作者：SerendipityCamp
题图：SerendipityCamp微信公众号
算法交易30年
匈牙利出生的投资者，Thomas Peterffy，或许是第一个创建机器交易算法，并在金融市场上运行算法的人——这是在1987年。
而第一个算法交易的禁令也是针对Peterffy的，纳斯达克官员认为Peterffy窃取了纳斯达克终端的数据流，并通过计算机发送电子订单，这种方式跟黑客无异。禁令要求交易订单必须用键盘输入。
而Peterffy的改进方案也很“硬刚”——他又造了一台可打字的机器手。原来的算法在自己的计算机上运行，不过纳斯达克终端的键盘输入却是由算法控制的机械手来实现的，而为了获取市场信息，Peterffy还在纳斯达克终端前架设了摄像头，并通过字符识别软件来读取数据。
Peterffy的算法交易比人类交易更快，这一优势让他变得非常富有。而官员的禁令再也无法限制商业化算法交易机器的部署，一个新的时代注定要到来了......
2017年10月10日，上午9点35分52秒，苹果的股价在1秒内飙升2美元，原因无它，那天早上，有一篇关于谷歌以90亿美元收购苹果公司的“假新闻”。然而，这个新闻稿并非出于恶意，而是官方用来测试机器交易行为的——道琼斯指数一直在测试消息传递对股市的影响。
机器会像人类一样阅读新闻稿，并以此采取行动，大多数算法都天然地相信人类制造的信息，为什么不呢？这就造成了跟风行为，一个机器人因为消息而过早买入一些股票造成价格的波动，而另一些机器人关注到图形的趋势，并买入更多的股票。
提高市场效率和流动性（尽管学界仍有争议，见「迭代的诅咒」量化交易的现实与未来）是机器交易的优势，与此同时，机器交易可以通过发布误导性信息来诱导算法作出特定的交易决定，并利用高频交易的速度优势来操纵价格。
算法的优势在于，它们非常快，快到任何错误都可能导致不可挽回的后果——在错误被发现之前，它们会发生连锁反应，制造更多的错误。在A股市场，机器算法交易的资金已经达到万亿级别——已经与主观交易的体量处于同一量级——Peterffy之后的30年，我们绝无可能忽视机器交易的巨大影响了。
步Peterffy的后尘，Quantopian的实验是21世纪的另一个伟大的案例——Quantopian是一个于2011年成立的公司，它提供了一个平台，使得个体投资者和数据科学家能够开发、测试和执行量化交易算法。
Quantopian极度崇尚极客文化：
开放和共享：Quantopian社区鼓励用户分享自己的算法和交易策略，这种开放源代码的精神正是极客文化的核心。这种共享不仅助力了知识的传播，还促进了创新和改进。Quantopian通过提供易于使用的平台和丰富的数据资源，极大地降低了进入量化交易的门槛。普通投资者可以不依赖传统金融机构，就能设计和测试自己的交易策略。
教育和学习：Quantopian提供了大量的教育资源，包括教程、讲座和论坛，这些资源使得即使是没有量化交易背景的人也能学习和进步。Quantopian建立了一个活跃的在线社区，用户可以在这里交流想法、分享策略和获得反馈。此外，Quantopian还定期举办算法交易竞赛，为提供了展示自己能力和获得实际投资的机会，这些都极大地激发了人们参与到DIY量化交易中来。对于表现出色的交易策略，Quantopian会提供资金让它们在实际市场中运行。这种模式吸引了众多希望将自己的交易策略货币化的人才。
技术驱动：Quantopian平台的核心是技术和编程，特别是Python语言——数据科学和量化交易中最受欢迎的编程语言之一。通过提供高性能的数据分析和交易执行工具，Quantopian吸引了一大批技术爱好者和编程极客。
尽管Quantopian取得了瞩目的成功，但算法交易之路仍然是竞争激烈的领域，玩家十分拥挤。新技术和数据资源是维持竞争力的关键——这涉及显著的投资和研发，而随着规模和影响力的扩大，风险管理与合规要求也带来高昂的成本，更重要的是，商业模式的可持续性并不容易——在高度多变和竞争的环境下，持续的盈利策略是很难挖掘的。
不幸的是，Quantopian在2020年最终被Robinhood收购，并关闭了对外部投资者的服务。但它在推广算法交易的普及、拥抱极客文化以及促进机器交易DIY狂潮方面的贡献仍然值得称道。
Quantopian的故事激励了一代人探索算法交易的可能性，也为算法交易注入了新的活力。
算法时代
算法交易，算法偏见，算法战争，我们的日常越来越离不开算法——2023年8月的一项研究表明，GPT-4工具已经开始提出无数的商业想法，其中的一些已经开始盈利——其在产生新的产品创意方面，已经超越了大学里思维最活跃的工科生和商科生。相比人类，机器算法的生产力已经具备明显的优势。
算法的进步飞快，甚至就在几年前几年前，人类仍对其保留怀疑态度，无法预见其今日的威力。
算法本身并不新鲜，几千年来，我们一直在潜移默化的使用它们——算法只是对需要采取的步骤的具体描述，以实现特定的结果——实际上，任何教学和思考方法，都是算法的一部分。而计算机技术的出现，乃至生成式智能的出现，才让算法进步如虎添翼，我们能够创造过去无法想象的复杂度，并带来了应用的质的变化。
比如智能手机麦克风窃听个人谈话，并精准推送广告，如今的算法令人印象深刻——它们非常善于检测我们是谁，以及我们想要什么。亚马逊客户对破损包装的抱怨，本质上是训练亚马逊包装算法的数据，客户的短暂互动是企业研究的重点。（更多算法和数据化的工业应用见车企误入“四化”歧途？“数字化双胞胎”峰回剑指敏捷革命！，颠覆汽车电池产业秩序：来自大海的新型电池？）
尤其是，检索计算时代已经过去，生成计算时代正在展开帷幕。黑盒算法越来越普遍，AI成为意见领袖，金融的玩法也在升级（「善恶之间」AI意见领袖的崛起），这也也引入了亟待解决的新问题：
就像科学家Samuel Arbesman在《Overcomplicated》书中提到的，只有少数人理解我们最复杂的技术——就像空中交通管制这种让世界运转的系统，只有少数人理解其运作方式。AI算法时代里，不透明度更甚——算法无法解释自己的行为，对于人类来说，我们更无法理解算法本身。
算法已经不再是指导计算机行为的指令集——这个理解太狭隘了。算法正变得更加自主，并反过来开始塑造和影响人类的生活工作方式和思维方式。
2018年4月，美国房地产交易平台Zillow，释放了一种炒房算法Zillow Offers，它生成能够以极高的准确度预测房屋价格。但当疫情在2020年爆发时，算法无法迅速做出调整，使用Zillow服务算法的客户无法从房屋交易中盈利，这最终导致Zillow公司的大裁员。
类似的，过度杠杆的使用+拥挤的机器交易策略也在资本市场里制造波澜（见「非相关之旅」对冲投资的圣杯），我们生活在算法经济中，我们的生活经常以我们此前无法理解的方式被算法所影响。
运用不恰当的算法带来了亏损，破产，失业，甚至是牢狱之灾。
尽管许多系统超越了人类执行特定任务的能力，但我们还没有看到高度自主的算法能够在各种任务中胜过人类，并同时适应现实世界的不可预测性。算法的能力，速度和覆盖范围决定了其成功，但人们的正确介入对它的成功至关重要。
持续进化
算法时代里，成功需要天生的好奇心，我们需要把提出问题放在拥有具体答案之上，不怕冒险进入未知的领域。我们需要大规模的实验，一旦找到一个解决方案，依赖算法的帮助，我们就会继续寻找其它方法持续扩大其影响。
在一个不断变化的世界里，持续的优势荡然无存——资本市场里的博弈越来越难以实现持续的成功（见「非相关之旅」对冲投资的圣杯，「猴市观察」主观交易的绝境求生），机会的出现和消失都很快，任何机会背景下发展的优势都是短暂的，迅速行动的机会窗口转瞬即逝，我们必须向持续进化的方向迈进（见「策略之争」多解的市场与混乱之王）。
世界会不断变化，变化之快超出了任何人可预测的能力——而算法时代更甚，更现实的方式是，只寄望于短期的优势，而那些没有为此做好准备的人必将付出代价。
版权声明：文章版权归原作者所有，部分文章由作者授权本平台发布，若有其他不妥之处的可与小编联系。
