单元 1 / 6 · 5 分钟阅读

AI 与算法交易究竟是什么意思

“AI 交易”是一个把三种截然不同的东西混为一谈的营销简称；学会分辨基于规则的机器人、真正的机器学习，以及 AI 辅助工具，大部分的炒作就会烟消云散。

试试看 · 为 AI 宣称分类

0/ 4

标榜为 AI · 产品 A宣称 1 / 4

一个 AI 机器人在价格上下自动挂出买卖单，借波动获利。

这其实属于哪一类？

选出这个工具实际所属的类别，再核对你的答案。

在继续读下去之前，先试试上面的分类器：把每一则营销说法归入三个分类之一，看看那个标签变得多么经不起推敲。“AI 交易”是市场上最被过度吹捧的词语之一。同样这两个字，被盖在从一个遵循单一固定规则的简单机器人，到一个只是转卖别人买卖建议的订阅服务等各种东西上。好消息是：在所有品牌包装的背后，这些工具中的任何一个，其实都只能是三种东西之一。一旦你能说出眼前的是哪一种，大部分的炒作就会烟消云散，而你会确切地知道下一步该问什么。这个过滤器是整门课程中最有用的一项技能，所以我们从这里开始。

真正重要的那个问题

直觉会让人去问“这是自动化的吗？”。那是个错误的第一个问题，因为自动化早已是常态。基于规则的程序运行着美国股票交易量的大部分，依常见估计约为 60% 到 75%。自动化并不新奇，它本身也并不阴险。

有用的问题不一样：**这是哪一种自动化，而它真正在做多少决定？**一个遵循一条你读得懂的规则的工具，和一个自行发明规则的模型，是天差地远的；而这两者又都不同于一个只是帮你做决定的工具。以下三个分类，由自主程度最低到最高排列。

基于规则（算法）的交易

这是一个运行着人类事先写好的固定“若—则”规则的程序。一条规则可能是这样：“如果 50 日均线向上穿越 200 日均线，就买入；如果它向下穿回，就卖出。”程序会一丝不苟、不知疲倦、毫无情绪地照做。它从不发明新规则，也从不学习。

有两个词很能形容它：确定性与可审计。给它相同的数据，它总是做出相同的事，而且你可以读到产生任何一笔交易的那条确切规则。你作为散户会遇到的大多数所谓机器人，都住在这里，无论它的营销页面怎么称呼它。

机器学习交易

这一种在本质上就不同。模型不是遵循人类写下的规则，而是研究历史数据，摸索出自己的模式，并能随着新数据的到来加以调整。没有人把规则打进去；是模型自己找出来的。

这让它确实更强大，也远更脆弱。因为模型会去追逐任何契合它所看到数据的东西，它很容易学到不会重演的噪声（这个陷阱叫做过拟合，稍后有专属的一个单元）。真正的机器学习交易很困难、极度渴求数据，而且大多是资金雄厚的量化公司的天下。真正在做这件事的消费级产品少之又少，无论它们怎么宣称。

AI 辅助交易

这里由人类主导。工具是增强你的决策，而不是自行交易：它可能为你摘要新闻、标示一个图表形态、建议一个仓位规模，或回答一个问题，但扣下扳机的仍然是你。

这是自主程度最低的一类，而对散户来说，它在实际上往往最有用，正是因为在最关键的那些时刻，判断权仍握在人的手上。“AI 辅助”与“全自动”位于控制光谱的两个相反端点。把其中一个当成另一个，是一种经典的营销手法。

大多数“AI 交易”产品的真实面目

重点来了。绝大多数以人工智能为名销售的散户产品，其实是简单的基于规则的机器人（一个网格，或一个均线交叉），或是转卖别人买卖建议的信号订阅服务。“AI 驱动”、“神经”、“深度”、“自我学习”、“量子”这类词语被挑选出来，是为了掩盖一具平凡的引擎，并为一笔费用找理由。

所以在你评判任何工具之前，先强迫把它归进一个分类。问：它是在运行固定规则、是真的在从数据中学习，还是只是在帮一个人做决定？你最后落在哪个分类，会告诉你接下来该问哪些问题，以及该把多少营销说辞打折扣。

解码三款“AI”产品

盒子上是同样的两个字，里面却是三种完全不同的东西。试着把每一个分类，并问出正确的追问。

产品 A：“AI 机器人在价格周围智能地摆放买卖单，从波动中获利。”解码：一个网格机器人，纯粹基于规则的自动化。追问：当市场走出趋势、突破网格时会发生什么？
产品 B：“我们的深度学习模型以 92% 的准确率预测下一根 K 线。”解码：一个机器学习的宣称。追问：拿出样本外的结果和成本给我看（下一个折叠区会说明为什么单看那个 92% 意义不大）。
产品 C：“AI 副驾标示形态并解释风险；由你下单。”解码：AI 辅助，由人主导。追问：它是否在不夺走我决定权的前提下，改善我的决策？

学会在几秒内做出这个三方分类，就已经赢了大半。

为什么 92% 的胜率仍然可能亏钱

高胜率听起来所向披靡，但它对盈亏幅度或成本什么也没说。假设一个工具有 92% 的时间获胜，但每一次赢只赚 1，每一次输却亏 15。

在 100 笔交易中：你赢 92 笔，赚得 92 x 1 = 92；你输 8 笔，亏掉 8 x 15 = 120。净结果：亏损 28，这还没算上手续费和滑点让它更惨。那个“92%”也几乎总是以样本内衡量的，意思是在模型被调校的同一批数据上，所以就连这个数字本身通常也是往好看说的。

教训：胜率本身不是证据。永远要问赢的幅度相对于输的幅度有多大，以及成本有多少。

为什么 AI 辅助可能是最安全的一类

自主程度最低的工具往往最安全，这感觉很反直觉，但背后有一个扎实的理由。固定规则和训练好的模型，只认得它们被建立在其上的那些情境。当某种罕见、超出那份经验的事情出现时（就是稍后黑天鹅单元所谈的那种事件），人类能认出“这不正常”并介入，而自动化系统则会一如既往、信心十足地继续执行。

让一个人守在扳机上，并不代表这是个原始的工具。它是一道刻意设置的防护，恰恰守着那些会造成最大伤害的时刻。

快速知识测验

用一句话分别说明，这三个分类有何不同？ 基于规则的交易运行的是人类写好的固定“若—则”规则；机器学习交易从数据中摸索出自己的模式；AI 辅助交易则是帮助一个仍然做最终决定的人。

为什么“这是自动化的吗？”是个错误的第一个问题？ 因为自动化早已是主流（美国股票交易量大多是基于规则的），所以答案几乎总是“是”，这什么也没告诉你。有用的问题是：它是哪一种自动化，以及它实际上做了多少决定。

一个工具宣传 92% 的胜率。为什么这不足以让人信任它？ 胜率忽略了赢相对于输的幅度以及成本，所以高胜率搭配失衡的盈亏，仍然可能亏钱，而且这个数字通常是以样本内衡量、未经验证的。

资料来源

SEC (Division of Trading and Markets), "Staff Report on Algorithmic Trading in U.S. Capital Markets"：基于规则、预先设定程序的订单执行，几乎或完全没有人为介入。
arXiv (academic), citing Hendershott et al. (2011) and Brogaard et al. (2014)：美国股票交易量的大部分是算法交易（常被引用约为 60 到 75%）。
ISO/IEC 22989, "Artificial intelligence — Concepts and terminology"：从数据中学习模式、而非遵循明确写下规则的模型。
SEC and FINRA (Joint Investor Alert), "Automated Investment Tools"：一种被简化为默认进出场规则的策略，仍然需要人为监督。