DeepMind三人组挑战股市，曾开发德州扑克AI战胜职业玩家

德州扑克属于典型的那种不完美信息博弈游戏，于一对一无限注这种情形里，存在着数量达到10的160次方个决策点，也就是decision points，在每一个这样的点上，依据出牌方所具有的理解，有着不一样的路径。

DeepStack运用循环推理去处理信息不对称，采用分解把计算聚焦于相关决策，同时借助深度学习技术从单人游戏之处自动学习有关扑克任意状态的直觉形式。

DeepStack突然出现，正是因为这样，AI模型从此便有了「直觉」。

股票市场，明显是一种不完美信息的博弈游戏，市场前景，比德州扑克更大，然而，竞争对手，显然也更多。

存在数量颇为可观的从业者，尝试从林林总总的不同角度着手，去努力搭建一个更具强大力量的AI交易系统：像是运用NLP模型来爬取金融方面的公开信息，针对文章开展关系抽取，以此判断市场的狂热以及悲观情绪，进而对预期作出判断。

换一种方式，有人运用前沿的数学模型更换成人为的主观判断去替代，借助计算机技术，从海量的历史数据里挑选出多种能带来超额收益的大概率事件去制定策略。这些大概率事件经过海量历史数据的筛选，像各种量化交易的模型等。

然而，这三人所组成的小组，却是打算顺着DeepStack曾经走过的路径继续前行，将原本模型当中的某些想法，以及一些概念，运用到金融市场里面去。

即便是运用强化学习技术，去训练AI系统，使其做出购买以及出售股票的决策，以此来将利润最大化，就如同DeepStack在扑克对局里取得优势时可以获得reward，而在股票市场中，是在套利之后能够获得reward，实际上本质都是相同的。

施密德表明德信竞技，他不存在担忧监管部门会针对这项技术实施制裁的情况，缘由在于其他企业已然在开展相似的行为。

实际上，EquiLibre Technologies会和名为 Candlestick 的 AI 算法选股产品竞争，还会与名为 Yuyostox 的 AI 算法选股产品竞争。

当下，市场里的多数交易呈现出算法化的特征，Schmid表明，他们意图达成实施的仅是一种更为优良尚佳的算法罢了。

已有一些致力于风险投资的机构，针对EquiLibre Technologies展开了投资行为，Schmid宣称，此项投资构成了捷克共和国历史上规模最为庞大的种子轮投资，然而却拒绝公布具体的数字信息。

除三人组之外，Schmid透露，DeepMind的员工间存在一个良好的技术联系网络，因此，未来也存在招聘其他DeepMind员工进来的可能性。

AI和股票谁能赢？

德州扑克能战胜人类选手，股票和加密货币却未必。

相对股票而言，德州扑克这一游戏的决策可要简单好多好多了，其状态仅仅跟牌桌上的人和牌存在关联，然而股票的涨跌绝非仅仅源自市场的历史信息，它还与多种外部因素有着极大的关系，举例来说，从长期角度来讲，企业的发展潜力会形成一定影响，要是说短期的话，那其中还涵盖政策导向、公司自身的财务状况、人事方面的因素等等。

说到加密货币的预测，那可就繁杂得多，有些全新发行的加密货币，因为主力都攥在庄家手里面，所以它的涨跌根本不受市场的掌控；就像有的时候，马斯克发了那么一条推特，哇，狗狗币一下子就暴涨了5倍；然而，当马斯克去做客综艺节目并宣称它是「骗局」后，狗狗币又急剧暴跌了40%，而这些预测出来的信息，是市场根本没办法反映出来的。

即使AI模型于回测里展现出极为出色的表现，将其运用到现实当中却不一定能够赢利；就算能够挣到钱，也很难确切判定是AI策略产生的积极收益，还是大的经济环境所引发的。

简略来讲，股市属于“有反馈的非线性系统”，股票涨跌现象是“混沌现象”。混沌现象是当前尚无法预测之物，像奶牛身上花纹形状、天气变化、心跳波形、人脑运行、海滩上乱石情形、滩涂形状等，皆属混沌现象。

我们能略知其一二，却永远无法精确地预测。

曾经呀，有个段子，讲的是，DeepMind在论文里公布，其所开发的人工交易系统AlphaStock，在中国A股潜伏了36个月，经了过一番又一番的、持续不间断的自身学习，还有进化，可最后呢，却是亏得越来越多，最后含着泪离开了，出局了。

有股民朋友讲，“大A悄无声息挫败敌人一回资本暗中争斗”，只是也从侧面说明股市预期有多不容易判断。

那是不是说股票就是完全不可预测？也未必，理论上还是可行的。

拿人类那有限的精力以及阅读速度来作比较，AI所具备的一个优势便是能够处理数量庞大得如同海洋一般的数据，是这样的情况。

模型能够借助分析海量数据来开展预测，比如说运用情感分析技术针对爬取的相关文本予以分析，进而得出市场的悲观或者乐观态度。众多论文均基于情感分析的基础之上再增添其他特征用以提高准确率；还有人借助搜索引擎，依靠搜索量的变化去进行预测；或者依据发推特的数量等信息来实施预测，总而言之，特征是丰富多样的。

会不会预测股市的答案是那强化学习呢，强化学习跟有监督的机器学习相比较，进行训练不需要大型的带标签的数据集，进而并有也许多显著优势：

在好多复杂的领域当中，其中像围棋，还有电竞游戏这类，都已然被证实是有着超越人类玩家的那种潜力的。

2. 能够借助奖励函数明确界定投资组合价值的变动情况，进而促使投资组合价值伴随时间实现最大化状态，这同样契合投资的最终目标。

3. 强化学习模型可以在现实股市中不断学习，优化性能等。

自然而言，无论何种模型，实际上都并非关键所在，就预测这一行为来讲，最为重要的是，输入的信息以及数据，必定得是优质的标点符号！

垃圾输入垃圾输出是一种常态，然而黄金输入垃圾输出亦是一种常态，股票所处的混沌市场，或许并不存在一种能以不变应万变的方法，做到在各处都适用。

这是由于市场并非单纯的预测，预测是依据历史趋势而形成的，然而短期的股票市场类似于「零和博弈」，在不考虑手续费时，所赚取的钱必定是其他人亏损的钱，要是所有人都运用历史趋势来进行预测，那么所有人都无法赚到钱。

所以，模型若要挣钱，那就必须进行博弈，还得清楚其他人正做着什么，缘故在于市场乃是由全体参与者一同造就的。

最后，投资有风险，入市需谨慎。

参考资料：

链接为，https://www.cnbc.com/ ，2022年4月5日发布的内容是，一位曾在Deepmind工作过的人想要制造出一种人工智能，该人工智能能够挑选股票以及加密货币。