要戰勝股市是一件苦差事，非常辛苦的差事。
絕大多數專業投資組合經理在扣除他們的費用後，其實做不到戰勝股市這件事，而史上最偉大投資人之一的巴菲特曾說過投資大眾根本連想都別想，只要投資標普 500 指數就好的名言。
多數投資人都奉行他的建議，每年將數十億美元投入被動式指標基金，這股趨勢使得主動式投資組合管理公司倍感壓力，得做出更多努力，而許多投資業者開始採用人工智慧來協助他們。
採用人工智慧來尋求阿爾法值
在專業投資術語裡，股票報酬高於股市均值稱為阿爾法（alpha）值。避險基金經理們尋求這個神奇的股數資產配置數字，以證明其收取費用的正當性。
選股的直覺力與半量化研究內容無法持續創造出阿爾法值，使得投資業急於尋求人工智慧的協助來戰勝股市。
個別股票的阿爾法值通常可追溯至一組造成股票優於市場（或遜於市場）表現的根本因子，這些因子通常相當顯著，像是航空公司的燃油成本或造船廠的鋼鐵價格，但它們也有著細微差別。
量化投資基金會建立所謂的因子模型，以找出決定各股阿爾法值的諸多因素，而使用機器學習能加以解釋歷史資料，與過往的股票報酬建立起關聯性，進而獲得最佳結果。
卡車、船隻與汽車：參與 Inception 計畫的新創公司 SpaceKnow 從衛星影像及其它大數據中擷取資訊。© 2017 SpaceKnow 使用 ©DigitalGlobe 與 ©Google Maps 的影像資料進行分析。
以下正是事情變得有趣的地方。
建立因子模型並不難，難在於在股市出現動作前判斷因子的移動方向。以上例來看，便是燃油和鋼鐵價格的走向為何。投資業者對大數據廣泛採用深度學習技術，以求找出其中線索。
以前避險基金業者會派人去零售商的停車場清點車輛數量，這是「愈多車就代表愈高銷售額」的簡單想法。現在想像一下，你可以使用深度學習以近乎即時的方式，從大規模的衛星或無人機空拍影像去取得車輛或船隻位置。
SpaceKnow 與 Orbital Insights 這些企業準備好將這項功能賣給投資基金業者，另一間公司 Quandl 則是出售內有微觀經濟學和宏觀經濟學洞察內容的獨家資料庫，讓賣家取得其中的寶貴資訊。
獨家資料庫並非新的想法，像是彭博（Bloomberg）經營模式便是即時提供市場價格資料和市場消息，不過量化投資業者如今運用這類資料，將深度學習的能力及產生阿爾法值的方式帶向新的層次。在量化投資領域裡，這套新的資料生態體系稱為 Alternative Data（另類數據）或簡稱為「Alt Data」。
來自歐洲的 Quantenstein 便是採用這項人工智慧技術的長期投資基金新創公司，建立以股權為基礎的投資組合，在產生阿爾法值的同時也謹慎管理風險（請見 Quantenstein 在 GTC 的演講內容）。
有趣的是，這些運用人工智慧的量化技術已經用於準備對投資大眾採取長期措施的基金上。
對於較短的投資期限來說，每日市場漲跌觀點對於市場動作扮演著重要角色。來自多倫多的 Triumph Asset Management（日前重整為 Amadeus Investment Partners）運用深度學習來探索這個領域。
他們使用自然語言處理技術來分析每天上萬篇新聞，目標放在對市場走向和市場交易決策能提出更佳的預測內容，在使用這項深度學習技術所提供的觀點分析內容上，準確率已達 76%（請見 Triumph Asset Management 在 GTC 的演講內容）。
大型投資服務公司貝萊德（Blackrock）日前在《紐約時報》所刊出的一篇文章裡，表示旗下的主動式管理基金將改採這類人工智慧量化策略。
儘管用途如此多元，這些業者都需要大規模的平行運算能力，且皆求助於 NVIDIA GPU 來滿足這項需求。
一場將人工智慧與深度學習融入投資決策的競賽即將上演，而全球有著海量資料有待挖掘，將成為未來投資因子模型可以利用的對象。