在先后輸?shù)魢迦藱C(jī)大戰(zhàn)、德州撲克人機(jī)大戰(zhàn)之后，很多人開(kāi)始對(duì)“人是否會(huì)被機(jī)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(lǐng)域，人機(jī)協(xié)作才是推動(dòng)當(dāng)今社會(huì)發(fā)展的主旋律。在投資領(lǐng)域，隨著人工智能的廣泛和深度使用，人機(jī)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(lǐng)域，既有像巴菲特那樣專(zhuān)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(yán)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(lái)，這兩者各有優(yōu)勢(shì)和特點(diǎn)，如何將專(zhuān)家經(jīng)驗(yàn)和機(jī)器學(xué)習(xí)完美結(jié)合，就是人工智能的重點(diǎn)應(yīng)用。

“智聯(lián)世界 無(wú)限可能”2019世界人工智能大會(huì)剛剛落下帷幕，對(duì)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(shù)把各行各業(yè)的數(shù)據(jù)、知識(shí)都串聯(lián)起來(lái)。

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(guò)閱讀財(cái)報(bào)、現(xiàn)場(chǎng)調(diào)研，通過(guò)對(duì)上市公司的了解判斷股價(jià)的走勢(shì)，這中間不可避免地充滿(mǎn)了主觀情緒和感情色彩。而量化策略的優(yōu)勢(shì)則在于，除了交易模型是人腦設(shè)計(jì)的之外，從下單到賣(mài)出獲利，所有動(dòng)作都是由電腦完成。交易過(guò)程中不存在任何人的情緒干擾。

其實(shí)，在投資領(lǐng)域運(yùn)用科技手段并不是新生事物，早在上世紀(jì)60年代，計(jì)算機(jī)剛剛開(kāi)始普及的時(shí)候，麻省理工學(xué)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(shù)在投資領(lǐng)域的運(yùn)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(jī)器去幫我們完成任務(wù)，它不具備自我學(xué)習(xí)和提升的能力。而進(jìn)入智能投資時(shí)代，機(jī)器有了學(xué)習(xí)的能力，我們給機(jī)器提供信息和知識(shí)，它會(huì)記住并持續(xù)地根據(jù)不同的場(chǎng)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(jī)器，機(jī)器會(huì)動(dòng)態(tài)地根據(jù)場(chǎng)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(shù)水平下，我們還不能做到完全由機(jī)器完成所有的工作，所以還需要人來(lái)提供很多小數(shù)據(jù)的分析結(jié)果。”王政表示，這是因?yàn)槿藢?duì)于事物的判斷非常直接，而機(jī)器學(xué)習(xí)則需要大量的樣本。因此在金融科技的應(yīng)用中，我們首先要把所有行業(yè)分得更細(xì)，在每個(gè)細(xì)分領(lǐng)域，都需要專(zhuān)業(yè)人才來(lái)指導(dǎo)和訓(xùn)練機(jī)器。“然后，通過(guò)通聯(lián)數(shù)據(jù)的技術(shù)平臺(tái)，將機(jī)器的能力和人的知識(shí)結(jié)合起來(lái)，充分發(fā)揮機(jī)器在大數(shù)據(jù)處理上的效率和及時(shí)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(gè)平臺(tái)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(fēng)險(xiǎn)管理四個(gè)關(guān)鍵環(huán)節(jié)。而在每一個(gè)環(huán)節(jié)中，大數(shù)據(jù)和人工智能的應(yīng)用方式都不一樣。比如在數(shù)據(jù)處理層面，首先需要用機(jī)器采集各種各樣的數(shù)據(jù)，數(shù)據(jù)采集完畢后，需要運(yùn)用機(jī)器學(xué)習(xí)、自然語(yǔ)言處理、圖像識(shí)別等技術(shù)對(duì)圖片、文字?jǐn)?shù)據(jù)進(jìn)行處理。接著，在構(gòu)建模型的時(shí)候，需要利用知識(shí)圖譜等前沿技術(shù)將處理好的數(shù)據(jù)構(gòu)建成一個(gè)完整的體系，以便分析研究。最后，還需要將人機(jī)結(jié)合的研究能力建立起來(lái)。

構(gòu)建個(gè)性化智能投資能力

那么，一個(gè)優(yōu)秀組合管理機(jī)器中應(yīng)該包含哪些元素？王政認(rèn)為，主要可以從四個(gè)方面來(lái)考量。第一是預(yù)測(cè)收益能力，也就是通過(guò)基本面和量化相結(jié)合來(lái)預(yù)測(cè)一只股票或一只債券的收益等等。第二是風(fēng)險(xiǎn)管理能力，每個(gè)標(biāo)的的風(fēng)險(xiǎn)有時(shí)可以定量，有時(shí)難以定量描述，這些都需要實(shí)時(shí)監(jiān)控。第三是費(fèi)用管理能力，所有的投資都有成本，成本對(duì)投資的影響也很大，尤其是在高頻交易中。第四是自我評(píng)估能力，評(píng)估投資中哪些環(huán)節(jié)做得好和不好，找到強(qiáng)的和弱的地方，持續(xù)的迭代，機(jī)器自動(dòng)做調(diào)整。

通聯(lián)數(shù)據(jù)智能投資平臺(tái)作為一站式全流程的智能投資服務(wù)平臺(tái)，目標(biāo)是幫助客戶(hù)構(gòu)建個(gè)性化的智能投資能力。

通聯(lián)數(shù)據(jù)目前已經(jīng)服務(wù)于2000多家資產(chǎn)管理機(jī)構(gòu)，包括公募、私募、券商、銀行理財(cái)子公司、保險(xiǎn)資管等等。其中，通聯(lián)數(shù)據(jù)負(fù)責(zé)構(gòu)建智能投資管理系統(tǒng)，通過(guò)人機(jī)交互的方式，幫助機(jī)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(jī)構(gòu)會(huì)分析公司的營(yíng)收和盈利來(lái)預(yù)測(cè)股價(jià)。以營(yíng)收這一指標(biāo)來(lái)看，騰訊公司涵蓋廣告、游戲、音樂(lè)、投資等多個(gè)業(yè)務(wù)條線，每個(gè)業(yè)務(wù)條線中都有大量數(shù)據(jù)可以獲取。機(jī)器最擅長(zhǎng)的事情在于搜集和處理數(shù)據(jù)，通過(guò)大數(shù)據(jù)的分析，預(yù)測(cè)出各業(yè)務(wù)條線上的收入以及增長(zhǎng)趨勢(shì)。將人的分析邏輯與機(jī)器處理數(shù)據(jù)的結(jié)果結(jié)合起來(lái)，就可以預(yù)測(cè)出騰訊公司的營(yíng)收水平。以此類(lèi)推，從營(yíng)收到盈利，再?gòu)挠焦乐怠墓乐档焦蓛r(jià)，每個(gè)步驟都是人機(jī)結(jié)合的結(jié)果。

“以我們之前的預(yù)測(cè)結(jié)果來(lái)看，跟真實(shí)值的預(yù)測(cè)誤差是7.6%，而賣(mài)方分析師的預(yù)測(cè)誤差在15.5%，人機(jī)結(jié)合比單純靠人的預(yù)測(cè)更接近真實(shí)值。”王政說(shuō)。

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

投資涉及各行各業(yè)，每個(gè)行業(yè)都有其獨(dú)特性。因此在收集數(shù)據(jù)時(shí)，廣開(kāi)渠道非常重要。通聯(lián)數(shù)據(jù)主要通過(guò)三種方式獲取海量數(shù)據(jù)，其一是通過(guò)公開(kāi)渠道采集數(shù)據(jù)；其二是通過(guò)與垂直的數(shù)據(jù)服務(wù)機(jī)構(gòu)合作；其三是從專(zhuān)業(yè)數(shù)據(jù)商處購(gòu)買(mǎi)數(shù)據(jù)。

“跨界”人才必不可少

對(duì)于通聯(lián)數(shù)據(jù)而言，第一大核心優(yōu)勢(shì)就是將專(zhuān)家經(jīng)驗(yàn)和機(jī)器學(xué)習(xí)能力結(jié)合起來(lái)。只有對(duì)投資本身有非常深刻的理解、積累了豐富的經(jīng)驗(yàn)，才能夠構(gòu)建出有效的智能投資體系。第二，要完成專(zhuān)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(shí)間的積累。過(guò)去幾年，通聯(lián)數(shù)據(jù)持續(xù)收集、梳理、整合了大量基礎(chǔ)數(shù)據(jù)，為后期投資研究打下了扎實(shí)的基礎(chǔ)。最后，通聯(lián)數(shù)據(jù)通過(guò)技術(shù)手段來(lái)實(shí)現(xiàn)人機(jī)合作。這樣，智能投資平臺(tái)就不僅是構(gòu)建了一個(gè)機(jī)器，更能賦能各類(lèi)金融機(jī)構(gòu)，讓金融機(jī)構(gòu)客戶(hù)將自己的專(zhuān)業(yè)知識(shí)輸入到系統(tǒng)去，系統(tǒng)幫助它們?nèi)ビ?xùn)練個(gè)性化的投資系統(tǒng)。

要做到這一點(diǎn)，專(zhuān)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(shù)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(zhuān)門(mén)懂金融或者專(zhuān)門(mén)懂技術(shù)，而是跨界人才的培養(yǎng)。所以很多的員工，剛?cè)肼毜臅r(shí)候可能是算法背景，但是他在工作中要學(xué)很多專(zhuān)業(yè)知識(shí)，比如量化交易、基本面分析等。”王政進(jìn)一步表示，“同時(shí)對(duì)于金融專(zhuān)業(yè)出身的員工，如研究員、基金經(jīng)理，他們對(duì)技術(shù)的理解也非常重要，因?yàn)樗坏├斫饧夹g(shù)，就知道原先的一部分工作怎么用技術(shù)的方式來(lái)實(shí)現(xiàn)，這也有助于讓我們更高效地通過(guò)機(jī)器來(lái)提升投資能力。”

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