从围棋到量化投资，不懂金融的DeltaGrad跑赢95%基金

来源：阿牛智投 21-07-01 13:54

初步完成金融投资界的“AlphaGo”，这家人工智能公司野心勃勃，欲在2019年踏上商业化征程。

“我们发明了能跑赢95%股票型基金的AI经理人”，4月18日人工智能公司DeltaGrad首次向外界展示其研究实践成果：

数据显示，DeltaGrad自2017年11月以来，以自有资金进行A股的量化投资，截至2018年12月，录得交易累计业绩为：收益率6.19%；同期上证指数下跌30.10%，深证指数下跌41.18%，创业板指数下跌38.58%——DeltaGrad全面跑赢大盘。此外，结合私募排排网、东方财富Choice等公开数据比对，DeltaGrad投资收益率超越了同期市场上95%的股票型基金。

DeltaGrad创始人庞然在接受亿欧金融采访时透露，DeltaGrad将于2019年正式开始对外商业化运作，专注人工智能应用于股票及期货市场的投资策略输出。

从计算机围棋到量化投资

“DeltaGrad是目前国内较早的把AlphaGo技术应用在金融投资领域的人工智能公司。”

在这句开场白后，“AlphaGo”几乎成为整个采访过程中被提及频率最高的一个词。

2016年3月15日，李世石以1:4的比分惨败人工智能AlphaGo，这次事件可以理解为人工智能领域的里程碑，人们终于找到了赋予机器直觉能力的关键。庞然解释，传统想用“穷尽”的方法，将人类下围棋的逻辑梳理成策略算法是不可能的，因为围棋中的可能性堪比宇宙中所有的原子总和。而AlphaGo的成功则说明，用深度学习网络的算法，机器已经一定程度上拥有了“直觉”。

此后，只用到了一台机器和4个TPU，经过几天的训练，AlphaGo Zero以100：0击败了AlphaGo。这是神经网络算法的又一次提升，甚至不需要人类提供棋谱数据，AlphaGo Zero从单一神经网络开始，通过神经网络强大的搜索算法，在自我对弈中实现了迭代学习。

受AlphaGo的启发，庞然带领从未涉足过二级市场的团队开启了神经网络技术赋能金融投资的探索。也许DeltaGrad团队并不懂量化投资，但他们所训练出来的股票机器人却懂，神经网络就像一个黑盒，人们也许并不理解“机器人是怎么思考”的，只能等待时间来证明它们“思考”结果的对错。

什么是神经网络

从围棋到量化投资，不懂金融的DeltaGrad跑赢95%基金

庞然表示：“我们不止在训练机器的理性思考能力，通过数据的不断升级与神经网络的优化，我们也在逐步训练让机器拥有自主的直觉思考能力。”

通俗来讲，神经网络就是一个可升级的简易人脑。第一次给神经网络输入一个信息时，神经网络里只有部分的神经元被激活或者被激励，被激活的神经元传递下去的信息是计算机最为重视或被认为最有价值的信息，如果输出结果是错误的，经过误差反向传递对所有神经元参数进行调整，使得所有神经元的参数变得对真正重要的信息特征更加敏感，经过大量的信息训练，被改动的参数就能渐渐预测出正确的答案。每一次错误预测的反向回馈，都会使这个神经网络进化得更加聪明一点，信息的维度越丰富，训练的数据量越大，输出的结果就越精确。

目前，DeltaGrad已经研发出10个神经网络结构模型。每一个模型机器人，对应着一种神经网络结构和数据的组合，DeltaGrad通过各种股票数据去刺激这些机器大脑，以激发它们股票投资领域天赋。因此，每个机器人会从不同视角，同时审视相同的股票、板块和指数，得出更加多维的预测。一个DeltaGrad的股票机器人，足以完成多个基金经理的业务角色，可以对股票市场的数据分析并生成策略。

领先1年等于领先120万年

在采访中，DeltaGrad透露，目前正在筹备搭建世界第一个供机器人自主进化的虚拟交易市场，以庞大“数据”为核心。不依托人类现有市场交易数据，通过机器人交易自博弈来推演出更多交易数据。从而产生海量交易的数据，帮助机器实现更快的自主进化。每个DeltaGrad股票机器人能产生70万-120万的策略数，每个策略表示一种使用机器人预测能力的操盘方法，每一个策略对应一个回测过的风险收益数值。当前已经完成的10个机器人共能产生1000万+的策略数，每天机器组合的调仓、增加备选股票，都依据这些策略数值进行。平均一年时间就可以推演出上海证券交易120万年交易数据。

从围棋到量化投资，不懂金融的DeltaGrad跑赢95%基金