雷鋒網(wǎng)報(bào)道，在近日深圳舉辦的預(yù)見2018新財(cái)富新春投資策略會(huì)上，通聯(lián)數(shù)據(jù)金融工程董事總經(jīng)理薛昆帶來了題為“機(jī)器智能時(shí)代的投資管理”的主題演講。據(jù)雷鋒網(wǎng)了解，薛昆曾任瑞士銀行投行全球量化團(tuán)隊(duì)董事，摩根大通量化研究團(tuán)隊(duì)副總裁，擁有十余年量化投資、金融平臺(tái)研發(fā)經(jīng)驗(yàn)。

通聯(lián)數(shù)據(jù)金融工程董事總經(jīng)理薛昆

以下是薛昆演講原文，雷鋒網(wǎng)作了不改變?cè)獾木庉嫞?/em>

算法改變世界

今天我會(huì)結(jié)合行業(yè)趨勢(shì)和熱點(diǎn)來分享這個(gè)話題，比如區(qū)塊鏈。抽象來說，人工智能以及區(qū)塊鏈最終都是算法，現(xiàn)在的算法已經(jīng)應(yīng)用到大部分行業(yè)，潛移默化改變我們的生活。

未來五到十年，金融行業(yè)、教育行業(yè)、汽車行業(yè)都會(huì)經(jīng)歷算法帝國的崛起。總結(jié)來看就是三個(gè)方向：在線化、智能化、網(wǎng)絡(luò)化。

物聯(lián)網(wǎng)極大擴(kuò)張了數(shù)據(jù)邊界，以后的數(shù)據(jù)會(huì)越來越多，現(xiàn)在只是一個(gè)起點(diǎn)。比如當(dāng)新能源汽車、自動(dòng)駕駛汽車在今年普及開來以后，數(shù)據(jù)的邊界將會(huì)超過手機(jī)邊界。以后能夠產(chǎn)生數(shù)據(jù)的模式將是非常有吸引力的模式，因?yàn)樵谖磥頂?shù)據(jù)會(huì)變成最重要的生產(chǎn)要素。

在線化和網(wǎng)絡(luò)化會(huì)使得數(shù)據(jù)極度擴(kuò)張，區(qū)塊鏈和AI技術(shù)將會(huì)極大推動(dòng)這個(gè)進(jìn)程。在任何一個(gè)產(chǎn)業(yè)，“黑洞效應(yīng)”都會(huì)使得產(chǎn)業(yè)鏈蓬勃發(fā)展。而在智能化和網(wǎng)絡(luò)化當(dāng)中，最重要的是兩個(gè)技術(shù)：區(qū)塊鏈、人工智能。

區(qū)塊鏈與人工智能

從2008年比特幣白皮書發(fā)布，2015年以太坊誕生，到如今，區(qū)塊鏈?zhǔn)澜绨l(fā)生了翻天覆地的變化，也涌現(xiàn)出了很多區(qū)塊鏈2.0技術(shù)。今年有一個(gè)非常重要的趨勢(shì)——區(qū)塊鏈將從2.0過渡到3.0階段，3.0會(huì)帶來更快的網(wǎng)絡(luò)。

另外一項(xiàng)重要技術(shù)是大數(shù)據(jù)與人工智能。大數(shù)據(jù)與人工智能存在差異，但是在概念上兩個(gè)聯(lián)系緊密。因?yàn)槿斯ぶ悄芤蕾囉诖髷?shù)據(jù)，如果沒有數(shù)據(jù)，很多算法都只是流于表層。語音識(shí)別、自然語言處理、Chatbot、知識(shí)圖譜，底層都是依賴于大數(shù)據(jù)，離開大數(shù)據(jù)，這些都是無源之水。

在自動(dòng)駕駛領(lǐng)域也是如此。我們可以看到一個(gè)趨勢(shì)，相關(guān)公司現(xiàn)在也越來越趨于自己去收集數(shù)據(jù)。現(xiàn)在BAT、谷歌可能會(huì)說，“我來給你提供算法，然后你到我的生態(tài)系統(tǒng)里面玩?！钡歉嗥髽I(yè)希望自己掌握數(shù)據(jù)，自己設(shè)計(jì)數(shù)據(jù)，數(shù)據(jù)直接上云。擁有這種技術(shù)的公司，未來會(huì)有非常高的壁壘。

如何將AI應(yīng)用于投資管理？

一直以來，投資研究有兩大門派，一個(gè)是基本面門派，一個(gè)是量化門派。AI又能為這兩大門派做什么呢？

助力基本面研究

舉一個(gè)例子，在A股市場(chǎng)，每天都有超過50個(gè)上市公司的資本運(yùn)作事件發(fā)生。中國工商登記注冊(cè)的公司數(shù)1000萬家，涉及的核心自然人超過500萬。如果人工地去分析資本運(yùn)作，基本上是不可能的。但是機(jī)器可以非常容易地幫助人類做到這個(gè)事情。

知識(shí)圖譜可以幫助我們研究基本面。首先要有基礎(chǔ)數(shù)據(jù)，即新聞公告研報(bào)數(shù)據(jù)、交易所披露數(shù)據(jù)、工商登記數(shù)據(jù)，這些是AI的原料。然后我們利用知識(shí)圖譜用實(shí)體識(shí)別算法，可以把公司高管作為實(shí)體抽取出來，并抽取投資持股關(guān)系等，形成公司關(guān)系圖譜。有了這些數(shù)據(jù)以后，我們可以做關(guān)聯(lián)分析，比如同業(yè)競(jìng)爭(zhēng)關(guān)系分析，高管能力均衡分析，實(shí)際控制人的分析，并且動(dòng)態(tài)變更。

助力量化投資

在量化投資領(lǐng)域，機(jī)器可以幫助量化研究員更好地挖掘數(shù)據(jù)。傳統(tǒng)投資研究，大家關(guān)注的都是各種結(jié)構(gòu)化的數(shù)據(jù)。結(jié)構(gòu)化的數(shù)據(jù)帶來的信息是有限的，大部分投資者都能看到這些數(shù)據(jù)，所以你沒有提前效應(yīng)。但如果在衛(wèi)星圖像上應(yīng)用AI算法，比如實(shí)時(shí)監(jiān)測(cè)券商營業(yè)所門口的車輛數(shù)字，那么我們可以更早獲得一些幫助

另外，我們也可以用算法挖掘文本數(shù)據(jù)來輔助量化投資。面對(duì)海量的文本數(shù)據(jù)，包括新聞、公告、研報(bào)、微博、雪球、股吧、互動(dòng)易、論壇等，我們使用知識(shí)圖譜進(jìn)行關(guān)聯(lián)分析。比如說，賈躍亭在回函中表示無力履行無息借款與增持承諾，“深表歉意”！通過情感分析算法，我們知道這樣的文本是利空的，這樣就可以幫助投資人很快的進(jìn)行判斷。

怎么做到的呢？我們使用的算法是WordEmbedding+BiLSTM-CRF，召回率均在90%以上。而基于情感辭典的算法和基于機(jī)器學(xué)習(xí)的自動(dòng)分類算法，我們可以做到情感分析，自動(dòng)分類處理。情感分析算法主要采用XGBoost、SUM，情感分類準(zhǔn)確召回率可以在75%以上。

助力大類資產(chǎn)配置

除了基本面研究、量化研究，算法在大類資產(chǎn)配置也能發(fā)揮作用。

比如，在構(gòu)建公募基金組合時(shí)，我們可以用機(jī)器學(xué)習(xí)去做基金收益率的預(yù)測(cè)，并基于歷史數(shù)據(jù)做統(tǒng)計(jì)風(fēng)險(xiǎn)模型。我們可以針對(duì)不同目標(biāo)，產(chǎn)生最優(yōu)的基金組合，比如說目標(biāo)風(fēng)險(xiǎn)下收益最大化、目標(biāo)收益下風(fēng)險(xiǎn)最小化。

此外，還可以進(jìn)行基金特征選擇。首先對(duì)所有的基金打標(biāo)簽，我們給每個(gè)基金打上大約150個(gè)標(biāo)簽，這150個(gè)標(biāo)簽包含8個(gè)時(shí)間維度。然后用機(jī)器學(xué)習(xí)算法去做篩選。比如，我們可以計(jì)算基金池中每只基金當(dāng)期收益率與前期各性能指標(biāo)之間的相關(guān)系數(shù)ic，這是量化里面通用的算法。如果再往前滑動(dòng)多期，得到每個(gè)前期性能指標(biāo)與當(dāng)期收益率的ic序列，再計(jì)算分別計(jì)算每個(gè)ic序列的均值ic序列得到最后結(jié)果。

總結(jié)一下，機(jī)器學(xué)習(xí)雖然有用，但是也不是萬能的。它的優(yōu)勢(shì)在于，它能夠建立非線性模型。當(dāng)然問題也是隨之而來的，簡(jiǎn)單模型的解釋度更高，人們更理解。所以大部分基金經(jīng)理還是會(huì)選擇線性模型，因?yàn)楸容^容易理解。但是在一些特殊領(lǐng)域，比如知識(shí)圖譜，這是人腦沒有辦法掌控的，那就需要人機(jī)結(jié)合。其實(shí)人對(duì)小數(shù)據(jù)是更敏感的，有一些人做不了的事情可以用機(jī)器幫助我們。

Q&A：

Q：智能投顧對(duì)分析師帶來的挑戰(zhàn)主要體現(xiàn)在哪些方面？它還有哪些方面可以改進(jìn)？  

A：智能投顧對(duì)分析師帶來的挑戰(zhàn)更多體現(xiàn)在智能投研，因?yàn)橹悄芡堆懈治鰩熓窍噍o相成的。雖然機(jī)器算法的崛起替代了很多初級(jí)分析師的工作。但是高級(jí)分析師無法替代，人對(duì)趨勢(shì)的判斷和另類信息收集的能力比機(jī)器更強(qiáng)。未來的趨勢(shì)是，算法取代初級(jí)工作，高級(jí)分析師是如虎添翼。

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。