雷鋒網(wǎng)AI金融評論按：2018全球人工智能與機器人峰會（CCF-GAIR）在深圳召開，峰會由中國計算機學會（CCF）主辦，雷鋒網(wǎng)、香港中文大學（深圳）承辦，得到了深圳寶安區(qū)政府的大力指導，是國內(nèi)人工智能和機器人學術(shù)界、工業(yè)界及投資界三大領(lǐng)域的頂級交流盛會，旨在打造國內(nèi)人工智能領(lǐng)域最具實力的跨界交流合作平臺。

6月30日下午，在金融科技專場上，通聯(lián)數(shù)據(jù)首席科學家蔣龍分享了題為《人工智能和大數(shù)據(jù)助力科學投資》演講。蔣龍畢業(yè)于北京大學，曾任微軟亞洲研究院副研究員、阿里巴巴高級算法專家。專注于機器學習、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等國際頂級會議，IEEE Trans. Knowl. Data. Eng.、ACM. Trans. Inf. Syst.等國際頂級期刊上發(fā)表過十余篇論文，擁有多項中美發(fā)明專利。

以下是演講原文，雷鋒網(wǎng)作了不改變原意的編輯：

加速發(fā)展的大數(shù)據(jù)時代

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，簡單說就是如何更好地配置人類所積累下來的財富，使得社會能夠更快進步，能為人類產(chǎn)生更多價值。我們怎么用最好的手段管理財富，比如說把這些錢應(yīng)該投向什么行業(yè)，投向什么技術(shù)，讓誰來引導這些錢，讓財富更快增長，這是一個巨大的挑戰(zhàn)，在這個挑戰(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立馬想到股票、基金，有些人想到風險投資，有的人可能會想到投資大宗商品，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，基于拿到的各種數(shù)據(jù)去挖掘規(guī)律，根據(jù)規(guī)律對未來做出判斷，判斷可能是這個人未來可能會成就一番大事業(yè)，所以投資他的初創(chuàng)企業(yè)，或者你預(yù)測到了人們的消費趨勢在變化，你看到變化能夠知道某些行業(yè)未來會受益，你把資源投資這些行業(yè)，這些都是基于預(yù)測的投資。

所以信息通訊和計算技術(shù)對于投資領(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，由人管理錢變成計算機自動管理錢。截至2017年，在北美市場上，指數(shù)和量化基金的規(guī)模第一次超過了人主動管理的規(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，隨著計算機在數(shù)據(jù)分析上的能力的提升，漸漸的我們有辦法去對資產(chǎn)的收益和風險進行一些分析預(yù)測，所以我們可以做一些量化對沖，把我們知道的信息變現(xiàn)，對沖所有風險。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。

當今投資科技的要素有三個——專業(yè)投資理解、大數(shù)據(jù)和人工智能。為什么第一個是專業(yè)投資理解？幾年前美國有一個博士生做過一個實驗，他分析了世界上各種各樣的數(shù)據(jù)，后來他發(fā)現(xiàn)孟加拉的黃油價格跟標普的走勢非常想象，他用過去十年的數(shù)據(jù)證明了這兩個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格去預(yù)測接下來標普500的走勢。因為世界上的數(shù)據(jù)實在太多了，任何一個數(shù)據(jù)都可能發(fā)現(xiàn)偶然相似的事情，在機器學習領(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)自動解決，但是沒有的情況下，我們需要有先驗支持，有了投資科技，我們開始把投資變成一種科學化，大家都知道投資大師巴菲特有投資藝術(shù)，藝術(shù)的東西只會意會不可言傳，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驗，投資好在哪里，弱點在哪里，這就不是科學。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，可以重復(fù)實驗分析投資里面的策略問題，能夠更有效的提升。

投資科技場景

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

第一個叫投資研究，投資研究的目的是把信息進行加工，從里面得出投資決策，現(xiàn)在是信息爆炸的時代，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，如果一百個一千個變量的話，人腦基本無能為力，這時候如何通過AI來幫我們完成在海量變量下的投資預(yù)測。在得到投資決策之后，我們需要通過交易來實現(xiàn)決策，如何更低成本的去進行交易，每天有很多人在股票市場交易，你怎么保證最低成本，對市場是造成最小沖擊的，這里基于博弈論的機器學習的方法正在實現(xiàn)價值，包括風控，投資的時候如何控制風險。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，智能投顧是一個非常大的創(chuàng)新。

我們生處在一個加速發(fā)展的大數(shù)據(jù)時代，每隔幾年數(shù)據(jù)就要十倍的增長，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步，也有計算機處理的能力進步，更多的是場景，有了這個技術(shù)，有了場景，有了閉環(huán)，導致數(shù)據(jù)像滾雪球一樣越來越大，這樣的數(shù)據(jù)對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人們表達出來的主觀想法，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世界觀察非常細致徹底，而且非常及時，對投資來說這非常重要。

這里我們可以看一個例子，如何利用客觀世界的數(shù)據(jù)幫助我們做宏觀預(yù)測。我這里引用了去年美國國家經(jīng)濟研究中心的一篇文章，這篇文章的標題很有吸引力，“中國的GDP增速可能被低估了”，大家都知道西方經(jīng)濟學對中國的增長不是那么信任，尤其是統(tǒng)計局的數(shù)據(jù)，但他們有自己的方法研究，他們會利用一些另類數(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)，美國這些經(jīng)濟學家發(fā)現(xiàn)在98年亞洲金融危機之后，亞洲各個國家的經(jīng)濟恢復(fù)速度和夜晚燈光變化有關(guān)系，通過這種方式來預(yù)測中國，發(fā)現(xiàn)中國過去幾十年的GDP增長，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，他們估計可能是中國缺乏對第三產(chǎn)業(yè)準確預(yù)估的能力。

右下角是我們的實踐，我們?nèi)ゾW(wǎng)站上也下載了中國各個省自治區(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，比如說有些公司會分析各個地區(qū)空氣污染物的成分和比例，來分析當?shù)氐哪芎?，從能耗里面反映GDP增長，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。

NLP與非結(jié)構(gòu)化數(shù)據(jù)處理

如果我們要做投資，會面對海量數(shù)據(jù)，比如一個國內(nèi)投資者每天會面臨上千篇的上市公司公告、上萬篇的財經(jīng)和行業(yè)的重要信息，還有數(shù)以千萬計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，這時候就要借助于AI來幫助我們分析。這里分享一個簡單例子，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)系圖譜去識別這兩個關(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。

機器學習構(gòu)建非線性策略

剛才提到量化管理已經(jīng)超過主動管理，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資產(chǎn)的收益分解成很多因子收益的求和，但是現(xiàn)實生活中太多因子，其實并不是線性關(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，機器學習發(fā)展給了我們這樣的機會，機器學習在對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去發(fā)掘信息中的非線性關(guān)系，幫助我們預(yù)測未來資產(chǎn)的收益。

這是我們利用深度學習做的宏觀預(yù)測，我們用了很多的經(jīng)濟變量，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，結(jié)合隱藏層的模型做一個預(yù)測，預(yù)測目標是市場的主要指數(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。

這是對一個公司的預(yù)測，利用機器學習數(shù)據(jù)，可以像研究員一樣去分析公司的業(yè)務(wù)，去預(yù)測分析影響公司核心的指標，最終得出營收的預(yù)測。這個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，最后會發(fā)現(xiàn)一些重要指標，比如說客座率是非常影響公司財務(wù)數(shù)據(jù)的，這樣的指標如何預(yù)測，其實我們可以用一些方法，利用人均GDP的增長，利用航線數(shù)，利用鐵路運輸情況、機場擁堵度等等數(shù)據(jù)去預(yù)測每個航空公司的客座率，再把這些數(shù)據(jù)綜合起來去預(yù)測航空公司未來幾個月甚至幾年財務(wù)的情況。

從我們自己做的一些實驗結(jié)果來看，在預(yù)測主營收入上，機器人分析的準確率比人要做得更好，而且對于不同行業(yè)來說，有80%以上的行業(yè)都比人做得好，在美國的一些研究得到同樣結(jié)論，美國的一些公司也做了對美股研究，發(fā)現(xiàn)用機器學習研究的平均誤差是22%，但是人工分析師是30%的誤差。

除了在預(yù)測營收，預(yù)測關(guān)鍵財務(wù)數(shù)字外，交易上機器學習也能幫助我們很多，像阿爾法狗用的是強化學習技術(shù)，面臨的場景和交易是一樣的，都需要在動態(tài)博弈的環(huán)境里觀察對手的行為，做出自己的判斷。在強化學習之前，大家更多的是用傳統(tǒng)的，用過去交易量的數(shù)據(jù)來估計未來的交易量，現(xiàn)在可以利用強化學習，利用更細致的盤口數(shù)據(jù)來預(yù)測，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)，當我們有了機器人這樣的智能能力之后，我們有機會把顧問服務(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)用戶的風險和投資期限來推薦資產(chǎn)配置組合。根據(jù)我們的研究，中國人還是不太愿意做更長線的投資，而且中國人很喜歡去故事交易，散戶非常多，所以我們還要教育用戶，以及幫助中國散戶做股票交易。我們通過分析每個用戶的交易流水，分析他們的錯誤點，一種情況是市場大盤預(yù)測不好，導致倉位有很大虧損。我們分析了這樣的問題之后，可以針對性地提供一些幫助，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弱點。

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。