🔍
AI 投資係咪勁過人類？AI，Algo Trading，Robo Advisor 究竟係咩？ - YouTube
Channel: unknown
[0]
大家好我是阿豬
[1]
不知道你有沒有留意
[2]
現在很多地方都sell自己是AI Trading Robo Advisor
[6]
或者是Algo Trading
[8]
聽起來很高科技
[9]
但是究竟它們是做什麽的呢
[11]
它們跟傳統的基金有何分別
[13]
以及這三樣AI Robo Algo Trading有何不同
[17]
以及最重要一點究竟這些聽起來很先進的東西
[21]
回報是不是更高呢
[23]
這條影片阿豬就會揭開它們的秘密
[26]
如果第一次來阿豬頻道的話
[28]
記住點擊like subscribe和點擊小鐘
[31]
點擊完之後就可以再看這個免責聲明
[34]
這條影片只是教育和娛樂用途 不是投資意見
[38]
看完我們就可以開始了
[41]
首先我們叫Algo Trading
[43]
它的全名是Algorithmic Trading
[46]
也就是程式化的交易
[48]
也稱爲Automated Trading或者Black-box Trading
[52]
一長串英文究竟Algo Trading是什麽呢
[55]
它代表跟著一set程序的交易系統
[58]
那到底是什麽呢
[59]
假如你留意到當黃金升過50天線之後
[64]
它會連升幾日
[65]
這個就是trading logic
[67]
然後將這個程式寫進電腦裏 放進去program
[72]
再用API connect證券行
[75]
然後program就會根據程式運作
[77]
當它看到黃金價錢升穿50天線就會購買
[81]
這個就是Algo Trading
[83]
不需要人手僅靠電腦做交易
[87]
所以也稱爲Automated Trading
[89]
在這個example的 Algorithm
[91]
程式是我剛剛寫出來的 不會賺到錢
[95]
但是它也叫做Algo Trading
[98]
那麽到底如何用Algo Trading賺錢呢
[101]
最重要是它的交易邏輯
[104]
首先要有一個賺到錢的方法
[106]
然後變成Algo 自然將它自動化
[110]
是接下來需要做的事
[112]
做一個成功的Algo出來
[114]
需要做back testing
[116]
首先將交易邏輯寫成一個程式
[119]
然後再用history data
[121]
將歷史數據放進去看看能不能賺錢
[124]
Back testing的時候要很小心
[126]
要將舊的data分爲trading set和test set
[129]
Trading set心理的set data
[132]
就是用來優化你的買賣系統
[135]
例如剛才我們的策略
[137]
究竟用50天線還是60天線更好
[141]
用哪一個combination的變數會得到最好的結果
[147]
這個就是optimization
[148]
最好的結果不一定是賺最多錢
[150]
反而更加重要是穩定性
[153]
在這方面我們會看Sharpe ratio 和maximum drawdown
[159]
意味著它的Risk-Adjusted Return越好
[162]
而drawdown越少越好
[164]
在訓練數據中 找到最好的參數之後
[168]
然後就可以apply買賣程式進test data中
[172]
看看能否賺到錢
[174]
如果成績有預期那麽好
[176]
下一步就可以在實際市場做模型交易
[180]
然後模型交易都沒有問題的話
[182]
就可以放真錢進去
[184]
做一個成功的Algo Trade的過程就是這樣
[187]
剛才阿豬做出來的Algo就是一個很簡單
[190]
不會賺到錢的程式
[192]
真正要賺到錢的Algo Trading會複雜很多
[195]
一些厲害的基金做Algo Trading
[198]
會請到最聰明的人
[200]
很多都是有數學或者physics的博士
[203]
有一系列的Algo Trading叫High Frequency Trading
[207]
而他們的目標就是用速度賺錢
[209]
在美國有不止一個交易所
[212]
一只股票可以在幾個交易所進行買賣
[215]
當Algo看到一只股票在其中一個交易所便宜
[219]
另外一個交易所貴一點
[220]
它就可以非常高速在便宜的交易所買入
[223]
然後在貴的交易所賣出去
[226]
最厲害的Algo Trading基金有（03：47）
[233]
這五間都有做High Frequency Trading
[236]
因爲這類型的策略有高的勝利率
[239]
而競爭就是在速度上
[241]
以前這類型的marketing making是人手做
[244]
但是當程式化之後
[246]
人手做的事情進入program之後就會快很多
[250]
所以在這方面Algo Trading就有一個很大的advantage
[253]
因爲它們速度比人手快無數倍
[256]
這些公司甚至會將它們服務器放在交易所附近
[260]
用來減低進行交易的時間
[263]
可以減少0.001秒已經有很大的幫助
[268]
說到底Algo Trading有多厲害
[271]
就要看它背後的邏輯能否賺到錢
[274]
如果back test做得不好或者做錯
[277]
而有很多位置可以做錯
[279]
阿豬年輕的時候做back test的時候經歷過不少
[282]
如果是做得不好或者做錯
[284]
將它變成program自動化之後
[288]
只會變成自動幫你虧錢
[291]
而Algo Trading的好處有什麽呢
[293]
它可以減少人的interaction這一點很重要
[296]
可以減少人的interaction
[298]
不會打字的時候按錯 入盤的時候快很多
[302]
以及因爲所有事情自動化
[304]
它是跟一個邏輯運行而已
[307]
就變成不會受到人的情緒影響
[310]
市場上還有一種Algo
[312]
它就是YouTube的Algo
[314]
如果你幫我的影片點擊like
[316]
YouTube的算法就會推送給更多人看
[319]
所以拜托大家快點點擊
[322]
講完Algo Trading然後我們解釋什麽是AI Trading
[326]
AI就代表artificial intelligence
[329]
就像Terminator電影裏面的壞人一樣
[332]
通過的壞人和做的事情都是電腦制定出來
[336]
AI Trading跟他們一樣
[338]
策略是由電腦想出來的
[341]
在Algo Trading 背後的策略是由人創作出來
[345]
然後寫進program裏面
[347]
然後program就做個excursion
[349]
那些策略因爲人創造出來
[352]
所以邏輯是比較容易visualize
[355]
容易讓其他人類明白
[357]
例如A B C發生就買股票
[360]
然後D E F發生就做第二個行動
[363]
但是去到AI Trading AI的策略
[366]
因爲電腦思考事情
[368]
或者它們process事情的過程跟我們不同
[371]
所以電腦創造出來的策略
[373]
有時候人類是很難visualize或者明白
[377]
人類的幻想力是限制在三個維度
[381]
如果要去到四個維度想一個策略出來
[384]
已經很難visualize
[385]
去到五個維度差不多是不可能
[388]
但是電腦就沒有這個限制
[391]
其實artificial intelligence也就是AI
[393]
還有Machine Learning 和Deep Learning
[396]
背後它們的邏輯有很大的分別
[399]
有一些是針對某一些class
[401]
另外一些AI的Algorithm
[403]
就適合做別的事情
[406]
例如手機拍了照片之後可以grow跟一個人一起
[410]
然後告訴我們是誰
[413]
爲什麽它知道你老婆和另外一個女人
[416]
是兩個不同的人呢
[418]
這個是因爲它用了AI一個算法叫KMM
[422]
這個程式做classify的事情做得很好
[425]
它可以找出什麽是相似 什麽是不相似
[428]
然後grow相似的東西進入一租
[431]
這個KMM只是其中一個AI裏面做分組的算法
[437]
還有別的專門做分組的Algo
[440]
例如Random forest和support vector machine
[444]
另外一系列的AI Algo就叫做Regression Algorithm
[448]
跟剛才分組的程序不同
[451]
Regression Algo就是推測一個數目字
[454]
例如這個人40歲 收入5萬 學曆讀過大學 身高180CM
[460]
預測他五年後他的收入有多少
[463]
無端端的AI怎麽會預測這個人五年後收入多少
[467]
首先要訓練它
[470]
所以爲什麽經常聽到要訓練AI
[472]
就是這樣的原因
[474]
要給很多存在的data讓它學習
[477]
它要看100萬人口有這個學曆和高度的人
[481]
通常五年會賺多少錢
[483]
如果給的data越多做訓練
[486]
它的推測就越准確
[489]
將來如果到處都是相機的話
[491]
可能你什麽時候上廁所它都能猜到
[493]
Regression程式也有很多個
[496]
例如Multivariate Regression Logistic Regression
[500]
Lasso Regression
[501]
懂得什麽時候用哪個AI 算法解決問題
[506]
以及了解如何選擇AI Algo的paramaters
[510]
就是這個巧妙點
[512]
所以不是你輸入大量數據到AI裏
[515]
它就會自動非常神奇給到你答案
[519]
它只是一個用具
[521]
你要懂得知道在什麽情況用哪個用具
[525]
以及如何設置這個用具才是重點
[529]
第三類的AI是Deep Learning
[531]
這個是比較新的範圍
[533]
是因爲近年的科技進展 令到Deep Learning誕生
[537]
Deep Learning這種AI就真的像Terminator
[541]
它的概念就是像複制人類腦的功能
[545]
用多過一個layer的Net Work解決問題
[548]
這個項目的AI Algo有
[550]
Reinforcement Learning Deep Learning
[554]
Natural Language Processing
[556]
也就是說看完一篇文章之後可以說出文章意思
[560]
Google的阿爾法狗就是用這類型的Deep Learning
[564]
令到電腦可以下棋 現在已經比人類厲害
[568]
網上的Deep Fake
[569]
利用將自己的樣子放在一段影片的演員上
[574]
就是用Deep Learning這種AI
[577]
這三類別的程式被稱爲AI Trading
[581]
AI Trading有什麽好處和壞處呢
[584]
好處第一跟Algo Trading一樣
[587]
不會有人的情緒
[589]
第二AI理論上可以比人類的腦厲害
[593]
它可以看和想到人類做不到的事情
[597]
它們吸收新資料和做決定比人類快好幾倍
[601]
所以理論上電腦是有優勢
[604]
AI Trading的壞處就是它們的策略我們難以明白
[608]
例如當AI program決定要買一只股票
[612]
很難甚至不可能了解爲什麽它做出這個決定
[617]
不像傳統的Algo Trading 的input和output的關系
[621]
是非常清晰的
[623]
利用股票過了50天線 今天跌了2%
[626]
還有別的criteria就買入
[629]
所以當Algo Trading program買一隻股票的時候
[633]
很容易可以看到爲什麽它做了這個決定
[636]
但是AI Trading
[638]
某些AI的程式你無法了解它爲什麽做這個決定
[642]
變成你要完全相信電腦
[646]
另外一個不好處AI其實不是魔術
[649]
不是放一些東西進去AI它就幫你解決問題
[652]
你要懂得選擇哪個策略
[654]
如何選擇parameters
[655]
它才有可能幫到你
[657]
AI Trading第三個弱點始終它是靠backtesting
[661]
Backtesting這一部分是人類做
[664]
跟Algo Trading一樣
[665]
Backtest 一個AI trading的program
[668]
你也會將一些history data分爲trading set, test set
[671]
然後用trading set那裏訓練和test AI
[676]
然後沒有問題的話就apply去backtest
[679]
看看可不可以replicate
[681]
如果沒有問題就入真的production
[684]
所以說到底如果backtest做得不好
[687]
無論AI的算法有多厲害都不會賺到錢
[691]
講完Algo Trading AI Trading第三個話題就是Robo Advisor
[696]
Robo Advisor跟以上兩樣是不同的東西
[699]
Alog和AI Trading說的是買賣策略背後用的科技
[705]
而Robo Advisor是電子平台用來幫用戶選擇
[710]
他們應該如何投資
[711]
他會要求你輸入大量的資料
[713]
例如年紀 收入 投資傾向 風險承受程度
[718]
然後基於這些資料就用它的程式
[722]
用來generate一個financial planning給你
[725]
其實跟以前的financial advisor沒有什麽分別
[728]
以前的financial planner都會問他們的客人這些資料
[733]
然後拿到這些資料之後就會輸入公司電腦
[736]
然後公司的電腦就會套recommendation出來
[740]
然後financial advisor就會給回這個financial plan客人
[745]
現在的Robo advisor撤走了這個中間人
[749]
沒有了financial planner
[751]
用戶就像我跟你一樣
[753]
直接將資料輸入電腦裏
[755]
而電腦就告訴我們答案
[758]
它們的收費程式就是你放多少錢給他管理
[762]
每年就收你某一個百分比
[765]
大部分Robo Advisor的Recommendation
[768]
都是利用Modern Portfolio Theory (MPT)
[772]
和被動投資指數ETF
[775]
概念就是用Diversification
[777]
用來拿最高的Risk adjusted return
[781]
它所謂的risk是波動性risk volatility
[784]
解釋完這三樣東西是什麼之後
[787]
最重要就是究竟它們的回報
[790]
是不是比傳統的投資要好呢
[792]
Robo Advisor就不用講了因爲它不是一個投資策略
[796]
它是一個Financial planning service
[799]
它會比傳統的financial planner便宜
[801]
但是就比自己選擇買ETF
[805]
然後看一下AI Trading是不是好過傳統的Algo Trading
[810]
和別的對沖基金的策略呢
[813]
這個圖是來自Hedge Fund研究公司Eurekahedge
[817]
這裏有四條線 紫色那條線就是對衝基金
[821]
由2010年-2016年的表現
[824]
藍色的那條線就是有利用AI
[826]
或者machine learning基金表現
[828]
Sample size不是很大 只有23個基金
[832]
但是在這23間的對沖基金裏面
[835]
就明顯看到有利用AI和machine learning基金
[838]
是跑贏別的Hedge Fund
[840]
平均一年回報有8.4%
[844]
除了回報方面比較理想
[846]
這個研究公司也有指出利用AI
[849]
或者machine learning對沖基金
[851]
對傳統的對沖基金有負的correlation
[854]
負0.267
[856]
所以在一個portfolio diversification的角度來看
[860]
擁有AI machine learning的基金
[863]
是可以幫你增加Risk adjusted return
[867]
另外一個study就是看2016年之後
[870]
這間公司研究了超過150間有AI的對衝基金
[876]
而它發現在2016年-2019年
[879]
有利用AI的基金平均回報有27%
[884]
沒有用的只有24%
[886]
所以再次有AI的基金是跑贏傳統的
[891]
原來就算幾年前電腦科技沒有那麽發達的時候
[895]
有AI的策略已經做得好過傳統的trading strategy
[899]
你想象一下過多五年 十年
[901]
當電腦的能力更加厲害
[903]
電腦的想法越來越接近和超越人類之後
[907]
它們的performance會不會更加好呢
[910]
按道理就會
[911]
因爲電腦所學的東西快過人類可以吸收的東西
[915]
它們又不需要睡覺
[916]
可以不停地update自己的model
[919]
所以在一般的穩定情況AI Trading
[922]
應該好過普通人的Trading
[924]
但是一旦去到不普通的情況
[926]
人的思考能力和變化能力
[929]
現在暫時還是比AI厲害
[931]
例如上年肺炎爆發的時候股市大跌
[935]
有幾間利用AI的對衝基金輸了很多錢
[939]
Bridgewater去到3月輸了兩成
[942]
D.E. Shaw那一個月輸了90%
[945]
這些數目對Hedge Fund來講是無法接受
[948]
爲什麽在這個月AI Fund做得那麽差呢
[951]
因爲AI Fund是訓練出來
[954]
如果你不停地訓練要它認一只貓
[957]
給100萬張貓的照片訓練
[960]
電腦做這些事情是非常厲害
[962]
而一般的市場環境就像認識貓一樣
[965]
因爲一日跟第二日沒有很大的差別
[968]
但是一去到不正常的環境
[971]
給一只它完全沒有見過的動物給它認
[973]
無端端有一只猴子 它又沒有訓練過認猴子
[977]
因爲大跌市的sample不是那麽多
[980]
整個曆史過程中可能只有十幾次
[982]
所以在這些情況中AI就不知道怎麽做了
[985]
看到一隻猴子就呆了
[987]
所以在這些情況電腦
[989]
或者暫時的電腦不可以做到人類那麽好
[993]
因爲它不懂得think outside the box
[995]
人類看到猴子雖然他也沒有見過
[998]
但是他也可以想有毛也有四只腳 跟貓差不多
[1002]
所以吃進嘴裏應該都不錯
[1005]
所以暫時人類對機械人還有edge
[1009]
這個edge可以維持多久呢
[1010]
就不知道了
[1011]
希望大家看完這條影片之後
[1013]
知道什麽是Algo AI Trading和Robo Advisor
[1017]
如果有興趣聽阿豬分享市場的看法
[1019]
就join我的patreon
[1020]
如果沒有的話點擊like再走
[1023]
今天就到這裏 下次再見
Most Recent Videos:
You can go back to the homepage right here: Homepage