田汉卿：人工智能提升市场效能还有很大的空间

       在投资策略上，怎么样用人工智能实现投资目标？对于量化投资而言，真正有力量的手段是怎样的？人工智能开启了投资管理行业新蓝海，带了怎样的新机遇？

       在田汉卿看来，人工智能早已深入我们的生活，但应用在投资领域和应用在自然科学大有不同，自然科学比如说人脸识别，能识别就识别，不能识别就不能识别，一定程度上，可以达到99.9%的正确率。但投资是博弈的结果，任何一方的市场参与都会影响市场定价，比如被动投资如果不停的买股票就会影响到股票的定价，不停卖就会打压，所以索罗斯定律在投资领域非常的重要。

       2018年，受大环境影响，行业也有一些变化，比如卖方研究员评选几乎停止，数据更新迟缓，当时，华泰柏瑞的模型很大程度依赖卖方的人员预测，更新频率下降会影响阿尔法，这让田汉卿深深忧虑，万一将来整个行业业务模式发生变化，应该如何应对？她认为，长期的生存之道是随着技术发展，数据的可控，公司能做自己的盈利预测。于是，他们搭建了公司内部自然语言处理系统，在其中加入对投资的理解，扩大数据库，让AI在投资的基础上进行学习。

       这其中，涉及到知识图谱的部分，需要借助外力。另一部分需要机器学习，要构建内在联系，再通过人工进行调整。目前，华泰柏瑞已经实现了做个股层面和行业层面的基本面预测。目前来看，有了这套系统之后，可能比卖方提供的数据更快，这意味着超额数据越多，而且对投资市场也大有裨益。

       在量化投资领域，她认为，像这样用大的统计概率起作用的领域，必须要结合数据、人工智能，必须增加信息收集来源。比如另类数据，包括电商数据、卫星数据、信用卡数据、公共数据等。这些年，随着计算技术和数据技术的发展，储存数据发生了翻天覆地的变化，所以在这方面有很大的空间，可以跨导。比如过去更多是依赖于人进行搜索，所有持仓的上市公司，交易的上市公司，人都要搜索有没有超预期的消息，但人搜的覆盖度很低。但是现在自然语言处理可以瞬间覆盖所有的样本、所有的上市公司。同时，在投资过程当中，可见近几年数据演化非常快。所以从今年开始，华泰柏瑞会进一步扩展到其他的另类数据，用另类数据帮助公司在个股和行业上进行基本面研究。

       谈到未来，田汉卿说，如果拓展数字化投资或者量化投资、智能化投资，必须增加基本面信息的纬度。因为长期影响的因素更多，所以必须尽可能捕捉到所有的基本面信息，应用到投资里，拓展模型。她认为，目前用大数据和人工智能提升市场效能还有很大的空间，未来会更加颠覆，长期可展望的是人工智能直接承担资源配置的功能，资本市场可以退居二位。所以这是真正的蓝海，对于资本市场有价值，对于投资是真正有价值，可以深度挖掘的，而这个挖掘也将随着技术进步进一步增加。

       刘亚霄：AI只是提升效率的工具，人类无需担心饭碗

       作为已经研究AI二十几年的“老人”，亚马逊云科技CTO刘亚霄开门见山：AI并不是目标，它只是一个工具。他回忆当年用386系统搭神经元网络，而现在任何手机都要快好几千几万倍。但核心问题并没有解决，从20年前到现在，主要突破都是在算法、传感器、算力上的突破，理论上并没有太大突破。所以，在可以预知的未来，在数学上没有大突破之前，大家不用担心AI抢自己的饭碗。他笑言，AI现在基本上是一个智障的阶段。无论自动驾驶还是宇宙飞船。但是，AI确实能够通过工程化的解决方案，通过创新，提高我们的工作效率，使我们对数据的把控得到更好的应用。

以AI在亚马逊备货方面的应用举例，他们做了很多数据储备，也用了很多云上的东西，最后形成了亚马逊以预测为基础的体系。这个体系达到了超过99%的库存是自动化采购，也就是说亚马逊卖的东西99%的东西是通过预测，系统告诉你应该买多少作为备货。

       作为云科技的CTO，刘亚霄讲了云科技和传统的IT科技的不同。他认为传统的科技，数据和应用计算是联系在一起的，云科技的计算力和它的存储量已经大到超乎想象，所以他们提出了一种新的对于数据资产盘活以及数据管理的观点——把计算力挪到数据里。也就是先有业务，业务带来了数据，这些数据需要从业务里独立出来，然后大家把不同业务的数据放在一起，来看能不能产生新的业务，也就是解决方案。比如亚马逊的小机器人，已经完美替代人工，进行仓库中的备货、拣货，人只需要完成最后的打包工作。这是因为亚马逊所有的货品一开始都是由机器人去报告，然后进行数据集成。他们将系统数据放在云端，机器人直接访问数据，获取货品信息，而不是说机器人是一个系统，它的数据需要每天从云端导下来再去处理。在未来，他希望用数字化帮助企业在产业链上的成本结构得到优化，价值链得到进一步规整，使跨境电商业务跑得更好。

       虽然AI已经能够帮助人类做很多工作，但谈到金融业务的数据化，他反而表示，不强调把大家现有的金融业务搬到云上，而是希望帮大家找到在互联网上可以做金融业务的接口，然后形成数据分割的混合云，也就是数据化的企业数字架构，比如放在云上可以扩大生意、可以符合监管的流程要求，最终发挥数据创造价值的理念。

       张轶:未来已来，投资人需要改变思维模式，充分利用大数据和人工智能

       时代在飞速发展，技术的发展永远不会以我们的意志为转移，投资行业也同样，张轶认为，大数据和人工智能已经改变了传统的投资模式，资管行业从业者必须改变思维定式，拥抱新技术。作为美国人工智能协会会员，光大理财有限责任公司CTO，张轶以阿尔法的来源改变举例，最早的时候投资都是阿尔法，如今阿尔法所处的领域越来越少，但事实上阿尔法带来的超额越来越多，阿尔法的投入远高于贝塔，这些基本事实的描述，带来的逻辑是怎么去寻找阿尔法？数据来源和以前相比增大很多，新的东西被容纳在传统的数据里，我们做投研的时候是不是可以用相对而言系统化的方法，基于数据进行。

       具体来说，首先有一些原始数据做验证模型加入洞见构建组合，完成之后把组合执行的效果回到假设来看，整个系统的闭环不断持续纠正，所谓的系统化投资并不会带来更大的阿尔法，但是会更稳定，因为有PDC循环帮助我们提升投资的质量。

       在他看来，庞大的数据库首先来自数据收集。其次对背后的原因提出假设进行分析预估评测，而和我们现在做的地方不一样的是，模型生成不是来自于我们的洞见，而是来源于我们对数据的分析，没有任何先入为主的概念，而是通过对数据的分析来生成所需要的模型，构建组合。听起来这只是一点点逻辑的改变，但是这一点点改变挑战的是我们已经延续运用20年、30年，两代人被培养出来的方法，这是非常具有挑战性的。

       他认为，在今天这个时代，比较推崇的是数据到角色，在投资流程当中以数据为核心，更多需要沟通协调。最外侧数据清洗工程化的管理这样蓝领的工作构建了基石，代表了一个机构如何认知数据和认知市场，这需要默默无闻和强大的团队，对整个公司的投研生产产生支持，而这方面在传统的资产管理公司里是不存在的，通联数据做了很多这样的事情。

       对数据清洗本身代表对市场价格的认知，我们怎样重新评估习以为常的数据模型，这些模型能带给我们什么东西？可视化是最低成本建模的东西。举个例子，交易的活跃度不用复杂的报表，一张图就可以看到。再比如过去以前考虑券怎么做，今天已经完全可以基于数据分析，比如用情感分析引擎，年报公布之后60个交易日之后跑出来就可以，它没有具体细致的研究，用数据分析的方式去跑60个交易日的组合，这个组合是动态的，调整是自动化的。而对未来的门槛模拟，人工智能已经远远超过人类。比如构建过3.2万券组合，算的话大概20分钟，用新方法是3.76毫秒，对于投资经理来讲，要在这个组合里面增加减少改变权重，它其实是实时变化的，我们投资经理最后的逻辑是放一个券进去，或者改一下占比，看对组合构建的影响，我再决定是不是把虚指令变成实指令，可视化后，净值涨了什么也不用干，如果是跌了1秒撤回。这种方式改变了投资团队的行为模式，带来了更快的反映，更快的质量修正。

       所以，在今天这个时代，从业者要改变思路，充分利用人工智能，让它和人类携手，提升效率。当然，所有的方法都是要以人为本及帮助投资研究团队，促使资产管理机构，让公司为投资者服务，为员工服务，只有这样整个行业才能更长远的发展，才能真正起到为投资人服务获取利益的结果。

       曲向军：资管公司可通过四方面落地数字化战略

       数字化战略要紧密结合业务战略。资管企业应高屋建瓴，从顶层设计着手。为此，我们提出了“3+1”资管科技数字化转型蓝图，包括：实现现有业务数字化、自动化和智能化，从而实现资管价值链端到端赋能；建设全新商业模式，包括数字化产品创新、对外科技输出、生态圈战略等；推动金融科技开放创新，布局科技生态。

       此外，为了支撑三大数字化战略支柱落地，资管机构还需构筑起一套“5+1”六大数字化能力，包括IT基础设施和科技治理体系升级、大数据规模化应用能力支撑、以及科技和数据组织人才建设。

       未来10年，金融科技在中国资管行业将迎来巨大发展。原因有三：一、行业自身发展需要。中国保险、银行、券商业与全球差距相对较小，而资管行业与全球差距巨大。中国最大的资产管理公司，其规模和利润与全球顶级资产公司存在几十倍的差距。二、科技服务能力不足。目前，相比其它细分金融行业，市场上服务于资管行业的科技公司能力相对不足。三、很多资管公司仍存在大量手工作业。急需通过自动化、线上化提升效率，另外有很多环节需要数字化创新，比如智能投研、智能投顾。

       中国资管市场蕴藏着巨大潜力，目前市场规模将近120万亿元人民币，未来5年有望突破200万亿。要抓住未来发展机遇，资管公司应该建立八大核心能力，其中机构化、工业化的投研能力和数字化应用能力是重点。具体而言，资管公司可通过四方面落地数字化战略：

       一、推进现有业务自动化、线上化、智能化。首先要实现现有业务的完全线上化，这是最基础的目标，包括投研、运营服务端，在运行过程中实现智能化。

       二、打造数字化商业模式和产品创新。如何通过数字化推动商业模式转变？包括打造新产品（比如ETF，Smart Beta以及量化投资产品等）以及和新产品有关的数字化能力。

       三、搭建科技平台和开放生态。资产管理公司不仅要利用自有科技团队，还应善于借力外部科技公司，共同研究、创新。

       四、打造一套涵盖科技、数据、人才的基础能力。包括打造双速IT和科技治理体系、构建大数据分析平台，以及推动组织敏捷化转型。

       除了提升自身科技能力之外，资产管理公司还可以参考三种模式，借力外部科技公司的力量，打造开放生态：第一、建立创新实验室，这个实验室不只是做实验，一定要推出数字化产品，当然实验室也不是小部门，而是一个混合团队；第二、打造科技加速器。这种模式适合风险承受能力和财务资源投入意愿略低，但又希望深入参与的资管公司。第三、作为有限合伙人参与传统的风投基金。这种模式适合自身投入有限、希望借助专业机构风险投资能力的资管公司。

       总之，结合中国资管机构数字化探索的现状，我们建议，资管公司需要制定与业务战略高度一体化的数字化战略，建立起科技与业务高度融合的科技治理体系；实施用例驱动的大数据平台建设，特别是大数据赋能智能投研，打造金融科技开放创新生态平台；加强科技和数据人才储备，力争大数据和科技人数达到总员工数的20%-25%。

       钟兆民：人工智能也好、数字化也罢，要像微信这样，买菜的阿姨都能用

       中国有一个合君咨询，他们对律师事务所有一个报告，他说哪个律师事务所对IT的投入最多，说明主要的合伙人是做事业的人。因为IT投入是慢慢积累的过程。最理想的协同是什么？像我这种不懂技术，但是需求是很明确的，所以我把我们投资经理的需求发给了通联数据。超级小白与超级大牛之间要无缝对接，这也是人和人互动的过程。

       科技的方案是需求，技术是手段，而不是目的，技术不能吃不能喝。所以，对应着的是最复杂最先进的支持系统，这是后台，后台一定要做到用户的无缝对接。人工智能也好、数字化也罢，要像微信这样，买菜的阿姨都能用。因为股民已经有1.8亿了，手机上网，信息已经无穷了。人工智能的功能性上一定要更接地气。

       我对王政博士特别尊重，他们的使命是人工智能让投资更高效，我觉得这件事不光有商业价值，而且有社会价值，因为提高了效率。我们用了很多的工具，如果可以帮我省一秒钟，那就比较值钱，时间和效率是无价的。时间和效率，关系到的不只是一个基金经理，而是基金经理背后的万千基民们，这是社会性的。

       从需求出发，我们资产管理者有两方面的需求：我们的系统现在还很孤立，我们要统一起来。每个人的知识都是有局限性的，我需要了解更多与我所投的股票或则基金相关的事，但我需要排除噪音，高价值的信息。

       形式方面，阅读的重要性排序，尽量图标可视化，如果生动的话就更好了，可以寓教于乐。最后我作为用户，希望这样的智能系统逻辑底层是严密的，要开放，还要个性化。我现在认为重要的信息，比如我们现在管100亿，下次管500亿，重要的标签是在变化的，是动态的。要进化，还要有学习互动能力，这是我真实的需求。

       最后就是我们已经开始的人工智能、大数据、科技类的公司，与投资管理公司深度融合反馈，更加智能地学习。所以我觉得，投资基金这个行业，包括我接触了很多银行高管，他说从全球金融史来看，金融行业和科技结合得更紧，金融机构有资金，又愿意投在科技上，所以我们可以倒过来相互赋能。

我觉得投资基金的未来有人工智能的辅助，效率的提升，时间的节省，都是指日可待的事。

 

 

       中翰软件：专注数据治理16年（http://www.jobhand.cn）