从AlphaGo大战李世石开始，人工智能的种种应用就开始走入大家的视野。人工智能在媒体笔下，变成了一个智力超群、无所不能的黑科技。但其实，它并没有那么强大，目前的人工智能主要还是依托于统计学，并没有出现真正的“智能”。正如互联网行业内的一句老话：“有多少人工，就有多少智能”。
随着世界现役围棋最强者柯洁的0：3落败，现在毫无疑问，在围棋上机器已经能够彻底击败人类了。那么，还有没有比围棋更复杂的事情呢？不错，炒股正是这样的事。
试想，在围棋上，人类已经能达到比较高的水平了，但对于千变万化的股市，人类几乎没有应对的策略，技术分析、基本面分析等各路方法的牛人，也不敢打包票说自己一定能赚钱，而被捧上神坛、连续多年盈利的基金经理，也不断在翻车，翻车后人们就意识到他之前赚的钱很大程度是来自于运气。炒股，这个如此复杂，连人类都没有解决方案的事情，人工智能可以做好吗？
机器学习作为人工智能的一种实现途径，正是利用统计学去解决种种难题的一大利器。在今年的金融学顶级期刊Review of Financial Studies上，芝加哥大学Booth商学院的顾诗颢、修大成，和在耶鲁和AQR任职的Bryan Kelly，共同发表了一篇名为“通过机器学习的实证资产定价”的文章。
炒股，其实说白了就是要预测股票的收益率，如果把收益率预测好了，每次都买入收益率最高的股票，赚钱不就是水到渠成的事情了吗？
那为什么要用机器学习来做这件事呢？因为股票的收益率非常复杂，影响收益率的因素非常多，而机器学习恰恰可以用来捕捉非常复杂的关系。
这篇文章用了几种不同的机器学习算法，对收益率进行预测，发现有一些算法的预测结果非常不错。而在预测的同时，机器也做了对变量重要性的筛选，如下图：
从图中可以看出哪些变量比较重要呢？过去1个月的动量、市值、过去12个月的动量、动量的变化、过去的最大单日收益率，这些是机器挑选出的最重要的变量，不知道各位股票爱好者平时炒股时有没有用这些变量进行分析呢？从这些变量看，机器也像是比较偏好技术分析，喜欢用“动量型”策略。或许常被人嘲笑无脑的“追涨杀跌”，在加入某些条件后没那么糟糕，用好了自然有它的威力。
既然可以做到预测，那么能不能用它来赚钱呢？当然是可以的。
如果每个月调一次仓，调仓规则是，按照预测出来的下个月的收益率，将股票分为10等分，然后买入下个月的预测收益率最高的那一份就行了。如果坚持买入第2高的、第3高的……第10高的（最低的），这10种情况的累积收益率曲线会是下面这样：
人工智能炒股的时代就要到来，你会把钱交给机器去打理吗？
