博道投资：量化投资是人工智能的应用么？

导语：随着谷歌的AlphaGo在围棋界横扫，有关人工智能的话题绵延不衰。而在我们二级市场内，各种关于人工智能的消息也是铺天盖地，比如人工智能机器人能自动生成研究报告替代分析师，人工智能机器人发明策略替代主动基金经理进行投资，因此人们开始担忧人工智能会逐渐替代二级市场。同时，叠加量化基金的表现被越来越广泛的人所认知，两者在某些方面具有共性。但是人工智能和量化投资是相同的概念吗？

“哪怕我们都死了，它也会继续交易”，人工智能也许正在改变股票交易。

今年1月Aidyia公司启动了一支对冲基金，其背后的系统借助了多种形式的人工智能技术，对各种数据进行分析，这些数据包括市场价格、成交量，以及宏观经济数据、企业会计凭证，然后系统自主做出市场预测，以“投票”的方式选出最佳行动步骤。

于是，投资者一片惊呼：人工智能（AI）可以替代交易，是不是可以替代分析师和基金经理？

一个悲伤的事实：34％的工作将会被人工智能替代。日本经济新闻和英国金融时报在实施了共同研究调查以后，给出了这个答案。

霍金说：我认为近来人工智能的发展，比如电脑在国际象棋和围棋的比赛中战胜人脑，都显示出人脑和电脑并没有本质差别。

不得不承认，人工智能时代正在走来。这种颠覆性的改变，一方面为我们带来便利，另一方面也将给各个行业带来巨变。

显然，人工智能在投资方面是可以为人类所用的，其中最便捷的一个科学工具就是量化交易。

我们看美国市场的交易量：被动量化（指数基金）+主动量化占整个交易量的60％以上。目前中国市场的量化交易占总交易量的比重微乎其微，量化策略远远没有普及至所能达到的状态，这是未来的主流发展方向。

如何评估量化交易的结果呢？举一个简单的例子：量化交易有一支代表基金——西蒙斯大奖章基金，从1989年到2009年，复合年化收益率高达35％，远超同期巴菲特和索罗斯的收益率。

人类无法充分控制自己在投资领域的劣根性。因为贪婪、恐惧、犹豫、赌性等人性弱点，常会带来投资失利。真正优秀的投资也许真的是“泯灭人性”的，而量化交易恰恰是这种工具，通过概率优势实现确定性收益。

人工智能和大数据融入金融，最终为资产配置所用是市场发展的必然。未来的金融一定是集云数据、人工智能为一体的全新体系。为人类做出选择，避免因为人性弱点而产生不可预估的后果。

所以，在投资领域，很多人自然而然地把人工智能和量化投资划上等号。人工智能和量化投资是相同的概念吗？

量化投资与人工智能的区别

目前的量化投资跟人工智能是有区别的。人工智能可以应用于很多领域，包括量化投资。当前量化投资并不属于人工智能，甚至完全不相关。

目前的量化投资在国内就基本等同于多因子模型，多因子模型来源于Barra，因此整体来看，国内的量化资金的模型框架是一致的，其不一致的在于选股因子。去年部分量化基金表现很好，这并不是人工智能的功劳，而是多因子模型的功劳，部分基金暴露的风格因子一致，加上个别基金在短期与长期的业绩发生了共振，因而引起市场的关注。

量化投资的本质是一种方法论，它可以应用在投资过程中的每一个环节。基本面分析或者技术分析也是广义量化金融的应用。用这些知识所构建的数理模型或投资决策模型，均是相对客观和理性的系统，是可以被应用于投资的每一步的。

人工智能在量化投资中的应用

目前有越来越多的基金，无论是公募或私募，都在使用量化交易，而随着人工智能的不断发展，量化交易中的人工智能应用会是怎样？

要成为赚钱的投资者，你需要正确的信息，你需要控制情绪做出合理地分析，并且对你的信息采取有效行动，你需要在正确的时机做出决定（timing）。这是人类不如计算机的地方。

但机器决策也是有局限性的，最大的缺陷就是没有前瞻性，因为它是基于历史的数据和历史检验的结论，其逻辑是历史会重复。市场环境是不断变化的，长期看，要战胜市场必须具有前瞻性，这也是投资的艺术性所在。顶尖的基金管理人如巴菲特和索罗斯都是具有超强的前瞻性的。

国内，一些私募基金已经开始将人工智能的三个子领域：机器学习，自然语言处理，知识图谱融入到自己的策略中，尝试获取收益。

AI阶段一：机器学习

在传统的投研中，分析员们对财务、交易数据进行建模，分析其中显著特征，利用回归分析等传统机器学习算法预测交易策略。

此外一种做法是，模仿专家的行为，选择某一领域的特定专家，复制他们的决策过程，并导入可重复的计算框架

AI阶段二：自然语言处理

人们发现仅仅从数字推测模型是不够的，开始考虑引入新闻，政策，社交网络中的丰富文本并运用自然语言处理技术分析，将非结构化数据结构化处理，并从中探寻影响市场变动的线索。

AI阶段三：知识图谱

知识图谱本质上是语义网络，是一种基于图的数据结构，根据专家设计的规则与不同种类的实体连接所组成的关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。

在量化交易1.0版本，模型是“静态”的，因为交易策略是被事先编程的。举个例子，“动量策略”在一个时期内效果非常好，但在下一时期可能效果不佳。真正的智能机器会在市场进一步发展之前观察到市场异常，而且交易策略本身会随着信息的变化而动态变化。特别是深度学习。

深度学习的概念源于人工神经网络的研究。该领域主要是力图开发一个的“智能投资者”——其能根据海量数据如价量数据，基本面数据，新闻数据等等你能想到的各种数据，分析里面某条数据与股价涨跌的关系，生成一些策略，并根据这些策略来预判股票的涨跌，这些策略完全属于黑箱策略。程序开发者并不能明白这个“智能投资者”判断的逻辑。目前来看，世界上尚未开发出表现比较好的“智能投资者”。

人工智能和量化投资领域结合有两个方面，除了深度学习，还有一个就是智能投顾。

智能投顾本质上也属于人工智能在量化投资领域的一个应用。这类应用的原理其实就是我们前面说的专家系统。狭义的智能投顾，主要指以智能化股票投资组合推荐、自动策略交易服务为代表的投资策略服务模式。广义的智能投顾，考虑投资者的财务情况对其进行个人财富精算配置，比如统筹考虑支票、储蓄、投资和养老保险。国外的智能投顾如：Motif、Zulutrade、ealthfront等。

目前人工智能在投资界的应用，除了通过人工智能辅助量化交易之外，还有私募已经开始在智能投顾方向上进行探索。“智能投顾”顾名思义，是通过机器复制优秀基金经理的模式，用人工智能和大数据分析等手段实现资产管理。

事实上，人工智能在金融领域的发展，也推动了投资策略自动化和智能化的进程。随着策略的多样性在整个资产配置中越来越重要，因此越来越多的公司开始运用多策略布局市场。因为每个策略适合不同市场环境，或者不同时间的盈利窗口，因此从对冲基金的角度来讲，多策略是去获取绝对收益非常好的方式。

而多策略之所以有效，是因为组合有多样的收益来源。往往一个策略在某一个阶段里有机会，另外一个阶段就没有。对投资人来讲，判断下阶段策略的表现往往需要有一个逆向过程才能有更好的收益，因此通过多策略方式能更好帮助投资者实现绝对收益的目标。

随着机器深度学习能力的发展，人工智能时代下的量化投资发展也即将踏上一个新的台阶。一旦量化投资模型足够成熟，不受人为因素的和市场波动的影响，未来量化基金长期跑赢指数并不是梦想。

量化投资在找到规律了以后就从非有效性里捕捉确定性投资机会，其收益来源其实就是因为人脑“犯错误”而获得的。因此，人脑决策最高的市场，即散户比例最高的市场，最合适进行量化投资。从这个角度而言，中国市场未来量化投资发展空间巨大。

人工智能是否会替代分析师

报告自动化是自然语言生成在金融领域的应用，它涉及的底层技术有知识抽取、自动文本摘要、自动可视化摘要、可视化、知识图谱等。人工写作的优点是语言流畅、内容丰富、观点深厚。而机器人的优点是生成快、内容相对丰富、简单分析罗列。

从现有产品的对比来看，人类能够写出具有高质量观点的文章，而从机器人写作上看，除了生成速度方面有优势外，并没有什么特别的地方。

比如，对于一家生产水泥的公司，一般可以这么认为，如果基建投资增速快，那么水泥会涨价，加上推理会得出该公司主营会有一定的增速。对于这样一个类似的观点，人工智能需要构建知识库和推理规则，但是领域知识库和推理规则的构建本身是一个非常漫长、高成本过程，其成本和时间远高于聘用分析师。

分析师的优点在于探索和发现、洞察观点，而机器的长处在于数据收集和整理，还是无法完全取代分析师。在未来很长的一个时间点，随着人工智能的新发展和新技术的突破，答案或许会有所改变。

总结

自古以来，人类就力图根据自己的认识水平，企图制造机器来改造自然。人工智能目前的应用领域是极其广阔，但是其归根结底是一种工具，就像人类猿进化成人一样，知道制造了石器来帮助人类完成徒手不能完成的工作，而人工智能则可能是人的另一次进化，这次进化制造的工具，通过择时代替人脑的一部分脑力，以便让人类从事一些更有意义和深度的研究工作。（点此金融界体验智能投顾）

更多精彩资讯，请来金融界网站(www.jrj.com.cn)