在先后輸?shù)魢迦藱C大戰(zhàn)、德州撲克人機大戰(zhàn)之后，很多人開始對“人是否會被機器取代”產(chǎn)生了恐慌。但目前，人工智能的替代只是發(fā)生在部分領域，人機協(xié)作才是推動當今社會發(fā)展的主旋律。在投資領域，隨著人工智能的廣泛和深度使用，人機結(jié)合的智能投資管理體系正在讓投資變得更加高效。

在投資領域，既有像巴菲特那樣專注于基本面分析、很少使用系統(tǒng)化模型的投資大師，也有像西蒙斯那樣依靠嚴密的量化模型、摒棄人為情緒干擾的量化大師。在通聯(lián)數(shù)據(jù)CEO王政看來，這兩者各有優(yōu)勢和特點，如何將專家經(jīng)驗和機器學習完美結(jié)合，就是人工智能的重點應用。

“智聯(lián)世界 無限可能”2019世界人工智能大會剛剛落下帷幕，對于“連接”這一主題，王政表示，通聯(lián)數(shù)據(jù)所做的智能投資，正是用技術把各行各業(yè)的數(shù)據(jù)、知識都串聯(lián)起來。

從量化投資到智能投資

一名普通的基金經(jīng)理如何做出投資決策？一般而言主要是通過閱讀財報、現(xiàn)場調(diào)研，通過對上市公司的了解判斷股價的走勢，這中間不可避免地充滿了主觀情緒和感情色彩。而量化策略的優(yōu)勢則在于，除了交易模型是人腦設計的之外，從下單到賣出獲利，所有動作都是由電腦完成。交易過程中不存在任何人的情緒干擾。

其實，在投資領域運用科技手段并不是新生事物，早在上世紀60年代，計算機剛剛開始普及的時候，麻省理工學院的一名教授就嘗試在投資中引入算法。而隨著人工智能技術在投資領域的運用，智能投資的概念也逐漸興起。

“量化投資的流程更加固化，人把模型做好了以后，讓機器去幫我們完成任務，它不具備自我學習和提升的能力。而進入智能投資時代，機器有了學習的能力，我們給機器提供信息和知識，它會記住并持續(xù)地根據(jù)不同的場景做出調(diào)整和變化。”王政表示。

換言之，在智能投資中，做出投資決策的就是機器，機器會動態(tài)地根據(jù)場景變化而做決策。它既不像人那么主觀，又比量化投資更加靈活。

“在現(xiàn)有技術水平下，我們還不能做到完全由機器完成所有的工作，所以還需要人來提供很多小數(shù)據(jù)的分析結(jié)果。”王政表示，這是因為人對于事物的判斷非常直接，而機器學習則需要大量的樣本。因此在金融科技的應用中，我們首先要把所有行業(yè)分得更細，在每個細分領域，都需要專業(yè)人才來指導和訓練機器。“然后，通過通聯(lián)數(shù)據(jù)的技術平臺，將機器的能力和人的知識結(jié)合起來，充分發(fā)揮機器在大數(shù)據(jù)處理上的效率和及時性，以及人在小數(shù)據(jù)上的分析和判斷能力。”

具體而言，這個平臺包括數(shù)據(jù)的采集和處理、模型的構(gòu)建、研究分析、組合與風險管理四個關鍵環(huán)節(jié)。而在每一個環(huán)節(jié)中，大數(shù)據(jù)和人工智能的應用方式都不一樣。比如在數(shù)據(jù)處理層面，首先需要用機器采集各種各樣的數(shù)據(jù)，數(shù)據(jù)采集完畢后，需要運用機器學習、自然語言處理、圖像識別等技術對圖片、文字數(shù)據(jù)進行處理。接著，在構(gòu)建模型的時候，需要利用知識圖譜等前沿技術將處理好的數(shù)據(jù)構(gòu)建成一個完整的體系，以便分析研究。最后，還需要將人機結(jié)合的研究能力建立起來。

構(gòu)建個性化智能投資能力

那么，一個優(yōu)秀組合管理機器中應該包含哪些元素？王政認為，主要可以從四個方面來考量。第一是預測收益能力，也就是通過基本面和量化相結(jié)合來預測一只股票或一只債券的收益等等。第二是風險管理能力，每個標的的風險有時可以定量，有時難以定量描述，這些都需要實時監(jiān)控。第三是費用管理能力，所有的投資都有成本，成本對投資的影響也很大，尤其是在高頻交易中。第四是自我評估能力，評估投資中哪些環(huán)節(jié)做得好和不好，找到強的和弱的地方，持續(xù)的迭代，機器自動做調(diào)整。

通聯(lián)數(shù)據(jù)智能投資平臺作為一站式全流程的智能投資服務平臺，目標是幫助客戶構(gòu)建個性化的智能投資能力。

通聯(lián)數(shù)據(jù)目前已經(jīng)服務于2000多家資產(chǎn)管理機構(gòu)，包括公募、私募、券商、銀行理財子公司、保險資管等等。其中，通聯(lián)數(shù)據(jù)負責構(gòu)建智能投資管理系統(tǒng)，通過人機交互的方式，幫助機構(gòu)提高投資效率和投資能力。

以研究在港股上市的騰訊公司為例，機構(gòu)會分析公司的營收和盈利來預測股價。以營收這一指標來看，騰訊公司涵蓋廣告、游戲、音樂、投資等多個業(yè)務條線，每個業(yè)務條線中都有大量數(shù)據(jù)可以獲取。機器最擅長的事情在于搜集和處理數(shù)據(jù)，通過大數(shù)據(jù)的分析，預測出各業(yè)務條線上的收入以及增長趨勢。將人的分析邏輯與機器處理數(shù)據(jù)的結(jié)果結(jié)合起來，就可以預測出騰訊公司的營收水平。以此類推，從營收到盈利，再從盈利到估值、從估值到股價，每個步驟都是人機結(jié)合的結(jié)果。

“以我們之前的預測結(jié)果來看，跟真實值的預測誤差是7.6%，而賣方分析師的預測誤差在15.5%，人機結(jié)合比單純靠人的預測更接近真實值。”王政說。

目前，通聯(lián)數(shù)據(jù)的投資和研究以二級市場為主，但是對行業(yè)和對宏觀的分析框架同樣也適用于一級市場。“只是相對而言，一級市場的公開信息更少，數(shù)據(jù)更難獲得，但這也更加凸顯從各個渠道獲取大數(shù)據(jù)的優(yōu)勢。”王政表示。

投資涉及各行各業(yè)，每個行業(yè)都有其獨特性。因此在收集數(shù)據(jù)時，廣開渠道非常重要。通聯(lián)數(shù)據(jù)主要通過三種方式獲取海量數(shù)據(jù)，其一是通過公開渠道采集數(shù)據(jù)；其二是通過與垂直的數(shù)據(jù)服務機構(gòu)合作；其三是從專業(yè)數(shù)據(jù)商處購買數(shù)據(jù)。

“跨界”人才必不可少

對于通聯(lián)數(shù)據(jù)而言，第一大核心優(yōu)勢就是將專家經(jīng)驗和機器學習能力結(jié)合起來。只有對投資本身有非常深刻的理解、積累了豐富的經(jīng)驗，才能夠構(gòu)建出有效的智能投資體系。第二，要完成專業(yè)的投資分析，數(shù)據(jù)是必需的材料，并且數(shù)據(jù)需要一定時間的積累。過去幾年，通聯(lián)數(shù)據(jù)持續(xù)收集、梳理、整合了大量基礎數(shù)據(jù)，為后期投資研究打下了扎實的基礎。最后，通聯(lián)數(shù)據(jù)通過技術手段來實現(xiàn)人機合作。這樣，智能投資平臺就不僅是構(gòu)建了一個機器，更能賦能各類金融機構(gòu)，讓金融機構(gòu)客戶將自己的專業(yè)知識輸入到系統(tǒng)去，系統(tǒng)幫助它們?nèi)ビ柧殏€性化的投資系統(tǒng)。

要做到這一點，專業(yè)人才必不可少。據(jù)介紹，通聯(lián)數(shù)據(jù)在金融和技術人才上的比例都非常的高，并且通聯(lián)數(shù)據(jù)尤其重視“跨界人才”。“我們看重的不是專門懂金融或者專門懂技術，而是跨界人才的培養(yǎng)。所以很多的員工，剛?cè)肼毜臅r候可能是算法背景，但是他在工作中要學很多專業(yè)知識，比如量化交易、基本面分析等。”王政進一步表示，“同時對于金融專業(yè)出身的員工，如研究員、基金經(jīng)理，他們對技術的理解也非常重要，因為他一旦理解技術，就知道原先的一部分工作怎么用技術的方式來實現(xiàn)，這也有助于讓我們更高效地通過機器來提升投資能力。”

著眼于行業(yè)未來，王政認為跨界人才的培養(yǎng)將越來越重要，只有既懂專業(yè)、又懂技術，才能把智能投資做得更好。