科学家门从经济学角度出发，详细探讨了AI预测功能在实际生活中的运用，AI真的可以预测经济了吗？至少目前看来，答案仍是不确定的。

众所周知， 人们难以预测的东西有二，一是死亡，一是经济。

成功预测经济走向，几乎成为经济学领域的圣杯。自学科诞生以来的两百多年中，无数经济学家创派立说，期望通过逻辑缜密的理论、构建精准的模型，推演出经济活动的规律与趋势，帮助人类更加从容地应对发展与危机。

然而，理论和现实存在着差距。虽然经济学的任何一个微观问题都可被看作数学问题，就像气象学里水汽遇到冷空气会下雨一样简单。但实际上，影响宏观经济走向的因素过于复杂，庞杂多变的信息增大了预测难度，导致偏误的产生。因此，大部分的学科成果仍然建立在已发生和验证的经济学事件之上。

不过，随着AI时代的到来，情况似乎发生了转变。

预测股市趋势变化的AI

股市是人类整体经济行为的一个中层缩影，它的直接波动受到每一只股票所代表的公司背后的微观行为影响，而长期趋势又受到宏观因素的影响。

相比预测“经济”这一目标，预测股市有着更好的衡量标准同时也有着巨大的现实利益，这使得AI预测股市成为了许多技术公司竞相比拼的领域。

事实上，利用计算机对股市进行预测早在本次AI浪潮来临之前便有人尝试。首版问世于1991年的VantagePoint，便是一个运用人工智能来进行股票趋势预测的软件。

它采用了深度学习神经网络和识别模型技术，通过对全球性的市场数据进行学习和分析，来对股市未来一至两天内的走向做出判断。其发明者，Louis Mendelsohn，于1983年研发了世界上第一个面向私人电脑的战略后台计算软件。随后，他意识到一个不断增长、相互联系的世界性金融市场的意义将远超人们预期，便开始着手研发AI预测软件。迄今，VantagePoint已获得两项软件专利，并在全球范围内被各类投资人广泛使用。

其运行机制具体来说是这样的。VantagePoint的平台上存储了来自全球数以千计市场的数据信息，AI以此为基础进行运算和分析。软件使用者——譬如投资者——在操作软件的时候，根据自己想要查看的特定内容，在软件系统提供的设置项里进行相应设定。随后，VantagePoint便可在海量数据中进行快速查找、筛选和分析，挑选出30个最具预测性、对投资者的目标结果最具影响力的国际市场。基于这些影响因子的状况，最终系统能够对软件使用者期待的趋势作出超前的——一般是未来一至两天——预测，稍早于传统市场。

VantagePoint运行界面示例

如今，经过数次更新换代，根据VantagePoint官方的说法，软件在预测上的准确度上已达到86%的水平，个人定制、易于操作、长期记录和高预测精确度是其独一无二的优势。

的确，从技术角度来说，想要最大化对于贸易趋势的超前或即时预测的精确性，是没有AI就无法完成的事情。从另一个功能性角度来说，AI亦承担了大量搜索和确定潜力市场的工作，为人类节省了时间。这种”过滤”功能，使得系统能够通过一打使用者自由设置后的选项瞬间确定目标，将结果以列表方式呈现出来，供人们记录和存储。用户的体验是无缝连接的。

但是，即便如此，VantagePoint依然存在局限性。首先，软件的预测准确率上限是86%——虽然按照官方说法这已然是非常高的精确程度了——仍然存在14%的误判风险，其86%的准确率也并非每次都能稳定发挥。其次，软件能够预测的时间段被局限于当前已给数据在接下来的一至二天内。对于一些重大的货币运作事件来说，提前一两天的预报并不能给予投资者足够的时间来调整策略和规避风险。

躲过08金融危机的AI

Rebellion Research的AI金融投资平台是另一个著名的例子。

这家公司的主要业务是面向全球的客户提供资产管理和金融投资服务。公司方认为，由于制定投资策略需要处理极其多样化的信息，运用手动选择影响因素、分析关系并创建投资组合的流程所获得的结果，其科技严谨性无法规避“人类情感的陷阱”，因而逊于机器分析。因此，他们使用机器学习技术，发明了使用贝叶斯网络来提供资产管理和金融投资服务的AI平台。

Rebellion Research 官网

Rebellion Research机器学习投资系统的运作，具体来说是这样的。系统将尽可能多的投资影响因素纳入考虑范围，包括个人股票价格，以及覆盖全球53个国家的全球经济学等，在此基础上，AI构建出优于全球股票市场的优化投资组合。这项机器学习系统可适用于从三个月到三年的中长期投资分析任务，并根据其运算出的、对于全球经济的预测结果来调整投资战略。此外，AI还提供了一个灵活的框架，使用者能够将每天可用的新数据与先前的市场知识自动集成，以预测库存绩效。

这个AI投资平台于2007年问世之后，最著名的战绩是对2008年金融危机的成功预测，以及在希腊债券降级前一个月率先打出了F评级。此外，根据官网展示的一项投资累计回报率排名来看，采用了Rebellion Research的AI投资平台所提供战略的客户群体，自2007年至2018年之间，获得了228.1%的回报。这种高回报率使得Rebellion在各大公司中夺得头筹。

投资累计回报率排名表

AI可以预测经济了吗？

加拿大多伦多大学颠覆性创新实验室（简称CDL）的三位科学家阿杰伊·阿格拉沃尔、乔舒亚·甘斯和阿维·戈德法布在新作《AI极简经济学》(Prediction Machines) 中从经济学角度出发，详细探讨了AI预测功能在实际生活中的运用。

他们认为, 人工智能当前的进步浪潮给我们带来的其实不是智能，而是智能的一个关键组成部分——预测。AI能让预测变得廉价，变得随处可见。由此，当人们将AI作为工具，投入到社会各领域——譬如经济学——的具体应用之中，不仅可尝试着解决那些古老而意义重大的预测问题，还能用一种全新的方式去改写行业运转和发展的模式。

从VantagePoint，Rebellion Research的例子，以及更多互联网公司的AI产品来看，科学家们的这一理论似乎是正在发生、且被逐步验证着的事实现象。那么，基于前述这些AI取得的胜利成果，我们是否能够下此结论：“AI可以预测经济了”？

目前看来，答案仍然是不确定的。

人工智能基于算法和数据分析对未来趋势做出预测。处理庞大数据、学习构建模型以及快速反应的能力是其无可比拟的优势。但是，由于AI的学习、分析和预测能力均建立在大量的数据样本的基础之上，当数据样本发生变化或产生偏差时，人工智能无法自主判断和识别问题，由此构建出来的模型和预测也就失去了可靠度。假如无法保证输入数据的准确性，则人工智能预测结果的准确性也无法得到保证。

AI也无法处理现实世界的复杂问题，无法理解非理性、非数据的因素在实际应用中的影响。而在经济发展趋势这个宏大命题之中，恰恰存在许多随机的、人为的、反规则性的因素，并对经济发展产生着不容忽视的影响。所以，正如前文所述，即使在高度规则化的股票市场里，VantagePoint这种久经沙场的AI也不能突破90%准确率的天花板。而在非金融市场领域的经济预测，所要涉及的变量和变量之间隐藏的逻辑线则让AI预测变得更加不可能。

此外，AI的运行仍需依赖相关的技术人力，好的预测结果，往往出自建立AI的程序员与具备专业知识的分析师之间的良好交流与协作。如何能运用人工智能获得更高效、更准确、更稳定的预测结果，也是技术人员不断探索的方向。

综上所述，我们或许可以得出这样的一个结论。

AI时代的到来，的确在某种程度上改变了经济发展走向的不可预测性。许多具体问题的推进和解决，让人们对整体趋势有了更好的认识和把控。但是，正如文章开头所说，宏观的经济学议题涵盖了过于广泛多变的因素，这种复杂性使其在当下依然难以被掌控和预测。人工智能在发展过程中出现的问题和存在的不足，同样限制了其预测功能的应用与发挥。想要通过AI时代的技术突破来实现对不可知议题的认知突破，人类还有很长的路要走。

圣杯依然在那里，而渴望摘取它的勇士们，仍需继续磨兵利器。

–END–

参考文献

RebellionResearch. Available from https://www.rebellionresearch.com.

TradingSchools. (2017). “Vantage Point Software: 86% accurate trading signals?”, TradingSchools, 14 March. Available from https://www.tradingschools.org/reviews/vantage-point-software/.

Tom Davenport. (2019). “AI Is Destroying Traditional Business Thinking”, Forbes, 5 April. Available from https://www.forbes.com/sites/tomdavenport/2019/04/05/ai-is-destroying-traditional-business-thinking/#58f01b803205.

VantagePoint. Available from https://www.vantagepointsoftware.com/software/.

Forbes，至顶网 (2018) 。“人工智能与华尔街金融神话”,人工智能网，3月12日。可访问：https://ai.ofweek.com/news/2018-03/ART-201713-8130-30208544.html

Nanan，(2018)。“这个平台展示了如何使用AI预测股市走向”，人工智能媒体平台，1月30日。可访问：https://www.atyun.com/15842.html

巴曙松，(2019)。“人工智能在金融领域的最大潜力是什么？“，全球品牌网，4月10日。可访问：https://www.globrand.com/2019/593180.shtml

阿杰伊·阿格拉沃尔., 乔舒亚·甘斯., 阿维·戈德法布 (2018)。《AI极简经济学》，湖南科技出版社。

作者：黄瓛钰，王健飞，公众号：腾讯研究院（ID：cyberlawrc）

来源：https://mp.weixin.qq.com/s/VO3Nuf6LoU0TUo-VXPeuTQ

题图来自Unsplash，基于CC0协议