在 1990 年左右，避险基金曾经兴起过一波运用类神经网络技术的热潮，但最终宣告失败，如今随着人工智能（AI）的兴起，一种名为“深度学习”（Deep Learning）的 AI 技术也为避险基金带来一丝曙光。
所谓的深度学习，主要是模仿人脑神经元工作模式，透过非线性、多层次且密集的方式互相连结，自动将大量数据中具代表的特征（feature）抽出，可省下以往各领域专家分析研究所花费的时间。
华尔街日报报导，有鉴于深度学习广泛的利用价值，许多大厂已逐渐开始使用，像是特斯拉（Tesla）的自驾车和 Amazon 的智慧音响 Echo，一些大型避险基金也追随科技圈的脚步前进，WorldQuant 开始利用这项技术进行小规模交易，Man AHL、Two Sigma 也正在评估中。
由于先前的失败经验，有些公司仍持谨慎态度。在英国管理近 315 亿美元（约 9,503 亿元台币）资产的 Winton Capital 就在声明中表示，对于深度学习能够解决投资管理的说法仍然抱持怀疑。
但究竟什么时候深度学习才会被避险基金普遍运用呢？考量到深度学习需要强大的电脑及大量数据，曾和深度学习领域权威 Yoshua Bengio 教授合作的电脑科学家 Nicolas Chapados 认为，大概仍需要 5 年的时间。
报导指出，Facebook 的图像辨识技术之所以能成功，主要是仰赖社交媒体用户上传的无限量数据进行深度学习，然而金融市场的数据有限且总是在变化，预测股价等市场波动变得更困难，这也是为什么相较科技产业，避险基金在深度学习的使用进度上明显落后。
Alpaca 的联合创始人原田（Hitoshi Harada）表示，虽然深度学习技术可以很快将市场中数百万个数据建立出相互连结关系，但在数据量不足的时候，会难以建立一个很好的模型。
Winton Capital 的研究人员认为，即使深度学习技术还有很多挑战要面对，但未来带给对冲基金的将不会是一场革命，而是一款好用的武器。“技术的进步能协助我们改善流程，未来仍会针对深度学习进行长期研究。”
- Hedge Funds Are Training Their Computers to Think Like You
（首图来源：shutterstock）
