据彭博新闻社报道，很多年以来，对冲基金一直在尝试教会电脑像交易员一样思考。

　　经历过许多次的空欢喜之后，一种名为“深度学习”、能够大致模仿人脑神经元工作模式的人工智能技术为对冲基金带来了曙光。一位知情人士透露，WorldQuant已经利用这种技术进行小规模的交易。 Man AHL或许很快采用该技术。Winton和Two Sigma也将进入这个领域。

　　这些量化交易公司希望，人工智能这种更加强有力的机器学习技术，能够帮助他们在全球金融业愈演愈烈的技术军备竞赛中占据优势。假如他们的方向正确，那么神经网络技术将帮助推动金融业的演变，造成人脑与机器同场竞争，并给传统的投资领域工作机会带来威胁。不过，研究人员暂时还不愿过度宣扬这项技术，因为在经历了之前一轮的大肆宣传但最终以失望告终之后，研究人员更愿意暂时将其看作另一支希望之箭。

　　“1990年代对冲基金纷纷宣布使用神经网络技术的热潮失败之后，对于‘深度学习’能够解决投资管理这个普遍性问题的说法，我们倾向于持怀疑态度，”伦敦管理315亿美元资产的量化对冲基金公司Winton在声明中表示。

　　谷歌等科技业巨头已经验证了深度学习技术的利用价值，现在量化基金也开始追随它们的脚步。深度学习技术需要超级强大的电脑以及海量数据，并已经在特斯拉的自动驾驶汽车和亚马逊智能音箱Echo得到使用。与深度学习领域的先锋人物Yoshua Bengio教授进行合作的电脑科学家NicolasChapados表示，深度学习距离成为对冲基金行业的主流工具还需要大约5年时间。

　　Chapados表示，科技领域有一大批深度学习模型可以被用于金融处理。Chapados是蒙特利尔量化基金公司Chapados Couture Capital以及使用深度学习技术的研究机构Element AI的联合负责人。

　　对冲基金在采纳深度学习技术方面实际上已经落后一步，其原因是缺乏将其应用于复杂金融数据的专业知识。Facebook的图像识别技术之所以取得成功，比如能辨认出图片中一只狗的形象，究其原因是其使用了社交媒体用户上传的无限量数据。与之相比，金融市场数据有限而且总是在发生变化，造成预测股价变动等市场波动变得更具挑战性。

　　延伸阅读：人工智能技术如何辨认出图片中的一只猫

　　深度学习技术大致模仿了人脑中多层神经元的活动方式。神经元以复杂的方式密集地相互联系，在我们学习的时候将信号交换给其他细胞并建立新的连接。深度学习技术也采用了类似的非线性、多层次数据处理模式，使得电脑能够利用基础的数据构建复杂的概念。

　　假设一个量化基金在寻找可能推动某只股票上涨超过基准指数的要素。现在分析师的典型做法是手动选择诸如市盈率等指标进行测试。而使用深度学习技术的量化基金则是给神经网络一个价格目标，然后向模型中输入原始的公司和市场数据。这些人工的神经元就是能够分析数据的数学方程。

　　随着数据在不同层次中移动，神经元能够自我调整，或者说学习，从而向目标接近，找到预测股价何时达到目标的驱动因素。

　　伦敦Man AHL的首席科学家Anthony Ledford表示，他的研究人员已经花费一年多时间来开发深度学习技术，公司希望不久之后将其运用于实际交易。