上一期提到，宇宙万物乃至于人类活动，有很多奇妙的功能，并没有一个中央领导，而是靠每个个体「自扫门前雪」的庞大力量。例如亚当‧斯密（Adam Smith）用「看不见的手」（an invisible hand）来形容市场经济，只要每个人追求自己的利益，经济效率自然达成，根本不用伟大的领导中心。这就是自我组织奥妙之处。
自我组织可以说是大自然处理复杂系统的一个基础，如果好好学习并运用，就有机会解决人类社会里头的复杂问题。这是大自然亿万年的演化智慧。
来自大脑的算法
例如人类的大脑皮层就是一个复杂系统，由无数个神经元所组成，而神经元间靠「突触」互相连结，整个网络的复杂程度，远超过想象。这么复杂的神经网络，竟能够迅速运作，产生记忆、运算、辨识、联想、反应、意识思考乃至于喜怒哀乐等功能，靠的就是自我组织的运作模式。
1981年，芬兰赫尔辛基大学教授柯霍宁（Teuvo Kohonen）提出著名的自我组织映像网络（Self Organizing Map，简称SOM）算法，这种人工智能，仿真大脑皮层的运作方式，进行无监督学习、竞争式学习，可以对外来信息做迅速而正确的辨识、分类和反应。这项技术，如今已广泛应用在数据分类、形态辨识、样本分析等领域，当然，也被应用在股票操作上。
SOM在股市上的应用，有两种入门款，这些入门应用，散见于国内外论文期刊。第一种是技术分析类，因为技术分析，不论是股价线图的趋势和反转型态，或是各种技术指标的判别，其实就是一种形态辨识。因此，很自然地，用SOM算法来当作操作工具，似乎是个不错的点子。这类的测试，国内外都有，也曾经流行过一阵子，只是成效似乎有限。
第二类是搭配基本面的财务指标，让SOM替我们做投资组合分类。随着采用指针的多寡、历史数据的区间等，SOM会建构出不同的投资组合。它所选出来的投资组合，有别于简单排序筛选结果，常常有出乎意料的标的出现，值得参考。但和第一类一样，成效只能说见仁见智。
不过这二类只是入门款，人工智能的应用千变万化，就看个人的巧思。亚历桑纳大学的陈炘钧教授和纽约爱俄纳学院（Iona College）的休梅克（Robert Schumaker）合作开发出一套系统，用人工智能去分析上市公司的财经新闻和股价变化，并进行投资操作，其绩效据说打败许多知名的基金，也打败大盘。这套系统，除了人工智能的技术之外，关键在于新闻语意学的处理。根据报导，他们把重点放在各种名词、人名和公司名称，并让计算机去学习这些名词发布后的股价变动形态。
当然，这套系统的稳定性还有待验证，而且有很多人持反面意见：如果这套系统具有稳定获利的能力，那么，别人很容易用同样的演算技术找出类似的结果。这下子就有趣了，不是变成一窝蜂，以至于系统失效，就是上市公司和媒体也得知哪几个名词具有指标意义，并刻意改变用法，使系统失灵。
人工智能进入华尔街
尽管如此，人工智能近年来还是进入了华尔街，渐渐取代以往那种大量使用物理数学公式的计量模式。「传统的」高科技股票操作，是由一群物理、数学专家，用各种计量模型去探究股价行为的特性，并操作获利。这群数理菁英坐在计算机前建模型、找变量、调参数，然后弄出一个怪异且复杂的式子，不要说一般人看不懂，有时连开发者也说不出个所以然。
更棘手的问题是，市场有时候适合A公式，有时候适合策略完全相反的B公式，而有的时候却只要调整一下参数就行了。于是甚么时候该用甚么公式、调整哪些参数，就成了最大的难题。
刚好这就是人工智能最擅长的领域。何不让计算机自己去学习、自己去判断呢？《避险基金评论》（Hedge Funds Review）杂志2013年12月号有一篇报导「计量操作者转向人工智能寻求洞察力」，介绍了纽约和伦敦几家避险基金采用人工智能技术的情形。例如纽约的Rebellion Research公司就是用一套人工智能系统，让机器自我学习44个国家的股票、债券、大宗物资、和货币的交易数据。他们是业界先锋，好几年前就推出纯人工智能操作的基金。
该公司投资长福来思（Alexander Fleiss）说：「这套系统在设计上并没有采用特定的交易策略或法则，我们没有告诉计算机去找趋势或相对价值。系统会自动认识这些概念，并适时适地拿出来应用，绩效不错。」
但大多数知名的避险基金并没有这么激进，他们比较倾向于把人工智能当作一个辅助和灵感来源。全球最大的避险基金Bridgewater Associates在2013年挖角到IBM华生人工智能团队领导人费鲁奇（David Ferrucci），正式踏入人工智能的时代。
也许人工智能暂时无法全面取代人工看盘，但适时提供交易员操作观点，发挥辅助功能则大有可为。将来的市场，除了成千上万的投资人在看盘之外，背后必定还有不少的计算机、甚至超级计算机用人工智能在监看，竞争之激烈，可想而知。
你还想赤手空拳靠灵活进出股市赚钱吗？
