从亚里士多德看AI赋能的量化投资

{"text":[[{"start":7.91,"text":"最初，股票分析本质上是营销。银行分析师的工作，是在推动经纪业务交易量的同时，也帮助企业顾问业务顺利运转。传统做法就是建议买入股票。后来，“五一节改革”、斯皮策和解、沃尔克规则和《金融工具市场指令II》(MiFID II)等一系列监管干预相继出台，引发了一场目标危机，而这个行业从未真正从中恢复。"}],[{"start":33.69,"text":"因此，如今打开一份卖方研究报告，看到下面这样的句子已不足为奇："}],[{"start":null,"text":"

在我们看来，亚里士多德(Aristotle)的《诗学》提供了一个有用的框架，既可以用来为质量溢价辩护，也可以说明在相反指标有合乎逻辑的暂时性解释时，投资叙事如何摆脱这些指标的影响。

"}],[{"start":39.83,"text":"上述引文出自杰富瑞(Jefferies)化工板块团队，该团队由分析师劳伦斯•亚历山大(Laurence Alexander)领导；埋在这些文字之下的，其实是一个合理的观点。"}],[{"start":49.75,"text":"如今，许多量化交易都会使用大型语言模型来生成投资叙事。把一份业绩报告、几千条新闻快讯和社交媒体信息、一些价格数据，以及大量行为金融学文献输入其中后，计算机就能估算投资者信念的强度。计算机还可以把自己的信号与以往的投资周期进行模式匹配，并附上“狂热阶段”或“投降阶段”等标签。它给出的结果几乎是即时的、可量化的、有证据支撑的，而且没有明显偏见。因此，从理论上讲，计算机应该能够较早发现投资者情绪何时开始转向。"}],[{"start":88.47,"text":"杰富瑞的化工团队使用AI筛选工具，帮助界定数据中心、自动驾驶出租车和烯烃供应等领域当前的叙事。亚历山大等人写道：“了解某一叙事处于其生命周期的哪个阶段，往往比理解其背后的基本面更有价值——因为价格是随着投资者信念的变化而波动的。”"}],[{"start":109.05,"text":"不幸的是，大型语言模型往往会陷入递归循环。该券商报道称，量化分析师抱怨，他们的“讲故事机器”往往“几乎执着地锁定某一框架，然后似乎又会基于范围更窄的一组输入，在情景矩阵中来回跳动”。"}],[{"start":125.53,"text":"杰富瑞表示，正因为机器学习系统有这种钻进兔子洞后迷失方向的倾向，它们并不擅长判断一轮投资周期究竟已经结束，还是只是暂时磕绊了一下。"}],[{"start":137.28,"text":"从这里开始，我们就有点迷路了。"}],[{"start":139.99,"text":"《诗学》讨论的是如何讲故事。亚里士多德阐述了悲剧应当如何通过人物的行动激发怜悯与恐惧，所有优秀喜剧的基础又如何在于阳具笑话，等等。它并不明确讨论何时买入和卖出股票——毕竟这部著作写成时，距离股票的发明还有近2000年——但它确实涉及叙事。"}],[{"start":161.96,"text":"杰富瑞表示，量化投资同样涉及叙事。它们如下："}],[{"start":null,"text":" "}],[{"start":166.69,"text":"请继续看下去。"}],[{"start":168.2,"text":"即便对机器人而言，亚里士多德的结构规则也能把有用的东西和无用的东西区分开来。比如，从亚里士多德式的视角来看，油价变化是在一个既定世界中发生的行动，它会让某个角色的视角从无知转向知情。主角可以通过征象来决定下一步怎么做，例如查看布伦特(Brent)油价；也可以通过更具挑战性的行动和推理来决定，例如查看布伦特油价下游的相关情况。我们的英雄的意图会在对立面之间反复摇摆，最终先走向极端行动的悲剧，再抵达某种结局感。该券商表示，这就是情节。"}],[{"start":206.54999999999998,"text":"杰富瑞引用《诗学》中的一句话：“适当的长度，应当使事件序列能够容纳从厄运到好运的转变。”它认为，这意味着投资者应当指示自己的大型语言模型“延展情节，直到最初的行动产生意义”。"}],[{"start":222.76,"text":"性格呢？团队引用道：“通过其行为来认识他们”，并用自己的话补充称：“关键标准：目的、现实性（滞后效应）、激励机制、一致性。”思想、修饰和措辞也得到了类似处理。在解释措辞清晰度对量化分析师的重要性时，团队补充道：“呈现模型类型、准确率和关键因素：f(ISM,采购经理指数,OECD领先指数)：随机森林，R²为88%，袋外为80%。”"}],[{"start":254.64999999999998,"text":"还有更多！多得很。但除非我们弄错了，其中没有一处提到亚里士多德。"}],[{"start":261.25,"text":"按照上文杰富瑞表格的说法，起源(Genesis)阶段是指：有一个似乎可信的理由可以认为市场错了，但“在晚餐桌上解释这一论点时，听起来还是有点疯狂”。验证(Validation)阶段是指这一论点开始出现在企业盈利、行业数据和内部人士行动中。采纳(Adoption)阶段意味着这一故事被主流接受，估值倍数上升的速度超过盈利预期上调的速度。狂热(Euphoria)阶段是指市场不再需要证据，因为这个主题被视为不可避免。初现裂痕(First Cracks)阶段是指令人失望的数据被淡化为暂时性的，但股票在利好消息出现时却无法上涨，信贷市场也在走弱。耗竭(Exhaustion)阶段则伴随着被迫平仓和竞争性叙事的出现。"}],[{"start":305.81,"text":"该团队表示，AI增强型研究“会沿着三个向量改变这一周期的每个阶段：速度、证据构成和失败检测。但它也会引入一种特定病症——论点锁定——以交易员需要理解的方式扭曲这一生命周期。”"}],[{"start":322.2,"text":"过去，从起源到采纳通常需要6到18个月，而AI驱动的系统可以在几周内完成这一过程。随着模型相互强化彼此的信号，狂热阶段会变得更短，但也更剧烈。而且，由于模型会迅速重新调整仓位，初现裂痕几乎不会被察觉。"}],[{"start":342.09999999999997,"text":"不过，基于大型语言模型的分析有一个关键风险：它的目标是取悦用户。一旦某个论点被写入提示词或工作流程，系统就会不断尝试寻找支持证据。它会依赖此前曾经证实该论点的来源。它也不会回头检查此前已经标注过的数据，尝试其他解释。杰富瑞表示，这意味着AI可能会让一个叙事在过了有效期之后仍然存活，尤其是在周期后期："}],[{"start":null,"text":"

AI会通过重新解释负面证据、延后目标线，或利用相关股票之间的背离来为某一论点辩护，而不是识别新的正面催化因素。除非竞争性叙事得到培养和鼓励，否则AI似乎容易将其排除在外；但这类工具似乎也容易错过另一种情况，即存在一个独立的因果机制，也在支撑最初的叙事（也就是说，它们更容易判定方向发生了改变，而不是识别出由不同底层动态推动的一波又一波支持）。

"}],[{"start":371.06999999999994,"text":"这些分析师总结称，在发现主题和阶段变化方面，人类分析师做得更好。AI研究有助于在既定框架内确认和追踪趋势，而人类“擅长识别框架本身何时需要改变”。"}],[{"start":385.1499999999999,"text":"如果这一切听起来还有些含糊，那么杰富瑞化工团队认为，我们目前所处的位置如下："}],[{"start":null,"text":" "}],[{"start":392.0299999999999,"text":"杰富瑞表示：“AI对叙事周期的压缩大概不会消除叙事周期——它更可能让行动太晚、或被锁定在过时论点中的成本显著提高。”“早期入场者和后期入场者之间的不对称正在扩大。如果你没有在第二阶段[验证]之前入场，你就是在为AI增强型基金提供退出流动性。”它补充道。"}],[{"start":415.1699999999999,"text":"亚里士多德还说过：“感知即受苦”，仿佛预见了卖方研究。"}]],"url":"https://audio.ftcn.net.cn/album/a_1781267374_8312.mp3"}