AlphaGo和人工智能
来自谷歌的惊人消息：战胜李世石的AlphaGo v1.8版可以让去年10月战胜樊麾的AlphaGo v1.3版四个子!让专业选手四个子，意味着“百米跑领先人类冠军10米”，意味着“学霸百分制考97，AlphaGo轻松考120”，都是人类望尘莫及的距离!
脑补一下围棋规则：黑白双方交换出子，以捕获对手棋子或所围地域(目数)多为胜。规则看似简单，但变化极其复杂。“围棋走法的可能性超过了宇宙中的原子数目”。
恐怖的是，顶尖职业棋手还没看到AlphaGo的极限--恐怕未来都没人能逼出它的极限了--人工智能的发展让人类不寒而栗!所以开赛前，谷歌在1月28日就低调地在《自然》发表论文，开放深度学习技术，公布围棋实验结果和源程序(省去了人类“打假”先锋很多麻烦)。
AlphaGo的核心，即蒙特卡罗搜索和神经网络模型等机器学习技术。
基于类似的蒙特卡罗算法和神经网络模型，结合专利的自然语言处理(一种机器自动学习文本数据的技术)，马蹄数据自2014年低调成立以来，一致专注于机器学习技术在证券大数据领域的机构应用和实盘投资。
马蹄用来做投资的黑科技哪里来的?
先来说一位介于牛A与牛C之间的人物，马蹄数据的创始人施博士，1999-2004年霍普金斯大学计算力学博士和博士后期间，恰好也是在当年负责“曼哈顿计划”的美国能源部实验室计算所实习，并负责蒙特卡罗模拟、随机抽样和UQ(非确定性量化)等算法的开发(源程序由Sandia实验室2010年发布wiki：Dakota)。
随后的10几年，施博士在达索系统等公司工作，参与过宇航局、DARPA等项目，专注非确定性数据处理系统和预测模型的开发和应用。其工作早在2007年就得到美国两院院士、世界级计算力学和算法大师的肯定:
那AlphaGo或者那个蒙xx算法、神经xx技术可以用来炒股吗?可以用来炒股吗?可以用来炒股吗?
先脑补一下这些花里胡哨的技术：大数据、人工智能(还有：蒙特卡罗模拟?神经网络??机器学习???)。笔者认为这些概念泛指数据处理(分析、挖掘)技术。大数据强调分析的入口，即数据的体量、维度、信噪比、非结构化等特点。而人工智能强调分析的结果，即学习能力、预测性、概率理论和统计逻辑(非确定性逻辑)等特点。至于蒙xx、神经xx，是一些具体的算法和模型。
其实，在AlphaGo刷屏朋友圈之前n年，我们已经在尝试预测原油短期走势了。
经过2年的组建，今天马蹄数据的投研团队来自IBM、Oracle、中期、平安证券等各领域专家和投资经理，专注于智能化分析技术驱动的策略创新。
近几年，美国Bridgewater、Renaissance、2 Sigma等基金，也开始转向人工智能技术做自动化交易了。最近几年，此类基金开始移向真正的“机器学习”，这样人工智能系统就可以以更快的速度来研究更大量的数据，并且通过数据分析来自我提高。
除了那些大牌基金公司，创业技术公司也开始炒股了，比如：
Goertzel的公司总部位于香港，其人工智能交易系统的交易，全部发生在华尔街。系统上线第一天，对冲基金就获得了 2% 的回报。
美国旧金山创业公司 Sentient Technologies 去年拿到了 1.43 亿美元的风投，用的也是和 Goertzel 相似的自动交易系统。
纽约一家名为 Rebellion Research 的研究机构就使用了一种名为“贝叶斯网络”的机器学习系统，用大量的计算机来预测市场趋势，寻找准确的交易时机。
今年1月，由马蹄数据管理、华泰证券托管的敬为大数据基金，成为国内首支由私募发行的大数据量化基金。
敬为基金的核心特点：
? 采用机器学习技术，自动分析全网财经数据多空属性
? 捕捉板块轮动，规避个股黑天鹅
? 严格模型选股，剔除主观行为偏差
? 套期保值，力求烫平市场风险，同时获取相对稳定投资收益
? 期权套利、股指期货套利，谋求保值增值
? 安全垫管理、策略安全边界管理、仓位和风险敞口控制、技术止盈止损等风控制度，优先保证本金安全
取名“敬为”，即坚持“敬畏”市场、内敛稳健之投资风格。
马蹄数据与华泰证券的信息技术、网络金融、金融创新等多个部门合作
马蹄数据的分析系统，是人工智能、数据技术和金融证券的跨专业结合，技术领域包括：
1)金融经济学，2)金融工程，3)行为金融学，4)人工智能(自然语言处理)
用一句话来概括，便是：“从海量、无结构的互联网信息中进行多维度挖掘和提取，依靠证券专业人员建立和训练的语义和行为分析引擎，转化成事件数据库和情绪热度等指标，并据此建立市场择时和选股策略。”
区别于高频自动化交易或者说是那种收到消息就立刻进行交易的行为,马蹄数据的系统更强调预测指标和模型的建立，对投资经理的数据支持，而非自动化下单。因此更适合进行t+1的中短线投资，比如按小时计算、按天计算和按周计算的投资策略。
那么，投资效果如何呢?
我们让数据说话：
图一马蹄数据的选股历史回测业绩：去年股灾前450%(2年简单累计收益-不计收益复利)，目前收益250%
(图一)
除了应用于选股策略(多因子模型和市场定价理论，行为偏差)，相关数据和技术还可用于:
预测板块趋势和行业波动、诊断归因和风险控制：监控系统风险和风控(新闻和波动率的关系)。
除了投资策略，数据技术还可以应用于：
1)市场舆情监控--市场跟踪和监管干预。从内控管理和外部合规的角度，都需要智能化的数据监控和分析技术，用来监控恶意交易和内部交易等违规行为。
2)黑天鹅预警与交易熔断--为程序化交易提供风险熔断。根据特定事件、市场特征和特征识别，探测到突发交易风险，预警或暂停交易进程，从而防止异常交易行为，进而降低市场异动风险。
3)市场波动预测--机器阅读数据并捕捉热度或突收关注的公司，从而有效预测到股票交易量和股价波动，驱动波动率套利、市场波动风险对冲等策略。
4)盘后分析----帮助传统的、非量化投资经理作业绩归因和市场研究。
5)市场反应模拟--从市场博弈的角度来模拟特定事件或政策变动之前，可能带来的市场反应，为监管层和政策制定者提供市场沙盘演练环境，为上市公司在新闻公告之前预测市值变化。
大数据基金--技术让投资更容易，博弈更公平
马蹄数据的创立初衷和愿景，便是利用技术来打破信息不对称，从而使市场的博弈各方，都能有效地发现投资标的的价值(即Alpha或超额收益)，同时尽可能规避市场风险(即beta或市场风险溢价)。
“科技让市场更有效，更健康，让投资更容易。”
马蹄数据是不是下一个“AlphaGo”，让我们拭目以待。
