不仅对冲基金对机器学习主导交易的期待没有成为现实，Gartner还认为，机器学习已经走到了“期待膨胀的顶部”，如今正朝着“幻灭的底部”移动。
在AI快速崛起的当下，华尔街对冲基金已经言必称机器学习，交易员甚至也开始担心自己的工作有一天也将被取代。但是也有冷静的观察者开始质疑，机器学习是不是又一个被过度夸大的领域？
对于华尔街传奇对冲基金经理Paul Tudor Jones来说，他曾因成功预测1987年美股崩盘而大赚1亿美元，从此名声大噪。早在1990年代末，他便指派一个团队专门研究自己的交易细节，并用相应的数据对计算机加以训练，希望有朝一日计算机能够成为交易主导者。
尽管自那时起相应的计算机程序一再升级，且如今仍然在Jones旗下的Tudor Investment正常运行，但却始终无法掌握Jones作出投资决策时所依据的精髓，更别提取代他成为交易的主导者。
在高盛看来，出现这种情况并不难理解，正因为同样的道理，销售人员以及交易员等岗位短期内还不到能被取代的时候。
美国媒体援引高盛风险管理系统SecDB的首席架构师Michael Dubno称，这些人脑中对现实世界的“精神图谱”要远比绝大多数计算机系统所能构建的要复杂。他认为，短期来看，AI的发展并不像人们普遍预期的那样快。他称：它（AI）会经历一些起起伏伏，最初看上去好像能够解决所有问题，但实际上后来只能解决很少的一部分，再后来就趋于沉寂了。
然而从现实世界来看，人们对机器学习的期待似乎仍然处在“能够解决所有问题”这个阶段，这也是对冲基金对机器学习投入乐此不疲的一个重要原因。
华尔街见闻此前曾提到，摩根大通全球股票电子交易负责人Daniel Ciment表示，内部代号为LOXM的AI程序从今年一季度起已在欧洲股票算法业务中投入使用，计划在四季度将其运用扩大至亚洲及美国地区。
据他介绍，LOXM并非只是机械地执行，它的特色在于能够利用“深度强化学习”方法，从过去几十亿条实盘和模拟盘的历史交易中进行学习总结，归纳经验和教训，以解决更加复杂的问题，比如怎样才能在不惊扰市场价格的情况下大量抛售股票。
评论 (0)