帐号:密码:下次自动登录{url:/nForum/slist.json?uid=guest&root=list-section}{url:/nForum/nlist.json?uid=guest&root=list-section}
贴数:1&分页:Mosso发信人: Mosso (xxxxxxxxxxxxxxxxxxxxxxxxxxxx), 信区: FE
标&&题: [合集] 大家讨论一下机器学习在金融工程中的应用
发信站: 水木社区 (Sat Jun&&7 23:55:56 2008), 站内 && ☆─────────────────────────────────────☆ &&
gedang (gedang) 于
(Wed May 28 08:02:20 2008)
提到: && 机器学习是当前人工智能领域的研究热点，有很多成功的应用，如应用于生物信息学、信息检索、计算机视觉等等，也有很多会议征文中有关于计算金融的主题，大家分析一下机器学习技术在金融工程中的应用前景吧。 &&&& ☆─────────────────────────────────────☆ &&
voyeur (tk-ing~~~) 于
(Wed May 28 10:30:06 2008)
提到: && 不懂呀,简介一下? &&&&&&&&&& ☆─────────────────────────────────────☆ &&
emigrant (怨憎会,爱别离,求不得) 于
(Wed May 28 11:59:31 2008)
提到: && 自动交易？ && 有个朋友在考虑尝试用reinforcement learning来做... &&&&&&&&&& ☆─────────────────────────────────────☆ &&
ajaj (AMD) 于
(Wed May 28 12:08:40 2008)
提到: && 混paper可能不错 && 现实交易中投行估计很难接受这种想法 &&&&&&&&&& ☆─────────────────────────────────────☆ &&
emigrant (怨憎会,爱别离,求不得) 于
(Wed May 28 12:16:44 2008)
提到: && 也不要太小看机器学习 && 轻量级的学习算法可以用来辅助很多其他算法的 &&&&&&&&&&&& ☆─────────────────────────────────────☆ &&
ajaj (AMD) 于
(Wed May 28 12:26:22 2008)
提到: && 我没有小看ML。。。。。。只是事实如此。。。。。。 &&&&&&&& ☆─────────────────────────────────────☆ &&
XMLY (喜马拉雅~~~) 于
(Wed May 28 12:42:33 2008)
提到: && citi去年从IBM刚买了几台交易机器人&& 并宣称将来将逐渐用机器来取代人。。。 &&&&&&&& ☆─────────────────────────────────────☆ &&
lzhking (东方鸿卫兵) 于
(Wed May 28 13:02:30 2008)
提到: && 花旗今年快倒闭了吧 && 不会就是因为这个搞得吧 && 前几年高盛有个全球基金,十几亿美圆,给那机器人弄了一周,亏掉30%了 &&&&&& ☆─────────────────────────────────────☆ &&
XMLY (喜马拉雅~~~) 于
(Wed May 28 13:05:55 2008)
提到: && 说明机器人还很不完善阿&& 不过当年深蓝还不是经过了好多年才干掉人的么&& 赫赫&&&&&&&& ☆─────────────────────────────────────☆ &&
ajaj (AMD) 于
(Wed May 28 13:43:12 2008)
提到: && 交易机器人是什么？
一般来说投行自己写交易策略或是交易程序
核心的东西都是严格保密的
IBM最多卖卖硬件维护维护系统 &&&&&& ☆─────────────────────────────────────☆ &&
emigrant (怨憎会,爱别离,求不得) 于
(Wed May 28 14:11:01 2008)
提到: && 我也觉得... && 估计ibm卖的只是一些运算得比较快的，然胡对某些基本操作做了加速的服务器而已 &&&&&&&&&& ☆─────────────────────────────────────☆ &&
kingsberg (堡之王～happy) 于
(Wed May 28 14:16:07 2008)
提到: && wa
我找到一个实习就是做自动交易的
利用warrant的T+0特性
呵呵 &&&&&&&& ☆─────────────────────────────────────☆ &&
emigrant (怨憎会,爱别离,求不得) 于
(Wed May 28 14:46:32 2008)
提到: && 暑假决定去做实习了？ && 什么地方呀？ 不过一个暑假做一个自动交易，是够bt的~~~` &&&&&&&& ☆─────────────────────────────────────☆ &&
access (access) 于
(Wed May 28 18:48:18 2008)
提到: && 机器学习跟技术分析一样， 自己做自己不相信， 纯粹为了发paper &&&&&&&&&&&&&& ☆─────────────────────────────────────☆ &&
starseeker (SMTH看一眼少一眼) 于
(Wed May 28 23:14:44 2008)
提到: && 我们现在要招实习开发自动交易
有牛人报名伐？ &&&&&&&& ☆─────────────────────────────────────☆ &&
starseeker (SMTH看一眼少一眼) 于
(Wed May 28 23:15:21 2008)
提到: && 券商有权证的做市商软件的 &&&&&&&& ☆─────────────────────────────────────☆ &&
chevalier (出卖灵魂？可以。但是给谁？) 于
(Wed May 28 23:22:40 2008)
提到: && 贵公司哪家啊？ &&&&&& ☆─────────────────────────────────────☆ &&
kingsberg (堡之王～happy) 于
(Wed May 28 23:46:40 2008)
提到: && 主要做策略
具体还不知道干什么呢 &&&&&&&& ☆─────────────────────────────────────☆ &&
XMLY (喜马拉雅~~~) 于
(Thu May 29 00:14:41 2008)
提到: && 哦?
看来我们ai终于有用武之地了... &&&&&& ☆─────────────────────────────────────☆ &&
ajaj (AMD) 于
(Thu May 29 00:21:24 2008)
提到: && 自动交易和AI没有关系。。。。。。。。 && 自动交易往往是因为 有时候套利机会很短 手工下单太慢 && 或者是要一下买进多个品种或是一篮子资产 人下单肯定来不及 &&&& 至于如何断定下单时机或是确定某种策略&&都是人之前研究好的
要AI有啥用啊。。。。。。。。。 &&&&&&&&&& ☆─────────────────────────────────────☆ &&
chevalier (出卖灵魂？可以。但是给谁？) 于
(Thu May 29 00:25:46 2008)
提到: && 基本上是rule-based+优化过的执行速度吧 &&&&&& ☆─────────────────────────────────────☆ &&
ajaj (AMD) 于
(Thu May 29 00:28:37 2008)
提到: && 很多策略不会很复杂的。。。。。。对电脑的运行速度基本没啥要求 && 国内股票T＋1 资金T+2
很难搞的 隔夜风险太大&&&& 只有权证期货可以玩玩 &&&&&& ☆─────────────────────────────────────☆ &&
starseeker (SMTH看一眼少一眼) 于
(Thu May 29 00:31:37 2008)
提到: && 是的
AI是策略这块的
但是用处嘛也只是一个优化的过程
就和你用神经网络模型一样 &&&&&&&& ☆─────────────────────────────────────☆ &&
lzhking (东方鸿卫兵) 于
(Thu May 29 00:49:50 2008)
提到: && AI的东西太花哨,在交易里也没办法严格数学证明. && 做出来的东西纯粹忽悠,发PAPER还行. && 实际中已经做出了很多AI的交易程序,测试起来能用的基本没有. && 也许好的都处于保密,但也是非常少的.否则IBM公司早就转行做金融了 &&&&&&&&&& ☆─────────────────────────────────────☆ &&
abeyie (tomorrow will be better) 于
(Thu May 29 02:09:27 2008)
提到: && 早就实用了好多年了，不过技术都是保密的，一般都搞不到资料 &&&&&& ☆─────────────────────────────────────☆ &&
emigrant (怨憎会,爱别离,求不得) 于
(Thu May 29 03:04:31 2008)
提到: && 赫赫,也应该是如此啦 && 外面的人知道越少,里面的人用起来就越爽 &&&&&&&&&&&& ☆─────────────────────────────────────☆ &&
libocrl () 于
(Thu May 29 07:46:53 2008)
提到: && ml不是ai。。。。。 &&&&&&&& ☆─────────────────────────────────────☆ &&
yunong (@be) 于
(Thu May 29 15:26:18 2008)
提到: && 谁说没关系的， 找寻股价波动内在patten，然后买进卖出，不做长线，都是t+0, 监测秒数精确到ms，根据不同市况，要用遗传算法来优化你的策略，当然和AI有关 &&&&&& ☆─────────────────────────────────────☆ &&
yunong (@be) 于
(Thu May 29 15:28:20 2008)
提到: && Why ML is not AI ?&&ML is kind of methodology. &&&&&& ☆─────────────────────────────────────☆ &&
ajaj (AMD) 于
(Thu May 29 15:32:16 2008)
提到: && 广义上肯定有关系，狭义上难说。。。。。。。
反正数学统计编程算法一堆东西 &&&&&&&&&& ☆─────────────────────────────────────☆ &&
Ito (Ito) 于
(Thu May 29 15:39:38 2008)
提到: && 真希望我们AI方向知识能派上场 &&&&&&&&&& ☆─────────────────────────────────────☆ &&
lzhking (东方鸿卫兵) 于
(Thu May 29 15:42:59 2008)
提到: && 等AI能有TOP5%人的智能的时候才有用
市场上大多数人都是失败者 &&&&&&&&&& ☆─────────────────────────────────────☆ &&
yadaa (从现在开始攒rp) 于
(Thu May 29 15:47:09 2008)
提到: && 估计你不会有这个耐心等到 &&&&&&&&&& ☆─────────────────────────────────────☆ &&
emigrant (怨憎会,爱别离,求不得) 于
(Thu May 29 17:09:48 2008)
提到: && 遗传算法这类的东西... && 呵呵，做研究不错，做实用还是差了点 &&&&&&&&&&&& ☆─────────────────────────────────────☆ &&
rudeman (一个粗线条的男人·富贵不淫威武不屈) 于
(Mon Jun&&2 19:12:19 2008)
提到: && 窃以为这东西自己用可以
不要拿出来害人
恩 &&&&&&&&&& ☆─────────────────────────────────────☆ &&
rudeman (一个粗线条的男人·富贵不淫威武不屈) 于
(Mon Jun&&2 19:15:45 2008)
提到: && 遗传算法20年前就过时了
用来麻一般的老百姓还行 &&&&&&&&&& ☆─────────────────────────────────────☆ &&
emigrant (6.6-11,南巡) 于
(Mon Jun&&2 19:55:26 2008)
提到: && 没你说得那么夸张啦... && 其实说白了,那个东西就是个参数域上的邻域搜索.虽说不能天真的以为就有"神奇的功效",不过思路这么简单的算法，你要说就真是大错特错了，也不至于 && 痛苦与失落，往往不是来自于现实的残酷，还是由于不切合实际的希望。 && 以上这句话用在跟A(automatic, artificial)有关的若干问题上，想必应该是恰当的。 &&&&&&&&&& ☆─────────────────────────────────────☆ &&
yunong (@be) 于
(Mon Jun&&2 20:42:34 2008)
提到: && AI, Machine Learning, GA 这些技术国外trading company 都在用的 &&&&&& ☆─────────────────────────────────────☆ &&
cind (枫凌十四--天使军信使) 于
(Mon Jun&&2 20:50:36 2008)
提到: &&&&&&哦？那现在最前沿的工具是什么？ &&&&&&&&&& ☆─────────────────────────────────────☆ &&
chevalier (出卖灵魂？可以。但是给谁？) 于
(Mon Jun&&2 23:12:26 2008)
提到: && 拿来吓吓人还是挺好的。。。
见过用GA做portfolio权重优化的，拿出来忽悠的客户一愣一愣的 &&&&&& ☆─────────────────────────────────────☆ &&
lzhking (东方鸿卫兵) 于
(Tue Jun&&3 00:07:26 2008)
提到: && 都是傻客户,赚钱哪能靠别人呢? && 代表靠得住,母猪能上树. && 除非特有钱,找牛对冲基金给你打理钱,否则就得靠自己琢磨技术了. && 富人越富,穷人越穷，马太效应了. &&&&&& ☆─────────────────────────────────────☆ &&
chevalier (出卖灵魂？可以。但是给谁？) 于
(Tue Jun&&3 00:09:53 2008)
提到: && 非核心软件买别人的很正常
比如风控 &&&&&& ☆─────────────────────────────────────☆ &&
xwbian (浮云不说话) 于
(Tue Jun&&3 10:05:37 2008)
提到: &&&&&& 这句话要顶呢…… &&&&&&&& ☆─────────────────────────────────────☆ &&
emigrant (6.6-11,南巡) 于
(Tue Jun&&3 10:29:43 2008)
提到: && 哈哈,内行忽悠外行,招数多得很,又岂止是GA &&&&&&&&&& ☆─────────────────────────────────────☆ &&
tonfenia (Sky Blue) 于
(Thu Jun&&5 11:45:13 2008)
提到: && 几十年前的剩饭，现在要是被别的庄家发现你是自动交易机制，一次密谋搞死你 &&&&&&&& ☆─────────────────────────────────────☆ &&
emigrant (6.6-11,南巡) 于
(Thu Jun&&5 11:54:42 2008)
提到: && 要抓准算法也不那么容易 && 单机游戏里面，你可能很容易抓准ai，因为：
1.你能大量的取到这个ai的数据；
2.这个ai是不变的； && 但是在网游里面，这就已经难很多了:
1.ai可能会在服务器升级的时候有所调整；
2.你没那么容易取到他的数据了----想像wow这类的东西吧 && 复杂的专用程序，这就更难了，就说深蓝，你知道他是个电脑又能咋地？&&&& 回来说这个话题，就算别人知道你是自动交易，他也不那么容易跟踪到你完整的交易记录。就算他还能做到这一点，又这些交易记录恢复出“交易机制”，是一个反向工程的活，一般来说除非他们自己对fe的理解远高于你，否则很难做到。就算以上全部成立，你的算法只要一变，他们的工作又只有推倒重来。 &&&&&&&&&&&&&& ☆─────────────────────────────────────☆ &&
tonfenia (Sky Blue) 于
(Thu Jun&&5 12:06:31 2008)
提到: && 谁要抓算法，看看交易席位的买卖历史行为
两个大单砸进去，做假趋势做线性，看看席位的反应，然后几个庄家密谋，一次就能套牢
股票，期货盘子小太好密谋了
甚至在FOREX市场上的规矩：做市商几个交易席位都要相互认识，时不时大家喝下午茶
LME，CME这些期货交易所的犹太家族都是这样。 &&&&&&&&&& ☆─────────────────────────────────────☆ &&
emigrant (6.6-11,南巡) 于
(Thu Jun&&5 12:10:44 2008)
提到: &&&&&&&&&&&&&&&&&&&&&& ~~~~~~~~~~~~~~在你没抓到算法的情况...你如何判断他程序中对“趋势”是怎么定义的？就更别说“线性”这类的词了...做做统计学习，你就知道从一个黑箱的有限个输出来猜测系统反应有多难了------我正在为此头疼，你要是真觉得简单，欢迎你来试试 &&&&&&&&&& ☆─────────────────────────────────────☆ &&
tonfenia (Sky Blue) 于
(Thu Jun&&5 12:20:31 2008)
提到: && 只要知道你的持仓就够了，通过交易所卖的L2席位数据就能推出来
只要你仓位某一品种让庄家觉得量够了，就集合拆借头寸反向做空或是做多，然后平盘，你AI能受得了，你头寸池能受得了？直接让你爆仓退出交易。
做Qu的老以为自己万能，也不去打听你们在操作大额交易背后老板们要跑多少家谈多少次保证对手盘没有密谋。 &&&&&&&& ☆─────────────────────────────────────☆ &&
emigrant (6.6-11,南巡) 于
(Thu Jun&&5 12:53:40 2008)
提到: && qu也就比infrastructure的好一点吧...应该还不至于天真的以为自己“万能”吧... && p.s.就算是设计深蓝算法的，应该也不会认为自己万能吧。你好像对机器学习，人工智能，自动，这类的东西有点偏见 &&&&&&&& ☆─────────────────────────────────────☆ &&
voyeur (tk-ing~~~) 于
(Thu Jun&&5 13:46:47 2008)
提到: && 好像你很喜欢举深蓝的例子. && 然而交易和下象棋是本质不同的. && 下象棋那种AI本质上是穷举法，属于确定性问题，只要硬件性能足够好，那么就可以求得“最优解”。然而由于硬件性能并不能达到“足够”好，所以需要一点所谓heuristic。 && 然而交易本质上是不确定的，虽然我不清楚交易中的机器学习和人工智能是如何运作的，但是我猜测可能属于寻找统计规律的思路，那么这与“深蓝”的那种博弈是完全不同的。 &&&&&&&&&& ☆─────────────────────────────────────☆ &&
xwbian (浮云不说话) 于
(Thu Jun&&5 15:25:49 2008)
提到: && 嗯，我觉得你说的很有道理。
我是这么理解的，不管是怎样的算法，假设只要是全自动的，从发现机会到做出决策都是自动的，是不是机器学习也罢，设计是正常的，那出现趋势肯定要抓住的。假设后果是加仓，那么只要人为操作让损失先达到波动率的一定倍数，这时如果算法是正常的，肯定会有风险控制啊，就要被迫平仓了。所以异常情况下还是得把决策交给人来做的。
就看怎么去定义这个异常情况了。 && 随便想想又想到07年8月三天内quant fund死得很惨，损失超过了一定地步，疯狂平仓。。。谁知第四天就涨上来了。光靠ai来trading，缺乏对市场的实际认识，是不行的。所以路还很漫长呢。。。 &&&&&&&& ☆─────────────────────────────────────☆ &&
emigrant (6.6-11,南巡) 于
(Thu Jun&&5 15:33:11 2008)
提到: && "下象棋那种AI本质上是穷举法"
OMG... &&&&&&&&&& ☆─────────────────────────────────────☆ &&
emigrant (6.6-11,南巡) 于
(Thu Jun&&5 15:35:54 2008)
提到: && 看来在本版还是之谈quant不谈ai算了 && 没得谈... &&&&&&&& ☆─────────────────────────────────────☆ &&
xwbian (浮云不说话) 于
(Thu Jun&&5 15:47:42 2008)
提到: && 我不明白你说的ai是怎么样的交易算法。请解释一下。
比如，如何去处理极端的情况，如果一下子突然亏损了好多，ai怎么去辨别还能不能recover？不stop loss反而hold住？因为资金管理比起交易策略而言其实更加重要啊。 &&&&&&&& ☆─────────────────────────────────────☆ &&
emigrant (6.6-11,南巡) 于
(Thu Jun&&5 15:52:50 2008)
提到: && ...我们两个如果知道这些细节，肯定就不会再这里讨论了 &&&&&&&&&& ☆─────────────────────────────────────☆ &&
xwbian (浮云不说话) 于
(Thu Jun&&5 16:13:17 2008)
提到: && 我想到一本书上某个经理说挣得太多和亏得太多他都会很谨慎（现在我才反应过来），他说他一般对于收益和亏损的要求都保持在一个比例内，对于依靠统计信息的算法而言，最好的莫过于stop loss，let profit run，loss和profit都不过分那种，依靠稳健的资金管理，靠大数定理成长了。。。 &&&&&&&& ☆─────────────────────────────────────☆ &&
yunong (@be) 于
(Thu Jun&&5 18:37:27 2008)
提到: && 深蓝根本就是对搜索空间的遍历，然后做一些减枝等优化，只要计算机硬件能力够的上，那么搜索空间的深度就足够，就能战胜人类了，这个和fe里的ai完全两回事 &&&&&& ☆─────────────────────────────────────☆ &&
yunong (@be) 于
(Thu Jun&&5 18:41:40 2008)
提到: && chess本来就是穷举，当然不是所有搜索空间都遍历，会做减枝等优化，减少搜索空间，但是本质上就是穷举 &&&&&& ☆─────────────────────────────────────☆ &&
yunong (@be) 于
(Thu Jun&&5 18:48:55 2008)
提到: && 我跟欧洲某trading company的algo trading部门的头聊过一点，只是知道个大概，你知道股票里有很多的指标，macd，kdj，rsi等等等等
，algo trading要做的就是从历史数据里找pantten，比如那些指标到了何种状态就可以买近，何时卖出， 历史数据研究精确到ms，然后都是做的day trading，一天之内一直买进卖出。举个最简单例子，比如macd金叉了，就买进，死叉就卖出，当然如果你一直用这个策略，肯定玩蛋，所以你要用遗传算法来对你的模型进行演化，而且不同的市场时期，模型都不同，比如牛市某种模型好，熊市某种模型好。你的遗传算法是 用来tuning你的参数，比如macd选１２，６，９， 还是１３，２５，７等等等等，大概就这个思路，你不能指望一套模型一直用，一直要根据市场来学习找最佳参数来进行trading &&&&&&&& ☆─────────────────────────────────────☆ &&
fogsnow (雾里雪) 于
(Thu Jun&&5 18:58:04 2008)
提到: && 我冒昧的觉得 && 直接研究股票走势很困难的
macd,kdj，，，，所谓的技术分析
股票软件里面都有
小散户研究研究这些信号也能跟着操作 && 技术分析，就像算卦
有的人相信，他们就照着做，算卦先生，赚的就是他们的钱
对于不相信的，就没啥作用了吧 &&&&&&&&&& ☆─────────────────────────────────────☆ &&
yunong (@be) 于
(Thu Jun&&5 19:02:40 2008)
提到: && key words: day trading, 毫秒级,&& 别拿这个跟a股比较，完全两回事
a股这样的都有少许规律可寻呢，而且还是t+1，day trading风险就小多了 &&&&&& ☆─────────────────────────────────────☆ &&
starseeker (SMTH看一眼少一眼) 于
(Thu Jun&&5 19:14:24 2008)
提到: && LME有严重的这个问题
一级场内交易商就那么几家
所以这种地方头寸不能作大
国内期货市场也是一样的
这样只要期货经纪公司不出卖你 那基本上控制一些头寸问题不大 &&&&&&&& ☆─────────────────────────────────────☆ &&
starseeker (SMTH看一眼少一眼) 于
(Thu Jun&&5 19:18:19 2008)
提到: && 是啊
对于机器策略
止损止盈是很重要的
既然有止损当然有给人利用的地方
这个是市场分析了 和quant关系不是很大 &&&&&&&&&& ☆─────────────────────────────────────☆ &&
emigrant (6.6-11,南巡) 于
(Thu Jun&&5 19:18:34 2008)
提到: && 穷举和搜索的区别其实很大的... && 很大很大 &&&&&&&&&& ☆─────────────────────────────────────☆ &&
starseeker (SMTH看一眼少一眼) 于
(Thu Jun&&5 19:20:45 2008)
提到: && 其实本质是2点 你要记住
1:你做的永远是概率问题，不要指望有100%盈利的策略，所以你玩得是大数定律
2:市场在变，对手在变，所以你的策略也需要随之变化
所以至于是不是遗传 是不是day trading只是上面2点的具体实施而已
不是本质 上面2点才是关键 &&&&&&&&&& ☆─────────────────────────────────────☆ &&
fogsnow (雾里雪) 于
(Thu Jun&&5 19:27:09 2008)
提到: && 大家都是毫秒量级的话 && 有什么区别吗？ &&&&&&&&&&&& ☆─────────────────────────────────────☆ &&
yunong (@be) 于
(Thu Jun&&5 20:49:53 2008)
提到: && 没看见我说了策略算法要演变吗 && 当然是概率问题，谁说了１００％成功率了 &&&&&& ☆─────────────────────────────────────☆ &&
yunong (@be) 于
(Thu Jun&&5 20:50:58 2008)
提到: && 我说的是search space， 你不会以为是google那个搜索吧 &&&&
&& 1995 DEEP BLUE: searches 14- iterative deepening
α − β considers 100–200 billion positions per
regularly reaches depth 14; evaluation function
has 8000+ singular extensions to 40-
opening book of 4000 end-game database for
5-6 pieces. &&&&&&&&&& ☆─────────────────────────────────────☆ &&
emigrant (6.6-11,南巡) 于
(Fri Jun&&6 03:23:54 2008)
提到: && 修改于6:42; && 算了，这个话题貌似也扯得跟这里没什么关系了，再争下去也没必要了，就此打住吧。
下面我说的这些，就只当是胡言乱语，请一笑置之吧 &&&&&&&& Heuristic
Evaluation
informative features && By ignoring these words, which I just picked from the slides you gave, you can even claim genius equals to idiot. && 既然你觉得你对这方面很了解，我们就来谈谈吧:) && 你觉得为何深蓝要做所谓的搜索？ && 搜索的目的是为了减少evaluation的误差。 && 我来解释一下这个概念： && 在当前的局势下，你有n种可能的策略，怎么决定哪一种呢？ 当然需要一种评价函数。
最简单的办法，当然是直接以走完这一步以后的结果X作为objective function的输入。可惜，
现在并没有一种算法能很好的做这种局势判断（其实人也不行）。也就是说，现在能做到的局势判断函数eval(X)的性能太差，要怎么提高它的性能呢？&& 考虑一下人是怎么做这件事情的吧（如果你下过棋的话），你会考虑X局势下对手的所有可能反应X1，X2,X3,....Xn,然后选出其中对你最不利的一种（这是电脑常做的假设，当然人在下棋的时候，有时候会故意假设对手的误判）作为对X的评价，即：
eval(X)=min(eval(Xi)) &&&&&&&&&&i
可以看到，这里还是躲不开对eval的使用，但是因为这里有一个min函数，可以证明，经过这样的组合，可以减小eval函数的误差-------如果你同意这一观点，继续往下看，如果不同意，我们还是就此打住吧，哈哈。 && 以上技巧可以被多次使用----Xi以后轮到自己下棋，所以自己会从所有Xi的所有对策里面选择一种对自己最有利的，有下式
eval(X)=min(max(eval(Xij))) &&&&&&&&&&i&& j && 以下类推。 && 对于以上表达式的求值，有时候会被叫做search,不过跟“穷举”可完全是不相关的事情-----除非你能把每一步推演到底。 && 不要忘了这个过程本质上是在干什么？ 其实是在做“形势判断”eval()。所谓的推演，搜索，随便什么，只是这个eval()过程中使用的一个技巧而已，如果你以为搜索才是本质，那就大错特错了。 && 还需要指出，其实这样的通过推演提高情况预测的精度，并不是为了利用电脑的计算能力才开发出来的体力型方法，这种方法棋手是经常使用的，乃至我们在生活中也经常使用。电脑和人脑在这里的区别只在于： 电脑上由于比较难直接开发出好的eval（如果你试试，就知道做这类事情有多难了），也就是说，电脑的核心eval(最后那个不再递归调用其他eval，而需要自己根据棋局来做判断的)精度比人脑差；但是电脑的优势在于可以做更多的推演，于是能有效的通过多次的min-max组合来减小误差。电脑和人脑各自的优势就导致了，在规则比较简单的，棋局简化较快的游戏中，比如象棋，桥牌，电脑会有优势（即使是很差的eval，当棋局简化到一定程度以后，也能做出很准的eval----比如直接判断输赢）。但是在局势无法快速简化（换句话说，10手的时候你看不准谁优谁劣，可能就算推演到100手也不能）的游戏，或者更bt的，非确定性的游戏（麻将），电脑就很难通过推演能力来减小误差了，所以人往往能占到便宜。 &&&& 如果你还有兴趣，我就继续解释一下刚才摘出来的几个术语的意思： && Heuristic 启发式方法，这种方法本质上是说为了在某些情况加快速度，使用的方法，就是在某些情况下估算eval()。 && informative features：到了最后的核心eval（或者是估算eval），需要根据棋局来直接计算评价函数。所谓的feature，往往是一些有指导意义的指标，这些指标可能是有人的经验来定义的，比如在象棋里面，剩余子力，老将的位置，可能都能作为feature来使用；在某些情况下，也有一些有统计方法寻找出来的特征。 &&&&&& 毫不夸张的说，这个世上的学者和工程师，脑子最好使的，大部分都在数学和AI相关的圈子里面（数学的人更严谨一点，AI相关的创造性能强一点）。如果觉得这帮人搞出来的东西，就只是“穷举”，“唬人”...恐怕就把世界想得太简单了。 && p.s.这里的ai是泛指跟dm，search，统计学习，机器智能等相关的方向。 &&&&&&&&&&&&&&&&&& ☆─────────────────────────────────────☆ &&
voyeur (tk-ing~~~) 于
(Fri Jun&&6 12:08:43 2008)
提到: && 我来解释一下为何下棋的本质是穷举，以及为何简单的穷举法并不实用（practical），从而需要采用启发式函数。 && 假设国际象棋有64个空位，有32个子，有黑白两边。则所有棋局的个数有(粗略的)上界 &&&&&&&&&& 65^32*2 && 这个数字是 10^58 数量级。 && 对于每一个棋局S，定义A(S)为应当采取的走法，使得S'=A(S) (a)最好不是对方的胜局，(b)最好是对方的败局。如果定义不出(a)，那么S是本方败局；如果定义出(a)但定义不出(b)，那么S是和局。 && 如果计算机硬件可以处理整个棋局空间，那么以上穷举法就可以保证获得任何棋局的最佳策略。如果初始布局就是一个胜局或者败局，那么这个游戏不是公平游戏（例如无禁手的五子棋，据说黑先必胜）。如果初始布局是和局，那么这是公平游戏（例如三子棋）。 && 但是实际上，计算机硬件不能处理整个棋局空间，因此需要采用启发式算法。 && 综上所述，下棋里的AI策略和金融市场交易策略没什么关系。交易策略可能是统计意义上的，而下棋策略是启发式的。尽管这一区别是明显的，但是因为我比较闲，所以来发这个帖。 &&&&&&&& ☆─────────────────────────────────────☆ &&
emigrant (6.6-11,南巡) 于
(Fri Jun&&6 14:48:43 2008)
提到: && "下棋的本质是穷举".... && 还好当年没去做棋手，否则今天听到你这种话，我岂不是可以直接去死了？ && 你不能认为围棋只是跳棋的一个复杂版本，处理这两种事情只是一个简单累加而已... && 想想下面的问题： && 为什么研究两个电子/原子/质子/分子之间相互作用叫做“物理”，但是研究很多电子/原子/质子/分子的相互作用就叫做“化学”------并且使用非常非常不同的研究方法和着眼点。 && 如果这个问题显得过于严肃，再来一个： && 人是由细胞组成的，你难道就说“对人的教育和培养，本质上是对细胞的改造”？
要注意，人体细胞的总数其实远少于您刚才给出的65^32*2。 &&&&&&&&&&&& 文章数:1&分页:}