501
機器人
走出實驗室，人工智能會讓金融變得更智慧嗎？
“爸爸，我想學圍棋。老師說，要想成為圍棋高手，就掃這個二維碼吧”。2016年，孫彬的兒子拿著一張圍棋招生廣告找到他。孩子想學圍棋，但孫彬希望孩子去學造機器人。
孫彬是華夏基金資產配置部總經理。“我不是覺得學圍棋不好，隻是覺得現在的孩子太辛苦。於是，我拿出手機，搜出李世石與阿爾法狗的對戰新聞，說‘你看，人類最厲害的圍棋高手已經被機器人打敗了，你再成為高手估計也戰勝不了機器人，你不如去學怎麼造機器人，去打敗其他領域的高手’。小朋友聽完之後，很開心地去報了一個機器人培訓班。”
而在成年人的世界裏，人工智能遠遠不是隻用來下下棋那麼“簡單”了。就在孫彬所在的金融投資領域，人工智能正在成為“新寵”，成為輔助投資的“智慧外腦”。2017年6月，華夏基金和微軟亞洲研究院就人工智能在金融服務領域的應用展開戰略合作，共同推動人工智能技術在金融領域的研究與實踐。
人工智能技術應用到金融投資領域，到底會怎樣改變投資經理的工作方式？又會為資產管理行業智能化轉型帶來怎樣的改變呢？
人工智能在輔助投資領域正 “大放異彩”
華夏基金數量投資部行政負責人、董事總經理張弘弢告訴《商學院》雜誌記者，目前人工智能在輔助投資領域已經取得了不錯的成就。例如，美國部分基金公司通過語音識別算法聽取前總統奧巴馬的電視講話，從講話中識別出對市場不利的信息，在1分鍾內大量做空標普指數導致市場震蕩。與之類似，華爾街一家對衝基金從數以億計的衛星圖像中，通過圖像識別技術發現沃爾瑪停車場的車輛在不斷減少，從而預測沃爾瑪營業收入下降，從而導致股票價格下跌。這些事件充分說明語音識別、圖像識別等人工智能核心技術已經融入到基金公司投研體係中。
在金融管理領域，早就有了人工智能的前期實踐者。2014年，機器人投顧在美國迅速發展，包括Wealthfront、Betterment、 Personal Capital等風頭正勁。最近，一家創建於加拿大多倫多的智能投顧平台Weathsimple日前獲得了3700萬美元的B輪融資，與其他智能投顧平台一樣，Wealthsimple也提供自動化的KYC（Know Your Customer）方案，通過前期搜集客戶的財務狀況以及其風險承受度，從而為客戶提供高匹配度的投資組合。“這充分說明，人工智能在投資領域的應用遠未定型，群雄逐鹿的局麵剛剛開始。這對所有有心參與的機構都是一次偉大的機會。” 張弘弢說。
人工智能的這些成功應用，對於“複雜”的資本市場來說，是件了不起的事。
孫彬認為，資本市場作為一個生態圈，比國際象棋、圍棋，以及語音識別和人臉識別都要複雜得多得多：金融學是一門涵蓋經濟學、管理學、曆史、心理學等在內的交叉性學科；金融市場參與主體接近億計；金融市場中充滿了人與人之間的博弈；金融產品的價格有其理論，也有詳細的公式，但這些理論和公式都有眾多抽象於實際，很難實現的假設；而且，公式中的輸入量都需要投資者對未來的判斷和預期。因為每個市場參與者心理的價格都是基於自己對未來預期測算的，一旦現實中出現與預期不一致的意外，資產價格就會出現大幅波動。所以金融是一門藝術，而不是一門科學。
那麼，技術恰巧也是在這時候準備好了嗎？微軟亞洲研究院副院長劉鐵岩告訴《商學院》記者，“2016年年底、2017年年初，業界確實在談人工智能的落地。一方麵是時代的推動，一方麵也是技術做好了準備，這些年，人工智能學術界產生了很大的變革和進步，深度學習、強化學習、知識圖譜等技術的發展，使得人工智能落地成為了可能。” 同時，劉鐵岩坦承，“人工智能技術看起來非常成熟，但絕大多數是在實驗環境裏、虛擬環境裏。到了現實與產業結合會怎麼樣？運用到產業中之後，會反過來促進我們的哪些研究。這是我們期待的。”
人工智能會如何幫助金融投資經理？
一位投資經理的日常是怎樣的？
張弘弢介紹，對於金融投資專業人員而言，每天要麵對大量的信息和數據，來源於各個方麵，有宏觀信息和數據、行業及其細分領域信息和數據、上市公司調研信息和數據、各類政策調整及其影響信息，還包括海外市場相關重大信息，如何更加充分地閱讀和分析這些信息是一件非常有壓力的事情。通常，基金公司的處理方式是，委托第三方的研究分析公司出研究報告，也可能由自己的支持團隊來讀一部分的內容，給出一個研究報告。無論是哪種方式，投資經理都是在有限采樣的情況下做了一些總結之後得到的信息。再加上投資合同裏的約定、加上一些基金經理或者激進或者保守的投資風格……這些綜合結果就會形成這位投資經理的投資決策。
但人工智能技術的來臨，可以在輔助決策上起到很大的幫助作用。
“在數據及信息獲取方麵，人工智能有巨大的優勢，海量的數據基礎、強大的計算能力，人腦幾十年未必算得清的問題，機器須臾之間就有答案，能挖掘出很多細分領域的投資機會。”張弘弢說，“二是人工智能機器的自動投資，現在機器都有深度學習能力，並且沒有人性貪婪和恐懼的弱點，也不會受情緒化的影響，不僅可以自己探索交易策略，從過去失敗的教訓和成功的經驗中自主學習，還可以通過曆史數據學習不同投資者的交易模型，在相互博弈中找到最優交易策略。”
劉鐵岩認為，這也得益於近年深度學習技術的發展，它受人為因素幹擾很少，都是“從頭學起”，深度學習可以從過去無序的、雜亂的、原始的信號裏自動抽取特征做出分析，給投資經理更多由點及麵甚至高階的推理，輔助人類做出投資決策。
劉鐵岩說，“對人類的基金投資經理來說，其擅長的是策略性思維。比如，對政策的解讀，比如很多超出客觀的隱性信息的發現和解讀。那些可見的、客觀的數據交給計算機就可以。
目前，微軟和華夏基金的合作開展了三個多月，在離線數據回測上取得了一定的效果。 所謂離線數據回測，就是通過人工智能技術和曆史數據結合，回到曆史時間點上，看人工智能做出的投資決策會不會更好。也正是因為金融投資市場變化快、複雜因子多，離線回測數據必須運用到“在線”，才能看到實驗室的成績與現實之間的差距。“這是技術發展的必然過程。”劉鐵岩認為，實驗室的成功隻有與真實商業結合，才有更大的價值。
人工智能不僅是技術
不過眼下，“人工智能”有被標簽化的趨勢。
“這與不同的企業風格有關。”劉鐵岩說，“通常，有長遠戰略眼光的企業會更容易成功。因為，有遠見的人才能堅持，才會在遇到困難的時候有對技術的開放心態。但跟風的人則不同，他們遇到困難就會覺得技術無用，或者過分期待技術可以短期內產生結果、甚至在產值利潤上有立竿見影的效果。短視的人會把人工智能看成一種工具，有遠見的人會把人工智能看成一種戰略。而後者，更容易取得穩定的成果。”
技術的發展從來不能一蹴而就，從實驗室到實踐，需要解決的不僅僅是技術本身的問題，還有人類的認知和企業管理思維上的改變。
同時，在麵對人工智能襲來的時候，有很多“取代論”的言論。“我們一直認為人類智能與機器智能是可以友好相處的，因為各有各的專長。對企業而言，它不是‘裁員’利器，而是加持員工的‘法器’，賦能員工。所以，我們會需要讓使用者看到機器帶給他們的幫助，而不是威脅。”劉鐵岩坦言，“這對企業的管理來說是挑戰，管理者要讓員工對技術有合理的認知，在組織、文化上也需要有改變。”
最後更新：2017-10-20 00:07:34