科學(xué)家門從經(jīng)濟(jì)學(xué)角度出發(fā)，詳細(xì)探討了AI預(yù)測功能在實際生活中的運(yùn)用，AI真的可以預(yù)測經(jīng)濟(jì)了嗎？至少目前看來，答案仍是不確定的。

眾所周知， 人們難以預(yù)測的東西有二，一是死亡，一是經(jīng)濟(jì)。

成功預(yù)測經(jīng)濟(jì)走向，幾乎成為經(jīng)濟(jì)學(xué)領(lǐng)域的圣杯。自學(xué)科誕生以來的兩百多年中，無數(shù)經(jīng)濟(jì)學(xué)家創(chuàng)派立說，期望通過邏輯縝密的理論、構(gòu)建精準(zhǔn)的模型，推演出經(jīng)濟(jì)活動的規(guī)律與趨勢，幫助人類更加從容地應(yīng)對發(fā)展與危機(jī)。

然而，理論和現(xiàn)實存在著差距。雖然經(jīng)濟(jì)學(xué)的任何一個微觀問題都可被看作數(shù)學(xué)問題，就像氣象學(xué)里水汽遇到冷空氣會下雨一樣簡單。但實際上，影響宏觀經(jīng)濟(jì)走向的因素過于復(fù)雜，龐雜多變的信息增大了預(yù)測難度，導(dǎo)致偏誤的產(chǎn)生。因此，大部分的學(xué)科成果仍然建立在已發(fā)生和驗證的經(jīng)濟(jì)學(xué)事件之上。

不過，隨著AI時代的到來，情況似乎發(fā)生了轉(zhuǎn)變。

預(yù)測股市趨勢變化的AI

股市是人類整體經(jīng)濟(jì)行為的一個中層縮影，它的直接波動受到每一只股票所代表的公司背后的微觀行為影響，而長期趨勢又受到宏觀因素的影響。

相比預(yù)測“經(jīng)濟(jì)”這一目標(biāo)，預(yù)測股市有著更好的衡量標(biāo)準(zhǔn)同時也有著巨大的現(xiàn)實利益，這使得AI預(yù)測股市成為了許多技術(shù)公司競相比拼的領(lǐng)域。

事實上，利用計算機(jī)對股市進(jìn)行預(yù)測早在本次AI浪潮來臨之前便有人嘗試。首版問世于1991年的VantagePoint，便是一個運(yùn)用人工智能來進(jìn)行股票趨勢預(yù)測的軟件。

它采用了深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)和識別模型技術(shù)，通過對全球性的市場數(shù)據(jù)進(jìn)行學(xué)習(xí)和分析，來對股市未來一至兩天內(nèi)的走向做出判斷。其發(fā)明者，Louis Mendelsohn，于1983年研發(fā)了世界上第一個面向私人電腦的戰(zhàn)略后臺計算軟件。隨后，他意識到一個不斷增長、相互聯(lián)系的世界性金融市場的意義將遠(yuǎn)超人們預(yù)期，便開始著手研發(fā)AI預(yù)測軟件。迄今，VantagePoint已獲得兩項軟件專利，并在全球范圍內(nèi)被各類投資人廣泛使用。

其運(yùn)行機(jī)制具體來說是這樣的。VantagePoint的平臺上存儲了來自全球數(shù)以千計市場的數(shù)據(jù)信息，AI以此為基礎(chǔ)進(jìn)行運(yùn)算和分析。軟件使用者——譬如投資者——在操作軟件的時候，根據(jù)自己想要查看的特定內(nèi)容，在軟件系統(tǒng)提供的設(shè)置項里進(jìn)行相應(yīng)設(shè)定。隨后，VantagePoint便可在海量數(shù)據(jù)中進(jìn)行快速查找、篩選和分析，挑選出30個最具預(yù)測性、對投資者的目標(biāo)結(jié)果最具影響力的國際市場?；谶@些影響因子的狀況，最終系統(tǒng)能夠?qū)浖褂谜咂诖内厔葑鞒龀暗摹话闶俏磥硪恢羶商臁A(yù)測，稍早于傳統(tǒng)市場。

VantagePoint運(yùn)行界面示例

如今，經(jīng)過數(shù)次更新?lián)Q代，根據(jù)VantagePoint官方的說法，軟件在預(yù)測上的準(zhǔn)確度上已達(dá)到86%的水平，個人定制、易于操作、長期記錄和高預(yù)測精確度是其獨(dú)一無二的優(yōu)勢。

的確，從技術(shù)角度來說，想要最大化對于貿(mào)易趨勢的超前或即時預(yù)測的精確性，是沒有AI就無法完成的事情。從另一個功能性角度來說，AI亦承擔(dān)了大量搜索和確定潛力市場的工作，為人類節(jié)省了時間。這種”過濾”功能，使得系統(tǒng)能夠通過一打使用者自由設(shè)置后的選項瞬間確定目標(biāo)，將結(jié)果以列表方式呈現(xiàn)出來，供人們記錄和存儲。用戶的體驗是無縫連接的。

但是，即便如此，VantagePoint依然存在局限性。首先，軟件的預(yù)測準(zhǔn)確率上限是86%——雖然按照官方說法這已然是非常高的精確程度了——仍然存在14%的誤判風(fēng)險，其86%的準(zhǔn)確率也并非每次都能穩(wěn)定發(fā)揮。其次，軟件能夠預(yù)測的時間段被局限于當(dāng)前已給數(shù)據(jù)在接下來的一至二天內(nèi)。對于一些重大的貨幣運(yùn)作事件來說，提前一兩天的預(yù)報并不能給予投資者足夠的時間來調(diào)整策略和規(guī)避風(fēng)險。

躲過08金融危機(jī)的AI

Rebellion Research的AI金融投資平臺是另一個著名的例子。

這家公司的主要業(yè)務(wù)是面向全球的客戶提供資產(chǎn)管理和金融投資服務(wù)。公司方認(rèn)為，由于制定投資策略需要處理極其多樣化的信息，運(yùn)用手動選擇影響因素、分析關(guān)系并創(chuàng)建投資組合的流程所獲得的結(jié)果，其科技嚴(yán)謹(jǐn)性無法規(guī)避“人類情感的陷阱”，因而遜于機(jī)器分析。因此，他們使用機(jī)器學(xué)習(xí)技術(shù)，發(fā)明了使用貝葉斯網(wǎng)絡(luò)來提供資產(chǎn)管理和金融投資服務(wù)的AI平臺。

Rebellion Research 官網(wǎng)

Rebellion Research機(jī)器學(xué)習(xí)投資系統(tǒng)的運(yùn)作，具體來說是這樣的。系統(tǒng)將盡可能多的投資影響因素納入考慮范圍，包括個人股票價格，以及覆蓋全球53個國家的全球經(jīng)濟(jì)學(xué)等，在此基礎(chǔ)上，AI構(gòu)建出優(yōu)于全球股票市場的優(yōu)化投資組合。這項機(jī)器學(xué)習(xí)系統(tǒng)可適用于從三個月到三年的中長期投資分析任務(wù)，并根據(jù)其運(yùn)算出的、對于全球經(jīng)濟(jì)的預(yù)測結(jié)果來調(diào)整投資戰(zhàn)略。此外，AI還提供了一個靈活的框架，使用者能夠?qū)⒚刻炜捎玫男聰?shù)據(jù)與先前的市場知識自動集成，以預(yù)測庫存績效。

這個AI投資平臺于2007年問世之后，最著名的戰(zhàn)績是對2008年金融危機(jī)的成功預(yù)測，以及在希臘債券降級前一個月率先打出了F評級。此外，根據(jù)官網(wǎng)展示的一項投資累計回報率排名來看，采用了Rebellion Research的AI投資平臺所提供戰(zhàn)略的客戶群體，自2007年至2018年之間，獲得了228.1%的回報。這種高回報率使得Rebellion在各大公司中奪得頭籌。

投資累計回報率排名表

AI可以預(yù)測經(jīng)濟(jì)了嗎？

加拿大多倫多大學(xué)顛覆性創(chuàng)新實驗室（簡稱CDL）的三位科學(xué)家阿杰伊·阿格拉沃爾、喬舒亞·甘斯和阿維·戈德法布在新作《AI極簡經(jīng)濟(jì)學(xué)》(Prediction Machines) 中從經(jīng)濟(jì)學(xué)角度出發(fā)，詳細(xì)探討了AI預(yù)測功能在實際生活中的運(yùn)用。

他們認(rèn)為, 人工智能當(dāng)前的進(jìn)步浪潮給我們帶來的其實不是智能，而是智能的一個關(guān)鍵組成部分——預(yù)測。AI能讓預(yù)測變得廉價，變得隨處可見。由此，當(dāng)人們將AI作為工具，投入到社會各領(lǐng)域——譬如經(jīng)濟(jì)學(xué)——的具體應(yīng)用之中，不僅可嘗試著解決那些古老而意義重大的預(yù)測問題，還能用一種全新的方式去改寫行業(yè)運(yùn)轉(zhuǎn)和發(fā)展的模式。

從VantagePoint，Rebellion Research的例子，以及更多互聯(lián)網(wǎng)公司的AI產(chǎn)品來看，科學(xué)家們的這一理論似乎是正在發(fā)生、且被逐步驗證著的事實現(xiàn)象。那么，基于前述這些AI取得的勝利成果，我們是否能夠下此結(jié)論：“AI可以預(yù)測經(jīng)濟(jì)了”？

目前看來，答案仍然是不確定的。

人工智能基于算法和數(shù)據(jù)分析對未來趨勢做出預(yù)測。處理龐大數(shù)據(jù)、學(xué)習(xí)構(gòu)建模型以及快速反應(yīng)的能力是其無可比擬的優(yōu)勢。但是，由于AI的學(xué)習(xí)、分析和預(yù)測能力均建立在大量的數(shù)據(jù)樣本的基礎(chǔ)之上，當(dāng)數(shù)據(jù)樣本發(fā)生變化或產(chǎn)生偏差時，人工智能無法自主判斷和識別問題，由此構(gòu)建出來的模型和預(yù)測也就失去了可靠度。假如無法保證輸入數(shù)據(jù)的準(zhǔn)確性，則人工智能預(yù)測結(jié)果的準(zhǔn)確性也無法得到保證。

AI也無法處理現(xiàn)實世界的復(fù)雜問題，無法理解非理性、非數(shù)據(jù)的因素在實際應(yīng)用中的影響。而在經(jīng)濟(jì)發(fā)展趨勢這個宏大命題之中，恰恰存在許多隨機(jī)的、人為的、反規(guī)則性的因素，并對經(jīng)濟(jì)發(fā)展產(chǎn)生著不容忽視的影響。所以，正如前文所述，即使在高度規(guī)則化的股票市場里，VantagePoint這種久經(jīng)沙場的AI也不能突破90%準(zhǔn)確率的天花板。而在非金融市場領(lǐng)域的經(jīng)濟(jì)預(yù)測，所要涉及的變量和變量之間隱藏的邏輯線則讓AI預(yù)測變得更加不可能。

此外，AI的運(yùn)行仍需依賴相關(guān)的技術(shù)人力，好的預(yù)測結(jié)果，往往出自建立AI的程序員與具備專業(yè)知識的分析師之間的良好交流與協(xié)作。如何能運(yùn)用人工智能獲得更高效、更準(zhǔn)確、更穩(wěn)定的預(yù)測結(jié)果，也是技術(shù)人員不斷探索的方向。

綜上所述，我們或許可以得出這樣的一個結(jié)論。

AI時代的到來，的確在某種程度上改變了經(jīng)濟(jì)發(fā)展走向的不可預(yù)測性。許多具體問題的推進(jìn)和解決，讓人們對整體趨勢有了更好的認(rèn)識和把控。但是，正如文章開頭所說，宏觀的經(jīng)濟(jì)學(xué)議題涵蓋了過于廣泛多變的因素，這種復(fù)雜性使其在當(dāng)下依然難以被掌控和預(yù)測。人工智能在發(fā)展過程中出現(xiàn)的問題和存在的不足，同樣限制了其預(yù)測功能的應(yīng)用與發(fā)揮。想要通過AI時代的技術(shù)突破來實現(xiàn)對不可知議題的認(rèn)知突破，人類還有很長的路要走。

圣杯依然在那里，而渴望摘取它的勇士們，仍需繼續(xù)磨兵利器。

–END–

參考文獻(xiàn)

RebellionResearch. Available from https://www.rebellionresearch.com.

TradingSchools. (2017). “Vantage Point Software: 86% accurate trading signals?”, TradingSchools, 14 March. Available from https://www.tradingschools.org/reviews/vantage-point-software/.

Tom Davenport. (2019). “AI Is Destroying Traditional Business Thinking”, Forbes, 5 April. Available from https://www.forbes.com/sites/tomdavenport/2019/04/05/ai-is-destroying-traditional-business-thinking/#58f01b803205.

VantagePoint. Available from https://www.vantagepointsoftware.com/software/.

Forbes，至頂網(wǎng) (2018) ?！叭斯ぶ悄芘c華爾街金融神話”,人工智能網(wǎng)，3月12日。可訪問：https://ai.ofweek.com/news/2018-03/ART-201713-8130-30208544.html

Nanan，(2018)?！斑@個平臺展示了如何使用AI預(yù)測股市走向”，人工智能媒體平臺，1月30日?？稍L問：https://www.atyun.com/15842.html

巴曙松，(2019)?！叭斯ぶ悄茉诮鹑陬I(lǐng)域的最大潛力是什么？“，全球品牌網(wǎng)，4月10日。可訪問：https://www.globrand.com/2019/593180.shtml

阿杰伊·阿格拉沃爾., 喬舒亞·甘斯., 阿維·戈德法布 (2018)?！禔I極簡經(jīng)濟(jì)學(xué)》，湖南科技出版社。

作者：黃瓛鈺，王健飛，公眾號：騰訊研究院（ID：cyberlawrc）

來源：https://mp.weixin.qq.com/s/VO3Nuf6LoU0TUo-VXPeuTQ

題圖來自Unsplash，基于CC0協(xié)議