閱讀817 返回首頁    go 期貨


智能投顧的機遇與挑戰

摘要

智能投顧與人工投顧並非要“決一雌雄”,而是更需要優勢互補合作共贏。

  最大優勢在於能夠快速整合海量資源形成最佳投資策略及多維組合

  A 金融業折射人工智能時代潮流

  今年2月,一條新聞震驚金融界——高盛公司為投行和大客戶進行投資理財實盤操作的600名交易員僅剩兩人,高手雲集的總部交易大廳已人去樓空。

  高盛是目前全球頂尖的投資銀行,其業務涵蓋投資銀行、證券交易和財富管理,在全球23個國家和地區設有代表處。今年1月,哈佛大學應用計算科學研究所舉行的研討會上,高盛代理首席財務官及前首席信息官Marty Chavez稱:隨著人工智能(AI)的快速崛起,在200名計算機工程師的技術支持下,自動化交易程序已經接管了紐約總部大多數日常工作量,具備學習能力的複雜交易算法已經可以取代那些對市場定價依賴性較高的交易員。與此同時,Marty Chavez透露,高盛外匯交易以及投行的部分業務項目都在邁向智能化,同時還在為新股推薦首發上市的IPO過程中約146個步驟設計自動化程序。高盛已統計認定了“1名計算機工程師替換4名交易員”的基本比率。目前高盛的全球3萬餘名員工中,9000餘名計算機工程師約占總數三分之一。

  高盛並非特例,早在2015年12月,摩根士丹利就裁員1200人,並支出1.5億美元遣散費;瑞信2016年年初也對1800名員工發出裁員警示;全球最大資管公司之一貝萊德今年3月宣布裁員100人,其中包括7名投資經理,涉及變動的300億美元資產中近60億美元轉用人工智能取代傳統人工交易,使公司總體運營成本下降28%;2016年3月,日本最大投行野村證券在北美裁員20%,當月,美銀美林的交易員也裁減約逾5%。

  據跟蹤金融行業走向的英國公司Coalition的統計數據,全球12家頂級投資銀行中,銷售、交易和研究人員平均年薪和獎金約為50萬至70萬美元,而華爾街每年支付的薪酬75%流向了上述高薪員工。如果市場行情走勢良好,實際收入還遠高於此。2016年12月高盛行業報告預測,到2025年,金融行業人工智能產生的增值將達每年340億到430億美元。而麥肯錫全球研究院今年1月的報告指出:金融和保險領域43%的工作崗位可能被自動化替代。專業金融谘詢機構Opimas宣稱,到2025年人工智能將在全球資本市場減少就業人數23萬,金融機構10%的職能將被智能程序取代。與此同時,金融機構的成本占比總收入將下降28%。

  B 人工智能布局金融四大領域

  包括穀歌、Facebook、微軟IBM在內,站在時代前沿的所有企業巨頭都在激烈競爭人工智能的一席之地。

  目前人工智能優先集中於金融、醫療健康、自動駕駛、電商零售、機器人、教育、安防、個人助理八大板塊。在金融板塊中,人工智能主要體現於以下領域:

  智能監管

  政府監管部門通常依賴算法模式來檢測金融市場交易數據,對可疑操作發出信號,提示工作人員進行調查。如美國金融業監管局(FINRA)每天要監視大約500億美元的市場交易行為,包括下單、修改、撤單等。通過與270個合規模式比對,發現潛在的違規行為。由於數據量巨大,經常產生過多的警報,且其中有大量誤報。

  2016年年底開始,納斯達克和倫敦證券交易所啟用人工智能投入市場監管。2017上半年,華爾街兩家交易所推出了AI智能監管係統。FINRA也計劃在今年年內開始測試AI監控軟件,旨在快速、智慧、精準地識別市場交易中的違規操作。

  FINRA執行副總裁Tom Gira表示,除傳統的欺詐和違規手法外,正在開發中的智能監管係統甚至可能識別前所未有的新型詐騙行為。

  誠信量化評級是智能監管的另一熱門應用。人工智能創業公司Neurensic不久前推出了能給交易員評定“誠信積分”的工具,可將交易員每次交易與監管者預設的合規模式比對,並自動給交易員的誠信度打分,而靠人工根本無法完成這項繁瑣的任務。

  智能管理

  全球最大對衝基金之一橋水基金不僅是程序化交易的代表,在公司管理上也大力探索智能化道路,其創始人Ray Dalio去年12月宣布,橋水基金正在研發“未來之書”人工智能係統來介入日常工作管理。該係統以員工的日常工作數據為基礎,自動向員工分配任務並進行協調指引。

  智能交易

  量化資產管理公司Rebellion Research於2007年推出第一款純人工智能投資基金,現已囊括44個國家20年內的股票、債券、大宗商品和貨幣。該基金準確預測了2008年的金融危機,並在希臘債券降級前一個月將其調降為F級。另一家對衝基金Alydia旗下純人工智能的股票交易對衝基金上線首日,就在一個資金池中產生了2%的回報。另據《金融時報》報道,摩根大通將在全球的股票算法業務部門采用AI機器人LOXM執行交易,其效率比傳統買賣方法高得多。

  2016年9月彭博數據顯示,目前全球依靠人工智能進行實盤操作的對衝基金似乎都可圈可點,12隻基金年收益均在7%以上。2016年上半年,創業公司Aidyia將旗下對衝基金管理的所有股票交易完全交付人工智能操作,係統上線首日就獲得2%的回報。華爾街不少大型對衝基金紛紛啟用人工智能取代基金經理,美國頂級對衝基金如文藝複興等大量使用機器學習技術進行策略建模。從量化交易起家的對衝基金更是脫穎而出,2016年對衝基金收益榜單中,知名量化基金如Citadel、DE Shaw、Two Sigma超越了眾多傳統對衝基金,在複雜的市場環境中創下了更可觀的收益。

  智能投顧

  投資顧問是金融行業最重要、最普遍的崗位。優秀的投資顧問作為一專多能的金融通才,不僅熟悉金融產品,還要熟悉保險、證券、不動產甚至郵票、黃金等各種投資工具和交易規則,同時要具備相當的專業知識和敏銳的洞察力,熟悉相關法律法規,善於不斷充電更新自己,才能為客戶提供滿意而確有價值的回報。

  據花旗銀行的最新研究,2012年智能投顧管理的資產基本為零,到2014年年底已達140億美元。智能投顧以“一對多”超越了人工投顧的“一對一”服務。2016年美國智能投顧管理的產品約500億至600億美元,雖隻占理財市場19萬億美元之“一角”,但瑞銀、美國銀行、摩根士丹利等華爾街老牌均已捷足先登。花旗預測未來10年智能投顧總額將達5萬億美元。國際知名谘詢公司AT Kearney則預測到2020年即將突破2.2萬億美元。

  黑石集團的阿拉丁係統是智能投顧的鼻祖,目前全球貨幣總量200多萬億美元,美國貨幣總量80萬億美元,而阿拉丁係統管理的貨幣資產已達15萬億美元。此外如嘉信理財已推出智能投顧產品SIP,德銀開通了Anlage Finder,高盛則收購了Honest Dollar.

  智能投顧界的先行者Betterment運用資產組合理論和金融衍生模型,根據客戶的偏好設置,為客戶提供個性化的理財建議、智能投資管理和稅收優化。全球最大的資管公司貝萊德也非常重視智能投顧,近來收購了智能投顧公司FutureAdvisor.FutureAdvisor以在線金融投資谘詢業務為主,為投資者提供投資組合的優化並調整資源整合賬戶。

  C 智能投顧的實際應用

  一是業務及信息谘詢。一般情況下,客戶會首先了解有關投資交易業務的規則、條件等,包括宏觀麵、政策麵、品種基本麵、資金麵、技術麵等相關信息,並要求精準證實、解讀、分析和答疑。在不同的金融機構中,不同的金融工具或產品、投資流程的不同階段業務,都可能由不同的人工投顧分工負責,而智能投顧則能夠全麵負責。

  二是客戶個性畫像。人工投顧是將一個產品推介給一批客戶,多位人工投顧不斷打電話推介同一個產品。而智能投顧並不能像人工投顧那樣“認識”客戶,而是先對客戶進行全麵係統的個性化評估,綜合整理分析其投資經曆,判斷其投資風格,對每一位客戶產生一幅非常清晰的個性“畫像”,然後針對不同類型的客戶匹配不同的產品,甚至針對每一位客戶單獨設計最適合的產品或組合方案。

  三是投資分析與策略建議。把最合適的產品或策略組合推介給最合適的客戶,幫助客戶收獲滿意的投資回報,這就是投資顧問的根本價值所在。人工投顧隻能線性思維買進賣出,量化交易可以通過成交量“聚沙成塔”,而智能投顧最大優勢在於能夠快速整合海量資源、形成最佳投資策略及多維組合。

  傳奇基金經理Steve Cohen使用人工智能技術監測和分析自家公司成功的投資和交易,包括規模、風險級別、杠杆、對衝情況等幾大重要因素,並實時監測市場資金流動情況,識別特定的組合來尋求最佳下單時機。Cohen先前創辦的量化團隊通過算法模擬曆史上的經典交易手法來“複製”成功,創造了驚人收益。

  D 智能投顧的四大關鍵技術

  人機交流

  金融客戶的第一位服務者就是投資顧問,客戶與投資顧問的溝通貫穿服務的始終。智能投顧與客戶間的人機交流因此體現其核心競爭力。包括微軟、穀歌、Facebook、IBM和百度等各大公司都在這一領域投入巨資。

  人機交流的最低模式是文字錄入,客戶可選擇鍵盤錄入和語音錄入+手動修改補充,而最高模式則是人機對話。高性能的人機對話不僅需要精準清晰的音質辨析、音量調整、語音合成功能,還能自動識別和應對多種外語、多地方言,能在嘈雜的背景下排除雜音,同時識別對話的多位客戶並分別作答。最高端的人機對話甚至可以根據不同客戶的語言風格,迅速形成相應的“情商”,在對話中體現情感交流,從而全麵提升客戶的忠誠度。

  大數據

  投資失敗的根本原因之一就是信息量小,與贏家不對稱,或收到了信息卻難以判斷其背後隱藏的線索。智能投顧沒有複雜奧妙的人類大腦,然而一旦其掌握了超越人工投顧的數據量時,就超越了所有的人工投顧。

  所謂“大數據”,本質就是一個領域、一個範疇中的全部數據(當然隻是相對“最全”)。有了全部數據就可以知其然而且知其所以然,依葫蘆畫瓢做出最科學、最合理或至少是最接近正確的決策。

  雲計算

  智能投顧擁有的數據量越多,就越需要提升其對數據的分類、建模、鏈接、分割與整合能力。這就是識別、理解和轉換表達包括語言、文字、圖像、聲音、視頻等多種類型信息的“自然語言處理技術”。美國著名的Kensho公司占據該領域領先地位,其明星產品Warren被譽為“金融界的Siri(蘋果產品專用智能語音助手)”。這款軟件結合自然處理技術,掃描逾90000個包括經濟報告、貨幣政策變化、時政新聞等多方位資源,建立起海量的金融行業資源庫,前瞻性反映市場動態,Kensho因此備受高盛垂青,吸引高盛成為其忠實客戶和最大投資人。

  為擁有海量數據的處理能力,還必須不斷提升速度。單一的PC、移動終端、服務器群組無法滿足日益提升的速度需求,隻能通過互聯網來提供動態易擴展且經常是虛擬化的“雲資源”。“雲”是網絡、互聯網的一種比喻,目前雲計算已形成每秒10萬億次甚至更高的運算能力,因而可以模擬核爆炸、預測氣候變化和市場發展趨勢。華爾街監管機構已經將監控係統托管到亞馬遜的公有雲中,從而獲取更多的計算能力來快速分析海量的監控數據。

  深度學習自主進化

  人工智能與電腦程序化的本質區別,在於是否擁有自我學習升級完善的能力。機器學習是人工智能的一個子集。當麵對新的任務,電腦能依托現有程序自行探索實現升級換代,而無需預先編程輸入先驗知識或答案時,就進化成了人工智能。

  在死記硬背的基礎上,智能投顧和人工投顧的“思考方式”基本相似:一是判斷局部,二是把握全局。不同的是,人類隻有一個大腦,而智能投顧分別由兩個不同功能的“大腦”組成,即策略係統和評估係統。

  當智能投顧工作時,策略係統不斷提出決策方案,在當前局勢下提供最佳可選的若幹個“下一步”;評估係統則負責發現每個“下一步”實施後影響整體盤麵的種種可能,然後兩個“大腦”通過優勝劣汰互動擇取各自的平均值,篩選對衝後一步步形成最終決策方案。

  通過深度學習和進化算法,人工智能可虛擬出一大批交易員。讓其互相“PK”,經過萬億次的競爭與淘汰,最終篩選出頂級虛擬交易員。與此同時,人工智能的深度神經網絡還能發現各種莫名其妙、找不出邏輯但的確存在的現象,並融入實盤交易。

  難怪慘敗在阿爾法狗手下的多位圍棋世界冠軍抱怨說,他們飽覽全球高手經典棋譜,卻對阿爾法狗的怪招根本“看不懂”。擅長主觀交易的操盤手們同樣日益感受到來自人工智能的威脅。傳統的投資思維和交易策略正隨著人工智能的參與而日趨麵目全非,未來資本市場交易模式正在被人工智能悄然重構。

  E 智能投顧麵臨的挑戰

  一是投資工具有限。平台賣點僅為移動便捷、社交場景等功能,國外多數智能投顧基於資產組合理論,通過量化模型給出投資組合策略,包含以“超安全”的債權類工具確保基礎收益,以“高風險”投資工具博取額外收益,客戶可依據自身風險承受力調整二者比例。

  二是模型的有效性尚待完善。部分智能投顧基本依靠量化選股或資產配置模型為客戶提供投資建議,以追求低風險、高穩定收益的散戶為主,還有些所謂“智能投顧”為迎合投機心理,私接基金或推薦高風險非標資產,實際帶來更大的投資風險和支付風險,最終收益水平甚至低於信托理財、P2P理財等單一資管產品。

  三是法律監管和行業定位尚不清晰。現行法規對人工智能服務的形式尚無具體準確的解釋,智能投顧局限於投資決策建議而無法從事資管業務。

  雖然人工智能“神通廣大”,但其從構思到設計、開發、更新、升級、檢修、維護,每一環節都離不開人。是人創造了人工智能,人類開發智能投顧,就是為了延伸和超越人腦現有能力,完成人工投顧無法完成或完成不好的使命。智能投顧與人工投顧並非要“決一雌雄”,而是更需要人工+智能、智能+投顧,優勢互補合作共贏。

(責任編輯:DF306)

最後更新:2017-10-25 08:14:46

  上一篇:go 期權實戰交易二十條“軍規”(下)
  下一篇:go 把握思想的風帆