阿尔法Go有这样一个段子：当阿尔法Go进化阿尔法master之后已经是围棋十三段的水准，面对职业9段棋手能获取60连胜，已经没有人能够击败他了。于是阿尔法Go来到了中国A股市场，经过半年多的挑战最终落荒而逃。这个段子说明一点：任何想要通过人工智能做投资交易，进而躺着赚钱的智能金融项目注定是要失败的。迄今为止，我们听说过很多牛×的智能金融产品，莫过于被标普全球以5.5亿美元收购的Kensho，，kensho为投资者提供的主要服务是：寻找事件和资产之间的相关性，以及事件对价格、特别是价格长期趋势的影响。举个例子，巴西地震对铁矿石价格有什么影响？他们之间有什么相关性？这就是kensho提供的主要服务，其核心是基于历史大数据的相关性分析，而不是资产定价！所以，几年过去了，迄今为止我们并没有看到kensho演化为炒股利器，甚至没有像搜索引擎一样普及掉，其目前的定位依然是智能投研，为研究员、基金经理提供特色数据服务。
笔者曾经也做过一个接近交易的智能金融项目：持仓预警，解决的问题是跟你持仓股票相关的资讯对股价波动的影响预测。所谓相关的资讯是指用知识图谱描述与该股票具有0度、1度、2度关系的资讯。比如，持仓A公司股票，那么A公司自己的资讯就是0度关系；A公司竞争对手的B公司的资讯对于A公司来说就是1度关系。通常的行研逻辑是，当竞争对手B出现巨大利空资讯后A公司会表现出利好来。按照这个逻辑我们准备了样本数据，用NLP做资讯解析（事件、情感分析、热度、影响度、重要度等），知识图谱做关系定义（竞争对手关系、担保关系、供应关系、上下游关系等），机器学习做模型预测，最开始我们将Y值设定为资讯对一段时间后股价涨幅的影响，结果发现影响基本可以忽略，然后我们将Y值修订为对第二天股价的影响，结果依然不理想，然后我们继续修订为第二天涨跌的影响，还是不行，最后项目将Y值定义为股价波动的绝对值。终于找到了点相关性了。从这个人工智能项目来看，项目一开始的目标离交易很近，想要做股价涨跌预测，到项目最后当我们远离“资产定价”这个目标后，将预测结果调整为相关资讯对隔天股价波动的相关性分析，我们才勉强产生出一些结果来。从事后看，当初的行研逻辑有问题吗？从一个熟悉该行业的研究员角度看没有问题，但对于机器AI来说，什么是竞争关系呢？竞争关系有强弱之分，弱竞争关系基本没啥影响，而强竞争关系也不见得就是反向影响，拿著名的长生生物假疫苗事件来说，一个龙头公司的利空事件，其实是对整个行业的利空，行业内所有公司受到不同程度的影响，没有利好一说。