雷鋒網(wǎng) AI 科技評論按：2019 年 6 月 5 日，微軟亞洲研究院「創(chuàng)新匯」第二期在北京舉行。伴隨著云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能、混合現(xiàn)實等新興技術(shù)的發(fā)展與突破，第四次工業(yè)革命已然到來。而正是在這樣的大環(huán)境下，微軟亞洲研究院「創(chuàng)新匯」應(yīng)運(yùn)而生，并且將其技術(shù)很好的與金融、物流、制造等不同行業(yè)產(chǎn)品相結(jié)合，成功幫助眾多企業(yè)實現(xiàn)了數(shù)字化轉(zhuǎn)型。

微軟亞洲研究院「創(chuàng)新匯」成員企業(yè)合影

關(guān)于「創(chuàng)新匯」

談到 AI，企業(yè)常常問得最多的問題是：「人工智能能幫我們做什么？可以怎么做？」盡管大家都知道 AI 的重要性，但做好與行業(yè)的完美融合卻并不容易。其最根本的原因在于：行業(yè)專家對技術(shù)的掌握有限，而 AI 科學(xué)家很難深入行業(yè)一線。所以，如何使雙方專家的深度融合，實現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型的落地與創(chuàng)新，這正是微軟亞洲研究院「創(chuàng)新匯」成立的意義。

微軟亞洲研究院「創(chuàng)新匯」自 2017 年 11 月成立以來，一直致力于為企業(yè)提供一個讓行業(yè)專家和人工智能科學(xué)家可以無縫協(xié)作的平臺及創(chuàng)新合作的機(jī)制。在整個合作過程中，充分實現(xiàn)了「開放、平等、信任」的研究合作模式：行業(yè)專家放心傳授行業(yè)洞察、分享真實業(yè)務(wù)數(shù)據(jù)，研究員則毫無保留地貢獻(xiàn)模型、算法以及調(diào)參技巧等。這使得人工智能的科研工作不只存在于理論和學(xué)術(shù)論文方面，更能真正解決各類實際問題，為人類創(chuàng)造更美好的生活。 

微軟全球資深副總裁、微軟亞太研發(fā)集團(tuán)主席兼微軟亞洲研究院院長洪小文

實例一：AI+量化投資

隨著 IT 技術(shù)的快速發(fā)展，利用計算機(jī)技術(shù)從龐大的數(shù)據(jù)中計算出能帶來超額收益的多種「大概率」事件，以先進(jìn)的數(shù)學(xué)模型替代人為的主觀判斷，并基于這些事件制定組合策略自動完成交易，便是如今量化交易的主流形式。量化交易在一定程度上提升了投資效率，減少了投資者情緒波動的影響，不少金融企業(yè)都有所涉足。

在本次大會上，華夏基金和微軟亞洲研究院共同向我們展示了 AI 技術(shù)在資產(chǎn)管理業(yè)務(wù)領(lǐng)域的深入應(yīng)用以及取得的優(yōu)良成果。雙方通過大量的研究與測試，最終選擇了在量化投資——多因子選股這個領(lǐng)域展開合作。多因子選股是最經(jīng)典的選股方法，由金融企業(yè)核心數(shù)據(jù)所驅(qū)動，包括市盈率、市凈率、市銷率等作為選股標(biāo)準(zhǔn)。

 

中證 500 指數(shù)增強(qiáng)策略回測階段年化收益和年化風(fēng)險的對比

傳統(tǒng)的量化投資會從這些數(shù)據(jù)中挖掘α（Alpha）因子，然后對這些因子進(jìn)行線性等方式加權(quán)，通過組合優(yōu)化，最后形成一個多因子的優(yōu)化組合；而「AI+指數(shù)增強(qiáng)」的方法則有機(jī)會挖掘出與傳統(tǒng)投資方法低相關(guān)性的投資組合，從而實現(xiàn)金融企業(yè)的差異化競爭。該策略主要涉及兩項核心 AI 技術(shù)：時空卷積神經(jīng)網(wǎng)絡(luò)和時變注意力模型。

首先，利用時空卷積神經(jīng)網(wǎng)絡(luò)挖掘原始的量價數(shù)據(jù)在時間序列維度和空間截面維度的模式，并利用這些模式組成有意義的因子；然后基于這些因子，同時將其放到神經(jīng)網(wǎng)絡(luò)和梯度決策樹（GBDT）等若干個模型上運(yùn)行，進(jìn)而得到相應(yīng)的復(fù)合因子；接著，利用時變注意力模型將所得到的多個復(fù)合因子進(jìn)行動態(tài)聚合，最終生成一個更加適應(yīng)市場變化的α信號，以找到總體性能最好的策略。

「AI+指數(shù)增強(qiáng)」方法一方面可以充分利用大規(guī)模的原始數(shù)據(jù)，從中自動構(gòu)建對學(xué)習(xí)目標(biāo)最有價值的因子；另一方面能夠?qū)崿F(xiàn)因子的非線性復(fù)合，挖掘出更豐富的信息，而且可以動態(tài)調(diào)整變換因子聚合形式以適應(yīng)市場的動態(tài)性。

微軟亞洲研究院副院長劉鐵巖表示，「金融市場中的數(shù)據(jù)是一直變化的，數(shù)據(jù)與模型就如同雞生蛋和蛋生雞的問題，無法確定誰先存在。而機(jī)器學(xué)習(xí)利用實時變化的最原始數(shù)據(jù)，可以實時發(fā)現(xiàn)變化的因子，及時抽取α信號更改組合模型，時刻確保投資公式是當(dāng)前最佳，避免了人工計算公式的滯后性，以及不斷失效的問題。 

微軟亞洲研究院副院長 劉鐵巖

華夏基金董事總經(jīng)理、數(shù)量投資部行政負(fù)責(zé)人張弘弢表示，「用『AI+指數(shù)增強(qiáng)』的機(jī)器學(xué)習(xí)模型去替代傳統(tǒng)的量化交易方法，讓華夏基金的量化交易系統(tǒng)實現(xiàn)了核心引擎的更新?lián)Q代，正邁進(jìn)了智能投資時代?！惯@也意味著 AI+金融投資有了深度融合的新起點。

目前，微軟亞洲研究院所與華夏基金合作研發(fā)的 AI 模型與華夏基金的投資策略十分契合，與其各「部件」也配合良好，無需改變現(xiàn)有業(yè)務(wù)和操作模式，就能利用 AI 在智投領(lǐng)域?qū)崿F(xiàn)變革與企業(yè)轉(zhuǎn)型。

實例二：AI 抽象物流本質(zhì)

物流行業(yè)要解決的最根本問題是供給與需求的匹配，即把東西送達(dá)需要的人手里。結(jié)合 AI 將整個大物流行業(yè)的業(yè)務(wù)場景高度抽象，可以得到以下幾個最基本的應(yīng)用場景：

• 供需預(yù)估。物流企業(yè)通常會在客戶下單前對站點訂單數(shù)進(jìn)行預(yù)估，并對運(yùn)輸工具、空箱數(shù)等做事先規(guī)劃。這些預(yù)估需結(jié)合時序數(shù)據(jù)、過往經(jīng)驗完成；同時，當(dāng)有意外情況發(fā)生，如道路擁堵、船只遭遇風(fēng)暴等，還需要根據(jù)具體狀況進(jìn)行動態(tài)調(diào)整。

• 供需評價。小部分物流需求存在遭受惡意需求的風(fēng)險，如蓄意騙保。所以，異常檢測、事先預(yù)警，也是物流企業(yè)亟待解決的問題之一。

• 路徑優(yōu)化。這作為物流行業(yè)的核心應(yīng)用場景，對已知供給和需求，決定交通工具、路線，從而達(dá)到效率最高、成本最低等等，這些都是路徑規(guī)劃需要考慮的問題；同時，對于突發(fā)狀況、惡意風(fēng)險，做出相應(yīng)的解決方案等；都是非常實際且必要的應(yīng)用需求。

而在過去的幾十年里，航運(yùn)企業(yè)通常采用基于運(yùn)籌學(xué)的組合優(yōu)化方法來實現(xiàn)路徑規(guī)劃。這種方法不僅操作繁瑣；而且在實際應(yīng)用中覆蓋面小，無法滿足大規(guī)模運(yùn)輸需求。為了突破方法的局限性，微軟亞洲研究院在與東方海外航運(yùn)的合作中探索出了一套全新的解決方法——競合多智能體強(qiáng)化學(xué)習(xí)技術(shù)（Coopetitive Multi-Agent Reinforcement Learning）。

將傳統(tǒng)的運(yùn)籌學(xué)全局求解優(yōu)化問題思想轉(zhuǎn)化為競合多智能體強(qiáng)化學(xué)習(xí)技術(shù)中的分而治之，即將每個港口和船只建模成智能體，對原來的復(fù)雜問題以去中心化的方式進(jìn)行求解。而這些智能體的訓(xùn)練既可以利用實際運(yùn)營數(shù)據(jù)，也可通過自我博弈的方式來獲得提升。這樣的解決方案除了可以提高效率，其中每個智能體模型還可以針對港口的調(diào)度員進(jìn)行模仿學(xué)習(xí)，生成更易于被調(diào)度員所接納的方案，進(jìn)一步提升東方海外航運(yùn)的運(yùn)輸調(diào)度效率。

而對于智能理賠預(yù)警方面，則采用了「深度因子分解+基于精度的級聯(lián)」方案，即利用多次選擇交叉驗證集減少由于分布變化造成的影響。在固定召回率的前提下，新方案相較于傳統(tǒng)做法，能有效提升 60% 的準(zhǔn)確率。

更多關(guān)于微軟亞洲研究院「創(chuàng)新匯」，詳見微軟官網(wǎng)。

雷鋒網(wǎng)AI科技評論   雷鋒網(wǎng)

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。