现在的人工智能好像无所不能，各行各业都在提倡智能，但让AI代替人类炒股，多么美妙的目标和期待呀，机器学习技术能在不需要人类预先编写规则的情况下，让计算机从数据中寻找模式。从机器人到天气预报，再到语言翻译，甚至开车，这项技术驱动着多个领域的进步。
为什么不能用它来搞定金融市场呢？这种想法，已经引发了投资公司之间的军备竞赛，各家本来就已经非常依赖数学的基金开始争抢他们所能找到的顶尖计算机科学家和统计学家。
然而，在投资上持续全面押注机器学习的公司寥寥无几。
基于机器学习建立对冲基金不是件易事：难度是想象中的三倍，耗时是预期的三倍。
“我们基本是屡战屡败。”成了对冲基金人士的口头禅。
将机器学习用在金融交易中，我们先要清楚：这项技术在其他领域取得的那些成就，在交易上可能并不适用。金融交易是一个更杂乱的环境，模式总是被掩盖着。
我们自己炒股的过程中也有很大的体会，一段时间用这个战法非常灵，过段时间就不灵了。由此上升到交易过程中。交易本来就是个不断变化的过程，这种变化无处不在，无时不在。
要知道，机器学习这项技术和量化交易的常用方法有一些不同，它不需要科学家提出假设、写出算法给计算机执行，而是由人类为自己算计提供大量数据，然后让它自己找出模式。
实际上，就是计算机自己写出算法，用来做预测，但问题在于，计算机不会告诉你它是怎么得出这个结果的。
他们所面对的基本问题，是市场太混乱了。到目前为止，机器学习系统表现很好的领域都有一个共同特征：模式本质上是重复的，于是就更易于辨别，围棋、开车都是如此。
而金融市场有更多噪声，它持续受到新事件的影响，而这些新事件之间的关系，也总是在变化。
市场变幻莫测的本质也就意味着投资者刚刚找出昨天的关联，想要运用它来做投资，它就消失了。在机器学习的其他应用场景里，都没有这样的问题。比如说用机器学习来做语音识别，人类语音的基本性质，基本是不变的。
“没什么比回撤更引人深思”，哈里托诺夫说：“去年我们学到了很多”。
业绩波动、策略复杂……机器学习系统越是具有预测性，人们就越难理解它要做什么。有理论认为人类思维主要用于处理三个维度的情景，数十个乃至数百个维度的任务则是机器学习系统擅长的领域。这些维度之间的关系，往往是非线性的。
“这并不意味着我们不会考虑发生了什么”，
“机器学习在财务预测领域的应用还在早期阶段”，就目前而言“一切才刚刚开始”。
或许在遥远的将来，炒股这门技术活也是可以被机器所代替也说不定呢，你怎么看欢迎留言
加关注每天下午两点半有牛股哟，还可后台领取干货资料和免费书籍。