赋能行业之芯

2018年8月31日，由通联数据与KDD CHINA共同举办的“赋能行业之芯”FintechAI研究班02期在北京正式开营。为期两天的研修班，汇集了来自海内外最顶级的专家学者与行业先驱，深度剖析 AI 在不同商业领域的应用和布局，揭秘全球顶尖科技公司的AI蓝图与未来展望。

浙商基金总经理、首席投资官聂挺进先生，作为唯一一位资管行业受邀嘉宾，以《AI+HI——人机互动，构建资产管理新未来》为题，与来自蚂蚁、百度、京东的AI领袖一道，分享了公司在AI上的思考和实践。他认为，未来人机互动的投资模式，将引领资产管理进入新时代。

以下为演讲干货分享

全文字数：2520字

阅读时间：7分钟

浙商基金总经理聂挺进

大家好，我今天的演讲将主要围绕： AI+HI资管的界定、智能投资的体系框架，以及理念落地——浙商基金在人机互动的AI+HI资管实践三部分展开，和大家共同探讨，AI带给资产管理行业的深远影响。

AI 在金融行业的应用

AI技术在我们日常金融生活中的应用已经非常广泛。根据细分领域的不同，我们大致可以分为智能金融、智能理财和智能资管三大类。

智能金融，现在已经有了非常成熟的实践案例，例如芝麻信用的信用定价、众安保险的保险定价。金融公司通过使用AI科技，在业务模式上形成了强大壁垒。

智能理财，在金融财富端，AI为金融机构提供了全面的投资者画像，也为客户提供更加匹配的定制化资产配置方案，阿里的蚂蚁财富、招行的摩羯智投、通联的通联魔方都是非常好的案例。

智能资管，在金融投资端，AI 赋能研究与投资，智能资管正在被越来越多的资产管理机构所认知和应用，而我们基金公司正处于这个细分领域。

资管复杂度远超围棋

早在2015年，浙商基金就关注到了大数据与AI科技对未来投资的影响，并将公司定位为AI驱动的资产管理公司。在三年的摸索过程中，随着研究和认知的不断深入，我们发现智能资管数据收集之广，规则划分维度之多，目标刻画之复杂，要远远超过AI在其他领域的应用。

智能资管推进的艰难，有共性问题，也有行业本身特质，具体而言：

第一是数据的复杂度，如果只选择1000个因子进行策略随机组合，产生的量级就可以达到了10的300次方，而当时打败人类的AlphaGo仅仅为10的170次方（超过宇宙间原子的数量）。

第二是规则的复杂度，后面我将重点介绍。

智能资管的应用进程

即使面临诸多问题和挑战，智能资管应用的脚步也没有停滞。我们可以把智能资管应用分为三大类——智能工具型、智能交易型和智能投资型。

智能工具，首先它的目标和需求非常明确，实现方式更加直接，例如网络爬虫、文本拆解、自动报表和知识图谱。

智能交易，是目前金融业最为普遍的应用，更关心数据与数据中的统计关系，大量公司通过它实现智能交易执行，获得高频交易策略上的优化。

最后落到智能投资，难度系数又有了指数级的上升。智能投资更关心真实世界运行的信息与逻辑，需要系统性的利用智能工具，结合包括基本面、市场情绪、政策舆情等在内的因子，进行智能化组合管理。

总体来说，在未来3—5年内，智能工具与智能交易型工具将成为资产管理公司的标配，辅助人类完成投资与研究工作。而在更大的视野内，系统性的智能投资将成为颠覆传统投资模式的关键转折点，桥水、Two Sigma，包括浙商基金都在这个维度和领域上进行着探索和尝试。

新的投资生态

追溯其他学科的发展，基于人类在复杂规律上认知的变化，我们可以划分为还原论和涌现论两个阶段。哲学中的分析学和现象学、物理学中的牛顿物理学和量子物理学、经济学中的古典经济学和复杂经济学都可以看作是这种方法论的映射。

从线性到非线性、从结构化到非结构化、从强调规律到关注随机、从逻辑导向到数据导向，从小数据到大数据再到大小数据的结合，这种认知方式的变化， 反映到资产管理行业，就是我们所说的通常的基本面 / 量化投资和智能投资之间的区别。

如果说，传统量化投资，是基于基本面，通过数据对人的历史经验和逻辑进行精准判断和实时跟踪。封闭系统无法进化，那么下一个阶段，人机结合的智能投资，一方面可以通过数据验证逻辑，另一方面可以捕捉随机性的数据生成逻辑，本身是开放式的可进化系统。

在AI尚无法形成有效学习边界的领域，依靠人的经验和逻辑还原世界的真实规律。而在已经形成了清晰的学习边界的领域，依靠AI的智能迭代，发现人类认知之外的现象和规律，真正将人类的小数据智慧（HI）和机器的大数据智能（AI）统一起来，实现资产管理AI+HI新生态。

在这一过程中，传统资管信息处理体系的重点也将被改变。过去我们往往是从底层数据收集开始，到信息化处理，最后形成知识化认知体系。而未来资管行业的主战场将从信息化向链条的上下游两端延伸，一方面通过大数据捕捉更广泛实时的数据，另一方面通过人工智能技术将海量信息，生成更多维、更前瞻、更智能的判断。

智能投资的四个步骤

第一步是问题拆解。受限于当下AI技术的发展水平和投资特性，我们不能完全指望AI包办一切，但这本身也符合事物发展的一般规律。资产管理领域范围极广，层次极多，首要做的是将投资问题的方方面面进行拆解，拆解的越细越具体，在特定领域AI就可以做得越极致，越智能。

第二步是问题定义。围棋可以靠1919的棋盘来定义，并由棋谱表达。而人面对资本市场中问题时，即使相对通用的定义方式也并不统一和明确，甚至每个人看市场、聊市场、参与市场的体系、维度、框架都是千人千面。如果没有清晰的问题定义，AI则可能束手无策。为此，我们想了一系列办法去解决和克服。

第三步是学习大纲。AlphaGo是从学习人类历史棋谱开始, 而AlphaZero更多是机器的自主学习。类比到投资上，AI学习的应该是人类投资历史上的各种棋谱——各类成熟且被验证过的投资逻辑和策略，其中包括基本面策略、多因子策略、事件策略、交易型策略等等。

第四步是学习素材。大量甚至海量数据是AI学习的素材，但数据并非数字的简单堆砌，数据是富有逻辑的数字集合，有的数据用于前瞻预测，有的数据用于实时验证，而有的数据则用来相互对比。只有将数据本身的定义和定位确定清楚，AI训练学习出来结果的针对性和鲁棒性才有可能更强。

AI+HI 的投资时代

由于资本市场运行的复杂度极高，AI的应用是循序渐进，而非一蹴而就。在相当长时间内，我们都会坚持AI+HI的人机互动模式。人的智慧和机器智能将处于互补而非替代状态。

在这过程中投资不是变得更简单，而是更规范、更科学。通过清晰的分工，能充分发挥出机器的智能（AI）与人的智慧（HI），所取得的超额收益更加稳定、可持续、易辨识，但又不易被复制，而AI通过学习也会变得越来越智慧。

AI会在研究资源配置、投资决策和组合管理三方面为人类研究员和基金经理赋能并共生。在具体实践中，机器和人的分工会形成两个非常明确的方向：人负责逻辑分析、经验积累及判断非均值回归、非线性变化类公司，辨识好企业的品质，商业模式以及定量模式无法判断的定性分析。机器更多是通过计算、大规模信息处理、均值回归，把握具有规则和规律性机会。

从产品设计角度来看：AI已经具备了部分自主学习能力，为人的决策提供有效辅助，扩大人的管理边界。AI+HI的组合，类似于装配了“辅助驾驶系统”的资管产品，能大概率提高基金经理的能力和组合绩效。而规则化、问题定义明确、可由AI训练并呈现出稳定学习效果的产品，类似无人驾驶汽车，有望在经过降维学习的被动类产品中率先突破，取代原有的传统指数投资模式。

最终，人机互动将会使AI变得越来越“聪明”，人的能力也会得到大幅提升和延展！AI、AI+HI及人将找到各自优势的产品领域，生根发芽，共建出资产管理新未来！浙商基金将在这条路上一直走下去。

文中图片来源：通联数据