周空气或其他系统产生相应的变化，由此引起一系列连锁反应，最终导致其他系统的极大变化。股市中存在众多“蝴蝶效应”的例子，比如，当年奶茶妹妹分手传闻，莫名其妙的导致天泽信息(300209)跌停了，他们有关系吗？没有；当初奥巴马当选美国总统，上市公司澳柯玛(600336)却涨停了，又为什么呢？

影响股票涨跌的因素有很多，例如：国际政治及经济环境、政策的利空利多、大盘环境的好坏、主力资金的进出、个股基本面的重大变化、个股的历史走势的涨跌情况、个股所属板块整体的涨跌情况、投资者心里因素等等。这些影响股票涨跌的因素到底有多少? 它们之间会如何影响，这才是问题的关键。在某些稳定的情况下，我们是可以做大概的预测的，准确度通常并不高，你的模型永远不可能把所有的因素都考虑进来。而且你也不会知道还会有什么因素会影响股价的波动。一个因素与一个因素之间的互相影响是很可能被预测出来的，但是假如它们之间产生了相互的影响，这时候整个系统就变得几乎不可精准预测了。

人工智能赋能证券投资

证券投资市场拥有海量、实时数据，可得性和丰富度都很高，为人工智能的赋能提供了肥沃的土壤。与此同时，证券投资也是极度依赖数据驱动决策的，人工智能在赋能和模式创新方面的价值非常明显。

信息处理能力更强。相比于传统分析，人工智能可以处理更多的输入信息，对各类结构和非结构性的数据都能轻松处理，能够考虑的信息面更全，信息量更大，可以达到的预测效果上限更高。从效率上说，人工智能方法可以同时考虑整个市场，从中选出更多的优质股票，分散投资风险，提供稳定的投资回报，并容纳更大量的资金。

投资策略更为多样化。传统的量化选股模型大多基于静态，过于僵化并不具备灵活性，而近年兴起的线性加权量化模型，由于不同因子间存在多重共线性，模型也非常不稳定，同时组合会因为在“小市值”等特征因子上过度的暴露，难以快速适应市场风格切换，导致模型阶段性失效。具备“自学”能力的人工智能技术可以自动提炼有效数据，不断挖掘全新和独特的有效因子，优化投资组合，以适应不同的市场环境，提高投资策略的准确性及稳定性。

决策中回避人性弱点。从金融交易角度，人工智能带来的一个巨大的优势是在决策中可以回避人性弱点，例如性格、情感、贪婪、恐惧等因素，始终保持客观的态度。对于绝大多数的普通投资者，市场的波动或多或少会影响人的情绪，进而影响之后的投资决策，使人做出一些错误的决定。人工智能则不会受到市场波动的影响，市场的波动只是客观的数据，算法会一致地贯彻自己的交易策略。

有效降低各方面成本。相对于传统方法，人工智能助力证券投资业的标准化、模型化、智能化，减少了金融风险事件的发生，同时降低了人工投入成本，极大提高了工作效率；人工智能交易策略或模型的开发成本虽高，但复制推广和运营维护成本低。策略的后期维护也只需要修改对应模型参数或者某个程序模块，以适应市场的变化；利用智能交易则可辅助交易人员运用智能化交易策略，寻找交易最佳时机，降低交易成本。

人工智能促使预测技术的智能化

股票价格呈现出受多方面因素影响的高度非线性关系，传统预测方法往往难以把控股价变动的随机性与规律性之间的平衡，存在着或多或少的缺陷。而随着人工智能相关技术的发展，其强大的数据储存、处理和分析能力为股票行情预测提供了新的思路，将使预测准确度持续提升。而促使预测技术飞速发展，从而走上“智能化”之路，机器学习便是重要的功臣之一。

目前用于股票投资的建模模型可分为两类，一类为传统生成型类模型，主要包括自回归滑动平均模型和自回归异方差模型及它们的衍生扩展模型，但这类模型需要求样本量越大越好，原始数据越完整、越明确越好。但事实上，在实际中，即使有了大样本量，也不一定找到规律，即使有了统计规律也不一定是典型的；另一类为数据驱动模型，包括机器学习中的神经网络模型（NN）、支持向量机模型（SVM）、邻近算法模型（KNN）、决策树模型等，此类模型对样本的分布程度和样本量的要求均较低，能够在信息资源不完整、不准确等复杂的数据环境下，通过自身结构的调整，提取数据特征，可以借助对数据的分析进行非线性智能预测。机器学习模型通过理解复杂且非结构化的数据，可高效地产生见解及发现隐藏模式，从而为投资团队提供有价值的研究思路，并帮助他们获得信息优势，从而做出更快更好的决策及更精确的预测。例如，“Lasso回归算法”可以应用于对商品期货价格进行预测，“Lasso回归算法”通过加入惩罚因子来增加模型复杂程度，减少了病态数据的干扰。从宏观层面筛选出可能对商品期货产生影响的因素，可通过相关性分析找到各解释变量的滞后窗口，再对期货价格和变量指标进行模拟训练和预测；“决策树模型”可以应用于预测财务造假概率，通过不同程度的决策树算法学习历史数据的影响因素并得到相关度，最终得到预测财务造假数据的模型。

当前，人工智能还处在传统的弱人工智能( Artificial Narrow Intelligence , ANI)阶段，包括深度学习在内，利用人工智能进行股票投资的过程中必须高度依赖人类对实际问题的建立的模型与算法（见图1），强烈地依赖于观测数据，因而难免带有偏颇；在不远的将来，人工智能将进入到强人工智能阶段( Artificial General Intelligence , AGI)，拥有主动实施行动来分析因果效应的能力，决策就可以不受观察样本的束缚，把一些样本无法反映的事实揭露出来，这种能力使得决策行为更加智能化；未来，随着人工智能技术的发展和成熟，将会进入到超人工智能( Artificial Superintelligence , ASI)阶段，人类甚至有可能制造出真正能进行推理和解决问题的智能机器，并且有自我意识的，预测精准度将会大幅提高。

人工智能正在改变证券投资业

人工智能可以通过复杂的机器学习、知识图谱等技术手段较为快速、准确地判断和预测市场行情，从政策面、基本面、技术面等多维度提升分析准确率。海内外各大金融机构都非常重视人工智能，并应用在股票投资中。

在全球范围内，几乎所有顶尖的投行和金融机构均在使用人工智能技术投资的范围和领域不断扩大，投资收益和影响不断增强。以美国金融数据分析服务公司Kensho为例，研发了一种针对专业投资者的大规模数据处理分析工具Warren，试图打造成金融业的“Siri”(苹果智能语音助手)。Warren可以快速回答接近一亿个对股价造成影响的问题，并编制详细分析报告，大幅提高测试交易策略（back-testing）的效率，它曾成功预言英国脱欧后的英镑走势，及2017年美国科技股的强势上涨。2019年3月7日，高盛推出5只新ETF，完全依赖机器交易和AI算法，摆脱人为主动控制。此次高盛是和Motif投资算法公司合作，来确定符合高盛基金经理认为的将推动指数上涨的相关基金主题，比如“金融重塑”和“数据驱动世界”等等。早在2017年10月18日，EquBot LLC、ETF Managers Group共同推出了全球第一只应用人工智能进行投资的ETF：AI Powered Equity ETF（AIEQ.US）。这只代码为AIEQ的基金是一只依据EquBot独门算法所打造出来的主动式ETF，利用IBM Watson的认知和大数据处理能力去分析美国境内的投资机会。据悉AIEQ通过人工智能的方式来分析和挑选股票，一般只会选取30-70只美国股票，波动性与美股大盘的波动性相当。AIEQ每天分析6000家美国上市公司的数万个市场信号和新闻文章(包括上市公司管理状况，市场情绪、监管文件、季度财报、新闻报道、社交媒体帖子等)。值得注意的是，经受了2018年的重创之后，2019年AIEQ迅速矫正，奋起直追。AIEQ两位联合创始人Chida Khatua和Art Amador在接受媒体采访时表示，自2019年以来AIEQ跑赢标普500指数。

国内也有不少券商、金融机构开始尝试人工智能在金融领域的应用，如工商银行推出的“AI投”、光大证券推出的“智能魔方”、中信银行推出的“信智投”等。不过，这些产品还属于智能投顾或智能交易等范畴，重点在于用更多维度的数据了解客户，用更精准的推荐引擎推荐投资组合、理财产品、风险提示等。

目前，对冲基金及投资银行等都在争夺人工智能方面的专家，以期不断提供预测的准确度，从而规避风险并获得高回报。总之，人工智能将提升我们处理信息的深度和广度，相对来说使用基于人工智能技术的“智能人”，将比不运用或是还在利用“人脑”进行基本面分析与技术分析的人更占信息优势，从而也就更可能在股市中盈利。

从混沌无知到科学认知

众所周知，天气变化是个著名的混沌系统。天气不仅受到各种气团的影响，而且受到地形、水域状况等众多因素的影响，任何随机的因素变化都可能引起意想不到的天气变化，因此，天气预报是一个历史性难题。但是，随着科技的进步，天气预报还是越来越精准。我国商代后期，人们用龟甲和兽骨占卜预测气象、天象、疾病、生育和战争等等，占卜中关于风、雨、水等方面的卜辞可以看作是原始的天气预报；在殷周时期，我国劳动人民就已经总结出许多预测天气变化的经验。如，《春秋》记载称，在冬天，当天空中出现满天一色的阴云即“天上同云”时，则未来要“雨雪雰雰”；当在夏天看到乌云发展，即“有渰萋萋”时，则将大雨瓢泼，即“兴雨祁祁”了。唐朝的《相雨书》中，有更通俗形象的记载：“云逆风而行者，即雨也。” 劳动人民与大自然无数次的斗争中，在长期观测天气变化的过程中，形成了大量的天气谚语。这类的经验预报，已具有科学内容。在现代气象学尚未产生的年代，天气谚语无疑对天气预报起着很大的作用；今天的天气预报主要是通过卫星、自动观测站等获取天气资料，运用计算机来预报未来天气。目前天气预报准确率基本在70-90%，未来随着气象技术的发展，准确率还会进一步提高，在特定区域的准确度甚至可以无限的接近100%。我们对天气变化的认知经历了一个从混沌无知到科学认知的过程。

目前，人工智能还处于发展初期，更擅长于处理某一单个方面的，比如AlphaGo只能下棋，苹果Siri目前只能作为你的语音助手。以人工智能现在的水平还无法精准预测股票的涨跌，比较可行的方法是采用人机合作的方法。机器擅长进行计算，而不擅长的部分靠人类补充，也就是说人工智能只要负责某些因素之前的预测就好，这些数据一定是具有稳定性，可以量化、大概率等特点。在未来，随着我们对混沌现象的全面深入了解和人工智能、量子计算机等相关技术的发展和成熟，类似股票涨跌这类的混沌现象的预测准确率也会大幅的提高。

总体来说，影响股市涨跌的因素非常多，以现在的认知和科技水平想实现精准的预测股市几乎是不可能的。而如果你是想在市场中盈利的话，理论上只需高于51%的准确率就可以了。笔者认为，在未来二十年内，人工智能相关技术在成熟市场中预测股票短线涨幅的准确性有望达到80%，中长线涨幅的准确度也有望超过60%。值得注意的是，如果证券市场内的参与者大范围采用人工智能相关技术进行投资，此前的制胜策略这时可能也将会失效。

参考文献

[1]何诚颖：《智能金融变革》，北京：中 国财经出版社，2018年。

[2]刘海玥.遗传算法与神经网络在股票预测中的分析[D].太原：中北大学，2011.

[3]郭起豪.气象预报史话:从占卜到科学[J].《大众科学》，2016年03期

备注：本人首发于《互联网天地》2020年01期