“我們生處在一個加速發(fā)展的大數據時代，每隔幾年數據就出現指數級的增長。在這背后，伴隨數據采集能力、互聯網應用的爆發(fā)、智能硬件的進步，更多的是場景，帶來閉環(huán)，導致數據如滾雪球般壯大。對于投資來說，數據可以分成三大類，一種是客觀世界的數據，比如利用衛(wèi)星觀測地球，其次是主觀數據，可以通過社交網絡去觀測人們表達出來的主觀想法，以及關系變化，比如移動支付帶來的資金流流動。這三種變化可以讓我們對世界的觀察更加細致徹底，而且非常及時，對投資來說非常重要?！?/p>

在近日深圳召開的2018 全球人工智能與機器人峰會（CCF-GAIR）上，通聯數據首席科學家蔣龍帶來了人工智能和大數據如何助力投資的主題演講。會后，雷鋒網AI金融評論與他進行了一次深入的對話。

蔣龍告訴雷鋒網AI金融評論，他主要負責公司人工智能和大數據的戰(zhàn)略研發(fā)工作。每當行業(yè)出現新趨勢、用戶有新的需求痛點，他們會研究技術應用的可行性與特色化?！氨热缰悄芡额櫯d起時，我們需要作相關分析。首先，我們利用大數據分析每個人炒股的特點，繪制用戶畫像；第二，就是如何做到智能化的市場分析、買賣決策等?！?br/>

我們不生產數據

數據是投研業(yè)務的核心和基礎。蔣龍介紹說，金融行業(yè)的數據主要有兩種類型，一是傳統金融數據，通過自動化的方式收集、整理市場公開信息，將這種大部分是非結構化的數據轉化為結構化數據。據雷鋒網AI金融評論了解，通聯數據前期投資近3.5億元資金，進行了從基礎數據到大數據的收集、處理、分析，并依靠機器學習模型將其作用于投資分析。 

金融文檔結構化是其中的關鍵技術。除了分析財報數據用于投資決策，它也在制定業(yè)務合同中發(fā)揮著作用?！氨热缁鸸拘枰鲁闪⒁粋€專戶，包含投資期限、標準等各種信息，而合同信息需要來回修改，信息內容也非常繁雜，所以這里也需要應用自動化。我們會提取出合同中的重要信息，一旦修改可以很容易發(fā)現。合同審核也需要類似技術?！?/p>

另一種叫作特色數據或者另類數據，比如說衛(wèi)星圖片。通過向專業(yè)機構購買衛(wèi)星圖片，再對原數據進行加工處理，以供客戶使用。

“我們不生產數據，所謂的‘數據生產’其實就是數據整合處理?！彼麖娬{說。

事實上，在機器學習盛行之前，數據自動化處理就已經在業(yè)界得到較廣泛的應用。機器學習提高了效率，降低了成本。比如表格自動化處理，“從前要識別表格的內容，需要制訂很多規(guī)則，很有可能5~6個工程花了5年才做出90%正確率的系統。機器學習則能大量節(jié)約成本，可能2~3個工程師6個月的時間就能實現相同的系統功能?！?/p>

萬得是國內金融信息服務行業(yè)的龍頭，但其技術能力一直為人詬病。據雷鋒網AI金融評論了解，萬得向客戶提供的數據，主要通過人工+半自動化實現。業(yè)內人士透露說，萬得在南京就擁有數百人數據團隊。當然，萬得也注意到了機器學習的趨勢，除了雇傭相關人才，它也與微軟達成合作，微軟為其提供自動化技術能力。

不過，據業(yè)內人士介紹，萬得可識別的類型并不算多，大約5~6個，準確率在85%左右。另一方面則是傳統公司的通病——組織、流程壁壘。“他們過去內部已經有一套成熟的人工+半自動化流程，如何分工、檢查、系統入庫等，而機器學習則帶來了一套全新的規(guī)則，基本的認知、流程完全改變。這會是一個較大的挑戰(zhàn)?！?br/>

創(chuàng)業(yè)公司的空間有限

“金融信息服務行業(yè)并不是一個很大的市場，大約百億級，比不上風控或支付市場，所以這條賽道上無法容納更多的機構。而智能投研機構數量則更少?！绷硪环矫妫芏啻蠼鹑跈C構都有能力、資源進行自主研發(fā)，“比如招商銀行花了10個億做智能投顧，也有能力做智能投研?！?/p>

也就是說，銀行、基金等大機構占去近半市場，傳統廠商又分掉一塊，創(chuàng)業(yè)公司的機會進一步壓縮，不過還需注意一點，國內市場還未到短兵交接的時刻。“幾乎所有的國內智能投研公司都想成為彭博，在國外彭博就有上百億美元的市場，中國目前還很小?！?/p>

蔣龍指出，該領域的創(chuàng)業(yè)機會在于局部工作，比如信息爬取、人臉識別等，尤其是技術實力薄弱的中小銀行，將會更加青睞采購解決方案。以通聯數據為例，為客戶機構提供的服務形式主要有兩類，大客戶一般要求上門組裝系統，并自己進行二次開發(fā)，小客戶多采用SaaS服務。同時他也指出，除非傳統機構成立一個獨立公司或者業(yè)務，否則系統更新也很容易與原有流程發(fā)生沖突，無法達到預期效果。

過去，機構內部會設置專門的風險控制委員會，負責投資及其他風險的控制和管理，而現在的智能風控能夠用計算機實現預警、處理。但在實際應用中，出于對智能風控效果的擔憂，投資風控的邏輯和框架不會發(fā)生大變化，那么一般只能實現階段性的智能化，比如出現“一秒預警，再調給相關負責人審批”的情況。蔣龍舉例說。

管理用戶的預期

相較于金融信息服務，資產管理是一塊更大的蛋糕。而近期的市場持續(xù)萎靡，不少投資者只能“關燈吃面”。雷鋒網AI金融評論觀察到，在數家智能投顧用戶群中，用戶曬出虧損不一的收益圖，并宣稱要放棄產品。

在蔣龍看來，這種情況下，越加凸顯了管理用戶預期的重要性。如何衡量智能投顧的效果好不好？并不是看收益會比用戶的最好預期高多少，而是機器投資可以比用戶自己投資少虧多少。如果人們的投資能力按照正態(tài)分布，當前的機器提供的組合可能能超過60%的個人用戶。

“機器最大的價值在于提升效率，降低成本，并不意味著機器能憑空造出很多錢來，每個人都能賺錢。我們應該告訴投資者兩點：一，市場大部分不可預測，可能80%很好，20%出現極端情況；二，隨著時間的推移，極端情況出現率會不斷減少?！?/p>

事實上，通聯數據也有相關布局——他們面向C端將推出一款投資工具，目前還處于內測階段，據透露將在今年正式發(fā)布。

該產品可能涉及一個功能，也是蔣龍近期的研究工作——自動盯盤。“很多投資者都不是全職的，不能一天到晚盯著屏幕，幾分鐘很可能就會錯過一支股票（投資機會），我們希望能幫助他們自動監(jiān)控市場并給出提醒。”

 “舉個例子，可能國家出臺了控制產能的政策，有的公司會爆雷。那么我們就把行業(yè)中的所有公司按照財務指標算出一個分數，并預警最低分數的公司?！笔Y龍稱。

雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。