在美股這一輪長牛期間，不斷被討論的一個話題就是，機器學習算法的利用日趨廣泛。然而，這種看似高端的工具到底能否帶來可觀的超額收益，卻也未必。

Eurekahedge AI對沖基金指數，是一個專門追蹤13家在投資決策中利用了機器學習的對沖基金回報率的指數，其在過去五年的年均回報僅為7%。相比之下，標普500指數同期的年均回報則達到13%。

過去多年來，在全球央行集體實施超寬松貨幣政策的背景下，美股接連上行，波動性處于歷史地位也成為常見現象。不過今年以來，隨著美聯儲接連加息，全球市場動蕩的出現也更加頻繁。而AI在這種環境下更難施展，截至9月底，Eurekahedge AI對沖基金指數下跌5%，而同期標普500指數則上漲9%。

彭博在近日報道中援引AQR資產管理公司機器學習負責人Marcos López de Prado稱，在金融市場中，機器學習策略的一個最大缺陷是，算法生產的真實信號在噪音中的占比極低，因此經常會帶來錯誤的策略。他表示：

即便沒有形態，機器學習算法也總能給你找出一個形態。

要真正將機器學習帶到金融市場，需要對市場有非常深入的了解。

過去幾年在機器學習等技術飛速發展的同時，算法在市場交易中的應用也與日俱增。美國市場研究咨詢機構透明市場研究(Transparency Market Research)上個月發布的報告顯示，2016年全球范圍內算法交易這一市場規模為83.73億美元，2018-2026年的年華復合增長率將達到10.2%，達到218億美元。

報告稱，這一增長將主要集中于北美，背后原因一方面在于技術的快速進步，另一方面也在于銀行和金融機構面向終端用于推出的算法交易應用。

除了在業績表現上落后于大盤以外，算法應用給市場帶來的潛在風險也不容小覷。

位于英國的固收領域權威監管機構市場準則委員會（FMSB）主席Mark Yallop近日表示，算法交易雖然有它自身的優點，但是也容易放大市場波動，給金融市場帶來新的風險。

香港《南華早報》在昨日報道中援引他的話稱：

電子化交易在降低成本和提高透明度方面擁有巨大的優勢，但是另一方面，也帶來了目前難以識別或者解決的風險。

報道還援引中信里昂證券股票策略師Christopher Wood稱，美股波動有80%是機器驅動，如果有重大事情發生，那么“在一分鐘內，就能通過AI、被動交易、準被動交易以及smart beta策略將影響散開，人們也將這成為‘終結者風險’。”

華爾街見聞 張家偉