期交所雙月刊66期

17 臺灣期貨雙月刊 TAIFEX BIMONTHLY 人工智慧起源於 1956 年 8 月 31 舉辦的達特 茅斯會議，隨後因資訊技術與硬體設備的侷限， 前後一共經歷了兩次寒冬，分別在 80 年代與 90 年代，直到 2016 年，因為 Alpha Go 採用深度神 經網路（ Deep Neutral Network ）學習技術，並且 擊敗了圍棋世界棋王，才再度迎來人工智慧的第 三波高潮。 即便如此，現今發展的技術只能說是機器 學習或資料探勘，並非當初定義的強人工智慧 （ Strong AI, 指機器能夠像人類一樣自行思考）。 而機器學習等技術，主要概念亦在 1980 年後陸續 出現且具有雛形，尤其是語音辨識技術。下面要 介紹最早使用這些技術於量化交易，因而創造人 類史上最偉大對沖基金的故事。 量化交易的外星科技：西蒙斯與文藝復興科技公司 全世界最成功的量化交易公司為文藝復興科 技公司（ Renaissance Technologies LLC ），公司 主要靈魂人物為西蒙斯（ James Simons ），其原 本在紐約州立大學石溪分校擔任數學系主任，在 40 歲年紀毅然決然離開學術界，創辦了文藝復興 科技公司。早在 30 年前，西蒙斯就開始用演算法、 統計模型、大數據做量化交易，其所成立最有名 的量化基金 ：大獎章基金（ Medallion Fund ）， 1988 年至今達到年化報酬 66% 、總獲利超過千億 美元的績效。這個成績巴菲特也難望其項背，如果 巴菲特已經用了股神稱謂，文藝復興大概只能用外 星科技形容，沒有人知道文藝復興是如何做到，才 能維持 30 多年的高報酬。西蒙斯用 300 人左右的 公司，每年賺超過 70 億美元，這位華爾街最神秘 的數學家，把最詭譎的金融市場，轉化為最理性的 數學問題，據說正是與人工智慧技術有關。雖然人 工智慧技術現在隨處可見，但別忘了這是在 30 年 前發生的事。 西蒙斯早期在哈佛任教，因當時美國國防分 析研究所（ Institute for Defense Analyses, IDA ） 提供較優渥的薪水，且可接觸到「破譯蘇聯密碼」 這項新的挑戰工作，西蒙斯因而離開哈佛教職。 在 IDA 的研究工作相當自由，閒暇之餘西蒙斯於 是有空研究股市，甚至發表交易主題的相關論文 : 「 Probabilistic Models for and Prediction of Stock Market Behavior 」。 此為西蒙斯第一篇股市相關的論文，但其實 只是機構內部的發表，並無公開。論文內容宣稱其 方法有可能做到 50% 的年化報酬，但很明顯這不 是事實（高估），畢竟是西蒙斯的第一篇作品，後 面還有好多真實市場交易的故事發展促使其改進。 然而，這項工作已經大致看出，文藝復興後來的交 易概念是建構在這篇論文的架構上。 論文假設股價波動有 8 種狀態，例如波動劇 烈（高變異）、波動良好（穩穩上漲）等。西蒙 斯單純的用量化方法去做分類，就像在機器學習 裡的分類問題一樣。判斷目前股價屬於哪種狀態 的分類，再用機率統計模型計算該如何下單。與 傳統方法不同的是，西蒙斯並沒有用到任何經濟、 財務、證券方面的知識，換句話說，西蒙斯也沒 有用到財務金融相關特徵作為判斷，畢竟他也不 懂這些東西。 上述把股價波動分為 8 種狀態的想法，其實 就是馬可夫鏈（ Markov chain ）的一種表述。這 也可以說是現代機器學習、語音辨識很重要基礎 的工具。 馬可夫鏈可視為時間序列上的一連串事件。 每一個事件出現的機率，只取決於上一步的狀態， 跟上一步之前的其他狀態無關。舉例來說，棒球 比賽可視為馬可夫過程，在已經出現兩好三壞球 的條件下（狀態），推估下一個事件是 「出現好 球後打擊者出局」的機率，而這過程與過去如何 出現兩好三壞的順序無關，但與當下的狀態（兩 好三壞）有關。 上述棒球比賽的概念相當清楚可以套用在股 市交易，西蒙斯之所以用馬可夫鏈作為工具，便是 想要預測下一個週期股票可能的漲跌分佈。畢竟股 市明天會漲會跌，最直觀的判斷依據就是今天的 「狀態」。舉例來說，若今天股價出現長紅 K 棒、