「万物简史」桥水基金是如何利用大数据与人工智能的?

时间:2018-01-13 05:27:25

早在 1980 年代初,桥水基金的老板瑞·达利欧就开始把大数据运用到交易决策中去。和现在的人们一样,达利欧当时面临的主要问题不是没有足够的数据,而是为何和如何运用这些数据。

一如现在的很多交易员,达利欧一度认为大数据是用来预测市场走势的。在 1981 年 12 月发表的一篇文章中,达利欧说如果有一台电脑能存储世界上所有的事实,同时拥有完美的程序,能以数学方式表达世界所有不同部分之间的所有关系,人们就能完美地预见未来。

后来他发现能预知未来,对于建立强有力的交易策略,并没有太大帮助。比如说预测到某种大宗商品的价格在未来可能是 75 美分左右,而如果它现在的价格是 60 美分,买入自然是有利的,但如果无法预测它的价格会不会先跌到 50 美分,最后才回升到 75 美分,还是无法预知何时买入、何时卖出才是最合理的。

换言之,最重要的事情并不是预知未来,而是知道在每一个时间点上如何针对可获得的信息做出合理的回应。由此,达利欧意识到,大数据是用来建立、验证和修正决策标准和决策系统的。

达利欧开始尝试把每一笔交易的决策标准写下来,然后把这些标准转化成公式,也就是现在人们所说的“算法”,再用这些公式计算历史数据,以检测历史交易的效果,进而根据具体结果合理地改进这些决策规则。

除了桥水的历史数据外,达利欧团队还输入了超过一个世纪的、所有有数据记录国家的历史数据,以透视经济/市场机器在历史上是如何运行的,如何对其押注,并通过检测结果改进决策标准,使之成为普适的标准。在决策标准确立之后,接下来的工作就是把现实中不断得到的数据输入这些决策系统,然后电脑就会处理这些数据,做出决策。桥水最初的利率、股票、外汇和贵金属系统就是这么产生的,然后团队又把这些系统合并为一个系统,以管理桥水的投资组合。

简言之,桥水所做的就是用算法来表述投资决策标准,然后用历史数据来检验,或者用算法表述工作原则,然后用其来帮助管理决策。与人脑决策相比,用电脑辅助的决策系统能让人们更快地做出考虑更全面、更少情绪化的决策,而且还有利于维系团队的团结,因为彼此间的争论将不再围绕结论进行,而是就不同的决策标准进行争论,而决策标准是可以被客观检验的,人们还可以在解决分歧之余优化标准。

在过去的 30 年里,桥水又不断为决策系统纳入了许多其他类型的规则,用来引导交易的各个方面。现在,当实时数据发布时,桥水的电脑能够分析来自 1 亿多个数据组的信息,然后以合乎逻辑的方式,向其他电脑发出详细的指令。达利欧说,假如没有这些系统,他很可能已经破产,或者因要从事如此繁重的工作而被压力逼死了。

当然,这不意味着盲从电脑的建议,在电脑工作的同时,人们自己也进行分析,然后对二者的结果进行对比,并搞清楚为何有分歧。大多数时候是因为人们忽略了某些东西,有时候则可能是因为系统“忽略”了一些标准,或者需要添加新的变量。

达利欧承认,在很多方面,人脑无法与电脑竞争,比如 24 小时工作的“毅力”,和快速、客观处理海量信息的能力。最重要的是,电脑对群体偏见和从众思维免疫,不会顾虑自己的结论会不会受人欢迎,而且从来不惊慌失措。

但与此同时,从电脑辅助决策中受益良多的达利欧,却给当下亢奋的人工智能热潮泼了盆冷水。达利欧不像一些守旧分子那样简单地认为电脑永远赶不上人脑,而是认为不能过于轻信乃至盲目运用电脑通过数据开采得出的规律,一方面这些规律可能因为与现实脱节,不足以应对未知的世界,另一方面在没有深刻理解这些规律背后的逻辑和因果关系的情况下,就将其应用于决策,是很危险的。

所谓数据开采是近年来机器学习发展最快的领域,是指功能强大的电脑消化大量数据,从中发现规律。达利欧对数据开采系统本身评价甚高,他认为有了足够强大的计算能力后,所有可能变量就都可以纳入考虑,由此得出的规律对人们的决策很有帮助。但人们不能盲目信任这些规律。

在未来的事物发展范围和格局与过去相同的情况下,也即当同样的情况以可靠的方式反复不变地发生时,例如在一场规则极其严格的游戏比如棋类比赛中,将算法得出的规律加以应用是有效的,这已被国际象棋和围棋的人机对弈结果所证实。但现实中事物不断变化,所以这样的系统很容易与现实脱节,因此无法应对未来的挑战。

另外一种风险是,电脑只负责“发现”规律并将其应用于电脑决策,而不需要“理解”这些规律背后的逻辑。达利欧指出,很多人因为发现机器学习比形成深刻理解容易得多,就盲目信任机器学习。但对达利欧而言,深刻理解必不可少,任何决定背后的逻辑如果无法说明,对他而言都是不可容忍的。他认为当人工智能使用者在没有深刻理解它的情况下,就接受机器学习创造的算法所假定的因果关系,甚至根据这些认识来行动时,可能会产生意想不到的风险。比如在没有深刻理解其逻辑的情况下,以机器学习为基础构建的投资系统就会很危险,因为人们弄不清楚过去发生的情况是否真有价值,即使有价值,也弄不清楚其价值是否已经消失,甚至走向负面。常见的情况是,一些决策规则变得非常流行,以至对价格产生很大影响,从而使反向操作成为更合理的做法。

对达利欧来说,相对于依赖人们并不真正理解的算法,对因果关系形成深刻理解所产生的兴奋、安全性和教育价值要有吸引力得多。不过他略带悲观地预测说,人们会越来越信任电脑发现的、超出我们理解范围的因果关系。这种信任有时会带来成效,有时会适得其反。人工智能可能会带来极快、极了不起的进步,但也可能会导致人类的毁灭。

而达利欧希望的未来是人类智能和人工智能同舟共济,因为这能带来最好的结果。我们拥有的想象力、理解力和逻辑能力是人工智能所不具备的,我们对人工智能的运用,最好就像司机利用 GPS 一样,是用来辅助我们的导航能力,而不是替代它。

推荐阅读:《原则》

题图:achievement.org

一个物品如何成为一个全球化商品,一个物品如何促进全球化,一个物品又是如何实现全球化制造?「万物简史」这个栏目将从“物品”出发,去看这些“物品”如何渗透进我们的生活,并改变了我们的世界。

它关注的内容包括,集装箱铁路,水,迪士尼,气候,折扣,T恤,航海图,武夫,香料鸦片咖啡木材旧衣服,贸易,大豆,宜家,阿拉伯,玉米,酒店,黄金,疾病,白银,皮毛,石油,天然气,西方文明,铁路股票大战,汽车,奢侈品,贫困,抗生素,瑞士旅游业,通用电气,有线电视,广告,探索频道,商人,车型,人民币,传教士,鸟粪,安利,冒险家,蒸汽机,瘾,航线,棉花,茄子,湖广填四川,尼加拉瓜运河,一汽大众,洗浴,纽约,农业,联盟,汇丰银行,登山,港口,棉布,欧元,亚马逊“优先配送”,除草,盗茶,废品,Zara 症,荒野文化,利玛窦的地图,皈依者沈福宗,黑死病,鳕鱼,人类基因,下南洋,红衣大炮,经济中的野蛮人,福利国家,西医的草药,机关枪,铁皮坦克,天花,ISIS,冷战,体育运动,海外华人,滑铁卢战役,朱可夫,民国政党,东印度公司,火炮,史迪威创新太平洋战争鸦片战争,“西方震撼”,中餐,欧洲,普鲁士,阿拉伯民族主义,中东战争,雷曼倒闭,金融危机,中国青年游日团,空气污染,英特纳雄耐尔,大众,江青服,满人,团队运作,日本产业政策,绥靖政策,纳粹,煤炭,一战,苏联倒塌,官司营销,“收藏中国”,选票,印度独立,茶叶杀菌,萨利机长,民粹主义,葡萄牙探险队,布热津斯基,土耳其帝国,阿富汗战争,911,中日关系,法币改革,红色货币,超级版图,国货反击战,8·19 事件,街头抗争,清政府救市,日本底层社会,国共命运,“惩越”外交战,太平天国,秦汉帝国,西藏问题,大英帝国,斯大林,忽必烈的“首都圈”,倭寇、战争中的民主,麦克阿瑟的遗产,白兰地、朗姆酒与现代美洲,苏联电影,奥斯曼帝国,青年斯大林,洋海关,宋氏家族,1916,亚洲的素食主义,欧美分歧,晚清报人,阿富汗,清朝新疆财政,成吉思汗大交换,德国民族主义,大清帝国,皇家狩猎,美国 1927,电力之战,锈蚀、睡眠,越南战争,里根,废墟,五卅运动、以巴分治、以色列……

我们做了一个壁纸应用,给你的手机加点好奇心。去 App 商店搜 好奇怪 下载吧。