基于深度学习算法，比特币在智能投顾中似乎更容易实现

李开复曾说过，人工智能深度学习最先出成果，一个是自动驾驶，一个是金融领域。 在人工智能技术发展的今天，Fintech（金融科技）正受到资本的追捧，“智能投顾”这一职业逐渐兴起。

Robo-advisor，又称机器人投资顾问。 根据美国金融业管理局（FINRA）的官方定义，智能投顾是指利用大数据分析、量化金融模型和智能算法，根据投资者的风险承受水平、财务状况、预期收益目标等进行投资。和投资风格偏好。 要求，运用一系列智能算法、投资组合优化等理论模型，为用户提供智能化、自动化的资产配置建议。 从定义上我们知道，在智能顾问的运作中，依托大数据的深度学习算法发挥着非常重要的作用。 基于此，与股票、债券等金融产品相比，时下流行的比特币似乎更适合智能投顾。

为什么比特币更适合智能投顾？

Wind数据显示，截至2016年7月，可交易ETF仅有130只，总资产规模4729亿元，主要为传统指数ETF、债券ETF、商品ETF等，ETF近1600只，总资产规模管理规模2.15万亿美元，类别更加全面。

在ETF产品和资产规模对比下，国内的智能投顾显然不适合效仿美国，而是主攻公募基金。 与此同时，“比特币”投资热潮也在兴起。 虽然因为政府的干预，经历了数次大起大落，但这依然挡不住人们的投资热情。 就连享誉海内外的“中国大妈”也加入了投资人的阵营。

一个是目前受到追捧的金融产品，一个是正在崛起的金融分析师。 其实，这两者是最“般配”的。 对于基于深度学习算法的智能投顾来说，比特币是最容易“落地”的。 产品。 至于为什么这么说，主要有两点：

比特币的交易特性更符合深度学习算法的高效性。 在中国，为了保持市场的稳定，国家将交易制度从T+0改为现在的T+1。 这一制度在一定程度上严重制约了在信息上处于劣势的中小投资者，交易效率也得到了一定程度的提升。 降低。 不同于T+1的交易制度，比特币采用T+0，所以可以当天无限次买卖，提高了交易效率，正好符合深度学习算法的高效性.

无论是训练还是投入使用，深度学习算法都是以大数据为基础的。 在计算机的高效运行下，算法可以对数据进行实时分析和预测。 在此前提下，相较于股票基金等需要次日交易的金融产品，可以随意买卖的比特币显然更适合这种方式。 毕竟，波动有时就是在那一瞬间发生的。

此外，在短期预测方面，深度学习算法也取得了不错的效果。 最近，来自加拿大和捷克共和国的 10 名研究人员开发了一种名为“DeepStack”的算法。 在德州扑克这种基于不完全信息的游戏中，该算法击败了众多职业扑克玩家，证明了游戏中深度学习算法的预测是相当准确的。 从目前来看，智能投顾更适合做一些短期的预测，而对于它主要针对的中小投资者群体来说，短期的回报实现更能满足他们的需求，就像可以随意买卖的比特币。

比特币的信息透明更有利于深度学习算法。 如前所述，大数据是深度学习算法发展的核心之一。 从一开始算法模型的建立比特币的算法，到后来的金融服务，每一个环节和推演都有数据的参与。 因此，只有数据足够全面，算法的预测和理财建议才会更加准确。

借助区块链底层技术，比特币的每一笔交易、每一笔变动都将被记录下来，为深度学习提供完整、全面的数据，为模型的建立和提供的金融服务奠定基础。 一个好的开始。 对于比特币来说，获取数据并不难，但对于股票基金等金融产品来说，却是个大问题。

众所周知，“信息不透明”是股票基金等市场的一个特点，部分基金的相关数据掌握在相关机构手中。 因此，理财产品的数据获取难度较大。 而且，另一方面，拥有这些数据的机构只能根据自己掌握的产品做出理财建议。 与比特币相比，这种金融服务的限制性更强，全面性和透明性远不如比特币。

在比特币落地智能投顾之前，深度学习还要做这些事

除了交易系统带来的高效和数据的公开透明，比特币也是时下最热门的投资理财产品之一。 这样看来，比特币在基于深度学习的智能投资方面确实是一个很好的“合作伙伴”。而且比特币的算法，在监管方面，比特币交易也得到了国家相关部门的重视，预计相关法律法规也会出台后面会陆续介绍，届时比特币交易会更加严格，那么同时，为了提供更好的比特币理财服务，基于深度学习算法的智能投顾也需要多方面作为。

建立最好的模型

基于对投资者风险承受水平、财务状况、预期收益目标、投资风格偏好的分析，智能投顾可以为他们选择最优的配置方案。 其中，深度学习算法模型起着举足轻重的作用。 . 智能投顾根据经过大量数据训练和验证的算法模型，可以在短时间内为投资者匹配金融产品，为投资者选择最佳方案。

与股票基金产品类似，要实现比特币在智能投顾中的“落地”，需要建立算法模型。 在当今现有的智能投顾产品中，马科维茨提出的现代组合理论是其算法模型发展的基础之一。 智能投顾根据理论建立算法模型，可以为投资者提供不同的理财组合，从而分散风险，将风险降到最低。

因此，在比特币落地智能投顾之前，深度学习算法也应该在相关影响因素和金融理论的基础上，开发和构建适合比特币投资操作的算法模型。

从多个来源收集数据

上文提到，对于智能投顾的深度学习算法来说，数据就是一切。 没有数据就无法训练算法，进而无法优化和改进为投资者提供精准的服务，而没有数据支持的“智能投顾”是一个错误的概念。

在数据方面，因为有了区块链技术，比特币相关的数据还是很容易获取的，其真实性也能得到保证。 配合政策、汇率等因素，基于比特币诞生以来的走势分析，智能投顾可以对其未来走势进行短期预测。 比如2013年，因为国家发布了《关于防范比特币风险的通知》，在消息发布后的一个小时内，原本呈现大幅上涨趋势的比特币立即下跌了35%，最终下跌了1242美元。美元（按当时汇率）。 ，约7540.9元）跌至2000元。 而就在最近，在暴涨之际，国家采访了主要比特币交易平台的负责人。 一时间，比特币的币值又开始下跌，这与4年前的情况非常相似。 对此，只要数据足够全面，深度学习算法也可以预测出这个结果。

此外，除了比特币相关数据外，投资者的行为习惯和财务状况也是智能投顾需要收集的数据。 比特币的数据分析只是对其趋势的分析，决定此时是买、补还是卖，提供服务需要个人自行决定。 基于对投资者相关数据的分析，智能投顾的推荐可以精确到购买时间，就像有人喜欢在中间买，有人选择在价格低的时候买，这样提供个性化的个性化服务。

配备高效硬件

对于深度学习在比特币交易中的优势，一位业内人士表示，比特币等金融交易产生的数据量特别大，深度学习需要大数据的支持，两者相辅相成。 从另一个角度来说，在收集数据的同时，数据处理也是一个重点，尤其是在深度学习算法中。

在智能投顾中，瞬息万变的金融市场需要实时高效的数据运算，这需要芯片等硬件的支持。 目前，在人工智能技术的研究中，数据的高速运行是必要条件。 为此，很多希望抓住人工智能先机的硬件厂商都在进行专属硬件的研发，比如英特尔就在研发自动驾驶芯片。 、建造了世界上第一台人工智能超级计算机的英伟达等等。 与自动驾驶等人工智能行业相比，智能投顾对数据的要求可能没有那么高，但仍是需要关注的问题。 只有数据高速运行，才能实现深度学习算法的高效性，为投资者提供极致的服务。

结语

目前，智能投顾在中国已成为一种趋势。 截至目前，包括银行在内，中国有不少于20家智能投顾机构或公司。 由于中国的比特币交易平台没有手续费，交易非常活跃，占全球比特币交易量的90%。 分析认为，在落地方面，相比于股票基金等，智能投顾的环境更适合比特币。

但由于目前比特币监管空缺、参考数据缺乏、平台崩盘等多方面因素的存在，在服务上，智能投顾的独立性还不够。 必要的时候，还是需要人力投资顾问出面做决策的。 目前，相关比特币交易平台负责人正在与政府进行约谈。 随着政府的介入，相信比特币的行业标准会逐渐建立起来。 正如火币网创始人兼CEO李林所说：“行业联盟即将诞生。” 届时，在完善的比特币体系下，智能投顾的操作会更加方便，比特币的落地也会加快进程。

目前，由于市场还不成熟，投资者对“智能投顾”的接受度还不算太高，这意味着还有更大的市场有待挖掘。 招商证券预计，到2020年，中国智能投顾市场规模将达到5.22万亿元，其中还包括我国资本市场产品结构单一、投资者不成熟等可变因素。 与人类投资者和投资顾问相比，智能投顾的理想在降低成本的同时，也避免了人类在投资中的“贪婪”和“冲动”。 在市场成熟之前，智能投顾的出现会极大地影响投资者的行为，而当投资者变得理性时，虽然不会完全消失，但市场动荡会逐渐减少。