DeepMind三人组挑战股市，曾开发胜职业玩家的德州扑克AI

德州扑克属于典型的不完美信息博弈类游戏，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，对于每个这样的点，依据出牌一方的理解，会有着不一样的路径。

DeepStack，运用循环推理去处理信息不对称，借助分解使计算聚焦于相关决策，还运用深度学习技术德信竞技，从单人游戏里自动学习扑克任意状态的直觉形式。

然而，恰恰是DeepStack的突然出现，致使AI模型从那时起便拥有了「直觉」。

股票市场，明显是一种不完美信息的博弈游戏，而且市场有着比德州扑克更大的前景，不过竞争对手明显也更多。

一众从业者，从林林总总的角度着手，欲筑起更强大的AI交易系统，像借NLP模型抓取金融公开信息，对文章做关系抽取，判定市场狂热与悲观情绪，进而对预期予以判断。

还有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，于庞大的历史数据里，筛选出能带来超额收益的多种大概率事件，进而制定策略，诸如各种量化交易的模型之类。

并且，这三人所组成的小组，意图顺着深堆栈先前走过的路径继续前行，把原先模型当中所蕴含的某些想法以及概念，运用到金融市场这个范畴之内。

换句话讲，运用强化学习技术去训练AI系统，使其作出购买以及出售股票的决策，以此来将利润实现最大化，举例来说，像DeepStack那样，在扑克对局里取得优势进而会获取reward，而股票市场则是在套利之后取得reward，从本质层面而言，二者都是相同的。

施密德表明自身并不担忧专门的监督组织进而会针对此项技术实施惩戒措施，原因在于别的企业已然在开展相似的行为行动了。

实际上，是EquiLibre Technologies，它会去和AI算法选股产品像Candlestick以及Yuyostox等等展开竞争。

目前，市场之上，大部分的交易，体现为算法化的，Schmid宣称，他们所欲施行的，乃是一个更为优质的算法罢了。

有一些从事风投业务的机构，已然针对EquiLibre Technologies展开了投资行动，Schmid宣称，此情形乃是捷克共和国在其发展历程当中，所出现的规模最为庞大的种子轮投资状况，不过，他却拒绝去透露其中所涉及的具体数字。

除三人组外，Schmid透露，DeepMind员工间存在一个良好的技术联系网络，故而未来亦有可能招聘其他DeepMind员工进来。

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。

与股票相比，德州扑克的决策简直太过简单，其状态仅仅关乎牌桌上的人和牌，然而股票的涨跌可不单单源于市场的历史信息，它和多种繁杂的外部因素可是密切相关的，就长期而言，企业的发展潜力是其一，短期来讲，政策导向、公司自身的财务状况、人事方面的因素等也都包含在内。

说到加密货币的预测，反倒更为困难，某些新发行的加密货币，因主力全在庄家手里，故而涨跌并不受市场把控，就像马斯克发了一条推特后，狗狗币瞬间暴涨5倍，然而马斯克做客综艺节目称其是「骗局」后，随即又暴跌40%，而这些预测信息是市场根本无法如实反映的。

即便AI模型于回测期间呈现出极为出色的表现，然而将其应用于现实状况时却不一定能够实现盈利；就算存在盈利的情形，也难以确切判定究竟是源于AI策略引致的正向收益，还是由宏观经济环境起到的作用所导致的。

简略来讲，股市归属一个“存在反馈的非线性系统”，并且股票的涨跌情形是一种“混沌现象”。混沌现象是一个至今依旧无法进行预测的事物，像奶牛躯体上的花纹形态，天气状况的改变，心跳所呈现的波形，人脑的运转，海滩之上乱石当下的情形，滩涂的形态等等均属于混沌现象。

我们能略知其一二，却永远无法精确地预测。

段子曾有这么一个，说是DeepMind在论文里边公布，其开发的那个人工交易系统AlphaStock，在中国A股潜伏了36个月，经过持续不断地自我学习以及进化，最终却是越加亏损，以含泪的状态出局了。

有股民朋友对外宣称，「大A默默无闻地成功挫败了敌人的一次资本暗中较量行为」，不过这也从侧面展现出股市的走势预测是多么具有难度了。

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。

相较于人类精力有限以及阅读速度受限而言，AI存在着一个优势，那便是能够处理海量的数据。

模型依据分析海量数据来开展预测，举例用对爬取的相关文本运用情感分析技术予以分析，进而得出市场的悲观或者乐观态度，众多论文是基于情感分析之上再添加其他特征以提升准确率；还有人借助搜索引擎，凭借搜索量的变化来进行预测；或者依照发推特的数量等信息去实施预测，总而言之特征是丰富多样的。

强化学习，它会是预测股市的那个答案吗？强化学习跟有监督的机器学习相比较而言，它不需要大型的带有标签的数据集来开展训练，而且它还存在有许多明显的优势：

在诸多复杂领域当中，像围棋，电竞游戏这类之中，已经有人被证明具备超越人类玩家的潜力，这些领域包含围棋、电竞游戏等 ，有超越人类玩家的潜力被证明了。

投资组合价值的变化能够借助奖励函数来予以定义，进而促使投资组合价值随着时间实现最大化，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。

固然如此，而究竟是何方模型，实际上都不见得关键，就预测这一行为而言，最为关键的，始终是所凭借的输入性信息、被运用至其中的数据，必然得是具备相当质量水准的。

垃圾输入垃圾输出是一种习以为常的形势，可虽如此，黄金输入垃圾输出同样算得上是习以为常的状况，股票的那种混沌市场或许并不存在一个方法一直有效，能在各个方面都适用。

市场不是简单预测的那种范畴，预测乃是依据历史趋势而来，短期股票市场仿若「零和博弈」，在不考量手续费时，赚的钱必定是其他人亏的钱，要是所有人都运用历史趋势从事预测，那所有人都赚不到钱财哟。

故而，模型若要挣钱，那就得展开博弈，就得清楚其他人正在做些什么，这是由于市场乃是由所有的参与者一同决定的。

最后，投资有风险，入市需谨慎。

参考资料：

参考链接为https://www.cnbc.com/2022/04/05/deepmind-alum-want-to-make-an-ai-that-can-pick-stocks-and-crypto.html ，其所指向的内容显示，有一位来自Deepmind的前员工，想要制作出一种人工智能，这种人工智能能够挑选股票以及加密货币。