中欧基金量化策略组投资总监 曲径
深度学习这个理念，是因为在硬件大幅提升之后，其实现在我们可以看到阿尔法狗非常好。但是在硬件提升之前使用的算法都是我们比较熟悉的，你的蒙特卡罗模拟的方式都是我们比较熟悉的。其实本身我毕业之后开始做量化交易，我刚才跟欧阳总说，到今年底我已经做了十年交易了，我都不能相信这件事情。
当时我们做的时候，我们也在考虑能不能把大数据的算法应用在金融模型里面。一开始其实你拿出金融数据来看，就像刚才同行分享的一样，如果你只看金融数据的话，这个不可能是一个大数据集，如果不做高频的话。如果你拿每年的会计报表数据，你可能每年只有四个样本点，你拿每日的加以数据可能每年只有251个交易点。所以本身来讲，我们金融数据并不是大数据的概念。
另外一方面，为什么说它不是大数据的概念，因为它是不可重复的，它不像你做指纹识别、做面部识别。如果你的样本用光了，你再取，比如说十万个样本或者是十万个照片，或者你的语音识别让人说很多话。但是金融数据一旦在历史上发生了这件事，你是无法使用它做样本数据之后，再拿它做样本数据外的模拟。
为什么这两年大数据应用金融里面呢？其实它并不是真正应用在金融数据上，是应用在交易产生前信号数据上。比如说新浪提供的新闻数据很有意思，它不光用NLP的方式看出新闻里面提到的是什么上市公司，哪个板块，是好，还是差，它会给你一个打分，同时看到新闻的传播速度，包括被访问量和转载量。推动这个方式，我们可以在更高一个纬度上面，采集到非常大的数据体量，应用在我们真正金融对股票的预测上面。
所以我觉得这个可能是以后所谓的跟机器学习和大数据结合的一个方向。
6
