好奇心日报

早在 1980 年代初，桥水基金的老板瑞·达利欧就开始把大数据运用到交易决策中去。和现在的人们一样，达利欧当时面临的主要问题不是没有足够的数据，而是为何和如何运用这些数据。

一如现在的很多交易员，达利欧一度认为大数据是用来预测市场走势的。在 1981 年 12 月发表的一篇文章中，达利欧说如果有一台电脑能存储世界上所有的事实，同时拥有完美的程序，能以数学方式表达世界所有不同部分之间的所有关系，人们就能完美地预见未来。

后来他发现能预知未来，对于建立强有力的交易策略，并没有太大帮助。比如说预测到某种大宗商品的价格在未来可能是 75 美分左右，而如果它现在的价格是 60 美分，买入自然是有利的，但如果无法预测它的价格会不会先跌到 50 美分，最后才回升到 75 美分，还是无法预知何时买入、何时卖出才是最合理的。

换言之，最重要的事情并不是预知未来，而是知道在每一个时间点上如何针对可获得的信息做出合理的回应。由此，达利欧意识到，大数据是用来建立、验证和修正决策标准和决策系统的。

达利欧开始尝试把每一笔交易的决策标准写下来，然后把这些标准转化成公式，也就是现在人们所说的“算法”，再用这些公式计算历史数据，以检测历史交易的效果，进而根据具体结果合理地改进这些决策规则。

除了桥水的历史数据外，达利欧团队还输入了超过一个世纪的、所有有数据记录国家的历史数据，以透视经济/市场机器在历史上是如何运行的，如何对其押注，并通过检测结果改进决策标准，使之成为普适的标准。在决策标准确立之后，接下来的工作就是把现实中不断得到的数据输入这些决策系统，然后电脑就会处理这些数据，做出决策。桥水最初的利率、股票、外汇和贵金属系统就是这么产生的，然后团队又把这些系统合并为一个系统，以管理桥水的投资组合。

简言之，桥水所做的就是用算法来表述投资决策标准，然后用历史数据来检验，或者用算法表述工作原则，然后用其来帮助管理决策。与人脑决策相比，用电脑辅助的决策系统能让人们更快地做出考虑更全面、更少情绪化的决策，而且还有利于维系团队的团结，因为彼此间的争论将不再围绕结论进行，而是就不同的决策标准进行争论，而决策标准是可以被客观检验的，人们还可以在解决分歧之余优化标准。

在过去的 30 年里，桥水又不断为决策系统纳入了许多其他类型的规则，用来引导交易的各个方面。现在，当实时数据发布时，桥水的电脑能够分析来自 1 亿多个数据组的信息，然后以合乎逻辑的方式，向其他电脑发出详细的指令。达利欧说，假如没有这些系统，他很可能已经破产，或者因要从事如此繁重的工作而被压力逼死了。

当然，这不意味着盲从电脑的建议，在电脑工作的同时，人们自己也进行分析，然后对二者的结果进行对比，并搞清楚为何有分歧。大多数时候是因为人们忽略了某些东西，有时候则可能是因为系统“忽略”了一些标准，或者需要添加新的变量。

达利欧承认，在很多方面，人脑无法与电脑竞争，比如 24 小时工作的“毅力”，和快速、客观处理海量信息的能力。最重要的是，电脑对群体偏见和从众思维免疫，不会顾虑自己的结论会不会受人欢迎，而且从来不惊慌失措。

但与此同时，从电脑辅助决策中受益良多的达利欧，却给当下亢奋的人工智能热潮泼了盆冷水。达利欧不像一些守旧分子那样简单地认为电脑永远赶不上人脑，而是认为不能过于轻信乃至盲目运用电脑通过数据开采得出的规律，一方面这些规律可能因为与现实脱节，不足以应对未知的世界，另一方面在没有深刻理解这些规律背后的逻辑和因果关系的情况下，就将其应用于决策，是很危险的。

所谓数据开采是近年来机器学习发展最快的领域，是指功能强大的电脑消化大量数据，从中发现规律。达利欧对数据开采系统本身评价甚高，他认为有了足够强大的计算能力后，所有可能变量就都可以纳入考虑，由此得出的规律对人们的决策很有帮助。但人们不能盲目信任这些规律。

在未来的事物发展范围和格局与过去相同的情况下，也即当同样的情况以可靠的方式反复不变地发生时，例如在一场规则极其严格的游戏比如棋类比赛中，将算法得出的规律加以应用是有效的，这已被国际象棋和围棋的人机对弈结果所证实。但现实中事物不断变化，所以这样的系统很容易与现实脱节，因此无法应对未来的挑战。

另外一种风险是，电脑只负责“发现”规律并将其应用于电脑决策，而不需要“理解”这些规律背后的逻辑。达利欧指出，很多人因为发现机器学习比形成深刻理解容易得多，就盲目信任机器学习。但对达利欧而言，深刻理解必不可少，任何决定背后的逻辑如果无法说明，对他而言都是不可容忍的。他认为当人工智能使用者在没有深刻理解它的情况下，就接受机器学习创造的算法所假定的因果关系，甚至根据这些认识来行动时，可能会产生意想不到的风险。比如在没有深刻理解其逻辑的情况下，以机器学习为基础构建的投资系统就会很危险，因为人们弄不清楚过去发生的情况是否真有价值，即使有价值，也弄不清楚其价值是否已经消失，甚至走向负面。常见的情况是，一些决策规则变得非常流行，以至对价格产生很大影响，从而使反向操作成为更合理的做法。

对达利欧来说，相对于依赖人们并不真正理解的算法，对因果关系形成深刻理解所产生的兴奋、安全性和教育价值要有吸引力得多。不过他略带悲观地预测说，人们会越来越信任电脑发现的、超出我们理解范围的因果关系。这种信任有时会带来成效，有时会适得其反。人工智能可能会带来极快、极了不起的进步，但也可能会导致人类的毁灭。

而达利欧希望的未来是人类智能和人工智能同舟共济，因为这能带来最好的结果。我们拥有的想象力、理解力和逻辑能力是人工智能所不具备的，我们对人工智能的运用，最好就像司机利用 GPS 一样，是用来辅助我们的导航能力，而不是替代它。

推荐阅读：《原则》

题图：achievement.org

一个物品如何成为一个全球化商品，一个物品如何促进全球化，一个物品又是如何实现全球化制造？「万物简史」这个栏目将从“物品”出发，去看这些“物品”如何渗透进我们的生活，并改变了我们的世界。

它关注的内容包括，集装箱，铁路，水，迪士尼，气候，折扣，T恤，航海图，武夫，茶，香料，鸦片，咖啡，木材，旧衣服，贸易，大豆，宜家，阿拉伯，玉米，酒店，黄金，疾病，白银，皮毛，石油，天然气，西方文明，铁路股票大战，汽车，奢侈品，贫困，抗生素，瑞士旅游业，通用电气，有线电视，广告，探索频道，商人，车型，人民币，传教士，鸟粪，安利，冒险家，蒸汽机，瘾，航线，棉花，茄子，湖广填四川，尼加拉瓜运河，一汽大众，洗浴，纽约，农业，联盟，汇丰银行，登山，港口，棉布，欧元，亚马逊“优先配送”，除草，盗茶，废品，Zara 症，荒野文化，利玛窦的地图，皈依者沈福宗，黑死病，鳕鱼，人类基因，下南洋，红衣大炮，经济中的野蛮人，福利国家，西医的草药，机关枪，铁皮坦克，天花，ISIS，冷战，体育运动，海外华人，滑铁卢战役，朱可夫，民国政党，东印度公司，火炮，史迪威，创新，太平洋战争，鸦片战争，“西方震撼”，中餐，欧洲，普鲁士，阿拉伯民族主义，中东战争，雷曼倒闭，金融危机，中国青年游日团，空气污染，英特纳雄耐尔，大众，江青服，满人，团队运作，日本产业政策，绥靖政策，纳粹，煤炭，一战，苏联倒塌，官司营销，“收藏中国”，选票，印度独立，茶叶杀菌，萨利机长，民粹主义，葡萄牙探险队，布热津斯基，土耳其帝国，阿富汗战争，911，中日关系，法币改革，红色货币，超级版图，国货反击战，8·19 事件，街头抗争，清政府救市，日本底层社会，国共命运，“惩越”外交战，太平天国，秦汉帝国，西藏问题，大英帝国，斯大林，忽必烈的“首都圈”，倭寇、战争中的民主，麦克阿瑟的遗产，白兰地、朗姆酒与现代美洲，苏联电影，奥斯曼帝国，青年斯大林，洋海关，宋氏家族，1916，亚洲的素食主义，欧美分歧，晚清报人，阿富汗，清朝新疆财政，成吉思汗大交换，德国民族主义，大清帝国，皇家狩猎，美国 1927，电力之战，锈蚀、睡眠，越南战争，里根，废墟，五卅运动、以巴分治、以色列……

喜欢这篇文章？去 App 商店搜 好奇心日报 ，每天看点不一样的。