人工智能是如何帮助投资获得高回报-以去年的A股行情与风格为例
人工智能并不神秘。主要是被一些不懂人工智能也没实操过媒体人神话了，但是深入挖掘，人工智能又非常难。
作为一个计算机博士，有责任用最简单的白话语言讲一讲。
人工智能的最大意义是一种快速学习和掌握历史规律的能力。
用人工智能辅助进行金融投资的基本假设是：
1 人类的金融系统反映了人类个体参与的金融活动对于金融标的在定价行为上的反映的群体的规律性
2 历史的大量数据中反映了人类活动中的历史中的规律会不断重复，无始无终
3 人类群体性行为中的大量无序中有大量的细小的规律，这些规律是基于几百万年中人类自然演化从而形成的各种行为习惯，而这些习惯不以不同的群体中的个体而发生本质性的变化。
人类作为一种群体性社交高等智能灵长类动物，其本质上的行为与信息的社交属性决定了人类作为群居动物的互相影响的持续性。没有互联网的前几个世纪其实人们也是通过聚集在教堂等聚集场所完成的信息的快速交换与行为协同。
理论根据可以参考一本书：动物精神
乔治·阿克洛夫(George A.Akedof)，1966年获美国麻省理工学院博士，现为美国伯克利加州大学经济学教授，因在分析不对称信息市场方面作出的重要贡献，于2001年获诺贝尔经济学奖。阿克洛夫的研究借鉴了社会学、心理学、人类学以及其他学科以确定经济学的影响和结果，他研究领域包括宏观经济学、贫困问题、家庭问题、犯罪、歧视、货币政策等。
罗伯特·希勒(Robert J.Shiller)，1972年获得麻省理工学院经济学博士学位，现为美国耶鲁大学经济学教授。希勒在金融市场、行为经济学、宏观经济学、不动产等方面，著作颇丰。他和另一位经济学家Karl E.Case开发的Case-Shiller房价指数是衡量美国住房市场走势的主要指标。他的《终结次贷危机》、《非理性繁荣》和《金融新秩序》等著作是全球畅销书。
2013年因“资产价格实证分析方面的贡献”获得诺贝尔经济学奖。获奖理由：在资产定价实证分析领域有重要贡献。 行为经济学的领军人物。
利用行为经济学的理论补充了之前威廉夏普等人关于CAPM资产定价模型上的瑕疵，并且证明了人类经济行为的持续的非理性特征，解释了为什么资产定价不是有效的。关于有效性，这里要多说一句，就是Fama-French虽然也获得了诺贝尔奖，但是他的理论并不具有很高的实操价值，包括另一位诺奖得主，就是期权定价公式的发明者，Black Scholes，他们提出的这个CAPM理论实操也是有着重大问题的。所以很多大学学习的金融学都是些过时的和错误的内容，另外一些在真正的市场上不具有实操性，因为理论假设就是不存在的。所以绝大多数金融学，经济学毕业的大学生仍然不知道如何进行投资。这里的原因其实是需要深入挖掘的，这个需要放到另一篇文章里面。
金融市场投资盈利的本质是什么？
对于二级市场，其本质是在群体性行为中，及时找到规律，并且利用这些规律，做出相应的操作，并且能够快速识别出该规律消失的时机，并且重新找到新的规律并加以利用。因为二级市场是一个动态博弈的市场，它天然就是一个信噪比很低的市场，也就是说，在这个市场中不会存在一直稳定出现的信号，也就是说，如果有某些可以获利的特征，那么这些特征一定会被很快利用掉。
对于机构而言，快速发现新的规律就变成了一个非常重要的工作。也就是说大多数情况下机构是利用规律，而不是创造。机构投资者是喜欢确定性，所以他们希望做的就是尽快发现这些明显的交易信号，并把它交易掉，如果信号已经完全被交易到了市场上，就只会留下噪音，这些信号也就消失了。用直白的话讲就是，原来出现的规律消失了，只留下了一些无规律的波动，这些留下的无规律波动和一些有特征的波动是不一样的，因为这些是无法预测的，也就是它完全是一种随机性的东西。这还不够，如果通过交易行为把这些确定性的规律性的东西交易掉了以后，还有一部分系统性的波动性，这种系统性的波动性，实际上，有人管它叫系统性的风险，系统风险机构是通过一些复杂的衍生品，也就是衍生风险管理工具，通过操作把这一部分不确定性还给市场。这样机构拿到了就都是市场上的规律和确定性了。当然这种操作实际上本身也是有一定成本的，但是一般情况下这种成本，是可以被机构忍受的，也就是通过一些小的成本，拿到了更多的收益上的确定性。
因为金融市场是一个信号，从本质上来说，就是非常不确定、不明确的地方，这是由于金融市场本身的性质所决定的，不会因为时间的改变而有所改变，因为任何的信号都代表着收益，所以只要有明显的信号特征，都会被市场上的聪明的参与者交易掉，这样过一段时间，这些信号就很快消失了。随着整个市场上，计算机的参与越来越多，高频数据也越来越多。这样几乎人能够看出来的东西，计算机在很久以前都已经看到了，并且交易掉了。还有很多人眼根本看不出来或者察觉不到的东西，计算机实际上也把它交易掉了，只要计算机觉得，这是一个具有一定确定性和风险收益比的东西，他就会把信号交易掉。那么人工智能在这里面起到的作用就是一个自动发现规律的作用。
人工智能大数据和机器学习，能够做的就是在高频的非常复杂的，无法用肉眼识别出来的，不能用公式解释的数据中找出很多潜在的客观规律，并且在一段时间这些规律能够持续通过交易这些客观规律，从而获得收益。这是一个非常理性的过程。
对于普通大众来说，他不需要理解人工智能，究竟是如何做的具体的算法，但是，应该能够理解，它是可以学习的过程，就像小孩识别一只苹果的过程。一开始大人给他举例，拿过来一个苹果管他，叫苹果并且告诉他长的样子，经过一段时间，小朋友就能很快识别其他的苹果。这个过程就是一个学习的过程，也就是将一些事物的一些特征，经过归纳总结，内化变成机器的代码，专业管他叫数学模型，然后，再利用这些形成的新的机器的代码，也就是类似达尔文的自动演化的过程，把它适应到这个客观规律当中，比如他发现了几只股票中的一些交易特征，或者是一些技术指标或者一些基本面信息，或者其他的一些很复杂的特征结构，然后他这些特征结构具有统计显著性，那么这些特征就会被利用起来，预测股票的涨跌。在预测未来上涨，之前一段时间就买入这些股票。如此。
下面我们用一个例子来归纳总结2020年的一些市场一些基本面估值的一个特征，市盈率。
我们让计算机的人工智能来分析2019年1月1日到2020年12月28日市场上所有非ST股票的市盈率特征，根据总结出来的市场上的特征，去交易2014年1月1日到2015年12月30日的股票，看看回到那个时间点会发生什么。
仅仅利用一条市盈率的特征，就取得了54%的年化收益率。是不是很简单？由此我们得出结论，2019年到2020年这两年的时间那个市场上市盈率的特征和2014年到2015年这两年的交易特征是非常类似的，模型里面通过人工智能的学习，得到了股市上的特征规律，也取得了不错的收益率。
那么2019年到2020年这两年市场上市盈率的交易特征，和2017年到2018年之间的交易特征有区别吗？我们保持这个从2019~20年的数学模型不变，然后测试2017~18年之间的数据看看是不是这个交易特征能够在做2017~18年的两年间产生收益。
可以往回测试，效果很差。亏损了37%。这就证明了2019~2020年的行情里边关于市盈率的规律，和2017~18年的规律是完全不同的。
我通过这篇文章，我们这里需要证明的，是说在市场里面是有一些规律性的东西，这里面我们仅仅拿市盈率举例。但是实际上关于一只股票的相关因素是非常多的。虽然其中一些因素对整个市场起了一些主导作用，但是整体情况是，很多相关因素互相起作用，从而决定了整个市场走势，包括个股走势。
在前面的一篇文章【是的，你没有看错，股票短期可以预测，技术指标和盘口都可以赚钱！机构是如何利用技术分析赚大钱的】，提到了，机构如何分析股票的几千或者是几万个因素是如何作用在一只股票上形成涨跌的。
机器通过24/7地不间断分析市场上的信息，从而找到里面的规律，并且尽可能的第一时间利用这些规律，形成交易信号，并以最理性的方式评估这些交易信号的可靠性，并且密切监视这些已经找到的规律上的变化，如果有些规律消失了，那么它会自动去寻找新的规律，并且把它交易掉，形成收益。这种正确性，是像前篇文章中提到的，是以概率的方式产生收益的，并不是每笔都会形成收益，但是类似赌场一样，通过对赢率的微小优势积累下来，从而获利。
《孙子·虚实篇》：“夫兵形象水，水之形，避高而趋下；兵之形，避实而击虚。水因地而制流，兵因敌而制胜。故兵无常势，水无常形；能因敌变化而取胜者，谓之神。”这句话历来被称为灵活指挥战争的名言。金融市场同样是这样的一个经常变化的人类群体行为博弈的地方，这里，人工智能就派上了很大的用场。
那么人工智能究竟可以形成多高的收益呢？现在还不好判断，但是大概率还是比较高的。比如下面的这个模型形成的：
全文完。