人工智能，在金融领域已经开始从探索走向应用，从金融大数据到智能投顾、智能投研，不断取得新的应用进展。依托于计算机和数据信息的发展，“AI+”的模式将给投资研究带来更多的助益。 

    从Alpha系列谈起 

    近几年随着人工智能概念的再度崛起，各种相应的算法也随之发展。 

    人工智能是建立在统计学基础上，研究使计算机模拟人的某些思维过程和智能行为，从而能够通过对环境的感知，做出最大化效果预期的行动。 

    AlphaGo是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的围棋AI。此后，DeepMind又推出新一代的围棋AI，把这个新版本称之为“AlphaZero”。在AlphaZero之前的所有版本都是经过人类知识的训练，它们被告知人类高手如何下棋。而最新发布的AlphaGoZero使用了更多原理和算法，从0开始，使用随机招式，40天后成为围棋界的绝世高手，属于真正的自学成才。新的AlphaGoZero使用了一种全新的强化学习方式，从0基础的神经网络开始，与搜索算法结合，不断进化调整、迭代升级。 

    “AI+”量化投资 

    与传统的量化投资相比，“AI+”的优势体现在何处？ 

    传统的量化投资策略是通过建立各种数学模型，在各种金融数据中试图寻找市场的规律。无论是依据人的经验，还是通过数学模型，目前所取得的效果都比较一般。在股票等金融市场的探索中，人类的研究或许只是接近了其中某一个局部最优解，而真正的全局最优解或许超出了传统量化所能达到的范畴。 

    一方面，金融市场中蕴含着复杂的非线性行为和金融数据的非稳态问题，很难通过传统的数学模型挖掘；另一方面，交易数据的量相当巨大，对于海量数据的挖掘，受限于计算机运算能力，若不合理地利用相关算法，往往需要耗费大量时间。 

    而AI的优势在于：AI能够提供非线性关系的模糊处理，弥补了人脑思维模式的局限，同时利用相关算法，可以大幅提高数据挖掘与处理效率。借助AI，量化投资策略会变得更加丰富，如基于AI在多因子选股领域对因子的充分挖掘。 

    人工智能的发展，需要经历“机器辅助——人机合作——机器自主”三个发展阶段。目前AI在众多领域取得了突破，但仅在解决封闭空间的简单任务中取得了成功，离普适应用还有一定距离。可以预见，在未来相当长的一段时间内，将会是人机融合的模式，对于处理金融数据更是如此。 

    对于量化投资来说，将会是分析师的经验和人工智能的融合，“AI+”的模式将会成为量化投资领域的发展方向。人脑的抽象思维、情感思维是目前AI所不具备的，而AI的模糊运算和计算能力也是人脑所不能达到的，二者的相互结合或许会成为未来量化投资领域的一个方向。 

    AI在投资领域的应用和发展 

    人工智能的概念最早由McCarthy在1956年提出，此后经历了三次大的发展浪潮。 

    第一次浪潮出现于20世纪60年代：机器通过严密的逻辑符号来进行一些推理证明。 

    第二次浪潮出现于20世纪70年代末：Feigenbaum提出“知识工程”的概念和BP神经网络的诞生，人类开始让机器模仿神经元网络进行知识学习。 

    第三层浪潮出现在2006年，Geoffrey Hinton提出“深度学习”的概念，随着模型训练方法的改进和计算能力的不断发展，打破了BP神经网络发展的瓶颈。 

    目前，AI在智能投顾领域的应用包括非结构化信息获取、分析，构建知识图谱，提供投资建议，优化投资结构等。 

    AI在境外投研领域的运用。Rebellion Research的人工智能系统通过自我学习全球53个国家股票、债券、外汇和大宗商品的交易数据，评估各种资产组合的未来收益和潜在风险，帮助客户合理配置资产。公司的人工智能系统基于贝叶斯算法，对宏观、行业和公司三个层面的数据进行分析，且模型能够自动将历史数据和最新数据进行整合，使模型能够自动预测市场走势。该公司2007年推出的第一个人工智能投资基金，基于贝叶斯机器学习，结合预测算法，对历史的金融和贸易数据进行分析之后，成功预测了2008年的股市崩盘，并在2009年9月给予希腊债券“F”评级，而当时惠誉给希腊债券的评级仍然为“A”，Rebellion提前了一个月给希腊债券降级。 

    英国另类投资管理业务集团Man Group规模最大的一支基金AHLDimensionProgramme目前管理着51亿美元资产，2014年开始使用机器学习技术，至今年6月3年间获得了15%的收益，约为行业平均水平的2倍，其一半利润由人工智能贡献。目前，Man Group已经有4只基金融合了人工智能技术，共计管理约123亿美元资产。 

    Two Sigma和Renaissance Technologies，这些以数据为中心的对冲基金也依靠智能投资系统。该系统可以完全自主地识别和执行交易，借助了包括基于遗传算法、概率逻辑等多种形式的人工智能技术。 

    美国EquBot公司和ETF Managers Group合作推出的AIEQ利用人工智能和机器学习，对全美6000多家上市公司进行分析，构建上百万份资料和众多金融模型，从当前经济形势、未来趋势以及公司重大事件等方面进行深度分析后，再挑选出包含70只股票的投资组合，然后由ETF Managers Group的一个基金经理团队对投资组合进行再权衡。 

    据调研公司LCH在今年初出具的调研报告，美国业绩排前20的对冲基金，包括桥水基金、索罗斯基金，全部采用计算机根据算法自动交易。2016年第二季度，美国花旗银行的一份行业研究报告指出，从2012年到2015年底，美国智能投资顾问管理的资产规模从0上升至290亿美元，其管理的资产规模将在未来十年呈几何级数上升，预计2025年将达到5万亿美元。 

    AI在境内投研领域运用。国内目前也有多家公募基金、私募基金、资管纷纷试水智能投资，设立或在积极筹备相关研究部门及团队，运用AI辅助投资决策。2017年6月13日，华夏基金宣布与微软公司在亚太地区设立微软亚洲研究院开展合作，就人工智能在金融服务领域的应用展开战略合作和研究。也有机构与互联网公司合作，积极研究、布局融合人工智能技术的主动量化基金。 

    AI在量化投资领域的局限。AI对数据的质量要求很高，学习效果跟数据质量有很大关系。我国A股市场发展的时间还不长，数据量不够充足，噪声也比较多，使得AI学习效果的稳定性不能充分得到保证。另外，脱离人类经验的完全强化学习目前仅在有特定约束条件的环境下成功运用，离普适还有相当长的距离，深度学习、强化学习等技术仍需要GPU、TPU的进一步发展作为支持。□中邮证券首席分析师 程毅敏