好奇心日报

好奇驱动你的世界

打开
城市
  • 万物简史
  • 人工智能
  • 大数据
  • 达利欧

「万物简史」桥水基金是如何利用大数据与人工智能的?

最重要的事情并不是预知未来,而是知道在每一个时间点上如何针对可获得的信息做出合理的回应。

早在 1980 年代初,桥水基金的老板瑞·达利欧就开始把大数据运用到交易决策中去。和现在的人们一样,达利欧当时面临的主要问题不是没有足够的数据,而是为何和如何运用这些数据。

一如现在的很多交易员,达利欧一度认为大数据是用来预测市场走势的。在 1981 年 12 月发表的一篇文章中,达利欧说如果有一台电脑能存储世界上所有的事实,同时拥有完美的程序,能以数学方式表达世界所有不同部分之间的所有关系,人们就能完美地预见未来。

后来他发现能预知未来,对于建立强有力的交易策略,并没有太大帮助。比如说预测到某种大宗商品的价格在未来可能是 75 美分左右,而如果它现在的价格是 60 美分,买入自然是有利的,但如果无法预测它的价格会不会先跌到 50 美分,最后才回升到 75 美分,还是无法预知何时买入、何时卖出才是最合理的。

换言之,最重要的事情并不是预知未来,而是知道在每一个时间点上如何针对可获得的信息做出合理的回应。由此,达利欧意识到,大数据是用来建立、验证和修正决策标准和决策系统的。

达利欧开始尝试把每一笔交易的决策标准写下来,然后把这些标准转化成公式,也就是现在人们所说的“算法”,再用这些公式计算历史数据,以检测历史交易的效果,进而根据具体结果合理地改进这些决策规则。

除了桥水的历史数据外,达利欧团队还输入了超过一个世纪的、所有有数据记录国家的历史数据,以透视经济/市场机器在历史上是如何运行的,如何对其押注,并通过检测结果改进决策标准,使之成为普适的标准。在决策标准确立之后,接下来的工作就是把现实中不断得到的数据输入这些决策系统,然后电脑就会处理这些数据,做出决策。桥水最初的利率、股票、外汇和贵金属系统就是这么产生的,然后团队又把这些系统合并为一个系统,以管理桥水的投资组合。

简言之,桥水所做的就是用算法来表述投资决策标准,然后用历史数据来检验,或者用算法表述工作原则,然后用其来帮助管理决策。与人脑决策相比,用电脑辅助的决策系统能让人们更快地做出考虑更全面、更少情绪化的决策,而且还有利于维系团队的团结,因为彼此间的争论将不再围绕结论进行,而是就不同的决策标准进行争论,而决策标准是可以被客观检验的,人们还可以在解决分歧之余优化标准。

在过去的 30 年里,桥水又不断为决策系统纳入了许多其他类型的规则,用来引导交易的各个方面。现在,当实时数据发布时,桥水的电脑能够分析来自 1 亿多个数据组的信息,然后以合乎逻辑的方式,向其他电脑发出详细的指令。达利欧说,假如没有这些系统,他很可能已经破产,或者因要从事如此繁重的工作而被压力逼死了。

当然,这不意味着盲从电脑的建议,在电脑工作的同时,人们自己也进行分析,然后对二者的结果进行对比,并搞清楚为何有分歧。大多数时候是因为人们忽略了某些东西,有时候则可能是因为系统“忽略”了一些标准,或者需要添加新的变量。

达利欧承认,在很多方面,人脑无法与电脑竞争,比如 24 小时工作的“毅力”,和快速、客观处理海量信息的能力。最重要的是,电脑对群体偏见和从众思维免疫,不会顾虑自己的结论会不会受人欢迎,而且从来不惊慌失措。

但与此同时,从电脑辅助决策中受益良多的达利欧,却给当下亢奋的人工智能热潮泼了盆冷水。达利欧不像一些守旧分子那样简单地认为电脑永远赶不上人脑,而是认为不能过于轻信乃至盲目运用电脑通过数据开采得出的规律,一方面这些规律可能因为与现实脱节,不足以应对未知的世界,另一方面在没有深刻理解这些规律背后的逻辑和因果关系的情况下,就将其应用于决策,是很危险的。

所谓数据开采是近年来机器学习发展最快的领域,是指功能强大的电脑消化大量数据,从中发现规律。达利欧对数据开采系统本身评价甚高,他认为有了足够强大的计算能力后,所有可能变量就都可以纳入考虑,由此得出的规律对人们的决策很有帮助。但人们不能盲目信任这些规律。

在未来的事物发展范围和格局与过去相同的情况下,也即当同样的情况以可靠的方式反复不变地发生时,例如在一场规则极其严格的游戏比如棋类比赛中,将算法得出的规律加以应用是有效的,这已被国际象棋和围棋的人机对弈结果所证实。但现实中事物不断变化,所以这样的系统很容易与现实脱节,因此无法应对未来的挑战。

另外一种风险是,电脑只负责“发现”规律并将其应用于电脑决策,而不需要“理解”这些规律背后的逻辑。达利欧指出,很多人因为发现机器学习比形成深刻理解容易得多,就盲目信任机器学习。但对达利欧而言,深刻理解必不可少,任何决定背后的逻辑如果无法说明,对他而言都是不可容忍的。他认为当人工智能使用者在没有深刻理解它的情况下,就接受机器学习创造的算法所假定的因果关系,甚至根据这些认识来行动时,可能会产生意想不到的风险。比如在没有深刻理解其逻辑的情况下,以机器学习为基础构建的投资系统就会很危险,因为人们弄不清楚过去发生的情况是否真有价值,即使有价值,也弄不清楚其价值是否已经消失,甚至走向负面。常见的情况是,一些决策规则变得非常流行,以至对价格产生很大影响,从而使反向操作成为更合理的做法。

对达利欧来说,相对于依赖人们并不真正理解的算法,对因果关系形成深刻理解所产生的兴奋、安全性和教育价值要有吸引力得多。不过他略带悲观地预测说,人们会越来越信任电脑发现的、超出我们理解范围的因果关系。这种信任有时会带来成效,有时会适得其反。人工智能可能会带来极快、极了不起的进步,但也可能会导致人类的毁灭。

而达利欧希望的未来是人类智能和人工智能同舟共济,因为这能带来最好的结果。我们拥有的想象力、理解力和逻辑能力是人工智能所不具备的,我们对人工智能的运用,最好就像司机利用 GPS 一样,是用来辅助我们的导航能力,而不是替代它。

推荐阅读:《原则

题图:achievement.org

一个物品如何成为一个全球化商品,一个物品如何促进全球化,一个物品又是如何实现全球化制造?「万物简史」这个栏目将从“物品”出发,去看这些“物品”如何渗透进我们的生活,并改变了我们的世界。

它关注的内容包括,集装箱铁路,水,迪士尼气候折扣,T恤,航海图,武夫,香料鸦片咖啡木材旧衣服,贸易,大豆,宜家阿拉伯,玉米,酒店,黄金,疾病,白银,皮毛石油,天然气,西方文明铁路股票大战汽车,奢侈品,贫困,抗生素,瑞士旅游业通用电气,有线电视,广告,探索频道,商人,车型人民币传教士鸟粪安利,冒险家,蒸汽机,航线,棉花茄子湖广填四川尼加拉瓜运河一汽大众洗浴纽约农业联盟汇丰银行登山港口棉布欧元亚马逊“优先配送”除草盗茶废品Zara 症荒野文化利玛窦的地图皈依者沈福宗黑死病鳕鱼人类基因下南洋红衣大炮经济中的野蛮人福利国家西医的草药机关枪铁皮坦克天花ISIS冷战体育运动海外华人滑铁卢战役朱可夫民国政党东印度公司火炮史迪威创新太平洋战争鸦片战争“西方震撼”中餐欧洲普鲁士阿拉伯民族主义中东战争雷曼倒闭金融危机中国青年游日团空气污染英特纳雄耐尔大众江青服满人团队运作日本产业政策绥靖政策纳粹煤炭一战苏联倒塌官司营销“收藏中国”选票印度独立茶叶杀菌萨利机长民粹主义葡萄牙探险队布热津斯基土耳其帝国阿富汗战争911中日关系法币改革红色货币超级版图国货反击战8·19 事件街头抗争清政府救市日本底层社会国共命运“惩越”外交战太平天国秦汉帝国西藏问题大英帝国斯大林忽必烈的“首都圈”倭寇战争中的民主麦克阿瑟的遗产白兰地、朗姆酒与现代美洲苏联电影奥斯曼帝国青年斯大林洋海关宋氏家族1916亚洲的素食主义欧美分歧晚清报人阿富汗清朝新疆财政成吉思汗大交换德国民族主义大清帝国皇家狩猎美国 1927电力之战锈蚀睡眠越南战争里根废墟五卅运动以巴分治以色列……

  • 万物简史
  • 人工智能
  • 大数据
  • 达利欧