什麼是黑盒模型？
在科學、計算和工程中，黑匣子是一種設備、系統或物體，它能產生有用的信息，但不會透露任何有關其內部運作的信息。對其結論的解釋仍然是不透明的或“黑色的”。
金融分析師、對沖基金經理和投資者可以使用基於黑盒模型的軟件將數據轉化為有用的投資策略。
計算能力、人工智能和機器學習能力的進步正在導致許多職業中黑匣子模型的激增，並增加了圍繞它們的神秘感。
許多職業的潛在用戶都對黑匣子模型持謹慎的態度。正如一位醫生在一篇關於其在心髒病學中的應用的論文中所寫的那樣：“黑匣子是模型的簡寫，這些模型足夠複雜，以至於人類無法直接解釋它們。” 1
要點
- 黑盒模型接收輸入並產生輸出，但其工作原理是未知的。
- 黑匣子模型越來越多地用於推動金融市場的決策。
- 技術進步，特別是機器學習能力的進步，使得人類思維無法準確分析或理解黑盒模型如何得出結論。
- 黑盒的反義詞是白盒，它的結果是透明的，可以由用戶分析。
- 黑匣子模型一詞很容易被誤用，可能僅僅反映了保護專有軟件的需要或避免明確解釋的願望。
了解黑盒模型
許多東西都可以被描述為黑匣子：晶體管、算法，甚至人腦。
黑匣子的反義詞是由可供檢查的內部運作組成的系統，通常稱為白匣子，儘管有時也稱為透明匣子或玻璃匣子。
金融黑匣子模型
在金融市場中，越來越多地使用黑匣子方法引起了許多擔憂。
黑盒模型本身並不存在風險，但它確實引發了一些治理和道德問題。
使用黑匣子方法的投資顧問可以在保護專有技術的幌子下隱藏他們推薦的資產的真實風險，這使得投資者和監管機構無法準確評估正在承擔的風險。
黑盒方法的優點是否抵消了缺點？意見不一。
誰使用黑匣子財務模型
多年來，使用黑匣子模型來分析投資已經過時了，通常取決於金融市場是上漲還是下跌。
在金融市場波動期間，黑匣子策略因其潛在的破壞性而被挑選出來。
計算能力、大數據應用、人工智能和機器學習能力的進步正在增加使用複雜的定量方法的黑匣子模型，並增加了其神秘感。
對沖基金和一些全球最大的投資管理公司現在通常使用黑匣子模型來管理其投資策略。
黑匣子模型在心理學中的運用可以追溯到行為主義學派之父BF Skinner。Skinner認為心理學家應該研究大腦的反應，而不是它的過程。
黑匣子爆炸
有幾個值得注意的例子，其中包括專門用於黑盒策略的投資組合的極端損失。這些事件不應歸咎於黑盒策略。然而，依賴這些策略的投資者卻在風暴中遭受了損失。
這些事件包括：
- 1987 年 10 月 19 日，黑色星期一。道瓊斯工業平均指數一天內下跌了約 22%。
- 1998年，對沖基金長期資本管理公司倒閉。該基金通過購買債券的套利策略賺取巨額利潤，直到俄羅斯政府債券違約導致該基金倒閉，幾乎連全球金融體係也隨之崩潰。
- 2015 年 8 月 24 日的“閃電崩盤”。閃電崩盤現在定期發生，涉及資產價值短暫不受控制的下跌，隨後價格立即回升。通常歸咎於計算機訂單的增加。實際上有兩個2015 年出現閃電崩盤。8 月份的事件涉及標準普爾500 指數，3 月18 日的另一起事件涉及美元交易。
計算中的黑盒模型
對黑盒模型的增長和復雜性做出了巨大貢獻的機器學習技術密切相關，特別是與機器學習相關。
事實上，有人認為，根據算法創建的黑盒預測模型的工作原理可能會變得非常複雜，以至於沒有人能夠處理預測中涉及的所有變量。3
工程中的黑匣子模型
黑盒模型在工程中用於構建以計算機代碼而非物理形式存在的預測模型。4
然後可以觀察、分析、測試和修改這些變量，而無需在現實世界中進行昂貴且耗時的實際構建過程。
什麼是金融黑盒模型？
專為金融市場使用而設計的黑匣子模型是一種軟件程序，可分析市場數據並根據該分析制定買賣策略。
黑匣子的使用者可以理解結果，但看不到其背後的邏輯。當使用機器學習技術構建模型時，輸入實際上過於復雜，人腦無法解釋。
黑盒交易合法嗎？
BlackBoxStocks 是一個為股票和期權交易者提供的基於互聯網的交易平台的名稱。該公司表示，它使用“人工智能增強的‘預測技術’”來識別日間交易者可以利用的快速價格變化。
BlackBoxStocks 成立於 2016 年，在納斯達克上市，代碼為 BLBX。
Day Trader Review 網站稱其“物超所值” 。
The Stock Dork 的一篇評論稱其為“真正的交易，並且是可用的最佳市場掃描系統之一。” 6
請注意，這些評論正在評估 BlackBoxStocks 作為消費者交易平台的能力，而不是對其預測的準確性得出結論。
什麼是消費者行為黑盒模型？
消費者行為的黑盒模型源自行為心理學學術領域。
行為心理學家將人腦視為一個黑匣子。人的思維會對刺激做出反應。為了改變行為，必須改變刺激，而不是對刺激做出反應的思維。7
該理論已被營銷人員採用作為分析消費者決策過程的一種方法。
什麼是黑盒模型與白盒模型？
在人工智能領域，黑盒模型使用機器學習算法進行預測，而該預測的解釋仍然不可知且無法追踪。
白盒模型試圖納入一些限制，使機器學習過程更加透明。
透明度或“可解釋性”可能是醫療保健、銀行或保險等行業使用的模型的道德和法律目標。 8
底線
黑盒模型越來越多地被用來創建軟件，不僅用於投資領域的應用程序，還用於醫療保健、銀行、工程和其他領域。
黑盒模型與機器學習功能一起發展，兩者過程的複雜性都在增加。
事實上，它們變得越來越不透明，也就是說，我們依賴它們的結果，卻不了解這些結果是如何產生的。