雷鋒網(wǎng)AI金融評(píng)論按：2018全球人工智能與機(jī)器人峰會(huì)（CCF-GAIR）在深圳召開，峰會(huì)由中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）主辦，雷鋒網(wǎng)、香港中文大學(xué)（深圳）承辦，得到了深圳寶安區(qū)政府的大力指導(dǎo)，是國(guó)內(nèi)人工智能和機(jī)器人學(xué)術(shù)界、工業(yè)界及投資界三大領(lǐng)域的頂級(jí)交流盛會(huì)，旨在打造國(guó)內(nèi)人工智能領(lǐng)域最具實(shí)力的跨界交流合作平臺(tái)。

6月30日下午，在金融科技專場(chǎng)上，通聯(lián)數(shù)據(jù)首席科學(xué)家蔣龍分享了題為《人工智能和大數(shù)據(jù)助力科學(xué)投資》演講。蔣龍畢業(yè)于北京大學(xué)，曾任微軟亞洲研究院副研究員、阿里巴巴高級(jí)算法專家。專注于機(jī)器學(xué)習(xí)、自然語言處理、搜索算法、廣告投放算法等研究領(lǐng)域，在AAAI、KDD、ACL、SIGIR等國(guó)際頂級(jí)會(huì)議，IEEE Trans. Knowl. Data. Eng.、ACM. Trans. Inf. Syst.等國(guó)際頂級(jí)期刊上發(fā)表過十余篇論文，擁有多項(xiàng)中美發(fā)明專利。

以下是演講原文，雷鋒網(wǎng)作了不改變?cè)獾木庉嫞?/p>

加速發(fā)展的大數(shù)據(jù)時(shí)代

今天的主題是金融科技，金融科技是非常廣的領(lǐng)域，有信貸、支付、證券、保險(xiǎn)等，我要談的是金融的子領(lǐng)域，就是資產(chǎn)管理領(lǐng)域。

資產(chǎn)管理，簡(jiǎn)單說就是如何更好地配置人類所積累下來的財(cái)富，使得社會(huì)能夠更快進(jìn)步，能為人類產(chǎn)生更多價(jià)值。我們?cè)趺从米詈玫氖侄喂芾碡?cái)富，比如說把這些錢應(yīng)該投向什么行業(yè)，投向什么技術(shù)，讓誰來引導(dǎo)這些錢，讓財(cái)富更快增長(zhǎng)，這是一個(gè)巨大的挑戰(zhàn)，在這個(gè)挑戰(zhàn)背后，我們看到人工智能和大數(shù)據(jù)可以給我們帶來很大的助力。

說到投資大家可能會(huì)立馬想到股票、基金，有些人想到風(fēng)險(xiǎn)投資，有的人可能會(huì)想到投資大宗商品，有的人可能想到做一些收藏品，這些都是投資，投資的種類很多，但是投資的核心是預(yù)測(cè)，基于拿到的各種數(shù)據(jù)去挖掘規(guī)律，根據(jù)規(guī)律對(duì)未來做出判斷，判斷可能是這個(gè)人未來可能會(huì)成就一番大事業(yè)，所以投資他的初創(chuàng)企業(yè)，或者你預(yù)測(cè)到了人們的消費(fèi)趨勢(shì)在變化，你看到變化能夠知道某些行業(yè)未來會(huì)受益，你把資源投資這些行業(yè)，這些都是基于預(yù)測(cè)的投資。

所以信息通訊和計(jì)算技術(shù)對(duì)于投資領(lǐng)域的影響一直以來非常巨大，70年代開始誕生指數(shù)基金，由人管理錢變成計(jì)算機(jī)自動(dòng)管理錢。截至2017年，在北美市場(chǎng)上，指數(shù)和量化基金的規(guī)模第一次超過了人主動(dòng)管理的規(guī)模，已經(jīng)成為主流。隨著互聯(lián)網(wǎng)帶來的數(shù)據(jù)量的變化，隨著計(jì)算機(jī)在數(shù)據(jù)分析上的能力的提升，漸漸的我們有辦法去對(duì)資產(chǎn)的收益和風(fēng)險(xiǎn)進(jìn)行一些分析預(yù)測(cè)，所以我們可以做一些量化對(duì)沖，把我們知道的信息變現(xiàn)，對(duì)沖所有風(fēng)險(xiǎn)。隨著大數(shù)據(jù)人工智能的發(fā)展，現(xiàn)在有更多的投資科技的名詞誕生，比如說智能投顧、智能投研等等。

當(dāng)今投資科技的要素有三個(gè)——專業(yè)投資理解、大數(shù)據(jù)和人工智能。為什么第一個(gè)是專業(yè)投資理解？幾年前美國(guó)有一個(gè)博士生做過一個(gè)實(shí)驗(yàn)，他分析了世界上各種各樣的數(shù)據(jù)，后來他發(fā)現(xiàn)孟加拉的黃油價(jià)格跟標(biāo)普的走勢(shì)非常想象，他用過去十年的數(shù)據(jù)證明了這兩個(gè)基本上可以完全的擬合，但是這只是偶然擬合，你不可能拿孟加拉的黃油價(jià)格去預(yù)測(cè)接下來標(biāo)普500的走勢(shì)。因?yàn)槭澜缟系臄?shù)據(jù)實(shí)在太多了，任何一個(gè)數(shù)據(jù)都可能發(fā)現(xiàn)偶然相似的事情，在機(jī)器學(xué)習(xí)領(lǐng)域我們經(jīng)常說過擬合，怎么控制過擬合？如果有足夠多的數(shù)據(jù)，可以通過數(shù)據(jù)自動(dòng)解決，但是沒有的情況下，我們需要有先驗(yàn)支持，有了投資科技，我們開始把投資變成一種科學(xué)化，大家都知道投資大師巴菲特有投資藝術(shù)，藝術(shù)的東西只會(huì)意會(huì)不可言傳，無法把投資邏輯復(fù)制出來，沒辦法去得到同樣的投資結(jié)果，也沒有辦法去歷史上去做實(shí)驗(yàn)，投資好在哪里，弱點(diǎn)在哪里，這就不是科學(xué)。有了大數(shù)據(jù)，人工智能、量化科技，我們有可能把投資作為科學(xué)，可以重復(fù)實(shí)驗(yàn)分析投資里面的策略問題，能夠更有效的提升。

投資科技場(chǎng)景

人工智能和大數(shù)據(jù)在投資里面的應(yīng)用非常廣泛，我這里列舉了幾個(gè)比較重要的場(chǎng)景。

第一個(gè)叫投資研究，投資研究的目的是把信息進(jìn)行加工，從里面得出投資決策，現(xiàn)在是信息爆炸的時(shí)代，如何挖掘信息，人腦已經(jīng)漸漸發(fā)覺很有挑戰(zhàn)，需要AI幫我們，這里還有非結(jié)構(gòu)化的數(shù)據(jù)處理，像圖象信息、自然語言文本信息、音頻數(shù)據(jù)等等，有了這些信息之后，我們?nèi)绾伟l(fā)掘規(guī)律，人腦可以處理一些變量不太復(fù)雜的，如果一百個(gè)一千個(gè)變量的話，人腦基本無能為力，這時(shí)候如何通過AI來幫我們完成在海量變量下的投資預(yù)測(cè)。在得到投資決策之后，我們需要通過交易來實(shí)現(xiàn)決策，如何更低成本的去進(jìn)行交易，每天有很多人在股票市場(chǎng)交易，你怎么保證最低成本，對(duì)市場(chǎng)是造成最小沖擊的，這里基于博弈論的機(jī)器學(xué)習(xí)的方法正在實(shí)現(xiàn)價(jià)值，包括風(fēng)控，投資的時(shí)候如何控制風(fēng)險(xiǎn)。另外是投資服務(wù)，也是新的領(lǐng)域，有了投資能力之后，最終是要為人類服務(wù)的，不管是為個(gè)人還是企業(yè)，怎么樣讓我們的服務(wù)變得更高效，智能投顧是一個(gè)非常大的創(chuàng)新。

我們生處在一個(gè)加速發(fā)展的大數(shù)據(jù)時(shí)代，每隔幾年數(shù)據(jù)就要十倍的增長(zhǎng)，并且指數(shù)提升。大數(shù)據(jù)背后我們知道有數(shù)據(jù)采集能力，像智能硬件這方面的進(jìn)步，也有計(jì)算機(jī)處理的能力進(jìn)步，更多的是場(chǎng)景，有了這個(gè)技術(shù)，有了場(chǎng)景，有了閉環(huán)，導(dǎo)致數(shù)據(jù)像滾雪球一樣越來越大，這樣的數(shù)據(jù)對(duì)投資來講可以分成三大類，一種是客觀世界的數(shù)據(jù)，比如說可以通過衛(wèi)星來觀察地球發(fā)生什么變化，也可以通過微博去觀測(cè)人們表達(dá)出來的主觀想法，從主觀世界了解人們的想法，我們也有移動(dòng)支付，有很多的交易，有些企業(yè)里面的工業(yè)生產(chǎn)的資料，讓我們發(fā)現(xiàn)一些關(guān)系的變化，比如說錢怎么從一方到另外一方，這三種變化可以讓我們對(duì)世界觀察非常細(xì)致徹底，而且非常及時(shí)，對(duì)投資來說這非常重要。

這里我們可以看一個(gè)例子，如何利用客觀世界的數(shù)據(jù)幫助我們做宏觀預(yù)測(cè)。我這里引用了去年美國(guó)國(guó)家經(jīng)濟(jì)研究中心的一篇文章，這篇文章的標(biāo)題很有吸引力，“中國(guó)的GDP增速可能被低估了”，大家都知道西方經(jīng)濟(jì)學(xué)對(duì)中國(guó)的增長(zhǎng)不是那么信任，尤其是統(tǒng)計(jì)局的數(shù)據(jù)，但他們有自己的方法研究，他們會(huì)利用一些另類數(shù)據(jù)，比如說燈光數(shù)據(jù)，大家可以看到圖上右上角的圖片，是美國(guó)軍用衛(wèi)星拍攝的北京和天津地區(qū)夜晚燈光情況，利用同樣類似數(shù)據(jù)，美國(guó)這些經(jīng)濟(jì)學(xué)家發(fā)現(xiàn)在98年亞洲金融危機(jī)之后，亞洲各個(gè)國(guó)家的經(jīng)濟(jì)恢復(fù)速度和夜晚燈光變化有關(guān)系，通過這種方式來預(yù)測(cè)中國(guó)，發(fā)現(xiàn)中國(guó)過去幾十年的GDP增長(zhǎng)，可能比我們公布出來的還要高，所以我們不是高估，而是低估了自己，他們估計(jì)可能是中國(guó)缺乏對(duì)第三產(chǎn)業(yè)準(zhǔn)確預(yù)估的能力。

右下角是我們的實(shí)踐，我們?nèi)ゾW(wǎng)站上也下載了中國(guó)各個(gè)省自治區(qū)夜晚燈光的圖片，我們做了分析，發(fā)現(xiàn)人均GDP和人均單位面積燈光強(qiáng)度是有非常大的關(guān)系，同樣的還有很多的自然信息可以利用，比如說有些公司會(huì)分析各個(gè)地區(qū)空氣污染物的成分和比例，來分析當(dāng)?shù)氐哪芎模瑥哪芎睦锩娣从矴DP增長(zhǎng)，還有人利用衛(wèi)星圖片觀察農(nóng)作物的生產(chǎn)情況，預(yù)測(cè)接下來GDP的發(fā)展情況。除了客觀世界，主觀世界，還有很多東西來預(yù)測(cè)。

NLP與非結(jié)構(gòu)化數(shù)據(jù)處理

如果我們要做投資，會(huì)面對(duì)海量數(shù)據(jù)，比如一個(gè)國(guó)內(nèi)投資者每天會(huì)面臨上千篇的上市公司公告、上萬篇的財(cái)經(jīng)和行業(yè)的重要信息，還有數(shù)以千萬計(jì)的投資者和社交媒體發(fā)布的消息，這些肯定是處理不過來的，這時(shí)候就要借助于AI來幫助我們分析。這里分享一個(gè)簡(jiǎn)單例子，怎么樣從上市公司發(fā)布的公告去提取信息，判斷公告是否重要，下面是一篇公司發(fā)布的重大合同公告，用自然語言方式描述了合同簽訂雙方和金額等等，通過自然語言提取的技術(shù)，能把這里的關(guān)鍵信息，比如說甲方、乙方、合同金額提取出來，提取之后，根據(jù)金額和這個(gè)企業(yè)過去的情況去判斷這些信息是否重要，再結(jié)合關(guān)系圖譜去識(shí)別這兩個(gè)關(guān)系是否存在潛在關(guān)聯(lián)信息等等，這都是我們做結(jié)構(gòu)化處理的重要幫助。

機(jī)器學(xué)習(xí)構(gòu)建非線性策略

剛才提到量化管理已經(jīng)超過主動(dòng)管理，成為最主要的投資策略，傳統(tǒng)量化是線性模型或者說多因子模型，多因子模型是把一個(gè)資產(chǎn)的收益分解成很多因子收益的求和，但是現(xiàn)實(shí)生活中太多因子，其實(shí)并不是線性關(guān)系。比如左邊的圖是二次關(guān)系，用傳統(tǒng)基于IC的方法或者做多做空的方法，很難找到有效的因子，機(jī)器學(xué)習(xí)發(fā)展給了我們這樣的機(jī)會(huì)，機(jī)器學(xué)習(xí)在對(duì)非線性模型的研究上有很多的積累，我們可以利用這樣的知識(shí)去發(fā)掘信息中的非線性關(guān)系，幫助我們預(yù)測(cè)未來資產(chǎn)的收益。

這是我們利用深度學(xué)習(xí)做的宏觀預(yù)測(cè)，我們用了很多的經(jīng)濟(jì)變量，比如衡量供給方面、需求方面，衡量人們信息方面，貨幣方面的指標(biāo)，結(jié)合隱藏層的模型做一個(gè)預(yù)測(cè)，預(yù)測(cè)目標(biāo)是市場(chǎng)的主要指數(shù)，比如債的指數(shù)，大宗商品的指數(shù)，股票的指數(shù)，基于這樣的指數(shù)可以做宏觀的資產(chǎn)配置和套利。

這是對(duì)一個(gè)公司的預(yù)測(cè)，利用機(jī)器學(xué)習(xí)數(shù)據(jù)，可以像研究員一樣去分析公司的業(yè)務(wù)，去預(yù)測(cè)分析影響公司核心的指標(biāo)，最終得出營(yíng)收的預(yù)測(cè)。這個(gè)圖我們是以航空公司為例，一步一步按照人的邏輯去分析收入和成本情況，最后會(huì)發(fā)現(xiàn)一些重要指標(biāo)，比如說客座率是非常影響公司財(cái)務(wù)數(shù)據(jù)的，這樣的指標(biāo)如何預(yù)測(cè)，其實(shí)我們可以用一些方法，利用人均GDP的增長(zhǎng)，利用航線數(shù)，利用鐵路運(yùn)輸情況、機(jī)場(chǎng)擁堵度等等數(shù)據(jù)去預(yù)測(cè)每個(gè)航空公司的客座率，再把這些數(shù)據(jù)綜合起來去預(yù)測(cè)航空公司未來幾個(gè)月甚至幾年財(cái)務(wù)的情況。

從我們自己做的一些實(shí)驗(yàn)結(jié)果來看，在預(yù)測(cè)主營(yíng)收入上，機(jī)器人分析的準(zhǔn)確率比人要做得更好，而且對(duì)于不同行業(yè)來說，有80%以上的行業(yè)都比人做得好，在美國(guó)的一些研究得到同樣結(jié)論，美國(guó)的一些公司也做了對(duì)美股研究，發(fā)現(xiàn)用機(jī)器學(xué)習(xí)研究的平均誤差是22%，但是人工分析師是30%的誤差。

除了在預(yù)測(cè)營(yíng)收，預(yù)測(cè)關(guān)鍵財(cái)務(wù)數(shù)字外，交易上機(jī)器學(xué)習(xí)也能幫助我們很多，像阿爾法狗用的是強(qiáng)化學(xué)習(xí)技術(shù)，面臨的場(chǎng)景和交易是一樣的，都需要在動(dòng)態(tài)博弈的環(huán)境里觀察對(duì)手的行為，做出自己的判斷。在強(qiáng)化學(xué)習(xí)之前，大家更多的是用傳統(tǒng)的，用過去交易量的數(shù)據(jù)來估計(jì)未來的交易量，現(xiàn)在可以利用強(qiáng)化學(xué)習(xí)，利用更細(xì)致的盤口數(shù)據(jù)來預(yù)測(cè)，根據(jù)研究，這樣比傳統(tǒng)做法降低27-35%的交易成本。

智能投顧降低服務(wù)成本

最后想分享一點(diǎn)關(guān)于智能投顧，這也是過去非常熱的概念，它的想法很好，世界上有很多人都需要財(cái)務(wù)顧問，但是人工顧問的成本非常高，所以絕大部分享受不到這樣的服務(wù)，當(dāng)我們有了機(jī)器人這樣的智能能力之后，我們有機(jī)會(huì)把顧問服務(wù)成本降得很低，讓金融的好處能夠被更多的人享受到。

北美地區(qū)的智能投顧更多集中在根據(jù)用戶的風(fēng)險(xiǎn)和投資期限來推薦資產(chǎn)配置組合。根據(jù)我們的研究，中國(guó)人還是不太愿意做更長(zhǎng)線的投資，而且中國(guó)人很喜歡去故事交易，散戶非常多，所以我們還要教育用戶，以及幫助中國(guó)散戶做股票交易。我們通過分析每個(gè)用戶的交易流水，分析他們的錯(cuò)誤點(diǎn)，一種情況是市場(chǎng)大盤預(yù)測(cè)不好，導(dǎo)致倉位有很大虧損。我們分析了這樣的問題之后，可以針對(duì)性地提供一些幫助，比如可以提供一些智能化的方法，智能化的倉位控制、止盈止損提醒等等幫助投資者改進(jìn)弱點(diǎn)。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。