圖片來源：epochtimes

“做私募（基金）的朋友在離開公募（基金）的大平臺后面臨很多問題，沒有IT環(huán)境、研究環(huán)境，缺乏運(yùn)營環(huán)境，建立自己一套平臺或者環(huán)境需要大量的投入。”通聯(lián)數(shù)據(jù)CEO王政曾在采訪中表示：“我們看到了這樣的行業(yè)趨勢，所以從2012年開始籌備通聯(lián)數(shù)據(jù)，幫助私募解決運(yùn)營、研究、投資和管理上的需求?！?/p>

通聯(lián)數(shù)據(jù)（DataYes）是萬向集團(tuán)投資成立的一家金融資訊和投資管理服務(wù)公司，該公司希望通過大數(shù)據(jù)、云計(jì)算、機(jī)器學(xué)習(xí)等信息技術(shù)，為資產(chǎn)管理人提供新的金融資訊和投資研究數(shù)據(jù)分析服務(wù)。前不久，該公司獲得了中國電子信息產(chǎn)業(yè)發(fā)展研究院頒發(fā)的“中國人工智能金融行業(yè)領(lǐng)軍企業(yè)獎”。

在2012年正是P2P互聯(lián)網(wǎng)金融這樣的新金融火起時，多年以前就布局金融領(lǐng)域謀求轉(zhuǎn)型的萬向集團(tuán)，選擇的卻是“最底層”領(lǐng)域，包括今日看見的區(qū)塊鏈、人工智能大數(shù)據(jù)平臺等。要知道，曾經(jīng)的P2P如今營收融資都以億為單位計(jì)算，只是互聯(lián)網(wǎng)金融這些場景化為主行業(yè)，如今面臨著迫切的技術(shù)變革的要求和挑戰(zhàn)。

萬向控股副董事長肖風(fēng)，也是通聯(lián)數(shù)據(jù)董事長，曾任博時基金總經(jīng)理，他稱，“互聯(lián)網(wǎng)金融熱起來時，我們在想新的金融業(yè)態(tài)，新的金融形態(tài)我們投不投？當(dāng)時考慮的過程當(dāng)中，我們認(rèn)為萬向這樣一個集團(tuán)去做P2P的話是沒有場景優(yōu)勢的。沒有場景硬上P2P或者眾籌就可能走歪了，現(xiàn)在看到很多人已經(jīng)走歪了?！彼跃C合考慮后，萬向集團(tuán)決定不做P2P。

那么，互聯(lián)網(wǎng)IT技術(shù)+金融，放下區(qū)塊鏈不說，在這個“言必稱大數(shù)據(jù)、人工智能”的時代，萬向旗下專注于資產(chǎn)管理創(chuàng)新的通聯(lián)數(shù)據(jù)，又在做些什么呢？

3.5億底層投資，搭建人才和數(shù)據(jù)平臺

通聯(lián)數(shù)據(jù)，如今剛剛從萬向大廈搬離至新的辦公樓，“原來的地方坐不下了?！睋?jù)悉，過去三年到現(xiàn)在，通聯(lián)數(shù)據(jù)花費(fèi)3.5億元，將團(tuán)隊(duì)擴(kuò)充至200余人，并建立了多個基于云的底層數(shù)據(jù)平臺。

在底層數(shù)據(jù)庫之上，通聯(lián)數(shù)據(jù)又構(gòu)建了兩個云平臺，蘿卜投研和優(yōu)礦，其中蘿卜投研是針對基金經(jīng)理和研究員提供智能投資研究數(shù)據(jù)服務(wù)的平臺，而優(yōu)礦則是一個眾包的、分享式的金融數(shù)據(jù)量化平臺。它們主要對海量投資需要的信息進(jìn)行降噪、歸類和推薦，通過機(jī)器學(xué)習(xí)、文本挖掘提供投資分析中需要的輿情分析。用戶可以從中獲取數(shù)據(jù)分析，搭建自己的交易策略并共享。

優(yōu)礦界面

把各類數(shù)據(jù)集中一起，并依靠數(shù)據(jù)、機(jī)器學(xué)習(xí)模型將其作用于投資分析，通聯(lián)數(shù)據(jù)智能投研總監(jiān)向偉表示， “我們做大數(shù)據(jù)驅(qū)動的基本面投研，是期望能夠從市場上海量的、高頻的、更細(xì)力度的數(shù)據(jù)當(dāng)中，去抽象挖掘一定的機(jī)制，把超越人腦能夠分析的大數(shù)據(jù)當(dāng)中所蘊(yùn)含的價值進(jìn)行提純。最終對接基本面投研所需要的假設(shè)?！?/p>

據(jù)介紹，通聯(lián)數(shù)據(jù)現(xiàn)在的數(shù)據(jù)來源分為三部分，一部分自己搜集整理，二是從第三方購買，第三種是數(shù)據(jù)商把數(shù)據(jù)整合過來放在云平臺，有用戶使用則向數(shù)據(jù)商繳費(fèi)的模式。這些數(shù)據(jù)對接了滬深股市/期權(quán)、債券、基金、咨詢、研究報(bào)告等，并提供API開放給外界。對于主要發(fā)力點(diǎn)在數(shù)據(jù)端及數(shù)據(jù)質(zhì)量優(yōu)化，肖風(fēng)表示，“我覺得這是一個方向，在現(xiàn)在人工智能逐漸興起的這個階段，創(chuàng)辦工業(yè)數(shù)據(jù)的深度學(xué)習(xí)技術(shù)，是相當(dāng)有必要的?！?nbsp;

而通聯(lián)數(shù)據(jù)的團(tuán)隊(duì)配置，據(jù)介紹主要包括兩類人：一類是金融背景的人才，這些人此前是資產(chǎn)管理機(jī)構(gòu)的研究員、基金經(jīng)理，如金融工程董事總經(jīng)理薛昆，他原是瑞士銀行投行全球量化團(tuán)隊(duì)董事及摩根大通量化研究團(tuán)隊(duì)副總裁；另一類是互聯(lián)網(wǎng)人才，一般來自谷歌、微軟、阿里等互聯(lián)網(wǎng)巨頭，如智能投研總監(jiān)向偉，他曾任百度個性化搜索負(fù)責(zé)人。

“人工智能+資產(chǎn)管理”云：解決基金公司數(shù)千萬成本問題

眾所周知，私募基金面臨硬件、軟件、數(shù)據(jù)、運(yùn)營等系統(tǒng)的大量建設(shè)，后續(xù)硬件換代的維護(hù)和升級也非常麻煩，時間成本和資金成本很高?！耙酝哪Ｊ绞琴I硬件買軟件，招IT人來搭建系統(tǒng)，資金、時間、人力成本居高不下。而基于云的金融投資管理的IT服務(wù)平臺只需要注冊登記即可使用，可以做基金管理完整業(yè)務(wù)，包括收集整理數(shù)據(jù)、研究、交易、風(fēng)控、估值結(jié)算等全部都有?！蓖?lián)數(shù)據(jù)CEO王政介紹，一家大中型基金公司每年的IT投入至少幾千萬，甚至上億，而采取租用集中了多類數(shù)據(jù)源的平臺的形式，“成本至少可以減少一半。”王政曾先后擔(dān)任彭博資訊研究部經(jīng)理、巴克萊全球投資公司基金經(jīng)理、博時基金股票投資部總經(jīng)理、ETF及量化投資總監(jiān)等職，作為一名過來人，他深有體會。

此外，智能投研總監(jiān)向偉表示，傳統(tǒng)基金研究員的工作是刀耕火種式的，盯數(shù)據(jù)、拉研報(bào)等等，要花費(fèi)很高的時間和人力成本?！耙粋€研究員盯一家公司可能不覺得有什么，但假如一次盯三十家就會覺得很累；如果一下要盯一百家甚至五百家呢？這下就抓狂了。但其實(shí)這對機(jī)器來說是可以批量去做的?！痹谡麄€投資研究的過程中，“里面每一個點(diǎn)都可以找出一些原則問題來自動化完成，比如從開始的尋找數(shù)據(jù)、鑒別數(shù)據(jù)的真?zhèn)涡院蛢r值，以及如何從大數(shù)據(jù)當(dāng)中精選篩選出一些合情的小數(shù)據(jù)等。讓人來做幾個樣本給機(jī)器學(xué)習(xí)，比如說采集一些媒體、流量數(shù)據(jù)，機(jī)器學(xué)習(xí)到這些模板后可以批量去做，把各個品類的數(shù)據(jù)都采集到。 ”

“所以說，機(jī)器的加入不是要取代人，而是提高研究的效率，節(jié)省成本?！?/p>

讓機(jī)器學(xué)習(xí)協(xié)助投資研究

然而，在投資研究的過程中，找數(shù)據(jù)只是完成第一個任務(wù)，在接下來的環(huán)節(jié)中，機(jī)器學(xué)習(xí)又有何用處呢？

比如數(shù)據(jù)清理完后需要建立模型。向偉稱：“建立模型中各家的打法也不一樣，所以我們會去市場看看，主要的買方和賣方各家的數(shù)據(jù)分析方法有哪些？數(shù)據(jù)做回歸、預(yù)測和相關(guān)性分析一般會有哪些方法？……無論哪家研究所，這些基礎(chǔ)工具都差不多，所以我們會做一些原子化的底層數(shù)據(jù)分析，把更多的自由度留給上層的研究員，讓他們?nèi)テ唇?、組合，來相互佐證。”

那這個層面機(jī)器能做哪些事呢？“現(xiàn)在我們并不缺idea，而是idea太多，每天都會有各種各樣的研報(bào)會發(fā)表，這就存在了去偽存真的需要。所以，首先機(jī)器能夠做的是：回測誰才是專家；或者誰擅長建哪一類的模型、應(yīng)該信任哪一類的模型——機(jī)器能夠通過回測來進(jìn)行量化層面的鑒定?！?/p>

而完成去偽存真的第一步后，機(jī)器開始需要進(jìn)行一些深度學(xué)習(xí)知識層面的問題。“舉個例子，要對一家賣藥的上市公司的業(yè)績進(jìn)行預(yù)判，人分析的過程應(yīng)該是：賣哪一種藥？市場格局大概是怎樣？賣得好的地域是哪里？是直銷的還是經(jīng)銷？……從各個維度去篩選并拼接。這對機(jī)器來說是一件困難的事情，但機(jī)器可以學(xué)習(xí)——它可以解析這些研報(bào)當(dāng)中的語義結(jié)構(gòu)，比如其中什么預(yù)判或觀點(diǎn)使用了哪一些數(shù)據(jù)去支撐。這些邏輯關(guān)系讓人來做幾遍給機(jī)器看，機(jī)器就可以批量解析。然后再配合大型的量化框架，就能知道哪一套分析方法靠譜，或者有足夠數(shù)據(jù)支撐。”

“建立模型這個過程可淺可深，也與研究員的段位相關(guān)。 一般機(jī)構(gòu)研究一個基金或者股票，他們會先安排一個助理，讓其去看數(shù)十篇研報(bào)。一個也許比較初階，而且對行業(yè)也不熟悉的助理，在看完數(shù)十篇研報(bào)之后也能夠拿出一篇基本的財(cái)務(wù)預(yù)測報(bào)表，只是這個報(bào)表預(yù)測的方差有可能比較大，需要額外佐證其偏差之處，以及需要微調(diào)的幅度大概有多少等問題。而在這個過程中，機(jī)器也可以用來解析研報(bào)、金融數(shù)據(jù)和財(cái)務(wù)類數(shù)據(jù)，來組織一個邏輯關(guān)系，然后像搭積木一樣，拼出一個粗略的模型出來。當(dāng)然這個模型有可能比較有缺陷，但它可以線上和分析師產(chǎn)生交互，讓他們觀測機(jī)器是根據(jù)哪一塊數(shù)據(jù)修正了哪一些假設(shè)，使得這個預(yù)測方差更小?！?/p>

再往后就是決策環(huán)節(jié)，需要去做離線回測，來量化風(fēng)險和收益?！捌鋵?shí)本質(zhì)是有一個離線價值網(wǎng)絡(luò)來評價風(fēng)險。有了這套離線框架的話，就可以每天人在睡覺的時候，機(jī)器仍不斷地左右互搏進(jìn)行演練，包括模型選擇、參數(shù)選擇。機(jī)器學(xué)習(xí)做完交易決策后，人要對其進(jìn)行擬合、復(fù)盤等?！?/p>

所以說，“相當(dāng)于這是一個人機(jī)交互的過程，在這個過程中人和機(jī)器都是互相成長和迭代的。人在機(jī)器的配合下可以分析人本身存在的軟肋，從而做得比單純?nèi)藖碜鲆谩Ｈ丝梢酝?，機(jī)器不可以停，這些就是機(jī)器超越人的表現(xiàn)。我們不是說讓機(jī)器取代人，而是在某些方面可以顯著性地超越人腦。”

不過當(dāng)然，如今人工智能、機(jī)器學(xué)習(xí)技術(shù)的發(fā)展仍在早期階段，自然語言處理尚未有質(zhì)的突破，機(jī)器的準(zhǔn)確性、魯棒性（穩(wěn)健性、強(qiáng)健性）還要克服很多挑戰(zhàn)。向偉坦言，這是一個漸進(jìn)的過程，所以一開始人會干預(yù)的多一點(diǎn)，但是隨著人工正負(fù)反饋積累得越多，機(jī)器學(xué)習(xí)模型的魯棒性會逐漸增強(qiáng)。

而從風(fēng)控的角度講，薛昆稱，金融的本質(zhì)是風(fēng)控?！拔覀冏罱K給客戶提供的是贏的概率。在這個過程中，無論是基本面分析，還是主動投資，需要關(guān)注的是怎么用一套非常成熟的體系來告訴客戶其風(fēng)險歸因、業(yè)績歸因是什么。也就是說，這套體系可以告訴客戶他在賭什么，比如主動投資的組合的基金經(jīng)理，也可以從風(fēng)控的角度去看他押注哪些因子、哪些風(fēng)格；量化投資的基金經(jīng)理在做研究的過程中，無論是交易前還是交易后，也都可以根據(jù)其來審視，包括其中的風(fēng)險因子有沒有風(fēng)險漂移等事情發(fā)生。 ”

“風(fēng)控體系的好壞在于時間的考驗(yàn)——經(jīng)歷的時間越長就越好。某些特定的資產(chǎn)類別和策略是很難去評估其風(fēng)險，這也是需要時間去積累的。”

從2C轉(zhuǎn)向2B：人工智能下的資產(chǎn)管理怎么走？

資產(chǎn)管理業(yè)的“人工智能+”目前出現(xiàn)兩個方向：一個是to B——智能投研，一個是to C——智能投顧。包括國內(nèi)巨頭、初創(chuàng)公司，最初多選擇面向C端的服務(wù)，但在許多質(zhì)疑之下，許多尤其是初創(chuàng)公司的智能投顧服務(wù)也逐漸顯現(xiàn)出強(qiáng)弩之末之勢。

“其實(shí)兩年前我們就開始做to C的智能投顧，但做一段時間后把這個項(xiàng)目暫時停掉了。因?yàn)槲覀冇X得中國還沒到這個智能投顧的階段，”薛昆稱，智能投顧在美國之所以可行，是因?yàn)槊绹袌龅谋粍踊顿Y已經(jīng)發(fā)展到一定程度，其市場足夠有效，因此智能投顧真正不用花很大的成本，只要押注某些因素就可以了，而且這些東西是可以程序化、模型化的。但相比較之下，現(xiàn)在中國還是一個非常非常不有效的市場，而且中國可配置的資產(chǎn)實(shí)質(zhì)上不多。

“現(xiàn)在大家都在講‘資產(chǎn)荒’，但事實(shí)上不是資產(chǎn)荒，而是Beta荒。其實(shí)還是有Alpha的，但Alpha的特點(diǎn)是你要找到一些獨(dú)特的投資機(jī)會?！盇lpha是指絕對收益，一般是資產(chǎn)管理人通過證券選擇和時機(jī)選擇獲得；Beta收益指相對收益，是管理人通過承擔(dān)系統(tǒng)風(fēng)險獲得的收益。

薛昆表示，“如果服務(wù)C端（智能投顧），一定要是在貝塔市場非常好的時候才可以做到，因?yàn)槟莻€時候才能規(guī)?；?。這其實(shí)是策略容量的問題，一個策略能夠規(guī)模化才能服務(wù)C端。”

“所以，現(xiàn)在Beta荒的市場上，你要找到一個特別好的資產(chǎn)類別去服務(wù)長尾C端的客戶，像螞蟻金服和百度金融的智能投顧服務(wù)，他們也會很痛苦，因?yàn)闆]有辦法超越金融的本質(zhì)，他們其實(shí)也在尋找各種各樣的（Beta）資產(chǎn)?！?/span>

回到前面，怎么找到這些產(chǎn)生Alpha的投資機(jī)會呢？薛昆補(bǔ)充道：“量化投資中有一個叫時間因素的東西，即當(dāng)市場有了些賺錢的信號，但這些信號不是在每一個市場環(huán)境都可以工作，面對這種情況，先驗(yàn)的知識大部分都在基金經(jīng)理的大腦里，看行業(yè)數(shù)據(jù)的時候自己腦袋里會有這樣一些模型——什么時候該用什么信號來構(gòu)建組合并做調(diào)整。那這些基金經(jīng)理的知識能不能由機(jī)器來學(xué)習(xí)呢？現(xiàn)在的結(jié)論是可以的。但前提是，你要有賺錢的信號。這就是為什么說到技術(shù)要跟非常專業(yè)的框架在一起工作。這些信號有些是來自于基本面，或者大數(shù)據(jù)?！迸e個例子，如果要預(yù)測一個港口的出貨量，傳統(tǒng)的方法需要統(tǒng)計(jì)學(xué)統(tǒng)計(jì)概率來預(yù)測，但是機(jī)器就可以直接調(diào)用衛(wèi)星圖等數(shù)據(jù)。

“這些非結(jié)構(gòu)的數(shù)據(jù)都可以轉(zhuǎn)化成結(jié)構(gòu)化的數(shù)據(jù)，快數(shù)據(jù)可以預(yù)測慢數(shù)據(jù)，機(jī)器也可以快人一步地做一些預(yù)測性的事情。從這些數(shù)據(jù)當(dāng)中提取出來的信號會成為Manager Alpha的來源。”

“所以，在人工智能推進(jìn)傳統(tǒng)資管業(yè)進(jìn)步的角度上，我們的做法是幫助基金經(jīng)理在基本面分析或量化這一過程找到Alpha，在資產(chǎn)端創(chuàng)新。因?yàn)閺牟呗缘慕嵌瓤词袌鍪禽唲拥?，可能今年上半年做Alpha的人不太好做，反而做CTA的活得很滋潤，那在這一個領(lǐng)域我們實(shí)質(zhì)上是創(chuàng)造一個能夠讓客戶能夠很快找到市場上什么策略才是有用的?！?/p>

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。