自我学习，自我推理的机器，早在上个世纪90年代，日本就开展第五代计算机的研究计划了。 很遗憾，他们失败了。 现在的技术，所有的带“智能”两个字的，都不是真正的智能。都只是对人的智能在某种程度上十分粗糙的模拟。 所以所谓的“智能自动化交易”，我看应该改成"机械自动化交易"才对。 计算机能否实现真正的智能，并不是想有就能有的。无论现在的计算机如何发展，始终没有超过计算机刚诞生时候的图灵机理论模型。只要计算机还在这个理论模型约束之下，是不可能诞生真正的智能的。这一点是可以从理论上证明的。 要诞生真正的智能，必须超越图灵机模型。目前唯一有希望的就是量子计算机，但现在技术上还不现实。
我也相信这种说法，也有许多实验支持这一说法。不过这个现象本身，就如同为什么会有智能存在一样，是一个谜。 另外量变引起质变只是一种宏观的，哲学上的说法。并不能用来解答诸如“真正的智能”能否会产生一样这种实际的问题。 就如同大家都知道市场是周期的，波段的。但你永远不能准确的知道下一波什么时候来一样。
traderworld 说的那个计算机判案的例子很有启发... 我对我的程序化交易系统的态度是只执行不思考... 说到智能...我想这个概念炒的比较多啥BP神经网络等.. 真正想做到智能还是再等几年吧... 楼主这个帖子的本意是探讨是否存在持续盈利的可以量化的交易模式 我觉得这个模式只在某段时间存在~...市场是会进化的...
我真的不明白为什么老是有人拿人脑和电脑相比！你们为什么要相比呢？？人脑有人脑的优势，电脑有电脑的优势。人脑只不过是一个超级复杂生物电脑，人脑的运行机制和电脑一样。事物都有两面性。正因为人脑具有了高超的逻辑思维与信息储存能力，因而也欠缺了高速的计算能力。然而对于市场其实不需要用到人脑所具有的那么多复杂功能。只需要用到人类以物理，数学为主要基础的逻辑分析。而这些都是可以由电脑程序来量化的。电脑就好像一个忠实的助手，你给他输入什么指令他就去的完成，它具有的能力你没有，你有的能力它没有。它是被动你是自动。电脑不需要具有随时和你谈心的功能。电脑不只具有单纯的线性逻辑，也可以具有模糊逻辑。可以打个简单的比方--天气预报。天气预报可以说是十分依赖超级电脑的计算。而超级电脑的逻辑是人类给他赋予的。有的交易者过于相信他自己的大脑的灵感或者直觉，当然这也并不是说没有一定道理，其实你这就是长期交易经验累积而从你大脑发出的模糊逻辑判断，没有那么神秘。即使是盈利的直觉交易者，从长远来看必然会出现不稳定因素。比如跨市交易的适应性很差，应对偶发因素很容易造成心理波动。而这些对于电脑来说就不是问题。而管理电脑的人只要你不去干预就行。 我很赞成楼主的观点。如果还有人怀疑是否有持续盈利的自动化交易系统，请想想天气预报，就看你有不有那个能力，那些相信自己头上那个脑袋的人，别再拿电脑人脑说事了。两者没有可比性，也根本不需要比较！
什么是“真正的智能”？图灵都没法下定义，只能用图灵测试来作检验。 做交易需要“真正的智能”吗？做交易需要写出莎士比亚戏剧那样的智能吗？ 我一贯不主张“大道至简”之类的扯淡。但我必须说交易其实比许多人想象的更简单。
简捷启发式 http://book.douban.com/subject/1599035/ 在此提一个书中提到的例子，非常有意思：两个团队被派去设计一个能够在场上接住抛过来的棒球的机器人。第一组做了详细的数学分析，建立了一个相当复杂的抛物线近似模型（因为还要考虑空气阻力之类的原因，所以并非严格抛物线），用于计算球的落点，以便正确地接到球。显然这个方案耗资巨大，而且实际运算也需要时间，大家都知道生物的神经网络中生物电流传输只有百米每秒之内，所以 computational complexity 对于生物来说是个宝贵资源，所以这个方案虽然可行，但不够好。第二组则采访了真正的运动员，听取他们总结自己到底是如何接球的感受，然后他们做了这样一个机器人：这个机器人在球抛出的一开始一半路程啥也不做，等到比较近了才开始跑动，并在跑动中一直保持眼睛于球之间的视角不变，后者就保证了机器人的跑动路线一定会和球的轨迹有交点；整个过程中这个机器人只做非常粗糙的轨迹估算。体会一下你接球的时候是不是眼睛一直都盯着球，然后根据视线角度来调整跑动方向？实际上人类就是这么干的，这就是 heuristics 的力量。 http://fzwb.ynet.com/article.jsp?oid=9686117 简捷启发式决策胜于复杂模型 2006年06月07日 02:58 第一财经日报 决策学专家、哥伦比亚大学哥德·吉仁泽教授： 而启发式的另一个原则，则是在于“少即多”，也就是说要忽略很多的细节。“如果预测未来的数据，你的数据越少，也许今后预测的效果越不好 本报记者 陈姗姗 发自上海 执教于哥伦比亚大学的管理大师哥德·吉仁泽教授，在教期间一直教学生通过分析各种参数，找到最优化的方案。但是有一天，他收到哈佛大学的邀请信时非常犹豫，不知道到底是去还是留。 他的同事曾把他拉到一边说，只要运用一下你所教授的理论，得出谁是最优化的不就可以了吗？你不是这样教学生的吗？吉仁泽教授非常愤怒，跟他的同事说，“你得了吧，那些都是理论而已。” 这是吉仁泽，在《第一财经日报》主办的第一财经商业大师系列论坛上演讲时讲的一个小故事。他想跟大家强调的是，好的决策并不一定要遵循逻辑、规律。从理论上来说，的确会有一些优化的模式，但是这些最优化的模式在真实的生活当中，往往会碰到很多的问题，如果要想试图找到一个最优化的投资方案的话，可能这里会牵涉到很多的参数，而且万一有一些数据是错误的话，也就意味着你对于未来不一定能够作出一个很好的判断。也就是中国人说的，聪明反被聪明误。 随后，哥德·吉仁泽就引出了他参与研究的一个被称为“快速、简捷启发式”的战略，这种战略描述人们的头脑和环境，比如说社会环境之间的关系。就是说我们的头脑到底是如何来适应我们的环境的。“如果在一个商业的晚餐或者在其他的一些情况下，比如在餐桌上你要做一些决定的时候，简捷式的启发式，可能会比那些发展的非常复杂的最优化的模式，更能帮助你找到一个更加好的解决方案。” 启发式的原则 哥德·吉仁泽介绍，在他们的调研中，问到你到底是不是在做决策的时候考虑到各个方面的优缺点，66%的人说没有。“你要看到一个白衣大夫话就信任他，这是非常简单的启发式。”简捷式的启发式，其中一个原则，就是指出了优化的做法在现实生活当中不是常用的，反而往往来自于人们的经验。 哥德·吉仁泽又举了一个获得了诺贝尔奖金，名叫海瑞的人的例子。海瑞的理论是，如果你有一些资产方面可以进行选择，比如说你要把你的钱分配在不同的资产上的话，他提出了最优化的理论，也就是说如何把这些方式能够得到的效益，能够得到最优化。而事实上，这位学者自己对他的退休金进行分配的时候，却并没有遵循他所说的要进行最优化的理论，比如在证券、股票等方面，他其实把自己的钱财进行了等分，这位学者认为把钱财均分在这些财产上面，比实现最优化反而更加好。他其实是在用简捷的启发式的策略，而这种启发式的方法，事实上把他过去的那些经验和数据进行了总结——可以把过去30年的一些经验用来对未来三个月里面的决策提供指导。 而启发式的另一个原则，则是在于“少即多”，也就是说要忽略很多的细节。“如果预测未来的数据，你的数据越少，也许今后预测的效果越不好。”哥德·吉仁泽提出了这样的观点，尤其是在情况不确定的时候，应该学会忽略信息，也就是说不要关注太多的细节，你必须要把自己的注意力关注于一到两个真正重要的标准之上。 哥德·吉仁泽又举了球手接球的例子，球手在接很远过来的球时，并没有去计算这个距离，也没有要知道这个球具体的速度，还有抛物线的轨迹，真正的球手实际上使用的就是简捷启发式。他忽略了所有的信息，然后只关注一项，就是球。根据球的角度变化，调整跑动的速度，眼睛盯球的角度始终不变，最后就会接住这个球。 而怎么样去忽略信息，找出我们应该关注的信息，才是更重要的。哥德·吉仁泽介绍，这就要分清楚，到底对我们来说最关键的因素是什么，第二个关键因素是怎么样的。有时候要找到一个比较简单的方法对这些进行排序，在这个基础上应该能够更好地作出适合的决定。 启发式要与环境联系 不过，哥德·吉仁泽也强调，启发式主要是关注我们现实生活当中的决策，因此，你必须要知道在什么情况下用什么样的战略。如果未来特别不确定，也许运用启发式比较适合。但是如果很多情况可以预测的话，使用起来就不太适合。 更重要的是，各种各样不同的启发式，也应该放在不同的工具箱当中，并应该知道在什么情况下使用相关的启发式。不是一种启发式都能适应所有的情况，我们必须要用适应性的思维方式引导，要关注周围环境的变化，有时候甚至要改变外部的环境，更好地使用这个方法。 “因此，非常重要的是你不要什么都事先规划好。”哥德·吉仁泽说，比如说对一些商业计划来说，一般要做几年的规划。但是在这个过程当中不要忘了还要有一定的灵活性，还要充分考虑到万一一些事件不照之前的计划方向进行的时候会怎么样。” 美国的直升飞机制造商西科斯基的案例就是一个非常好的例子。刚进入中国时，他们只是做了一个非常简单的规划，因为不知道随着时间的推移情况会怎么样改变。后来，他们把刚开始进入中国时的决策作了非常大的调整，本来要把直生机在上海进行装配，零件从美国运到上海的流程，因为民航总局没有相关的许可而必须改变。最后他们把原本的第四个阶段放到第一个阶段来做，在第一个阶段就生产了所有的部件。与此同时，他们到中国民航总局等部门不断探讨，到底该怎么样做。而现有的政策，则先接受，并找一些其他的方法解决问题。
火气好大的说～ 事实上，我是站在支持自动化交易这一边，立志于不断的改进自动化交易，让它能越来越稳定的获得持续的收益，从而释放人脑，达到提前退休的目的～ 我想讨论的并不是计算机和人脑谁好谁差，我只是觉得，有志于从事自动化交易事业的人，不能只靠满腔热情，带着许多主观的、非理性的认识。这样做事很盲目。也许换换模型，调调参数，一定时间内能获得不错的结果。但是如果不能弄明白，这个结果现在为什么会好，以后为什么又不好，为什么调来调去总是一次次陷入这好与不好的轮回中。如果所谓的自动化交易，因为怕出什么问题还需要人时时刻刻的盯着，或者隔三差五调调参数，调调模型，那也就失去了自动化交易的意义。 我很喜欢庄子的一句话，“辨天地之美，析万物之理”。我喜欢分析万事万物的本质，并从中感受美的存在。 最后，顺便说一下，天气预报跟交易市场一样，属于典型的混沌系统，本质上一样是无法长期预测的。并且在现代化天气预报出现之前，古人有无数种天气预报的方法，准确度未必不如现代化的天气预报。并且，许多观察小动物习性的预测方法，有些在长期预测上准确度还远远超过现代化的天气预报。 ps2:希望不要有人因为我说到天气预报，而说我跑题～
正因为“智能”无法定义，所以有了图灵测试这种很粗略的“定义”。 交易跟写戏剧无关，大多数人也写不出戏剧，并且莎士比亚来做交易也恐怕也不如这里的各位厉害。所以你举的例子所用的归谬法是没有意义的。 你觉得交易很简单，那只是你“觉得”而已。走路也很简单，但是你知道让机器走路有多难么？光两腿站稳就是个复杂的不得了的课题了。 anyway，我不太想接着讨论这个话题了。我还是接着做我的自动化交易平台更有意义一点...
你肯定没看过我的个人主页，嘻嘻。 我大学期间就是跟ABC研究组，后来叫研究中心了的专家们学行为学和简洁启发式，上面那老头，和几个研究人员曾经在实验室里放苍蝇，然后追踪苍蝇的轨迹来分析苍蝇行为，数据还发过来过呢。 歌德最厉害的，他还提出了卡尼曼理论的缺陷，唯一一个有实质意义的反对声音，而且提出了生态理性假设。 但是研究中心后来根据鸟类喂食的投资组合研究，效果一般。
得了吧，我见过一些围棋软件，没有弱到初学者都赢不了的程度。现在没有能战胜人的电脑，不是因为围棋的变化多，而是因为现在的电脑还不够强。你变化再多，棋子的变化终究是有限的，而电脑的发展是无限的。还有一个原因，围棋基本上都是东亚的人在玩，深蓝是西方人搞的，东亚的科技水平还远不及西方。如果围棋在西方如国象般普及，这个神话估计也会很快被打破。
“不是因为围棋的变化多，而是因为现在的电脑还不够强。你变化再多，棋子的变化终究是有限的，而电脑的发展是无限的。” 你这句话的依据是什么？别告诉我是你随便想想的。 我学过围棋，背过许多定式，算业余围棋爱好者，同时也是资深IT民工。我想这方面我应该还是有点发言权的。 围棋一共361目，每目可以落白或者黑，简单的说围棋的变化有2^361种，也就是 46970851655476664557789611935786740547513650978166397414145819430 64418050229216886927397996769537406063869952种形式，差不多是10^108数量级。 而下围棋，就算是两人下200步结束（事实上远远不止），那么可能的变化是361!/(361-200)!，也就是 84483571671336825660338170996005592623535059371806476047610391445 31341940619102639486389442439341122038738910155094086763088001442 38879910272540346779211198231507204162469403945545519690574649812 77282242947482155296867864331698303788467700435897833723055439586 84500729812341836318882510913544182953683287493718501621360978310 48363871253311434319091269209921166491721739817337158987846600195 42836769654008793403779079098545678686617600000000000000000000000 00000000000000000000000000，10^480数量级。 目前CPU的计算速度是GHz级别，我们就拿TOP 500排名第一的超级计算机的速度为例。 根据http://www.top500.org/lists/2010/06的数据， 目前排名第一是美国Oak Ridge National Laboratory的Jaguar - Cray XT5-HE。拥有224162颗Opteron Six Core 2.6 GHz核心。我就拿峰值计算速度算，2331TFLops。 我们就算每次做个浮点加法计算就相当于一次棋局搜索好了（实际上远远没这么快） 这台机器相当于每秒计算2331000000000000步骤， 这样搜索这个10^480的空间，还是需要10^468秒的时间。目前宇宙存在时间是就算是300亿年好了，那也不过是9.4*10^17秒的数量级而已。 这个差别是如此之大，大的恐怕已经超越了人类能理解的范畴了。 事实上，别说搜索200步这么夸张了，就算是只搜索一步，也需要108数量级的计算，所需要的时间也足够宇宙毁灭10^79次了。 看了这些计算，你真的认为只是区区“有限”两个字能概括的么？ 以上就是围棋的变化，这些都是可以简单计算就能得出的结论。 至于你的另一句，电脑的发展是无限的，不知道你又是如何证明的。恰恰相反，现在的计算机发展已经越来越逼近材料极限了，目前intel最先进的工艺是22nm。而到1nm尺度，量子效应就会明显到无法忽略的程度。也就是说1nm就是当代基于硅处理器的工艺极限。 最后，如果你学过计算理论的话，就会知道什么叫不可计算问题。所谓不可计算问题，并不是说这个问题计算机无法计算。而是说这个问题随着规模的增大所需要的计算步骤会海量增长，以至于远远超过计算机这种18个月翻翻的发展速度。就是说，摩尔定律这种看起来很恐怖的发展速度，相对于不可计算问题规模的增长速度，简直就像是蜗牛跟兔子一样，或者说的更准确的一点，就是一块静止的石头跟突破第一宇宙速度的火箭一样。 就算计算机计算速度翻了一倍，同样时间可以求解的问题规模，只能增长一个可以忽略的小小的常数项。这就是不可计算问题的定义。 恩，我有点较真，不淡定了，这样不好，不好～～
喜歡看lvsoft的回貼啊~思維有條理，表達簡潔到位。知道自己在說什么，怎么讓別人看懂。 K兄，偶以前上過，被英文和術語嚇跑了，現在翻遍Google也找不到你的主頁...... 啟發式似乎在提倡收集經驗公式打造專家系統，而不強調模型對問題的擬真。