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，在一对一无限注这种情形里，存在着10的160次方个决策点，也就是decision points，每个这样的点呢，依据出牌方的理解，有着不一样的路径 。

DeepStack运用循环推理用于处理信息不对称，借助分解把计算聚焦于相关决策，继而运用深度学习技术获取从单人游戏里自动学习到的关于扑克任意状态的直觉形式。

正是DeepStack突然出现，使得AI模型自此有了「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。

有不少从业者，尝试从诸多各异角度出发，去搭建一个更强有力的AI交易系统，像运用NLP模型来爬取金融领域的公开讯息，针对文章展开关系抽取，以此判断市场的狂热与悲观情绪，进而对预期作出判断 。

也有一些人运用先进的数学模型，来替换人为的主观判断，借助计算机技术，从海量的历史数据里，挑选出能够带来超额收益的多种大概率事件，以此来制定策略，比如各种量化交易的模型等等 。

三人组打算接着走 DeepStack 的老路，把原来模型里的一些想法套用到金融市场，还想把原来模型的概念也套用到那里。

也就是讲，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，举例而言，像DeepStack在扑克对局里取得优势就会获取reward，而在股票市场是套利之后得到reward，本质上二者是相同的，。

Schmid宣称，他不存在担忧监管机构针对这项技术实施制裁的情况，至于其原因在于，其他公司已然做出了与之相似的事情。

实际上，EquiLibre Technologies会跟AI算法选股产品Candlestick展开竞争，以及跟Yuyostox等进行竞争。

当前，市场里占据多数的交易呈现出算法化模式，Schmid称，他们试图达成的目标仅仅是打造一种更为优良的算法罢了。

有一些风投机构，已然给EquiLibre Technologies做了投资，Schmid宣称，这乃是捷克共和国有史以来规模最大的种子轮投资，不过却拒绝去透露具体的数字。

除三人组之外，Schmid透露，DeepMind的员工之间存在一个良好的技术联系网络，因此未来也具有招聘其他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。

德州扑克的决策，相较于股票而言，要简单得多，其状态，仅仅与牌桌上的人和牌相关，然而股票的涨跌，并非只源于市场的历史信息，还和多种外部因素，有着很大的关联，比如说，从长期看，企业的发展潜力存在影响德信竞技，从短期讲，政策导向、公司本身的财务、人事因素等，也都包含在内 。

提到加密货币的预测，那难度就更大了，有些新发行的加密货币，因为主力处于庄家手中，所以其涨跌并不受市场控制，比如说马斯克发了一条推特，狗狗币马上就暴涨了5倍，然而马斯克做客综艺节目称它是「骗局」之后，又暴跌了40%，而这些预测信息，是市场没办法反映出来的。

即使在进行回溯测试期间，人工智慧模型展现出极为出色的表现，可是，当将其应用于实际情况时，却不一定能够赚取利润；就算最终确实获得了收益，然而，很难确切判断这究竟是人工智慧策略所产生的积极回报率，还是整体宏观经济环境所引发的结果 。

简而言之呢，股市它属于是一个「有着反馈的非线性的那种系统」，然而股票的上涨下跌的这般现象却是一类「混沌现象」。混沌现象可是一个截至目前依旧没办法去预测的事物，就好像奶牛身体上那斑点的形状，天气处于那般变化历程，心脏跳动所呈现的波形，人脑的运作状况，海滩上杂乱石头的现有情形，滩涂所具有的形态等等这些统统都归属为混沌现象 。

我们能略知其一二，却永远无法精确地预测。

曾经存在这样一个段子，它讲的是，DeepMind在论文里公开表明，其研发的人工交易系统AlphaStock，在中国A股市场潜伏达36个月之久，中途历经持续不断的自我学习以及进化过程，然而最终的结果却是，亏损得越发的多，最后饱含着泪水退出了市场。

有股民朋友作出表示，“大A在无声无息之中，将敌人那一次秘密谋划的资本暗中争斗彻底碎解”，然而，这也从侧面展现出股市推测究竟是多么艰难。

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。

对于人类而言，精力存在着限度，阅读速度也具有一定的局限性，与之相比较，AI所具备的一个优势便是能够处理数量极其庞大的数据。

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。好多论文是在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。还有人利用搜索引擎，凭借搜索量的变化来进行预测，又或者依据发推特的数量之类信息去做预测，总而言之特征是丰富多样的。

那个强化学习，它会不会成为预测股市的答案呢？强化学习跟有监督的机器学习相比较，它不需要大型的带标签的数据集来去展开训练，而且它也呈现出许多显著的优势：

1. 在许许多多复杂的领域当中，像围棋吧，还有电竞游戏这类的，都已经被证实有超越人类玩家的那种潜在能力；。

可以通过针对奖励函数来定义投资组合价值的那种变化，进而让投资组合价值能够伴随时间实现最大化，并且这也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。

那么，不管是何种模型，事实上都并非关键所在，就预测这一行为而言，最为重要的是，输入的信息以及数据，绝对必须是优质的。

垃圾入垃圾出是一种常态，然而黄金入垃圾出同样也是一种常态，股票的混沌市场或许并不存在那么一种存在就能广泛适用、处处行得通的办法。

之所以说市场并非简单预测，是因为预测是依据历史趋势，如果只以一种依据，则判断单一，单一判断无法适应复杂多变的市场，而短期股票市场更像是「零和博弈」，在不考虑手续费的情形下，赚的钱必然是其他人亏的钱，倘若所有人都按历史趋势去预测，那所有人都赚不到钱。

所以，模型若想赚钱，那便得进行博弈，得清楚其他人在做何事，因为市场乃是由所有参与者共同决定的。

最后，投资有风险，入市需谨慎。

参考资料：

这个链接指向的内容是，有一位曾在Deepmind工作的人士，想要制作出一种能够挑选股票以及加密货币的人工智能，其具体页面为https://www.cnbc.com/2022/04/05/deepmind-alum-want-to-make-an-ai-that-can-pick-stocks-and-crypto.html 。