第1章　神經網絡和基于梯度的優化

從本質上來講，金融服務業是一個基于信息處理的行業。投資基金通過信息處理來評估投資決策，保險公司通過信息處理來給保險產品定價，零售銀行^[1]通過信息處理來決定給客戶提供何種產品。因此，金融行業成為最早采用計算機技術的行業并不意外。

第一臺股票自動收報機發明于1867年，其實就是一臺可打印的電報機。第一臺機械加法機就是專門為金融業研發的，并于1885年獲得專利。1971年，銀行自動柜員機獲得專利，這臺機器允許用戶使用塑料材質銀行卡來提取現金。同年，第一個電子股票交易系統納斯達克（NASDAQ）運行，市場開張。11年之后（即1982年），彭博終端開始安裝使用。金融業和計算機業之所以能夠“幸福”聯姻的主要原因是，一個人在業內（尤其是投資業）的成功往往與其所擁有的信息優勢密切相關。

在華爾街早期階段，鍍金時代的傳奇人物們厚顏無恥地使用小道消息。例如，當時最富有的人之一Jay Gould就在美國政府安插內線。內線向Jay Gould提前發布美國政府黃金銷售信息，并試圖通過這種方式來影響時任美國總統尤利西斯?格蘭特和他的秘書。在19世紀30年代末，針對上述問題，在投資者和信息優勢方之間成立了美國證券交易委員會和美國商品期貨交易委員會。

隨著信息優勢在上述市場中對業績影響逐漸消失，巧妙的模型開始取而代之，并發揮作用。術語“對沖基金”于1973年被創造并使用；哈里馬科維茨模型發表于1953年；布萊克-肖爾方程發表于1973年。隨后，這個領域取得了長足的發展，人們也開發了各種包羅萬象的金融產品。然而，隨著這些模型知識的普及，使用模型的回報率也開始降低。

當我們同時看金融和現代計算技術，信息優勢再度回歸。這次信息優勢不是以圈內人的小道信息和齷齪的交易形式存在，而是源于對大量公開信息的自動分析。

今天的基金經理相較以往會獲得更多的信息，這是前輩們所夢寐以求的信息量。但是，單就可以獲得更多信息這件事本身而言是沒有用的。例如，我們先從新聞報告說起。你可以通過互聯網輕而易舉地獲取新聞，但是，為了充分利用這些新聞，計算機需要閱讀和理解，并將這些信息置于上下文背景中。計算機需要知道：這個新聞是討論哪個公司的？新聞內容是好消息還是壞消息？這個公司和文章中提及的其它公司有什么關系？這只是將新聞置于上下文背景中的幾個例子。那些能獲取這些替代數據（alternative data）的公司通常具有競爭優勢。

故事到這并沒有結束。專業金融人士通常是能掙6～7位數字的薪水、在各個昂貴地段擁有辦公空間的高端人士。這也驗證了專業金融人士大多聰明、接受過良好的教育并且勤奮努力：這類人才也往往比較稀缺，市場對這類人有大量的需求。也正是因為這樣，公司都希望最大化這些人的生產效率。管理者通過從這些最優秀的員工身上獲得更多價值，使公司可以提供更低價或更豐富的產品。

交易所交易基金（Exchange Traded Fund，ETF）等被動投資不太需要對大量資金的主動管理。諸如跟蹤標準普爾500指數（S&P500）的基金等被動投資工具的費率往往低于1%。但隨著現代計算技術的興起，公司可以提升資金管理者的工作生產效率，進而減少產品費率來保持競爭力。