风险提示:央行等十部委发布《关于进一步防范和处置虚拟货币交易炒作风险的通知》, 请读者提高风险意识。

AI对二级市场投资的影响

Sora发布后,AI再次成为热门话题,传统金融机构也推出了自己的AI应用。在Crypto行业,Dune等产品集成了AI,但其作用有限。在二级市场,方法论和认知层次是核心竞争力,AI只能提高生产力。虽然AI在挖因子、清洗数据、算法交易等方面有用,但并不能直接帮助交易和投资,而是提高生产效率。因此,Dune的思路合理,它并不是智能投顾,而是帮助提高生产效率。

LUCIDA & FALCON
LUCIDA & FALCON
热度 ...

原文作者:LUCIDA & FALCON

原文来源:mirror

随着Sora的发布,AI最近又火了一把,AI板块也涨疯了。

二级市场这两年Bloomberg / Wind / Tiger Broker等传统金融机构也相继发布了自己的垂直大模型应用。Crypto行业里,Dune等诸多产品也集成了AI或者干脆发布了垂直GPT,我差不多都体验了一遍。

二级市场二级市场的核心竞争力

对于”AI对二级市场投资的影响“,我个人的看法是:AI有用,但大语言模型的作用非常有限。

原因是:二级市场的核心竞争力是方法论和认知层次对市场上其他对手盘的碾压,而不是靠生产力的碾压。

好的(量化)交易员通过长期在市场中摸爬滚打,充分地理解市场特征,从而形成一套稳定可量化的交易策略。而水平不够的交易者会因为稳定亏损从而被市场淘汰,自此市场完成”良币驱逐劣币“的进化过程,赚钱会越来越难。

所以,想要战胜市场稳定盈利,你要比市场进化得更快,对市场上其他的参与者理解更深,这是一种方法论和认知层次上的胜利,也是二级市场的核心竞争力。绝大多数情况下,市场的共识都是风险因子,所以“寻找非共识“是一个(量化)交易员最重要的能力,也是认知层次高的一种体现。

说得再深入一些,这种能力是和你读没读CFA/金工没直接关系,如果读好CFA/金工就能赚钱,那在二级市场赚钱可容易太多了。一个生活常识是,在任何行业,你想赚钱总得有绝大部分人都没有的东西,这才是竞争力,它可以是资源/资本/认知/方法论/经验等等。

所以,所有试图帮你直接或用极低成本赚大钱的人/事/项目,都可以归类到非坏即蠢的范畴。

说回AI。从我目前能公开体验到的最先进的大语言模型GPT4来看,模型对于世界的理解和认知明显不如人类,它的优势在于提高了生产力,水平接近本科生。所以,这并不符合我们上述提到的二级市场的核心竞争力。所以等到GPT对世界认知和理解接近甚至领先于人类,对于二级市场投资来说,才会产生重大的革命性的影响。

而且从目前来看,Crypto行业内的大语言模型的表现和GPT3.5都还有代差,更别提GPT4了。所以用垂直的GPT去交易Crypto,或者为用户提供交易决策,任重而道远。

关于【AI对二级市场投资的影响】的延伸阅读

  • 重新理解Marlin:AI下半场的可验证计算L0「新基建」

    Marlin是一种可验证云计算服务,利用加密技术保证数据安全,为AI+Web3应用提供低延迟、低成本的解决方案。它基于TEE和ZKP技术,为用户提供通用化的云计算方案,并通过激励机制吸引节点为网络贡献资源。Marlin的愿景是成为AI世界的可验证通用L0,为Oracle预言机、ZK Prover系统、AI人工智能等应用场景提供节点算力和存储等网络资源服务。它可以为AI大模型训练提供安全的计算环境,并为多元化应用场景提供可验证计算中间件。在AI+Web3时代,Marlin有巨大的价值潜力,可能成为未来AI+Web3应用的关键基础设施。

  • Sam Altman 围绕 OpenAI 打造出一个致富帝国

    OpenAI首席执行官奥特曼同时经营副业,但只有一份工作让他发了财。他投资了多家想抓住人工智能风口的公司,包括网络安全软件公司和清洁能源公司。他最成功的投资是支付处理初创公司Stripe。奥特曼也投资了使用OpenAI技术的初创公司。他曾因投资引发利益冲突而被罢免职务,但重新担任首席执行官后制定了新的利益冲突政策。董事会正在进行改革,包括强化利益冲突政策和独立审计委员会。奥特曼计划通过全面披露和董事会管理来解决利益冲突问题。

AI具体有什么用?

那AI对于二级市场投资是不是到底没有用呢?有。 大概有几个方向:

1、挖因子:传统金融市场里少数非常头部的对冲基金是靠ML/DL的模型来挖因子,相比于传统的靠人来挖因子,这种模式主要是在因子数量上取胜,相对牺牲因子质量,但这不是行业主流,而且这对团队能力的要求非常高。

2、清洗/加工数据:比如用ML优化数据集里的缺失值/异常值、识别MEV Bot的成交量等等。

3、算法交易:主要应用在市场的盘口/订单簿等微观结构中。

4、加工另类因子:分析新闻/社交媒体上的内容,并分析他是Positive还是Negative的,甚至去打分。

5、用GPT整理自然语言数据:比如SEC的Electronic Data Gathering, Analysis, and Retrieval中的上市公司财报都是文本格式的,用GPT整理成加工成结构化的数据,这个效果应该能做的不错。

我目前能想到的大概就这么几点,如果有遗漏的,欢迎补充。通过上面这几个场景,我们可以发现几点规律:

  • 1、2、3场景,在GPT流行之前就已经挺成熟了。
  • 4、5主要是属于GPT的应用范畴。4我没试过,但作用估计也比较有限,第一是另类因子在多因子策略里的占比很低,第二是通过这种简单粗暴+低成本挖出来的因子大概率不会好用,好用的话也会很快失效。5的作用还是提高生产力。
  • 以上所有场景都是基于某一个非常非常非常具体的小环节会用到AI,而不是直接用AI帮你做交易/投资,因为它对于市场的认知层次太低了,此外金融行业的信噪比也太低,和智能驾驶等领域完全比不了。

以这种视角来看Crypto领域中的AI产品,Dune的思路还算是相对合理的,它并没有尝试去做智能投顾的角色给你直接的交易信号,当然这个产品也不是这个定位,它还是在用AI帮你提高生产效率,因为写SQL对普通用户的门槛确实太高了,尽管它现在并不是很智能…

二级市场

免责声明:本文仅代表作者个人观点,不代表链观CHAINLOOK立场,不承担法律责任。文章及观点也不构成投资意见。请用户理性看待市场风险,以及遵守所在国家和地区的相关法律法规。
图文来源:LUCIDA & FALCON,如有侵权请联系删除。转载或引用请注明文章出处!

标签:

分享至
https://www.chainlook.cn/toutiao/1708908611.html

下一篇:

Crypto 是 AI 的幻觉

涌现是指小个体相互作用产生大整体的现象,幻觉是指模型输出欺骗性数据。自2016年AlphaGo战胜人类后,AI和加密开始结合,2023年GPT-4再次引发热潮。AI应用广泛,但要注意分析加密货币代码和在区块链上运行模型是不同的。Web3加入AI工作流可解决显卡危机,提供商业价值。Grass和DePIN可为AI提供数据,解决人工标注和预处理问题。Worldcoin的zkML技术可解决数据泄露和隐私失效问题,支持人类基本收入。该项目建构在波卡之上,旨在通过经济激励训练AI模型,支持UBI理念。参考文献包括OpenAI、arXiv等。Roser (2022)在OurWorldInData.org上发表了关于人工智能发展历史和未来发展方向的文章,介绍了ZKML和加密与AI的交叉领域,以及Bittensor项目。

免责声明:
链观CHAINLOOK作为区块链技术应用与Web3行业研究的智库媒体,旨在为中国区块链专家、学者们提供最新的行业资讯信息与数据样本,用于区块链技术研究与创新。本站所发布的文章仅代表作者的个人观点,不代表链观CHAINLOOK官方立场,本站所发布的区块链行业研究报告与数据分析成果是通过人工智能算法对数据内容进行分析与归纳生成,不代表任何投资暗示与建议,链观CHAINLOOK不承担法律责任。

风险提示:
虚拟货币不具有法定货币等同的法律地位,参与虚拟货币投资交易存在法律风险,链观CHAINLOOK坚决反对各类代币炒作,请读者提高风险意识,理性看待区块链技术应用及市场风险。

© 链观CHAINLOOK All Rights Reserved. 京ICP备18054193号-5