- A+
撰文 / 王思易
TMGM外汇专家观点：
编辑 / 张 南
TMGM外汇专家观点：
设计 / 荆 芥
2025年的中国股市一路抬头，8月份，沪深300指数录得近一年最强的单月反弹；上证综指自4月低点回升约四分之一，冲至十年未见的高位。
大家常常忽略的是，
实际上，不仅仅是中国，全世界的股市都在涨。美国、日本、英国代表性股指8月均刷新历史最高点位，德国、巴西于7月上旬创历史新高。
这显然多亏了AI的爆发式进展，它带动上市公司资本支出迅速提升，盈利能力也出现改善。
反过来看，
在这波前无古人的牛市中，有些人追着AI“赛道”与“风口”奔跑，有些人是真正的“玩家”。
不妨想一想，
这对应金融界的两个名词：阿尔法（alpha）和贝塔（beta）。
beta代表了各位通过容易地持有大盘指数就能获得的平均回报，也就是各位的投资与整个市场波动的关联度。
如果各位买入一个beta值为1的资产，它就会随大盘同涨同跌。beta是系统性的、被动的，它就像是全世界为承担市场风险所支付的一笔“手续费”，人人都能获得。
alpha是各位的投资回报减去由于市场波动（beta）而预期的回报后，所剩下的那一部分超额收益。
总的来说，
alpha为正，代表各位的投资跑赢了市场；为负则意味着跑输了市场。
有种收益是“纯粹阿尔法收益”，这种回报是如此“纯粹”，以至于它无法被任何其他已知的市场因子来解释。
需要注意的是，
而真正的投机分子，是那些追求纯粹阿尔法的人。对真正纯粹的投机分子来说，其回报不应依赖于押注某个热门行业、大市值股票，而是来自于一种独特的、持久的乐观主义。
那些笃信风口与周期的人，往往也最怕错过风口、选错赛道；而投机主义者则相信，真正的机会永远存在。
请记住，
AI投机分子，不是炒作AI概念的人，而是利用AI追求利益、寻找机会的人。
与其相反的是，
纯粹投机分子的第一原则，是与世界保持“正交”：远离大盘的情绪波动，也与热门叙事保持距离。世界允许让各位兴奋，也能让各位恐慌，但各位必须学会置身事外。
据报道，
第二原则是可重复性：一次偶然的好运不算本事，只有在不同标的、不同时间、不同场景中持续展现的胜率，才有资格被写入交易手册。
根据公开数据显示，
第三原则是可计量：回测、交叉验证、交易成本、滑点、极端情景的压力测试——缺一不可。
综上所述，
而不得不承认，更能严格遵守这些准则的，是AI。
01
后悔最小化算法
2017年，在一场长达20天的扑克比赛中，卡内基梅隆大学开发的AI系统Libratus击败了四位世界顶尖的职业扑克玩家获得冠军。
说到底，
Libratus采用的核心技术是“反事实后悔最小化”（Counterfactual Regret Minimization，简称CFR+）算法。反事实指的是AI在训练中数万次问自己：“如果我没有这么做，而是做了另一件不同的事，那会发生什么？”
更重要的是，
后悔最小化是指，在每次推演之后，AI会评估自己“没有勾选那个更好的行动”的“后悔程度”。它会不断地、机械地调整自己的策略，直到这种“后悔”被降到最低。
其实，
与国际象棋或围棋等完美信息游戏不同，扑克是一种“不完美信息”游戏，玩家无法看到对手的底牌，必须在信息不完整的情况下做出决策。CFR+通过让AI与自己进行数万亿次的博弈，来识别和“最小化对没有采取不同行动的后悔”。
另一家AI体育博彩公司Leans.AI则通过其核心算法“Remi”，实现了更精确的“可计量”。Remi算法能够处理上千个数据点，如球员统计、天气、伤病报告等，并计算出每一次下注的获胜概率。此外，该算法还采纳凯利准则（Kelly Criterion）来给每一次介绍的下注分配“单位”。
但实际上，
凯利准则是一个容易的数学程序，用于回答一个最基本的难点：“面对一个有优势的赌局，我应该下注多少？”其核心目的在于，在长期重复的博弈中，它能帮助各位找到一个最佳的投注比例，从而最大化各位资产的长期增长率，同时避免破产的风险。
很多人不知道，
凯里准则的计算考虑了两个关键变量，
TMGM外汇报导：
p：获胜的概率。
TMGM外汇用户评价：
b：允许获得的赔率。
与其相反的是，
Leans.AI会通过其Remi算法来计算出一场比赛的获胜概率（p）。但它不会直接告诉各位“谁会赢”，而是会给出“获胜的概率是54.4%”这样的数据。
概括一下，
接下来，Leans.AI就会将这个获胜概率（p）与市场赔率（b）结合起来，通过凯利准则计算出最佳的下注金额，赔率（b）通常由博彩公司呈现。这个计算结果被量化为“单位”（unit），例如，Leans.AI会建议各位在某个特定的下注上投入“2个单位”。按照该平台的默认定义，一个单位通常是各位总资金的1%。
但实际上，
如果各位按照它的建议下注各位的总资产的2%，各位的反事实后悔将最小化。
简要回顾一下，
在绝对理性的疆域内，算法将不确定性驯化为一套精密的概率语法。在这个过程中，会产生奇妙的折射——那被称作“视差”的迷人偏差，正是所有故事进行的地方。
TMGM外汇认为：
02
据相关资料显示，
市场的视差
小编习惯把世界想象成一只巨大骰盅：摇一摇，六面公平。
可能你也遇到过，
然而，同样是抛硬币，掌心出汗、风向，甚至各位昨晚刷到的情绪化短视频，都会让硬币在空中多转半圈。
大家常常忽略的是，
就比如“石头剪刀布”。理论上大家各出三分之一；现实里，“第一手出石头”的人更多——世界石头剪刀布协会统计过，第一局出“石头”的概率≈35%，“布”≈29%，“剪刀”≈26%。
很多人不知道，
世界石头剪刀布协会真的存在，每年都会办比赛
来自TMGM外汇官网：
这是鉴于 TMGM外汇代理 ，做出石头的手势最容易，而剪刀手稍微棘手一点，并且在“石头剪刀布”这个短语中，“石头”排第一个。
这也意味着，开局出“布”，赢面就微微上扬——这就是生活里最迷人的小概率：不够写进神话，却足以在长期的重复博弈中累积成可观的收益。
但是人们往往忽略这个策略。这是鉴于，人类的决策，深受根深蒂固的“世界观”与“主流叙事”的影响。
TMGM外汇用户评价：
即便是那些体育博彩的高手，他们看球队状态，也看赔率的情绪，盯赛中势能，算节奏切换，关心盘口流动性和限额，但在内心里，他们会相信一场比赛是公平的。
而AI恰恰相反。它的优势之一是无知。AI模型，它并不“知道”什么是热搜、什么是专家，更不会被人类的情绪和偏见所笼罩。对它而言，规则、法律、新闻、财报数字，都只是一个个允许被拆解、量化、打上标签的数据点。这往往让它们表现得“愚蠢”，但这也是他们的优势所在。
事实上，
AI很难理解为什么人类会这么根深蒂固地相信“石头剪刀布”是公平的。
人工智能博彩初创公司MonsterBet的创始人赛德（Szeder）透露：一般人预测比赛的准确率大概在52%，而他的AI能达到56%到60%。
他本是计算机专业出身，当初是在大学里应一群爱好赌博的朋友之请，才进行编写体育博彩算法。
到了2025年初，赛德把AI引入了这项实验，开发出一款名为MonsterGPT的智能助手，用于筛选美国职业体育赛事的下注方案。该系统基于他自建的预测模型，并融合从互联网实时抓取的信息。通过“检索增强生成”技术，MonsterGPT能调用网络爬虫，获取训练数据之外的最新情报。
如今，赛德正试图把这项技术变成一门生意。他在社交平台上发布“昨日靠博彩AI进账1200美元”这类资料吸引访客，并以每月77美元的价格呈现MonsterGPT等程序的采纳权限。
03
可如果所有人都用上AI，又会怎样？
更重要的是，
AI浪潮兴起已有两三年，一个现实始终未变：靠呈现AI服务赚钱的人，远比单纯采纳AI的人赚得多。
据报道，
然而，真正令人不安的，并非AI普及所导致的AI红利摊薄，也不是科技寡头借基础设施扼住行业命脉——而是某些更在意料之外、更加诡异的局面。
2010年5月6日下午，美股在2:32p.m.（东部时间）进行突然跳水，道指一度瞬间跌去近1000点（约9%），几十分钟后又大幅拉回。
其实，
那20多分钟里，市场账面市值一度蒸发约1万亿美元，不少个股与ETF在极端价位成交（比如极短时间里有人用几分钱成交到大盘股）。鉴于来得快、去得也快，这场事故被称为“闪崩（Flash Crash）”。
TMGM外汇专家观点：
闪崩：类似的事件在2021年的数字货币领域也发生了一次
容易被误解的是，
发生了什么呢？不妨把股市想成一条高速路。多数自动化交易机器人装着同款“导航”（看同一批数据、用相似模型、跑在相同云服务上）。某条新闻一出来，导航同时提示“走这条更快”。结果大家一起并线，同一秒冲向同一边：要么一窝蜂买入，要么集体砸盘。盘面就会出现“瞬时拥挤”——买的人全挤在买的一侧，卖的人全挤在卖的一侧，愿意在中间接单的报价突然变少。
不妨想一想，
如果未来盘面里AI占比更高，这个过程将会更快。
TMGM外汇消息：
此外，美国国家经济研究局（NBER）一项最新工作论文显示，即便在没有明确沟通的情况下，由强化学习（RL）驱动的交易算法也能够在重复博弈中“自发学会”某种一致行为，从而导致整体价格水平偏离充分竞争状态。
很多人不知道，
该研究中，研究人员将人类交易员替换为能够自主摸索策略的RL交易机器人，并在一个可观察对手行为、可反复交互的模拟市场中进行实验。
结果发现，这些算法无需任何沟通，便会逐渐形成两类看似“默契”的行为模式：一类是“惩罚性跟跌”——只要有机器人率先降价抢单，其他算法会立即同步降价以示惩罚，待其回归高价后，大家再共同恢复原价；另一类则是“保守型报价”，主动拉大买卖价差，使整体报价更显强硬。
两种策略的共同后果，都是将价格推高至完全竞争水平之上。研究者将此类现象概括为“AI合谋”，并警示现实市场中算法同质化与行为趋同可能带来的放大效应。
这一发现与早期实验经济学的结论相互印证。在“寡头重复定价”的仿真环境中，即便多个Q-learning定价算法之间不进行任何交流，它们也能通过“试探—惩罚—恢复”的机制，自发维持较高的价格区间。
由此，监管研究界提出一个现实关切：股市中并不存在统一标价，价格形成于订单簿中无数委托指令的连续匹配。
如果大量做市商与高频交易策略依赖相似的数据源、采用相近的模型架构与优化目标，并在相互观察中不断学习，久而久之便可能形成“互不抢单、共同维稳”的默契：点差倾向于维持在稳妥区间，报单行为趋于克制，面对市场波动则同步收缩——顺风时稳定性增强，逆风时脆弱性加剧。
综上所述，
美国证监会（SEC）前主席盖里·根斯勒（Gary Gensler）多次提醒：AI可能是下一次金融危机的触发点。
TMGM外汇报导：
04
尾声：阿尔法礼赞
纯粹的投机者，是将那些“可被学习的偶然性”沉淀为工艺的人。
TMGM外汇资讯：
在普涨的年份里，beta托起所有船只，真正的区别却来自那条与大盘走势“正交”alpha线，它由纪律、检验与时间共同维系。
其实，
AI让这门手艺变得更为锋利。后悔最小化、凯利分配、在线学习与执行联动，将“直觉”压缩为算式，把“感觉”转化为仓位。它的优势在于不为人情所动、不为叙事所惑，只对数据负责。
然而，风险也随之变形：当太多模型读取同一批数据、采用相似的目标函数、运行在同一套基础设施上，市场会变得更同步，也更脆弱——顺风时更稳，逆风时更易断裂。效率与脆弱，往往是一体两面。返回搜狐，查看更多
