很多年以來，對沖基金一直在嘗試教會電腦像交易員一樣思考。

經歷過許多次的空歡喜之后，一種名為 深度學習 、能夠大致模仿人腦神經元工作模式的人工智能技術為對沖基金帶來了曙光。一位知情人士透露，WorldQuant已經利用這種技術進行小規模的交易。 Man AHL或許很快采用該技術。Winton和Two Sigma也將進入這個領域。

這些量化交易公司希望，人工智能這種更加強有力的機器學習技術，能夠幫助他們在全球金融業愈演愈烈的技術軍備競賽中占據優勢。假如他們的方向正確，那么神經網絡技術將幫助推動金融業的演變，造成人腦與機器同場競爭，并給傳統的投資領域工作機會帶來威脅。不過，研究人員暫時還不愿過度宣揚這項技術，因為在經歷了之前一輪的大肆宣傳但最終以失望告終之后，研究人員更愿意暫時將其看作另一支希望之箭。

1990年代對沖基金紛紛宣布使用神經網絡技術的熱潮失敗之后，對于‘深度學習’能夠解決投資管理這個普遍性問題的說法，我們傾向于持懷疑態度， 倫敦管理315億美元資產的量化對沖基金公司Winton在聲明中表示。

谷歌等科技業巨頭已經驗證了深度學習技術的利用價值，現在量化基金也開始追隨它們的腳步。深度學習技術需要超級強大的電腦以及海量數據，并已經在特斯拉的自動駕駛汽車和亞馬遜智能音箱Echo得到使用。與深度學習領域的先鋒人物Yoshua Bengio教授進行合作的電腦科學家NicolasChapados表示，深度學習距離成為對沖基金行業的主流工具還需要大約5年時間。

Chapados表示，科技領域有一大批深度學習模型可以被用于金融處理。Chapados是蒙特利爾量化基金公司Chapados Couture Capital以及使用深度學習技術的研究機構Element AI的聯合負責人。

對沖基金在采納深度學習技術方面實際上已經落后一步，其原因是缺乏將其應用于復雜金融數據的專業知識。Facebook的圖像識別技術之所以取得成功，比如能辨認出圖片中一只狗的形象，究其原因是其使用了社交媒體用戶上傳的無限量數據。與之相比，金融市場數據有限而且總是在發生變化，造成預測股價變動等市場波動變得更具挑戰性。(來源:南^方^財^富^網)