尽管人工智能在许多领域取得了巨大进展，但它仍未能在金融市场中帮助人们赚钱。
对机器学习算法和股市预测的学术研究分析发现，人工智能目前尚不适用于金融业的现实环境。
三位专家撰文指出，人工智能与人类相结合可以取得良好成效——前提是投资决策由人类作出。
如今，人工智能（AI）在一些曾被认为无法企及的领域已接近或甚至超越人类。这些领域包括国际象棋、街机游戏、围棋、自动驾驶汽车、蛋白质折叠等等。这种快速的技术进步也对金融服务业产生了巨大影响。该行业越来越多的首席执行官公开或含蓄地宣称，他们经营的是“持有银行牌照的科技公司”。
金融科技（fintech）行业也在迅速兴起和发展，科技初创企业日益挑战零售银行、养老金或个人投资等领域的传统金融机构。因此，人工智能常用于网络安全、反洗钱、客户身份核查或聊天机器人等幕后流程。
在众多成功案例中，有一个领域似乎明显缺席：人工智能在金融市场中赚钱。交易员普遍使用简单算法，但机器学习或人工智能算法在投资决策中并不常见。然而，机器学习基于分析海量数据集并从中发现规律，而金融市场又会产生大量数据，因此二者似乎天然契合。在一项发表于《国际数据科学与分析杂志》的新研究中，我们探讨了人工智能在赚钱方面是否比人类更胜一筹。
一些专门的投资公司称为量化（quantitative 的简称）对冲基金，它们声称在投资决策过程中使用人工智能。然而，它们并未公布官方业绩信息。此外，尽管其中一些基金管理着数十亿美元的资产，但相对于整个投资行业的规模，它们仍属小众且体量较小。
另一方面，学术研究屡次报告称，基于机器学习算法的金融预测准确度很高。理论上，这些预测可以转化为金融业广泛采用且非常成功的投资策略。然而，现实中似乎并未发生这种情况。
这种差异的原因是什么？是管理者根深蒂固的文化所致，还是与现实投资的实际操作有关？
人工智能的金融预测
我们分析了学术研究人员于2000年至2018年间发表的27项同行评审研究。这些研究介绍了不同类型的股市预测实验，使用的都是机器学习算法。我们希望确定这些预测技术能否在现实世界中复现。
我们首先注意到，大多数实验都并行运行了投资模型的多个版本（极端情况下多达数百个）。几乎在所有案例中，作者都将表现最佳的模型作为实验的主要成果——也就是说，他们挑选出最好的结果，而忽略了表现不佳的结果。这种做法不适用于现实中的投资管理，因为任何既定策略只能执行一次，结果明确无误：盈利或亏损，无法撤销。
运行多个变体，再将最成功的一个作为代表呈现，在金融领域会造成误导，甚至可能被视为违法。例如，如果我们运行同一策略的三个变体，一个亏损-40%，另一个亏损-20%，第三个盈利20%，然后只展示20%的收益，显然这一结果歪曲了基金的业绩。应当只测试算法的一个版本，这样才能代表现实投资环境，也更加贴近实际。
我们审阅的论文中，模型准确率非常高，约为95%——在许多生活领域，这都是极为成功的表现。但在市场预测中，如果算法有5%的时间出错，仍可能造成严重问题。错误可能是灾难性的，而非轻微偏差——不仅会抹去利润，还可能吞噬全部本金。
我们还注意到，大多数人工智能算法似乎都是“黑箱”，其工作原理并不透明。在现实世界中，这不太可能让投资者建立信心。从监管角度看，这也可能成为问题。此外，大多数实验没有将交易成本纳入考量。尽管交易成本多年来一直在下降，但并非为零，而且可能决定最终是盈利还是亏损。
我们考察的所有实验都没有考虑现行金融法规，例如欧盟法律指令MIFID II，也没有考虑商业道德。实验本身并未从事不道德活动——没有试图操纵市场——但其设计中缺少明确确保合乎道德的机制。我们认为，投资决策中的机器学习和人工智能算法应遵守两套道德标准：确保人工智能本身合乎道德，并确保投资决策合乎道德，将环境、社会和治理因素纳入考量。例如，这可以防止人工智能投资可能危害社会的公司。
这意味着，学术实验中描述的人工智能并不适用于金融业的现实环境。
人类更胜一筹吗？
我们还希望将人工智能的表现与人类投资专业人士进行比较。如果人工智能的投资能力能与人类相当或更胜一筹，就可能预示着就业岗位将大幅减少。
我们发现，在公开市场数据来源中披露业绩数据的少数人工智能驱动型基金，整体表现通常逊于市场。因此，我们认为，目前有充分理由支持人类分析师和管理者。尽管人类有种种不足，实证证据仍强有力地表明，人类目前领先于人工智能。这可能部分归因于人类在不确定情况下必须迅速决策时，能够运用高效的思维捷径。
未来情况可能会改变，但在转向人工智能之前，我们仍需要证据。就近期而言，我们认为，与其让人类和人工智能相互竞争，不如将二者结合起来。这意味着把人工智能嵌入决策支持和分析工具，同时由人类团队作出最终投资决策。
