AI码农时代的来临：GPT-4与量化投资的量化投资

风险与机遇 6个月前 lida

23 0 0

文章主题：GPT-4, 代码代写, 量化投资, 人工智能

666ChatGPT办公新姿势，助力做AI时代先行者！

近日，GPT-4面世。其强大的代码代写功能，让程序员直呼“要失业了”。

不少吃瓜群众表示好奇：ChatGPT能否做量化投资，让人工智能来炒股？

中国证券报记者第一时间采访到多位量化人士了解到，对于量化投资，ChatGPT主要可以提高其中基础代码编程部分的效率，并非是投资策略研发的替代。

此外，基于金融行业特有的行业属性，类似ChatGPT的AI应用尚不能接入到公募私募的投研系统，直接辅助投研活动。业内专家表示，基于自主可控和数据安全的考虑，等到国内相关公司的大语言模型研发出来之后，可能会接入到资管机构的投研领域。

ChatGPT也会量化投资？

近期，人工智能领域的重要突破性成果GPT-4正式亮相。在3月23日的全球开发者盛会中，全球最大的代码托管平台GitHub推出了最新一代的代码辅助工具——GitHub Copilot X。这一消息引起了广大开发者的关注和热议，许多人纷纷发表评论称：“只需动动嘴，代码就能自动生成，程序员是否即将失业？”

在金融行业，同样涉及写代码、做编程的量化投资，是否也面临着同样的境况呢？

作为一名专业的文章写作高手，我会将原文进行重新组织，使其表达更为准确、清晰和专业。在金融领域，明泽投资证券交易部的总经理刘的阳近日向记者分享了一个有趣的案例。他曾向人工智能助手ChatGPT发出一个指令，要求其撰写一份预期盈利因子选股策略代码。令人惊讶的是，ChatGPT立即回应了他的请求，并呈现了一段精妙的程序代码。这一事件不仅展示了人工智能技术的快速发展和广泛应用，同时也引发了人们对未来金融行业与科技融合的无限想象。

在我看来，这些代码的逻辑结构和基本功能都是 sound 的，然而，为了确保其完美运行，我们需要将其与最新的数据以及本地系统进行调试。这是因为在实际应用中，代码可能会受到特定环境的影响，因此我们需要根据实际情况对其进行相应的调整和优化。刘的阳先生也强调了这一点，并向记者表示，经过调试后，这些代码将能够更好地适应新的环境和需求。

来源：受访者提供

作为一名程序员，我发现使用 VS Code 进行编程时，ChatGPT 自动填写代码的插件极大地提高了我的工作效率。例如，当我需要实现一个函数的功能时，只需在命令行中输入我的需求，插件便会自动生成相应的代码，然后我可以在此基础上进行调整和修改。这种工具不仅提高了我的工作效率，而且也使我在代码调试和优化方面更加便捷。同样，嘉实基金增强风格的投资总监刘斌也向记者分享了他的类似经历。他提到，在使用 ChatGPT 自动填写代码插件的情况下，他能够更快地编写和实现投资策略，进而提高整个投资过程的效率和准确性。总之，对于像我们这样的专业人士来说，ChatGPT 自动填写代码插件无疑是一个非常有用的工具。

在过去，实现这些基础代码的编写主要依赖人工操作。然而，随着人工智能技术的进步，我们现在已经可以利用 ChatGPT 来完成这项任务。据刘的阳介绍，目前公司的量化系统正在构建过程中，而 ChatGPT 在编写代码方面已经达到了专业高级程序员的水平，大大提高了工作效率。

量化私募思勰投资的合伙人兼总经理吴家麒在接受采访时指出，当前阶段，ChatGPT主要是提高量化编程的效率，而非取代人工。”首先，对于不懂编程和量化的的人来说，他们无法利用ChatGPT来进行这些任务；其次，在量化策略的构建过程中，ChatGPT也无法替代人工的智能。”他补充道。

并非人工替代

记者了解到，ChatGPT对于量化投资，主要是基础代码编程效率上的提升，并非投资策略研发的替代。

ChatGPT能够“编写代码”的原因在于其背后的GPT模型预训练数据中包含了丰富的源代码信息。因此，该模型可以根据用户提出的问题信息，预测出用户所需的代码。刘斌解释道，ChatGPT所依赖的人工智能大语言模型，从海量的文本数据中学习语言的通用特征，如词语间的关联性、句子的结构、语法以及上下文信息等，从而实现逻辑严谨的表达和回答用户的问题。虽然与人脑相比，这种模型所具备的数据、语义和资料更为丰富，但它仅依靠大语言模型却难以理解代码背后的具体意图，更无法在股票市场上实现精准的投资。

刘斌以“化工行业的定价逻辑”和“白酒行业过去几年的表现规律”为例，阐述了大语言模型如ChatGPT在金融场景中的应用。这些问题的解答并非难事，因为类似论述在过去的研报中比比皆是。

但“某个股票怎么样？”这个问题，它是无法给出一个准确的答案的，未来需要投研人员先确立一个选股框架，它可能会帮忙找出来。

吴家麒也进一步举例论证道，现在市场上很多数据和信息都是噪音，可能只有1%的有效信息。如果ChatGPT基于所有的信息进行拟合，可能出来的策略是无效的，或者说通过它在金融市场上来更迭量化策略，选取有效因子，效率会比较低。

但多位业内人士同时向记者提到，未来或会诞生能够熟练应用AI的“提问工程师”这一职业。同时，量化投资在招聘时，量化模型的主观架构能力会更被看重。“只有在对策略和模型有清晰认知的前提下，我们才能调动AI提高工作效率。”刘的阳表示。

暂不可接入投研系统

既然ChatGPT能够提升投研人员的工作效率，那么能否类似于微软将人工智能大语言模型技术引入Office一样，将ChatGPT接入基金公司的投研系统？

目前，针对这一问题多位业内人士对记者表示：可以接入人工智能大语言模型技术，但ChatGPT目前不行。

恒生电子首席科学家白硕近期在一场公开演讲中表示，基于金融行业特有的行业属性，大规模商用的技术对于准确性、可控性、时效性有很高的要求，并且需要具备很强的专业性、逻辑性和创造性。

同时，基于自主可控和数据安全的考虑，直接应用公有云上的大语言模型可能并不适用于资管机构。

“由于项目并不完全开源，目前ChatGPT对于投研端来说是一个技术黑箱，大家不清楚它输出内容的逻辑，它输出的内容可能和市场、和投研人员理解偏差很多。”某位业内人士对记者表示。

刘斌则提到，目前，投研系统接入类似的大语言模型，合规是首要面对的问题，可能存在信息泄漏的风险。也许等到国内的人工智能大语言模型在金融行业优化落地后，未来部署在本地，投研系统或可能实现接入类ChatGPT的功能。

业内人士表示，目前在公募、私募行业，类似于ChatGPT的人工智能技术或可最先应用于客服问答、研究辅助等领域。