文章主题：ChatGPT, 投资策略, 量化投资, 程序员
21世纪经济报道记者 陈植 上海报道
随着ChatGPT迅速崛起，它在投资策略建模方面能否替代程序员，正成为金融市场一大热门话题。
据报道，近期一些欧美量化投资机构正在探索利用ChatGPT来开发创新的投资策略，并开始在实际交易中验证其有效性。
值得注意的是，在国内量化投资领域，ChatGPT能否替代程序员，同样颇受争议。
据国内量化私募领域的多位专业人士透露，虽然金融市场对ChatGPT在投资策略的迭代与升级上寄予厚望，但是在实际的操作过程中，程序员在提升投资效率方面仍然具有无可替代的优势。
“事实上，ChatGPT等人工智能技术之所以在投资策略建模领域受到重视，一大重要原因是它能基于海量数据的分析挖掘，找到一些不为大家所知的投资规律，但这些投资规律能否在实盘交易环节发挥作用，仍是未知数。”一位国内量化私募基金人士向记者指出。首先，金融市场里的信息与回报之间的因果关系相当复杂，ChatGPT完全依赖信息数据挖掘分析，未必能完全掌握上述复杂因果关系；其次，金融市场交易的实质，依然是人们不同情绪与心态的博弈，但ChatGPT未必能精准掌握各类交易人群的情绪与心态变化，进而做出最佳的投资决策。
我曾与一位我国知名量化私募机构的CTO深入交谈，他向我揭示了程序员在量化交易领域所具备的三项无可替代的优势。首先，随着数据的急剧增长，我们需要专业的技术栈来处理这些海量信息。在这一过程中，我国的量化工程师——程序员的出身，能够构建出相应的系统，有效地应对这一挑战。其次，程序员能够适应更快速的程序迭代速度，从而助力量化私募基金实现更好的发展以及相关业务的扩张。最后，从交易成本的角度来看，实际交易过程中的许多细节都可能直接影响到业绩表现。因此，程序员需要针对投资策略在使用过程中的每一个问题进行有针对性的解决。
提升投资效率对于量化私募产品的收益增长具有重要作用，而程序员这一核心优势，体现在他们对投资效率提升的巨大贡献上。这一点 emphasized by the speaker to the journalist.
上述国内量化私募人士向记者直言，目前他们也在尝试将ChatGPT等AI人工智能科技应用在投资策略建模领域，但他们发现，程序员的作用依然难以被替代。究其原因，一是ChatGPT自动生成的量化投资策略未必“完美”，需要程序员根据实际交易环境做出优化改良，才能在实战环境创造更佳业绩；二是金融交易的实质是人们心态与情绪的博弈，更需要程序员根据最新的金融市场情绪变化，对某些ChatGPT所生成的投资策略进行取舍，确保相关私募产品不会“踩雷”。
5月6日，“股神”巴菲特在伯克希尔哈撒韦年度股东大会表示，人工智能可以改变全球的面貌，却改变不了人的想法和行为。
程序员缘何难以替代
ChatGPT自动生成的投资策略能否“跑赢”程序员研发的金融产品，正日益受到金融市场的密切关注。
近期，finder.com的最新实验成果揭示，由ChatGPT力荐的38家上市公司组成的投资组合在过去五周内实现了约4.9%的净值增长，这一表现甚至超过了英国在线投资平台Interactive Investor推荐的去重基金产品（平均收益为-0.8%）。
虽然某些案例表明ChatGPT生成的投资策略在短期内表现出色，但不能因此断言这种策略能够在更长的时间范围内持续超越其他热门基金产品。一位美国华尔街对冲基金经理在接受采访时坦诚地表示，他们曾尝试利用ChatGPT来制定投资策略，但很快就意识到大多数由AI生成的量化投资策略在实际交易环境中可能无法达到预期的回报。
他坦诚地表示，任何量化投资策略想要进入实战交易阶段，首要任务是在模拟实盘环节和回测系统中取得成功。然而，他们通过模拟实盘和回测系统的数据分析发现，大部分由ChatGPT自动生成的量化投资策略都未能在实际操作中取得理想的成绩。深入分析原因，一方面，部分ChatGPT生成的投资策略由于缺乏适宜的外部柜台交易环境，导致其实际业绩远低于预期值；另一方面，部分ChatGPT生成的投资策略与当前资本市场的热门追捧主题存在明显不匹配，这使得这些策略的业绩迅速下滑。
一位国内大型量化私募机构的CTO透露，投资机构进行模拟实盘与回测研究的终极目标在于实际操作。在搭建回测系统的过程中，最为关键的一环便是确保回测与实际操作的高度一致性，这一目标的实现也离不开程序员的辛勤付出。
“这背后，是不同投资策略需要不同的交易系统与回测系统，这一方面需要程序员针对投资策略特性进行特定优化，从而获得较好的回测系统或实盘系统，另一方面程序员需通过对投资策略在模拟实盘与回测系统的业绩进行分析汇总，找出相关问题进行针对性地调整解决，进一步提升投资策略的投资效率。”他指出。这恰恰是程序员难以被各类AI取代的核心优势。目前，程序员对投资效率的提升，还体现在交易的方方面面，比如在实际环节，研究员通常会在限定时间内开展更多的回测尝试，比如尝试不同的参数，不同的策略，不同的模型或下单方式等，从而给投资策略创造更好的外部柜台交易环境等，以争取更高超额回报；此外，程序员可以尽量减少额外的资源占用，进一步提升研发效率。
前述华尔街对冲基金经理向记者指出，目前ChatGPT在投资策略建模与应用过程面临的另一大短板，是投资机构很难了解ChatGPT所生成的投资策略背后的“投资逻辑”。具体而言，越来越多欧美投资机构发现ChaGPT所生成的投资策略就像是一个“盲池”，没人知道它到底对哪些数据做出分析挖掘，找到哪些投资规律，这些投资规律的逻辑是否“合情合理”，能否在实战交易环节创造可观回报。
此外，不少欧美量化投资对冲基金不清楚ChatGPT所生成的投资策略能否在不同柜台交易环境均创造可观的回报。事实上，同一个投资策略在性能截然不同的柜台交易环境下，往往会产生较大的收益差距。但要创造良好的柜台交易环境，同样离不开程序员的协助。
“目前，我们更倾向于将ChatGPT自动生成的投资策略与程序员研发的投资因子与外部柜台交易环境进行融合，通过彼此的扬长补短，令投资策略创造更佳的业绩表现。”这位华尔街对冲基金经理指出。
ChatPDT在投资策略建模的“短板”
在业内人士看来，ChatGPT之所以被众多欧美投资机构用于研发新的投资策略，一个重要原因是它能对海量数据进行分析挖掘，找到不少不为公众所知的投资规律。
目前，ChatGPT覆盖的数据量达到约1750亿个变量，涵盖过去数十年的各类文本资料。
但与此同时，也有不少欧美投资机构发现ChatGPT在投资策略建模方面所面临的最大挑战，恰恰就是“数据太多”。
具体而言，一是数据越多，“噪音”越大。若ChatGPT所自动生成的投资模型过多聚焦那些“噪音”数据（即未必能对投资成效发挥直接作用的高价值数据），可能会导致其投资成效“大打折扣”；二是ChatGPT在对海量数据进行分析挖掘时，往往可能会忽视某些金融市场交易常识与投资准则（或是经济学原理），令相关投资策略面临潜在的投资风险。
因此，越来越多欧美投资机构都在尝试人工介入，即派遣程序员要么先过滤掉某些“噪音”数据，再使用ChatGPT进行投资策略建模；要么在ChatGPT开展数据分析挖掘环节，通过技术手段先植入相关金融市场交易常识与投资准则，提升其投资策略的“可解释性”与“业绩可预测性”。
在前述国内大型量化私募机构CTO看来，这的确给量化投资机构程序员提成新的挑战，一方面随着数据量达到PB级别，程序员出身的量化工程需需要构建专门的技术栈系统，对海量数据进行处理；另一方面程序员需要适应更快的AI技术或投资建模迭代速度，以支持私募机构相关业务发展。
在业内人士看来，要将ChatGPT等人工智能技术应用在投资策略建模以获得稳健的超额回报，还需相当长的征途。但是，这并不意味着程序员与AI技术互不兼容。一方面ChatGPT等AI技术的海量数据分析挖掘能力，为程序员处理各类信息数据并提升投资效率提供巨大的帮助，另一方面程序员也能根据模拟实战业绩汇总分析，为众多ChatGPT等人工智能技术自动生成的投资模型创造更好的柜台交易环境与策略优化赋能，从而令后者在实战环节创造更佳的业绩表现，助力私募产品业绩更上一层楼。
更多内容请下载21财经APP
AI时代，拥有个人微信机器人AI助手！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
搜索微信号aigc666aigc999或上边扫码，即可拥有个人AI助手！
相关文章
