最近某知名財(cái)經(jīng)節(jié)目主持人操縱股票，被證監(jiān)會(huì)罰沒(méi)巨款一事熱議一時(shí)，大家不禁紛紛感嘆，大數(shù)據(jù)時(shí)代真是天網(wǎng)恢恢疏而不漏啊。
的確，隨著移動(dòng)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等新技術(shù)的迅速發(fā)展，人類進(jìn)入數(shù)據(jù)時(shí)代。大數(shù)據(jù)帶來(lái)的信息風(fēng)暴正深刻改變我們的生活、工作和思維方式，對(duì)網(wǎng)絡(luò)輿情管理也帶來(lái)深刻影響。
什么是大數(shù)據(jù)？
大數(shù)據(jù)是伴隨著信息數(shù)據(jù)爆炸式增長(zhǎng)和網(wǎng)絡(luò)計(jì)算技術(shù)迅速發(fā)展而興起的一個(gè)新型概念。根據(jù)麥肯錫全球研究所的定義，大數(shù)據(jù)是一種規(guī)模大到在獲取、存儲(chǔ)、管理、分析方面大大超出了傳統(tǒng)數(shù)據(jù)庫(kù)軟件工具能力范圍的數(shù)據(jù)集合，具有海量的數(shù)據(jù)規(guī)模、快速的數(shù)據(jù)流轉(zhuǎn)、多樣的數(shù)據(jù)類型和價(jià)值密度低四大特征。
大數(shù)據(jù)能夠幫助各行各業(yè)的企業(yè)從原本毫無(wú)價(jià)值的海量數(shù)據(jù)中挖掘出用戶的需求，使數(shù)據(jù)能夠從量變到質(zhì)變，真正產(chǎn)生價(jià)值。隨著大數(shù)據(jù)的發(fā)展，其應(yīng)用已經(jīng)滲透到農(nóng)業(yè)、工業(yè)、商業(yè)、服務(wù)業(yè)、醫(yī)療領(lǐng)域等各個(gè)方面，成為影響產(chǎn)業(yè)發(fā)展的一個(gè)重要因素。
值得一提的是大數(shù)據(jù)的發(fā)展也使得人工智能領(lǐng)域?qū)崿F(xiàn)了飛躍。
人工智能主要有三個(gè)分支：
1.基于規(guī)則的人工智能；
2.無(wú)規(guī)則，計(jì)算機(jī)讀取大量數(shù)據(jù)，根據(jù)數(shù)據(jù)的統(tǒng)計(jì)、概率分析等方法，進(jìn)行智能處理的人工智能；
3.基于神經(jīng)元網(wǎng)絡(luò)的一種“深度學(xué)習(xí)”
2006年，加拿大多倫多大學(xué)Hinton教授提出“深度學(xué)習(xí)”神經(jīng)網(wǎng)絡(luò)使得人工智能性能獲得突破性進(jìn)展，進(jìn)而促使人工智能產(chǎn)業(yè)又一次進(jìn)入快速發(fā)展階段?！吧疃葘W(xué)習(xí)”神經(jīng)網(wǎng)絡(luò)主要機(jī)理是通過(guò)深層神經(jīng)網(wǎng)絡(luò)算法來(lái)模擬人的大腦學(xué)習(xí)過(guò)程，通過(guò)輸入與輸出的非線性關(guān)系將低層特征組合成更高層的抽象表示，最終達(dá)到掌握運(yùn)用的水平。
而數(shù)據(jù)量的豐富程度決定了是否有充足數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，進(jìn)而使人工智能系統(tǒng)經(jīng)過(guò)深度學(xué)習(xí)訓(xùn)練后達(dá)到強(qiáng)人工智能水平。因此，能否有足夠多的數(shù)據(jù)對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行深度訓(xùn)練，提升算法有效性是人工智能能否達(dá)到類人或超人水平的決定因素之一。
傳統(tǒng)人工智能受制于計(jì)算能力，并沒(méi)能完成大規(guī)模的并行計(jì)算和并行處理，人工智能系統(tǒng)的能力較差。如今，大量數(shù)據(jù)產(chǎn)生之后，有低成本的存儲(chǔ)器將其存儲(chǔ)，有高速的CPU對(duì)其進(jìn)行處理，所以才有了人工智能后兩個(gè)分支的理論得以實(shí)踐。由此，人工智能就能做出接近人類的處理或者判斷，提升精準(zhǔn)度。同時(shí)，采用人工智能的服務(wù)作為高附加值服務(wù)，成為了獲取更多用戶的主要因素，而不斷增加的用戶，產(chǎn)生更多的數(shù)據(jù)，使得人工智能進(jìn)一步優(yōu)化。
不僅如此，大數(shù)據(jù)和人工智能的結(jié)合在未來(lái)也可能對(duì)投資領(lǐng)域帶來(lái)深度變革。我們知道，量化投資就是借助現(xiàn)代統(tǒng)計(jì)學(xué)、數(shù)學(xué)的方法，從海量歷史大數(shù)據(jù)中尋找能夠帶來(lái)股票上漲的多種“大概率”策略和規(guī)律，并在此基礎(chǔ)上，綜合歸納成因子和模型程序，最終紀(jì)律嚴(yán)明地按照這些數(shù)量化模型組合來(lái)進(jìn)行獨(dú)立投資，力求取得穩(wěn)定的、可持續(xù)的、高于平均的超額回報(bào)。
在金融市場(chǎng)賺錢(qián)的最簡(jiǎn)單的方法之一就是，就是搶在其他所有人之前憑借價(jià)格敏感信息交易。前面也說(shuō)到了，如今憑借內(nèi)幕消息交易往往會(huì)導(dǎo)致牢獄之災(zāi)。但大數(shù)據(jù)革命，加上機(jī)器學(xué)習(xí)技術(shù)和超級(jí)計(jì)算能力的運(yùn)用，正在產(chǎn)生可以讓投資者擁有合法優(yōu)勢(shì)的全新一類信息。
事實(shí)上，在金融領(lǐng)域，人工智能已經(jīng)在二十多年前就被銀行、對(duì)沖基金和其他大型貿(mào)易公司用來(lái)盈利。
2017年5月19日，微軟人工智能首席科學(xué)家鄧力透露已經(jīng)離開(kāi)微軟，加入美國(guó)基金公司Citadel擔(dān)任首席人工智能官。2017年3月，管理資金超5萬(wàn)億美元的資產(chǎn)管理公司貝萊德擬大幅削減依靠人工主動(dòng)選股的部門(mén)，并引進(jìn)相關(guān)量化人才。由此可見(jiàn)，人工智能的觸角早已伸向?qū)I(yè)能力極強(qiáng)的投資領(lǐng)域。
對(duì)于人工智能開(kāi)發(fā)者來(lái)說(shuō)，他們還可以在這方面創(chuàng)造一個(gè)在這些年輕、高度動(dòng)蕩的市場(chǎng)中學(xué)會(huì)識(shí)別盈利機(jī)會(huì)的系統(tǒng)，可以利用他們充裕的資金加上人工智能，從一些能以超過(guò)競(jìng)爭(zhēng)對(duì)手幾秒鐘的優(yōu)勢(shì)就能產(chǎn)生巨大回報(bào)的地方，獲得大量的利潤(rùn)。通過(guò)“深度學(xué)習(xí)”——可以不斷發(fā)展演化的數(shù)學(xué)統(tǒng)計(jì)的預(yù)測(cè)模型和概率模型——來(lái)預(yù)測(cè)各種金融市場(chǎng)的短期和長(zhǎng)期效果，而像一些加密貨幣玩家、桑坦德銀行和花旗銀行這類金融機(jī)構(gòu)也在觀察如何從加密貨幣市場(chǎng)中獲取利潤(rùn)。
當(dāng)然，數(shù)據(jù)的好壞最終取決于解讀它的人。正如對(duì)沖基金溫頓資本(Winton Capital)的首席科技顧問(wèn)大衛(wèi)?漢德(David Hand)所說(shuō)：“技術(shù)進(jìn)步的速度遠(yuǎn)遠(yuǎn)超過(guò)人們學(xué)習(xí)的速度?！痹谖磥?lái)，大數(shù)據(jù)加人工智能在加密貨幣市場(chǎng)中的應(yīng)用更加值得期待。
在加拿大，Coinscious集合了大數(shù)據(jù)、人工智能的科學(xué)家，正在為數(shù)字資產(chǎn)管理智能化不斷努力。
