ChatGPT“取代”程序員？ 國內量化私募覺得不行 全球觀熱點

記者陳植上海報道

隨著ChatGPT迅速崛起，它在投資策略建模方面能否替代程序員，正成為金融市場一大熱門話題。

(資料圖)

記者獲悉，近期部分歐美量化投資機構正嘗試使用ChatGPT構建新的投資策略，著手檢驗它們在實盤交易領域的成效。

值得注意的是，在國內量化投資領域，ChatGPT能否替代程序員，同樣頗受爭議。

多位國內量化私募人士向記者透露，盡管金融市場對ChatGPT在投資策略迭代升級抱有較高期望值，但在實際操作環節，程序員在投資效率提升方面仍擁有難以替代的優勢。

“事實上，ChatGPT等人工智能技術之所以在投資策略建模領域受到重視，一大重要原因是它能基于海量數據（603138）的分析挖掘，找到一些不為大家所知的投資規律，但這些投資規律能否在實盤交易環節發揮作用，仍是未知數。”一位國內量化私募基金人士向記者指出。首先，金融市場里的信息與回報之間的因果關系相當復雜，ChatGPT完全依賴信息數據挖掘分析，未必能完全掌握上述復雜因果關系；其次，金融市場交易的實質，依然是人們不同情緒與心態的博弈，但ChatGPT未必能精準掌握各類交易人群的情緒與心態變化，進而做出最佳的投資決策。

一位國內大型量化私募機構CTO向記者表示，當前程序員在量化交易領域具有三大難以取代的優勢，一是隨著數據量激增，需要專門的技術棧對海量數據進行處理。在這個過程里，需要程序員出身的相關量化工程師構建相關系統；二是程序員能適應更快的程序迭代速度，助力量化私募基金更好發展與相關業務擴張；三是就交易成本而言，實際交易環節的很多細節都會直接影響業績結果，需要程序員有針對性地逐一解決投資策略在使用過程的各個問題。

“投資效率的提升，將有助于量化私募產品獲取更可觀的超額回報，而程序員難以被取代的核心優勢，就在于他們對投資效率提升的貢獻度極高。”他向記者強調說。

上述國內量化私募人士向記者直言，目前他們也在嘗試將ChatGPT等AI人工智能科技應用在投資策略建模領域，但他們發現，程序員的作用依然難以被替代。究其原因，一是ChatGPT自動生成的量化投資策略未必“完美”，需要程序員根據實際交易環境做出優化改良，才能在實戰環境創造更佳業績；二是金融交易的實質是人們心態與情緒的博弈，更需要程序員根據最新的金融市場情緒變化，對某些ChatGPT所生成的投資策略進行取舍，確保相關私募產品不會“踩雷”。

5月6日，“股神”巴菲特在伯克希爾哈撒韋年度股東大會表示，人工智能可以改變全球的面貌，卻改變不了人的想法和行為。程序員緣何難以替代

ChatGPT自動生成的投資策略能否“跑贏”程序員研發的金融產品，正日益受到金融市場的密切關注。

近日，finder.com發布的最新實驗結果顯示，由ChatGPT推薦的38只上市公司所構建的股票組合凈值在過去五周上漲約4.9%，跑贏英國在線投資平臺Interactive Investor所推介的10只熱門基金產品(平均收益為-0.8%)。

“但這僅僅是個案，且短期業績表現無法印證ChatGPT所生成的投資策略能在更長時間持續跑贏上述熱門基金產品。”一位美國華爾街對沖基金經理向記者直言。此前他們也曾嘗試通過ChatGPT構建投資策略，但他們很快發現絕大多數由ChatGPT自動生成的量化投資策略未必能在實戰交易環境創造預期回報。

他直言，任何量化投資策略要進入實戰交易環境，首先要在模擬實盤環節與回測系統取得成功，但他們經過模擬實盤與回測研究發現，多數由ChatGPT自動生成的量化投資策略都遭遇“業績滑鐵盧”。究其原因，一是有些ChatGPT所生成的投資策略缺乏良好的外部柜臺交易環境，導致其實際業績遠遠低于預期值，二是有些ChatGPT所生成的投資策略與當前資本追逐熱點“完全不匹配”，導致業績很快“一落千丈”。

上述國內大型量化私募機構CTO告訴記者，投資機構開展模擬實盤與回測研究的最終目的，就是進行實盤交易。在構建回測系統環節，最常見的一點是要保證回測和實盤的一致性。這同樣離不開程序員的努力。

“這背后，是不同投資策略需要不同的交易系統與回測系統，這一方面需要程序員針對投資策略特性進行特定優化，從而獲得較好的回測系統或實盤系統，另一方面程序員需通過對投資策略在模擬實盤與回測系統的業績進行分析匯總，找出相關問題進行針對性地調整解決，進一步提升投資策略的投資效率。”他指出。這恰恰是程序員難以被各類AI取代的核心優勢。目前，程序員對投資效率的提升，還體現在交易的方方面面，比如在實際環節，研究員通常會在限定時間內開展更多的回測嘗試，比如嘗試不同的參數，不同的策略，不同的模型或下單方式等，從而給投資策略創造更好的外部柜臺交易環境等，以爭取更高超額回報；此外，程序員可以盡量減少額外的資源占用，進一步提升研發效率。

前述華爾街對沖基金經理向記者指出，目前ChatGPT在投資策略建模與應用過程面臨的另一大短板，是投資機構很難了解ChatGPT所生成的投資策略背后的“投資邏輯”。具體而言，越來越多歐美投資機構發現ChaGPT所生成的投資策略就像是一個“盲池”，沒人知道它到底對哪些數據做出分析挖掘，找到哪些投資規律，這些投資規律的邏輯是否“合情合理”，能否在實戰交易環節創造可觀回報。

此外，不少歐美量化投資對沖基金不清楚ChatGPT所生成的投資策略能否在不同柜臺交易環境均創造可觀的回報。事實上，同一個投資策略在性能截然不同的柜臺交易環境下，往往會產生較大的收益差距。但要創造良好的柜臺交易環境，同樣離不開程序員的協助。

“目前，我們更傾向于將ChatGPT自動生成的投資策略與程序員研發的投資因子與外部柜臺交易環境進行融合，通過彼此的揚長補短，令投資策略創造更佳的業績表現。”這位華爾街對沖基金經理指出。ChatPDT在投資策略建模的“短板”

在業內人士看來，ChatGPT之所以被眾多歐美投資機構用于研發新的投資策略，一個重要原因是它能對海量數據進行分析挖掘，找到不少不為公眾所知的投資規律。

目前，ChatGPT覆蓋的數據量達到約1750億個變量，涵蓋過去數十年的各類文本資料。

但與此同時，也有不少歐美投資機構發現ChatGPT在投資策略建模方面所面臨的最大挑戰，恰恰就是“數據太多”。

具體而言，一是數據越多，“噪音”越大。若ChatGPT所自動生成的投資模型過多聚焦那些“噪音”數據(即未必能對投資成效發揮直接作用的高價值數據)，可能會導致其投資成效“大打折扣”；二是ChatGPT在對海量數據進行分析挖掘時，往往可能會忽視某些金融市場交易常識與投資準則(或是經濟學原理)，令相關投資策略面臨潛在的投資風險。

因此，越來越多歐美投資機構都在嘗試人工介入，即派遣程序員要么先過濾掉某些“噪音”數據，再使用ChatGPT進行投資策略建模；要么在ChatGPT開展數據分析挖掘環節，通過技術手段先植入相關金融市場交易常識與投資準則，提升其投資策略的“可解釋性”與“業績可預測性”。

在前述國內大型量化私募機構CTO看來，這的確給量化投資機構程序員提成新的挑戰，一方面隨著數據量達到PB級別，程序員出身的量化工程需需要構建專門的技術棧系統，對海量數據進行處理；另一方面程序員需要適應更快的AI技術或投資建模迭代速度，以支持私募機構相關業務發展。

在業內人士看來，要將ChatGPT等人工智能技術應用在投資策略建模以獲得穩健的超額回報，還需相當長的征途。但是，這并不意味著程序員與AI技術互不兼容。一方面ChatGPT等AI技術的海量數據分析挖掘能力，為程序員處理各類信息數據并提升投資效率提供巨大的幫助，另一方面程序員也能根據模擬實戰業績匯總分析，為眾多ChatGPT等人工智能技術自動生成的投資模型創造更好的柜臺交易環境與策略優化賦能，從而令后者在實戰環節創造更佳的業績表現，助力私募產品業績更上一層樓。

關鍵詞：