1樓：「已登出」
因為設計策略的人，自己並不會做交易。所以胡亂挖掘，隨機組合，碰碰運氣。
會交易的人，會把策略賺錢的原因給你講得一清二楚。不過，這種人一般不會打工。
2樓：本當上手
有肯定是有，但接受度肯定不高。這不侷限於金融，一切涉及生命財產的領域都是如此。比如完全自動載人駕駛，比如金融。
本質是人性。
乙個系統，當出現問題如果能找到負責人（一定要是人），即使他表現比另乙個找不到負責人的系統差一點，人們依然會選擇前乙個可控的系統。
無法以人類的同理心解釋，無法以人類的認識精準操控的系統都是難以在人類高度敏感的領域使用的。人類即使知道AI開飛機比人類機長在統計意義的失事率低了0.01%，但你也不敢坐的原因是。
你知道人類機長擔心的是什麼，他是人，你害怕的他也害怕。而目前的AI完全不是如此。
3樓：gwave
可解釋性是硬傷，深度學習自我學習特徵好是好，但是不太敢全力用啊，說不定啥時候模式變了，你還不知道，使用老的模型，導致損失誰來負責
4樓：
其實是可以的，現在用的很多的GP就是一種，新的方法我估計也已經有人在用了，就是特徵工程，不直接用是因為端到端的方法工業界也沒發展多久，因子收益大幅度衰減也是近兩年的事，幾年前簡單反轉都賺爆了，誰會再考慮更複雜的方法呢？不過隨著傳統因子收益的降低，未來基於機器學習和深度學習的方法會被用的越來越多，可能現在有些方法類似於以前的反轉因子，也是賺爆了，只不過沒做出來的人不知道而已。傳統的多因子方法也就是個解釋體系，沒必要覺得傳統的方法有多神秘，多牢固。
5樓：
歷史無法決定未來。你的問題無疑在問，為什麼不全部交給機器處理。機器雖然很強，但是它只是精確計算方面很強，記憶力基於儲存幾乎無限。
但是目前為止，最強的AI也還是沒有5歲的孩子厲害。你又怎能指望，它能比人更好的去投資？即使到了強人工智慧時代，投資這事兒讓AI搞，也依然是沒有什麼勝算的。
6樓：緣外求緣
兩者皆有。
據的我經驗，在量化領域(更大一點範圍，金融投資領域)你要能想到的所有方式都有人嘗試，普遍與否與盈利能力不掛鉤，說不定還是負相關。
7樓：錢塘小甲子
1、金融市場資料的訊雜比遠小於其他人工智慧領域的資料
2、金融市場不是乙個封閉系統，是會自我進化的
3、金融市場是經濟的衍生物，所以會受到外部衝擊
8樓：劉紐
資料太大，算得太慢。當前也就GP演算法合適構造端到端因子，但是沒法用GPU，所以算太慢用不起來。如果用長週期小資料量的計算，就會出現樣本外資料不足以進行健壯性驗證的問題，難以判斷過擬合程度。
9樓：王一睿
我感覺不是，而是資料的訊雜比較低，樣本量又沒那麼充足，再加上特徵本身還一直在演化。所以純資料去學習太容易過擬合，沒辦法的辦法，因子本身需要有邏輯來支撐，才能保證一定的泛化能力。
為什麼天使投資和私募股權投資企業普遍採用有限合夥的企業架構？
幾點人 所有關於避稅的思路，估計源於很多人對 先分後稅 的誤解以及稅務局對合夥企業稅收監管的薄弱。合夥企業並不是毫無優勢可以，最少在印花稅方面可以節稅不少，比如相對於公司製而言，籌集的巨量資本金，合夥企業無需繳納印花稅。僅此而已，淺薄的看法！ 簡妮 有利於規避法律好圈錢。有限合夥企業是05 年 合夥...
金融行業為什麼普遍採用 PB 估值法，而不是 PE？
已登出 簡單說，三個原因 1 金融業務的本質是以自有資本墊底來經營信用 體現在財務報表上，就是資產 負債的結構 風險特徵，以及資產與負債的相互匹配。這對企業真實利潤的影響，遠大於利潤表上的利差和中間業務手續費收入 這種匹配和相應的管控能力，也是金融企業對核心競爭力，類似其他行業以毛利突出體現的產品或...
為什麼同是量化投資第一梯隊，幻方量化要比銳天更容易招人黑？
匿了匿了.被黑的都是私募裡面不是做技術的人,因為他們在指點江山.幻X.思X的都是,不過現在低調多了,真正負責投資團隊的跟指點江山的募集資金的關係有限.幻X欠薪.XX跑路都是大坑,當初由於違規頂格申購被XX不提了嗎?銳X其實也是之前也有面試套路的問題,當初匿名回的那個就是Gao.不說說真的,Gao畢竟...