从德扑到基金，MIT博士创办Quantomic Capital，将AI用于金融
机器学习被认为是下一波技术浪潮的重要推动力之一，此时此刻被开发者、资本寄予厚望。归功于阿法狗，当下更是发展到了普通人在街头巷尾都能聊两句人工智能的程度。从Gartner的技术成熟度曲线（2016版）来看，机器学习也达到了期望值的顶峰。如同互联网不断向人们生活的各方面以及产业深处渗透，形成“互联网+”的现象， 随着人工智能的发展，未来也可能会变成“AI+”的时代。
三个要素决定了机器的“智力”：是否有海量的有闭环反馈的标注数据、算力以及算法。得益于GPU的发展，只需要购买足够的硬件，算力不构成发展AI发展的瓶颈。于是这个问题变成，哪个垂直领域具有足够庞大的标注数据群训练模型，便是最有可能摘得果实的领域。
金融作为信息化程度非常高的垂直领域，在数据量层面相对于其他行业更为丰富，被认为是人工智能之树上“挂得比较低的果子”。
36氪近期接触的Quantomic Capital, LLC即是一家应用深度学习算法交易的对冲基金。2017年，Quantomic Capital曾获得涌金集团260万美元的投资。
36氪也曾报道过AI+金融的早期项目，例如创新工场与铂诺理财合作研发基金投研工具以及AI基金、诸葛量化借鉴Trading System Lab模式将遗传算法技术用于量化投资等。
金融行业存在一个永恒的需求，那就是如何找到更优的投资策略，而且这种“更优”，是相对交易对手而言。各个基金在市场中较量中，如何更早地挖掘到前沿科技带来的技术红利成为重要命题。这也是为什么国际大型对冲基金都愿意重金聘请AI科学家。
今年5月19日，对冲基金Citadel就聘请了在微软任职17年的前人工智能首席科学家邓力任其首席人工智能官（Chief AI Officer）。Citadel创办于1990年，其主营业务包括对冲基金和券商，公开资料显示，截止到2015年5月，Citadel的资产管理规模超过260亿美元，是世界上最大多策略对冲基金之一。
Quantomic Capital创始人戎子钦为MIT计算机科学硕士，材料科学与工程学博士，硕士课题为自然语义分析方向，博士课题为搭建材料基因组计划的高通量计算系统。此前戎子钦曾为在线教育机构Ready4的创始团队成员之一，负责公司自适应学习算法的开发。Quantomic Capital联合创始人黄文轩与戎子钦同为MIT博士，主修材料工程科学，开发出了基于数学中逻辑优化的3维Ising模型严格解的算法。（3维Ising模型全局最优解是一个困扰了学术界长达30年的问题，其2维模型的解析解也曾困扰物理学界良久，是1932年诺贝尔物理学奖获奖者Werner Heisenberg主要的终身成就之一。）
两人均是德州扑克的爱好者，一起做项目结缘于2016年MIT校园中举办的机器人扑克比赛，并获得了当年的最有创意策略奖。戎子钦认为，扑克游戏与投资具有异曲同工之处，在多数时候，两者均为零和博弈，并希望运用稳定演化的策略，在一个多人博弈中取得统计意义上的正EV。
戎子钦和黄文轩成立Quantomic Capital，希望使用基于深度学习的算法，用机器去除金融交易中人性中存在的贪婪与恐惧等情绪的影响，达到统计意义上的长久盈利。现在Quantomic Capital的自动交易和研究的代码框架已经初步完备 。
“虽然金融市场有大量的公开数据，但对比深度学习算法取得巨大成功的计算机视觉和语言学等领域来说，后者的一个模型动辄有几百万张图片的训练数据，金融领域数据量还是非常小的。”戎子钦和黄文轩表示，“而机器学习的局限性也在于只能预见历史中大量反复出现的情况，对小概率发生的事件没有顶抗能力，如今年的Brexit，Trump当选等远远超出人们预期的事件，而恰恰是这些无法预测的长尾事件，虽然发生的概率非常小，但是一旦发生，一般都会给基于深度学习的交易系统带来巨大的亏损，这是主要风险的来源之一。”
“这是一个非常吸引我们的问题，如果幸运，当然希望能够一直研究下去。一方面与传统深度学习领域的问题相比，这个问题可供用来训练的有效数据量比较少，且数据中由于交易的随机性引入的噪音非常多。但同时，这个问题也不要求达到图像识别95%+的正确率。实际情形就像高手打扑克一样，100手牌2~3个大盲的优势即可获得长久时间上的盈利。”他们表示。
即使如Citadel这样体量的金融机构也没有披露AI应用于投资决策的成果，当前大部分的项目都处于探索阶段。
好在，市场情绪仍然对这个方向充满信心，这也意味着更多的人才和资本会进入这个赛道，加速掘金进程。
-----------------------------------------------
我是Ruby，关注金融相关创业项目，项目报道可联系微信 LT297759835，烦请注明公司职位和来意。
