(網(wǎng)經(jīng)社訊)人工智能能夠幫助不同類別的資管機構(gòu)提高競爭力，在未來的市場競爭中占得先機。分部門來看，人工智能正在或者即將對資管機構(gòu)的投資、研究、交易、風(fēng)險管理、產(chǎn)品設(shè)計、營銷等細(xì)分部門產(chǎn)生深遠(yuǎn)的影響。

正文

一、概述

（一）人工智能技術(shù)迅速發(fā)展近年來，人工智能技術(shù)發(fā)展迅速，在圖像識別、語音識別等人工智能研究和應(yīng)用的不同領(lǐng)域取得了突破性進(jìn)展。以圖像識別為例，目前計算機圖像識別的準(zhǔn)確率已經(jīng)超過了人類。下圖展示了每年ImageNet網(wǎng)站大規(guī)模視覺識別挑戰(zhàn)賽（ILSVRC）圖像識別錯誤率的下降情況。從2010年到2017年，圖像識別錯誤率已經(jīng)從28.2%降低到2.25%。

2016年以來，萬眾矚目的圍棋人工智能軟件AlphaGo與頂尖人類棋手的比賽中，AlphaGo完勝人類棋手，也是目前人工智能高速發(fā)展的一個寫照。

目前，人工智能技術(shù)在許多相關(guān)領(lǐng)域表現(xiàn)出接近甚至超過人類專家的性能和效率，開始在不同領(lǐng)域發(fā)揮實際價值。

科技公司是人工智能技術(shù)的主要研發(fā)者，也是人工智能首先的受益者。谷歌、百度等搜索巨頭是人工智能的先驅(qū)。一方面，通過人工智能方法提高查詢效率，實現(xiàn)更精準(zhǔn)的搜索服務(wù)；另一方面，基于人工智能技術(shù)的廣告投放是搜索巨頭的主要盈利模式。臉書通過人工智能方法在面部識別、機器翻譯和文本學(xué)習(xí)方面給公司產(chǎn)品帶來新的突破。蘋果公司通過人工智能方法優(yōu)化用戶在移動產(chǎn)品上的使用體驗。英偉達(dá)和英特爾等硬件公司主要通過生產(chǎn)更適合深度學(xué)習(xí)和人工智能計算的（專用）芯片來盈利。

在資產(chǎn)管理領(lǐng)域，人工智能技術(shù)受到的關(guān)注也越來越多，并且已經(jīng)開始影響資產(chǎn)管理的諸多方面。一方面，初創(chuàng)型公司和科技公司積極依托大數(shù)據(jù)分析和人工智能技術(shù)上的優(yōu)勢涉足資產(chǎn)管理領(lǐng)域；另一方面，傳統(tǒng)的金融機構(gòu)也積極擁抱人工智能技術(shù)，爭取在人工智能時代取得先機。

（二）人工智能在資產(chǎn)管理領(lǐng)域的應(yīng)用不同的資產(chǎn)管理業(yè)務(wù)模式都開始受到人工智能的影響。人工智能技術(shù)可以推動包括Alpha主動管理者、Beta規(guī)模經(jīng)營者、解決方案專家和分銷巨頭等機構(gòu)提高競爭力，在未來的資產(chǎn)管理競爭中獲得優(yōu)勢。

分部門來看，人工智能正在或者即將對資產(chǎn)管理領(lǐng)域的投資、研究、交易、風(fēng)險管理、產(chǎn)品設(shè)計、營銷等細(xì)分部門產(chǎn)生深遠(yuǎn)的影響。我們將在下文對人工智能在資產(chǎn)管理不同部門上的應(yīng)用進(jìn)行梳理。

二、人工智能增強投資表現(xiàn)

（一）應(yīng)用人工智能的對沖基金表現(xiàn)出色

對沖基金是資產(chǎn)管理領(lǐng)域中使用人工智能技術(shù)的先行者。早在2007年，總部位于紐約的Rebellion Research公司就推出了第一個純?nèi)斯ぶ悄芡顿Y基金。橋水基金從2013年開始建立人工智能團隊，基于歷史數(shù)據(jù)與統(tǒng)計概率建立起交易算法，讓系統(tǒng)能夠自動學(xué)習(xí)市場變化并適應(yīng)新的信息。近年來，知名的對沖基金，如文藝復(fù)興科技公司、Two Sigma、Citadel、D.E. Shaw等也在擴充自己的人工智能團隊。

對沖基金研究機構(gòu)Eurekahedge比較了不同類型的對沖基金在2010年至2016年的表現(xiàn)，如下圖所示。其中，人工智能對沖基金指數(shù)（AI/Machine Learning Hedge Fund Index）跟蹤了歷史上23只用人工智能投資的對沖基金的凈值。

根據(jù)Eurekahedge的統(tǒng)計結(jié)果，人工智能對沖基金指數(shù)從2010年以來的年化收益率為8.44%。同期，管理期貨類對沖基金指數(shù)、趨勢跟蹤對沖基金指數(shù)和傳統(tǒng)方法對沖基金指數(shù)的年化收益率分別為2.62%、1.62%和4.27%。不同類型對沖基金指數(shù)的分年度收益率如下圖所示，其中，在2011年、2013年、2015年和2016年，人工智能對沖基金跑贏了其他傳統(tǒng)類型的對沖基金。

人工智能技術(shù)主要是從兩方面應(yīng)用于投資決策：一方面依靠人工智能的信息處理能力，通過人工智能方法高效地獲取和處理另類數(shù)據(jù)；另一方面依靠人工智能的知識學(xué)習(xí)能力，通過人工智能方法進(jìn)行資產(chǎn)的收益預(yù)測和資產(chǎn)的交易。

（二）另類數(shù)據(jù)處理

按照IDC公司的估計，目前全球存儲的數(shù)據(jù)中，非結(jié)構(gòu)化數(shù)據(jù)約全體數(shù)據(jù)的80%左右，而結(jié)構(gòu)化數(shù)據(jù)僅占約20%。人工智能方法能夠高效地處理非結(jié)構(gòu)化數(shù)據(jù)，從數(shù)據(jù)中提取信息。

金融市場包含大量的結(jié)構(gòu)化數(shù)據(jù)。然而，市場數(shù)據(jù)的開放性使得不同的資產(chǎn)管理機構(gòu)相對來說并沒有信息優(yōu)勢，在基于公開市場數(shù)據(jù)進(jìn)行投資和博弈的過程中，投資機構(gòu)將越來越難以獲得超額收益。因此，從非結(jié)構(gòu)化數(shù)據(jù)中提取信息，進(jìn)行投資決策，將成為資產(chǎn)管理領(lǐng)域的重要發(fā)展方向之一。

在處理非結(jié)構(gòu)化數(shù)據(jù)方面，人工智能技術(shù)具有獨特的優(yōu)勢。對于網(wǎng)絡(luò)文本數(shù)據(jù)，包括公司財報、研究報告、新聞、社交媒體數(shù)據(jù)等，可以通過自然語言處理技術(shù)提取和分析關(guān)鍵信息、比傳統(tǒng)機構(gòu)更早識別出市場的正面和負(fù)面消息。對于衛(wèi)星影像等圖片信息，可以通過卷積神經(jīng)網(wǎng)絡(luò)等方法進(jìn)行分析，獲得相關(guān)公司和工業(yè)生產(chǎn)中的一手?jǐn)?shù)據(jù)。

從數(shù)據(jù)的產(chǎn)生方式來看，另類數(shù)據(jù)可以劃分為個體產(chǎn)生的數(shù)據(jù)、商業(yè)過程產(chǎn)生的數(shù)據(jù)和傳感器產(chǎn)生的數(shù)據(jù)等。個體產(chǎn)生的數(shù)據(jù)包括在社交媒體、專業(yè)網(wǎng)站、新聞、搜索引擎上產(chǎn)生的一系列數(shù)據(jù)；商業(yè)數(shù)據(jù)包括交易數(shù)據(jù)、企業(yè)、行業(yè)、政府機構(gòu)的數(shù)據(jù)等；傳感器產(chǎn)生的數(shù)據(jù)包括衛(wèi)星圖像、定位數(shù)據(jù)、物聯(lián)網(wǎng)數(shù)據(jù)等。

互聯(lián)網(wǎng)時代，新聞、搜索引擎、社交媒體等互聯(lián)網(wǎng)文本挖掘類數(shù)據(jù)對市場的影響日漸緊密，基于互聯(lián)網(wǎng)文本數(shù)據(jù)與傳統(tǒng)交易數(shù)據(jù)、財務(wù)數(shù)據(jù)相結(jié)合進(jìn)行投資的金融產(chǎn)品也得到投資者的普遍認(rèn)可。近年來，A股市場誕生的一批大數(shù)據(jù)基金是另類數(shù)據(jù)在A股市場投資實踐的先行者。

隨著投資機構(gòu)對另類數(shù)據(jù)價值的進(jìn)一步認(rèn)可和相應(yīng)的人工智能技術(shù)的成熟，會有越來越多的另類數(shù)據(jù)被應(yīng)用到金融投資中。目前，海外已經(jīng)有一些通過人工智能方法應(yīng)用另類數(shù)據(jù)進(jìn)行投資的實踐者。

iSentium公司是社交媒體數(shù)據(jù)處理的先行者之一。iSentium提供了基于Twitter信息的實時情緒時序數(shù)據(jù)，給投資者提供了一個Twitter、新聞或者其他社交媒體信息的市場情緒的一個搜索引擎。

iSentium提出了一種Twitter情緒指標(biāo)對市場進(jìn)行擇時的方法。從2014年1月到2016年6月，該擇時策略獲取了67.23%的累積收益，而同期標(biāo)普500指數(shù)的漲幅為23.33%。

在海外市場，衛(wèi)星影像數(shù)據(jù)也被越來越多的機構(gòu)用于投資。

RS Metrics是一家衛(wèi)星情報分析公司，通過高分辨率衛(wèi)星影像，對零售店、餐館、商場、辦公樓和其他商業(yè)地產(chǎn)的停車場進(jìn)行監(jiān)控，可以估計出它們在全國范圍內(nèi)或者某一地區(qū)的客流量增長情況。RS Metrics提供的數(shù)據(jù)可以幫助對沖基金了解公司基本面，預(yù)測銷售量，預(yù)估企業(yè)運營狀況。類似的，Spaceknow采用衛(wèi)星影像，構(gòu)建了衛(wèi)星制造業(yè)指數(shù)(1574.541，-20.74，-1.30%)

（SMI），該指數(shù)對中國超過6000處工業(yè)設(shè)施進(jìn)行長期的監(jiān)測，用來推測中國的經(jīng)濟表現(xiàn)；CargoMetrics是一家人工智能技術(shù)對沖基金，基于衛(wèi)星圖像等來挖掘全球航運貿(mào)易數(shù)據(jù)，為大宗商品、外匯、股票等交易提供數(shù)據(jù)支持。

（三）交易策略構(gòu)建

人類擅長處理數(shù)據(jù)中的線性關(guān)系，而對非線性關(guān)系難以直觀理解。與之相比，人工智能方法能夠從復(fù)雜的數(shù)據(jù)中提煉非線性關(guān)系。金融市場中，變量之間關(guān)系復(fù)雜，例如，股票走勢不僅與公司基本面有關(guān)系，而且和宏觀經(jīng)濟、大盤走勢、投資者情緒等眾多變量相關(guān)。人類投資者不善于處理這樣的問題。與主觀投資和傳統(tǒng)的量化投資相比，人工智能更擅長從復(fù)雜的歷史數(shù)據(jù)中尋找規(guī)律、學(xué)習(xí)知識，將更廣泛、更復(fù)雜的因素納入走勢預(yù)測的分析中，用來指導(dǎo)未來的交易決策。

例如，量化交易中常用的多因子選股策略一般是通過多個因子的線性組合來預(yù)估股票的未來表現(xiàn)。而采用機器學(xué)習(xí)算法，挖掘股票因子與收益的非線性關(guān)系，有望從中獲得與線性模型不同的超額收益。下圖展示了深度學(xué)習(xí)挖掘選股因子的非線性的示意圖。將基金經(jīng)理挑選的與股票收益相關(guān)的因素，例如規(guī)模、反轉(zhuǎn)、估值、流動性等選股因子，股票的行業(yè)特性以及由市場交易產(chǎn)生的技術(shù)指標(biāo)等作為股票的特征，通過機器學(xué)習(xí)的手段，從歷史數(shù)據(jù)中挖掘這些股票特征與股票未來收益的關(guān)系。從數(shù)據(jù)中挖掘人類難以識別的非線性關(guān)系，是人工智能用于投資的重要優(yōu)勢。

另一方面，人類投資者并非始終是理性的。行為金融理論表明人類投資者在不同的情景下，風(fēng)險偏好可能不一樣，過度樂觀或者過度保守都可能使得投資者作出錯誤的投資決策。而與人類投資者不一樣，計算機決策不容易受到情感左右，可以作出更加理性的判斷。

對沖基金領(lǐng)域很早就意識到了人工智能用于投資的前景。文藝復(fù)興科技公司在20世紀(jì)90年代就從IBM招募了一批語音識別專家，其中包括后來獲得國際計算語言學(xué)學(xué)會終身成就獎的Bob Mercer。近年來，隨著機器學(xué)習(xí)等人工智能理論和技術(shù)的發(fā)展，越來越多的基金公司用人工智能方法進(jìn)行投資。Man AHL從2009年開始研究機器學(xué)習(xí)在交易上的應(yīng)用，并在2014年將其用于資產(chǎn)管理。BlackRock在2013年宣布裁撤包括7名投資經(jīng)理在內(nèi)的100名主動型基金部門員工。Two Sigma、Citadel等公司也在近年擴充自己的人工智能團隊。

近年來也產(chǎn)生了一批專注于用人工智能方法進(jìn)行投資決策的對沖基金。Rebellion Research公司推出的人工智能投資基金是基于貝葉斯機器學(xué)習(xí)，結(jié)合預(yù)測算法進(jìn)行判斷，該系統(tǒng)可以根據(jù)新的信息和歷史經(jīng)驗不斷演化，有效地通過自學(xué)習(xí)完成全球54個國家在股票、債券、大宗商品和外匯上的交易。

2013年成立的Castle Ridge資產(chǎn)管理公司通過遺傳算法和一些機器學(xué)習(xí)方法進(jìn)行投資決策，年均回報率達(dá)到32%。

Sentient是從事人工智能平臺及相關(guān)研究的AI公司。其通過公司開發(fā)的進(jìn)化算法以及分布式人工智能平臺，為用戶在投資、醫(yī)療診斷、電子商務(wù)等垂直行業(yè)提供咨詢以及決策服務(wù)。在2014年底，鑒于分布式AI平臺在金融服務(wù)領(lǐng)域的優(yōu)異表現(xiàn)，Sentient開始嘗試使用其研發(fā)的進(jìn)化算法進(jìn)行交易。這一算法是通過計算機算法創(chuàng)造無數(shù)多個具有不同風(fēng)格和策略的“交易員”，在其分布式AI平臺上進(jìn)行獨立的股票交易。最后，Sentient會根據(jù)每個虛擬“交易員”的交易成果，來對其進(jìn)行篩選：表現(xiàn)糟糕的AI將會被淘汰，而表現(xiàn)優(yōu)異的AI則會進(jìn)入下一步的篩選與測試。這種優(yōu)勝劣汰的機制與基因的進(jìn)化相類似，因而這些“交易員”們又被稱為“基因”，Sentient通過這樣的進(jìn)化機制來提高交易表現(xiàn)。

三、人工智能技術(shù)提升研究效率

人工智能技術(shù)在另類數(shù)據(jù)處理、信息整合和信息檢索上具有遠(yuǎn)遠(yuǎn)高于人類的效率。J.P. Morgan在2016年部署了可以自動篩選商業(yè)貸款合同的軟件，該軟件每秒鐘可以篩查1.2萬份商業(yè)貸款合同。如果用人工處理的話，這些合同需要耗費律師和信貸員36萬個鐘頭的工作。

近年來，資產(chǎn)管理機構(gòu)積極推動科技金融的發(fā)展，用人工智能技術(shù)來提升資產(chǎn)管理中的研究效率。

一方面，資產(chǎn)管理機構(gòu)通過人工智能閱讀研究報告和公司報表，在這方面，人工智能獲取信息的效率遠(yuǎn)高于人類。而且，人工智能技術(shù)擅長從網(wǎng)絡(luò)新聞、影像文件等各種渠道獲取信息，這些另類信息可以給資產(chǎn)管理公司的投研部門提供支持。相比于傳統(tǒng)的分析師實地調(diào)研，通過人工智能閱讀公司報告和從其他另類數(shù)據(jù)中獲取信息，能夠大幅提升工作效率與準(zhǔn)確度。可以預(yù)期的是，隨著人工智能技術(shù)應(yīng)用成本的降低，這類技術(shù)將得到普遍應(yīng)用，大幅降低研究員在信息獲取和分析方面花費的時間。

其次，人工智能技術(shù)具有強大的信息整合和學(xué)習(xí)功能，可以協(xié)助研究員完成不同的研究需求。例如，通過人工智能方法，研究員可以查詢與當(dāng)前市場環(huán)境最相似的歷史場景；人工智能方法通過數(shù)據(jù)挖掘，可以在不同的宏觀事件或公司事件發(fā)生之后，提供有效的投資建議。AlphaSense是一家服務(wù)金融投資的科技公司，它在2010年推出了一款服務(wù)專業(yè)投資機構(gòu)的搜索引擎AlphaSense。該搜索引擎采用自然語言處理技術(shù)，從公司報告、新聞和研究報告中整合投資信息。通過該搜索引擎，研究人員可以更加方便地尋找與投資有關(guān)的關(guān)鍵信息。

Aladdin平臺是BlackRock開發(fā)的一款資產(chǎn)管理平臺。Aladdin通過自然語言處理技術(shù)閱讀新聞、公司研究報告等不同的文件，并且將文件中的信息與可能涉及的公司和行業(yè)聯(lián)系起來，給研究人員提供投資建議。

此外，人工智能技術(shù)可以對獲取到的信息進(jìn)行深入挖掘，將不同的信息關(guān)聯(lián)、整合起來，構(gòu)建知識圖譜，并且通過自然語言處理技術(shù)實現(xiàn)人機交互，服務(wù)研究工作。

知識圖譜本質(zhì)上是語義網(wǎng)絡(luò)，是一種基于“圖”的數(shù)據(jù)結(jié)構(gòu)，通過知識圖譜建立起不同實體和事件之間的關(guān)系。下圖是知識圖譜的一種展示。通過機器學(xué)習(xí)和知識圖譜，可以建立起每個上市公司和與其關(guān)聯(lián)度最高的上下游公司、行業(yè)、宏觀經(jīng)濟之間的關(guān)系。如果某公司發(fā)生了高風(fēng)險事件，可以及時預(yù)測未來有潛在風(fēng)險的關(guān)聯(lián)行業(yè)和公司；如果宏觀經(jīng)濟或者政策有變化，也可以及時發(fā)現(xiàn)投資機會。

知識圖譜是Kensho的核心技術(shù)。Kensho公司成立于2013年，專注于通過機器學(xué)習(xí)及云算法搜集和分析數(shù)據(jù)，把長達(dá)幾天時間的傳統(tǒng)投資分析周期縮短到幾分鐘，能夠分析海量數(shù)據(jù)(21.190，-0.78，-3.55%)對資本市場各類資產(chǎn)的影響，并通過自然語言處理技術(shù)理解和解答復(fù)雜的金融問題。Kensho能取代部分人類知識密集型的分析工作并且從數(shù)據(jù)中學(xué)習(xí)新的知識，提供快速化、規(guī)模化、自動化的分析結(jié)果。Kensho智能分析軟件的主要特點有：

1）高效的數(shù)據(jù)整理與強大的數(shù)據(jù)分析能力。Kensho具有海量的數(shù)據(jù)儲存與超級計算的能力，能對各種結(jié)構(gòu)化與非結(jié)構(gòu)化的數(shù)據(jù)（包括有史以來所有資產(chǎn)價格數(shù)據(jù)以及全球發(fā)生的所有大事件數(shù)據(jù)）進(jìn)行計算與分析。2014年Kensho能夠在數(shù)秒內(nèi)搜索90000多個全球事件，分析與回答650萬個金融問題，預(yù)計未來能回答超過一億個不同類型的金融問題。

2）自然語言平臺，直觀的用戶體驗。Kensho深受青睞的原因還在于其搭建的自然語言平臺，直觀簡潔是Kensho的一大優(yōu)點，它通過人機交互的模式與用戶進(jìn)行交流，用戶只需要用簡單正確的英語進(jìn)行提問，Kensho就能給你提供精確的回答。

3）基于人工智能算法，擁有強大的學(xué)習(xí)能力。Kensho運用人工智能的算法，具有強大的機器學(xué)習(xí)能力，能夠根據(jù)各類不同的問題積累經(jīng)驗，并逐步獲得成長。Kensho的計算機系統(tǒng)能夠讓Kensho以極快的速度讀取億萬條數(shù)據(jù)或信息，在分析數(shù)據(jù)的過程中不斷地進(jìn)行學(xué)習(xí)，并不斷地優(yōu)化其分析結(jié)果，變得更加智能。

另外，人工智能技術(shù)能夠加速投研工作的自動化和智能化。目前人工智能方法已經(jīng)用于撰寫新聞和公司的營收報告。通過自然語言處理技術(shù)，人工智能為賣方機構(gòu)和買方機構(gòu)撰寫研究報告也是值得期待的。

目前已經(jīng)有相當(dāng)數(shù)量的新聞是由計算機上的人工智能程序自動撰寫的。2014年3月，美國洛杉磯發(fā)生了一次輕微的地震，地震發(fā)生后，計算機立即從地震臺網(wǎng)的數(shù)據(jù)接口中獲得了地震相關(guān)的所有數(shù)據(jù)，并且自動生成了報道，經(jīng)過記者快速審閱后就可以直接發(fā)布了。

Automated Insights是首先開發(fā)人工智能自動寫作程序的公司之一。美聯(lián)社在2014年開始就用Automated Insights公司的技術(shù)為所有美國和加拿大上市公司撰寫營收業(yè)績報告。每個季度，美聯(lián)社使用人工智能技術(shù)自動撰寫的營收報告接近3700篇，這個數(shù)量是同時段美聯(lián)社記者和編輯手工撰寫的相關(guān)報告數(shù)量的12倍。

四、人工智能技術(shù)改革交易

從交易層面來講，自動交易能夠顯著提高投資策略的執(zhí)行效率、降低沖擊成本、并且在一定程度上提高投資組合的收益。20多年前，自動交易最早應(yīng)用于美國權(quán)益市場，目前已經(jīng)幾乎無處不在。自動化和智能化的程序正在不斷取代高盛等機構(gòu)的交易員，低成本而且高效地完成交易任務(wù)。

自動交易大致分為決策型交易和執(zhí)行型交易。決策型交易是量化投資策略的一部分，使用計算機程序，尋找市場上的各種交易機會，做出交易決策。程序化的決策型交易在市場中自動監(jiān)測交易信號，并且迅速實施投資決策。

執(zhí)行型交易一般是指算法交易，強調(diào)交易訂單的執(zhí)行，即負(fù)責(zé)快速、低成本地實現(xiàn)相關(guān)訂單執(zhí)行和成交。為了減少市場波動和沖擊成本對交易產(chǎn)生的不利影響，機構(gòu)投資者通常通過算法交易將需要進(jìn)行交易的訂單拆細(xì)，即把規(guī)模較大的交易拆分成若干小規(guī)模交易，并且在合適的時機分別對其進(jìn)行分散交易，從而降低相關(guān)交易成本，使得整個交易過程中價格可以達(dá)到最優(yōu)水平。

傳統(tǒng)的自動交易中，機器根據(jù)程序員事先設(shè)定的算法，監(jiān)測交易信號并且執(zhí)行交易。人工智能時代的自動交易包含了自動化和智能化，更強調(diào)從市場數(shù)據(jù)中學(xué)習(xí)，通過對大量歷史數(shù)據(jù)的學(xué)習(xí)，構(gòu)建預(yù)測模型，優(yōu)化交易算法，獲得最佳的交易表現(xiàn)。深度學(xué)習(xí)等新型方法可以發(fā)掘市場中的交易機會和不同的市場模式，進(jìn)而獲得超額收益。

人工智能和自動化交易的普及正在改變傳統(tǒng)的交易模式。近年來，華爾街的部分交易員已被自動化程序替代。2000年，高盛位于紐約的股票交易柜臺有600個交易員。而如今，只剩下2個交易員，剩余的工作由機器包辦（數(shù)據(jù)來自《麻省理工科技評論》）。

用人工智能技術(shù)提升交易策略表現(xiàn)是新興的交易技術(shù)。增強學(xué)習(xí)是自動交易中常用的機器學(xué)習(xí)模型，這也是圍棋人工智能程序AlphaGo的核心算法。J.P. Morgan的電子交易部門開發(fā)了基于增強學(xué)習(xí)的算法交易策略（LOXM）。LOXM采用增強學(xué)習(xí)算法使計算機做出最優(yōu)的交易決策：通過過往的真實交易和模擬交易學(xué)習(xí)知識，最優(yōu)化未來的交易決策。LOXM可以在給定交易時間內(nèi)完成給定的交易任務(wù)并且使得沖擊成本損失最小，例如，在不影響市場價格的情況下買入大筆股票。實踐表明，在不同的交易量占比(POV)下，LOXM算法都顯著降低了沖擊成本。下圖展示了在不同的交易量占比下，LOXM算法（綠色）的沖擊成本相對于參考算法（橙色）顯著下降。

五、人工智能技術(shù)增強風(fēng)險管理

信貸評分和銀行的欺詐監(jiān)測是較早應(yīng)用人工智能技術(shù)的金融領(lǐng)域。螞蟻金服的芝麻信用通過分析大量的網(wǎng)絡(luò)交易及行為數(shù)據(jù)，可對用戶進(jìn)行信用評估，這些信用評估可以幫助互聯(lián)網(wǎng)金融企業(yè)對用戶的還款意愿及還款能力得出結(jié)論，繼而為用戶提供快速授信及現(xiàn)金分期服務(wù)。

隨著人工智能技術(shù)的發(fā)展，相關(guān)的技術(shù)也開始應(yīng)用于資產(chǎn)管理行業(yè)。

在資產(chǎn)管理機構(gòu)，人工智能技術(shù)已經(jīng)開始用于合規(guī)、風(fēng)險管理等工作。英國公司Intelligent Voice向投資銀行出售基于機器學(xué)習(xí)的語音轉(zhuǎn)錄工具，可以用來監(jiān)控交易員的電話，以發(fā)現(xiàn)內(nèi)幕交易等不正當(dāng)行為。

在投資組合的風(fēng)險管理中，采用人工智能技術(shù)進(jìn)行數(shù)據(jù)分析，通過模型對市場可能發(fā)生的風(fēng)險進(jìn)行預(yù)警，同時，針對不同投資者的資產(chǎn)組合進(jìn)行特定的情景分析。

AlgoDynamix是一家投資組合風(fēng)險分析公司，其目標(biāo)是協(xié)助風(fēng)險投資公司和銀行識別財務(wù)以及投資上的異常及破壞性事件。該公司利用自行開發(fā)的AlgoDynamix引擎對全球金融交易所的數(shù)據(jù)進(jìn)行分析，對未來可能的市場異常進(jìn)行示警并對事件發(fā)生前后價格變動進(jìn)行預(yù)測。這一引擎是由基于“深度數(shù)據(jù)”的算法所構(gòu)建，能夠?qū)崟r掃描來自多個市場的主要數(shù)據(jù)源，并通過分析這些市場中的參與者（買方及賣方）的動態(tài)行為，對其共同特征進(jìn)行聚類與集群識別。目前，AlgoDynamix推出了ALDX PI以及RAP平臺兩種產(chǎn)品。前者用于幫助用戶進(jìn)行更好的資產(chǎn)分配決策，后者則用于幫助用戶識別市場近期可能存在的風(fēng)險。

BlackRock的Aladdin系統(tǒng)可以為資產(chǎn)管理行業(yè)提供風(fēng)險管理。一方面，Aladdin系統(tǒng)可以基于龐大的數(shù)據(jù)庫進(jìn)行風(fēng)險因子的監(jiān)測和壓力測試等。Aladdin基于其數(shù)據(jù)中心存儲的大量歷史數(shù)據(jù)，將預(yù)測細(xì)化到每一天。通過蒙特卡洛測試，模擬金融市場可能的各種變化，檢查客戶投資組合中資產(chǎn)可能出現(xiàn)的走勢。

與傳統(tǒng)的風(fēng)險管理不同的是，Aladdin系統(tǒng)每天進(jìn)行大量的定制化情景分析——針對每一個投資者的資產(chǎn)組合，回答諸如此類的一系列問題：“通貨膨脹對我的組合有什么影響？”、“原油或者天然氣價格的變化有什么影響？”、“歐洲經(jīng)濟的不景氣會產(chǎn)生什么后果？”。通過這些情景分析，可以幫助客戶對全球的事件進(jìn)行預(yù)測、分析和反應(yīng)，增強客戶的風(fēng)險管理能力。

此外，Aladdin可以通過分析各類資產(chǎn)的相關(guān)性，以及特定條件下這種相關(guān)性對資產(chǎn)價格的聯(lián)動影響，來構(gòu)建可以有效分散風(fēng)險的投資組合。當(dāng)發(fā)生某些特定情景時，資產(chǎn)之間的相關(guān)性可能會發(fā)生改變，Aladdin將會通過數(shù)據(jù)分析，協(xié)助基金經(jīng)理及時進(jìn)行組合優(yōu)化，控制風(fēng)險。

六、人工智能技術(shù)推動業(yè)務(wù)模式創(chuàng)新

（一）基金產(chǎn)品創(chuàng)新

隨著互聯(lián)網(wǎng)和人工智能技術(shù)的發(fā)展，一些新型的產(chǎn)品和業(yè)務(wù)模式被設(shè)計出來，包括公募基金指數(shù)產(chǎn)品和一些新的資產(chǎn)管理業(yè)務(wù)模式。前文提到的以廣發(fā)百發(fā)大數(shù)據(jù)指數(shù)和南方大數(shù)據(jù)指數(shù)為代表的大數(shù)據(jù)基金是A股市場中產(chǎn)品創(chuàng)新的先行者。而在海內(nèi)外，有一些依托人工智能的基金產(chǎn)品正開始上市交易。

2017年10月，EquBot公司發(fā)行了人工智能ETF基金AI Powered Equity ETF（AIEQ）。該基金基于IBM的人工智能平臺Watson，每天對美國上市的股票進(jìn)行分析，包括企業(yè)公告文件、財報、新聞等多方面的數(shù)據(jù)分析，建立預(yù)測模型，構(gòu)建一個包含有40到70只股票的組合。然后由基金經(jīng)理在此基礎(chǔ)上優(yōu)化股票的權(quán)重。

與此同時，國內(nèi)的富國基金推出了富國研究量化精選基金，該基金在數(shù)據(jù)抓取、因子提煉、組合優(yōu)化等過程中全方面采用人工智能技術(shù)，而且具備“自學(xué)”能力，根據(jù)市場環(huán)境不斷進(jìn)行優(yōu)化更新。

按照美國證券交易委員會（SEC）2017年底披露的文件顯示，BlackRock在計劃推出一系列追蹤其自創(chuàng)指數(shù)的ETF。該ETF的主要特點在跟蹤指數(shù)的設(shè)計上，BlackRock通過機器學(xué)習(xí)的方法將上市公司分成不同的類別，例如醫(yī)療健康、金融、消費品和科技等，按照不同的類別分別構(gòu)建ETF指數(shù)。由于某些上市公司業(yè)務(wù)覆蓋的多樣化，一個公司有可能成為多個板塊的成份股；同時，隨著企業(yè)經(jīng)營模式的變化，這些板塊的組成也會隨之發(fā)生變化。與傳統(tǒng)的行業(yè)劃分相比，這種對上市公司分類的方法存在一定的合理性。

（二）智能投顧

近年來，一批依托人工智能的新的業(yè)務(wù)模式涌現(xiàn)出來，智能投顧是其中最熱門的一種類型。海內(nèi)外目前有一大批初創(chuàng)公司、互聯(lián)網(wǎng)公司和傳統(tǒng)金融機構(gòu)已經(jīng)涉足智能投顧領(lǐng)域。

2014年以來，機器人(16.220，-0.07，-0.43%)投顧在美國迅速發(fā)展。國際知名咨詢公司AT Kearney在2014年預(yù)測，未來五年，機器人投顧的市場復(fù)合增長率將達(dá)到68%，到2020年，機器人投顧行業(yè)的資產(chǎn)管理規(guī)模將突破2.2萬億美元。目前，國外的機器人投顧產(chǎn)品走在了世界前列，主要包括Wealthfront、Betterment、Future Advisor、Personal Capital、LearnVest、SigFig、Motif Investing等。這些產(chǎn)品盡管在投資門檻、收取費用上有所不同，但是它們都是根據(jù)現(xiàn)代投資(4.080，-0.04，-0.97%)組合理論，利用交易所上市基金（ETF）組建投資組合。

三個因素推動了國外機器人投顧的發(fā)展。首先，機器人投顧的低成本、低門檻、易操作的優(yōu)勢徹底改變了高凈值客戶才能獲得財富管理的傳統(tǒng)局面，同時它又是基于互聯(lián)網(wǎng)的在線理財服務(wù)，迎合了當(dāng)下個人投資者的需求；其次，量化投資和大數(shù)據(jù)技術(shù)的發(fā)展，使得機器人投顧的大數(shù)據(jù)存儲、批量處理以及高速運算等功能得以實現(xiàn)；第三，國外機器人投顧的迅速發(fā)展也離不開國外ETF市場的成熟和完備，一方面國外投資者對被動投資產(chǎn)品的接受度較高，投資于ETF的機器人投顧產(chǎn)品擁有市場，另一方面，數(shù)量眾多、產(chǎn)品多樣的ETF市場為機器人投顧提供了豐富的投資基礎(chǔ)。截至2017年年底，美國市場的ETF管理規(guī)模達(dá)到3.42萬億美元，較2016年底的2.54萬億美元增長了34%，較2015年底的2.14萬億美元增長了60%（數(shù)據(jù)來自BlackRock）。

目前，國外機器人投顧產(chǎn)品的主要功能是通過了解用戶的投資目標(biāo)、風(fēng)險承受能力和風(fēng)險偏好，提供給用戶個性化的最優(yōu)投資組合，投資標(biāo)的主要是ETF基金，并且提供后續(xù)的組合跟蹤、資產(chǎn)再平衡、節(jié)稅等服務(wù)。在實現(xiàn)這個功能的過程中，構(gòu)建投資組合的模型是產(chǎn)品的核心競爭力和區(qū)別所在。此外，國外主流機器人投顧產(chǎn)品在投資門檻、收費模式上也有所區(qū)別，并且增加了許多創(chuàng)新性的服務(wù)吸引投資者。

國內(nèi)在機器人投顧方面處于迅速發(fā)展階段，目前已經(jīng)有為數(shù)不少的機器人投顧產(chǎn)品。國內(nèi)機器人投顧分為三類：第一類是獨立的第三方智能投顧產(chǎn)品，比如彌財，類似國外的產(chǎn)品Wealthfront，主要為用戶解決如何建立與風(fēng)險匹配的分散化投資組合的問題；第二類是傳統(tǒng)金融機構(gòu)的產(chǎn)品，比如平安一賬通和廣發(fā)證券(13.350，-0.14，-1.04%)貝塔牛，主要依托機構(gòu)自身的產(chǎn)品資源和客戶優(yōu)勢發(fā)展智能財富管理平臺；第三類是互聯(lián)網(wǎng)公司的財富管理應(yīng)用，比如百度股市通、螞蟻聚寶、勝算在握，這些產(chǎn)品在互聯(lián)網(wǎng)金融的浪潮中產(chǎn)生，并且各具特點，比如百度選股通基于大數(shù)據(jù)選股，螞蟻聚寶從余額寶延伸出來打造更加豐富和大眾的投資平臺，勝算在握基于量化模型為用戶推薦黑馬股票、優(yōu)化操作計劃。

（三）眾包模式

另外一種近年來流行的科技金融產(chǎn)品就是“眾包”（Crowdsourcing）模式，或者稱為Quantopian模式，以Quantopian為代表，在互聯(lián)網(wǎng)上借助非特定的大眾的參與來設(shè)計交易策略。Quantopian成立于2011年，目前已經(jīng)擁有大約12萬會員。這種模式支持交易員在瀏覽器上進(jìn)行程序化交易的回測和調(diào)試，當(dāng)調(diào)試成功后，可以進(jìn)行策略的實盤。而平臺管理者可以基于不同交易者的表現(xiàn)挑選合適的子基金管理人，建立MOM產(chǎn)品，而子基金的管理人可以從基金收益中獲取一部分分成。2017年4月，Quantopian宣布把首批資金配置給選出的15個策略。在Quantopian模式下，擅長數(shù)據(jù)建模和分析的人可以減少平臺搭建和數(shù)據(jù)庫建設(shè)上的投入，專注于用量化分析和機器學(xué)習(xí)方法開發(fā)交易策略。近年來，國內(nèi)外也產(chǎn)生了眾多的類似公司。

Numerai是另一種用人工智能進(jìn)行投資的眾包模式。Numerai采用的方法比較特別，是采用加密數(shù)據(jù)的方式進(jìn)行機器學(xué)習(xí)的建模和預(yù)測。Numerai每周定期發(fā)布加密數(shù)據(jù)和建模比賽，任何人都可以參與比賽，并且將預(yù)測結(jié)果提交給Numerai。Numerai通過把數(shù)據(jù)科學(xué)家提交的預(yù)測結(jié)果進(jìn)行整合，用于投資。

Numerai將金融市場中的數(shù)據(jù)進(jìn)行加密，一方面使得數(shù)據(jù)科學(xué)家可以集中精力對加密數(shù)據(jù)進(jìn)行機器學(xué)習(xí)建模和預(yù)測，而不需要具有任何金融投資的知識，這樣可以鼓勵更多擅長人工智能的人參與進(jìn)來，將人工智能方法用于金融數(shù)據(jù)分析。另一方面，采用加密數(shù)據(jù)的好處是投資信息得到了更好的保護(hù)。

七、人工智能技術(shù)提升產(chǎn)品營銷能力

人工智能用戶畫像和智能客服等技術(shù)可以提升資產(chǎn)管理機構(gòu)的產(chǎn)品營銷水平。首先，通過用戶畫像，可以更好地了解用戶的風(fēng)險偏好，理解用戶的理財目標(biāo)和對資金的需求，據(jù)此，給用戶設(shè)計更合適的產(chǎn)品和服務(wù)。其次，通過人工智能客服，可以有效地降低資產(chǎn)管理機構(gòu)銷售部門的人力成本。

（一）人工智能用戶畫像

資產(chǎn)管理行業(yè)需要了解用戶的風(fēng)險偏好。目前，風(fēng)險測評的主要方法是通過調(diào)查問卷的方式，根據(jù)用戶的回答計算風(fēng)險偏好。這樣評估投資者的風(fēng)險偏好存在一些問題。一方面，用戶可能對自己并不是非常了解，而且對投資風(fēng)險和收益的認(rèn)識不夠深入，問卷調(diào)查回答的內(nèi)容可能并非自己的客觀情況；另一方面，用戶可能認(rèn)為風(fēng)險偏好的測評不重要，粗略作答甚至隨便填寫。因而，通過調(diào)查問卷獲取的用戶信息存在大量“噪音”，基于這樣的問卷獲得的風(fēng)險評估可能并不準(zhǔn)確。

通過提取客戶投資交易等核心數(shù)據(jù)，分析其投資習(xí)慣、品種偏好以及風(fēng)險承受能力等深度信息，進(jìn)而有針對性地對其展開產(chǎn)品營銷活動，從而提高營銷成功率。

廣發(fā)證券從2015年開始，基于各條業(yè)務(wù)線所積累的海量用戶數(shù)據(jù)以及大數(shù)據(jù)的運算能力，逐漸建立了以基礎(chǔ)信息、交互數(shù)據(jù)、交易信息維度為主的用戶畫像模型，為用戶構(gòu)建了超過400項基礎(chǔ)標(biāo)簽以及各類衍生數(shù)字標(biāo)簽。通過可視化頁面，展示客戶的風(fēng)險偏好、投資經(jīng)驗、資產(chǎn)回報、收益情況、客戶生命周期狀態(tài)、賬戶分析等指標(biāo)，并且持續(xù)根據(jù)用戶在各個終端的點擊、交易等交互日志等數(shù)據(jù)進(jìn)行動態(tài)跟蹤和以及持續(xù)的自我修訂。

除了金融機構(gòu)積累的用戶數(shù)據(jù)，其他日常生活中的用戶行為數(shù)據(jù)也可以用來評估用戶的行為。

Sqreem通過人工智能技術(shù)獲取和分析投資者的行為數(shù)據(jù)，幫助資產(chǎn)管理機構(gòu)從投資者的行為中預(yù)測投資者最需要的產(chǎn)品和服務(wù)。例如，Sqreem給高凈值客戶建立了詳細(xì)了個人信息檔案，繪制了高凈值客戶的年齡、興趣、交易行為、購物記錄、社交活動等方面的信息，包括他們平常使用哪家銀行。基于這些信息，Sqreem可以發(fā)現(xiàn)各種模式，并且讓銷售部門跟進(jìn)客戶的需求。目前，BlackRock、富國銀行、匯豐銀行和瑞士聯(lián)合銀行等都是Sqreem的客戶。其中，瑞士聯(lián)合銀行早在2014年就采用Sqreem的人工智能技術(shù)向高凈值客戶提供定制化的投資建議。

（二）人工智能客服

另一方面，通過自然語言處理和其他相關(guān)的人工智能技術(shù)，可以構(gòu)建智能機器人客服，服務(wù)客戶。

智能客服是一種能夠使用自然語言與用戶進(jìn)行交流的智能自動服務(wù)軟件系統(tǒng)，通常包括交互前端、智能引擎和管理后臺三部分。

交互前端是機器人的“感覺器官”，負(fù)責(zé)為用戶提供服務(wù)窗口和操作界面。智能引擎是機器人的“思考器官”，負(fù)責(zé)針對用戶提出的需求，進(jìn)行語義分析和處理，該部分是決定機器人表現(xiàn)是否智能的關(guān)鍵。管理后臺是機器人的“運動器官”，負(fù)責(zé)分析用戶服務(wù)需求分析后，從后臺快速索引至對應(yīng)服務(wù)內(nèi)容。

智能客服利用統(tǒng)一的運維管理平臺，能夠有效融合多種渠道，與用戶進(jìn)行智能化人機交互，真正實現(xiàn)成本低（一次性投入，后期釋放大量人力資源）、效率高（可24小時運營，同時處理量極大，無需等待）、體驗好（不受負(fù)面情緒干擾）的客戶服務(wù)。此外，通過數(shù)據(jù)的積累和知識的學(xué)習(xí)，能夠不斷提升用戶體驗。

智能客服本質(zhì)上是一個聊天機器人，例如，微軟小冰通過語音識別、語音合成、自然語言處理技術(shù)等手段與用戶交互，從事先積累的人類對話庫和互聯(lián)網(wǎng)資料庫中，查找最有可能匹配的回答。類似的，百度在2015年發(fā)布了集成個人搜索助理和智能聊天功能的度秘；亞馬遜在2014年發(fā)布了可以和用戶聊音樂的智能音箱Echo；蘋果在2011年發(fā)布了iOS語音助理Siri。

從2015年底以來，螞蟻金服95%的遠(yuǎn)程客戶服務(wù)已經(jīng)由大數(shù)據(jù)智能機器人完成。螞蟻金服通過大數(shù)據(jù)挖掘和語義分析技術(shù)來實現(xiàn)問題的自動判斷和預(yù)測。目前，螞蟻金服已經(jīng)積累了近千個經(jīng)驗專家知識調(diào)動庫、模型庫。原來，從發(fā)現(xiàn)和識別問題到快速調(diào)度客戶服務(wù)解決問題需要50分鐘，而現(xiàn)在只需要1.6分鐘就做到策略智能調(diào)度響應(yīng)。

在資產(chǎn)管理行業(yè)，智能客服可以協(xié)助客服和銷售部門與投資者溝通，節(jié)省資產(chǎn)管理機構(gòu)的人力成本；另一方面，智能客服積累的數(shù)據(jù)可以完善投資者的用戶畫像信息，提供更加合理的投資建議。

八、總結(jié)

人工智能能夠從投資、研究、交易、風(fēng)險管理、產(chǎn)品設(shè)計、市場營銷等各方面提升資產(chǎn)管理行業(yè)的經(jīng)營水平。除此之外，人工智能也可以提高公司其他部門的數(shù)字化和智能化管理水平。

目前，資產(chǎn)管理領(lǐng)域的人工智能應(yīng)用還在發(fā)展階段。少數(shù)的投行、對沖基金和科技公司主導(dǎo)了資產(chǎn)管理領(lǐng)域人工智能的探索和布局。隨著相關(guān)技術(shù)的發(fā)展，資產(chǎn)管理機構(gòu)對金融科技的依賴會不斷提升，提前布局人工智能，充分利用尖端信息技術(shù)的機構(gòu)將在未來的資產(chǎn)管理市場中占得先機。風(fēng)險提示：本篇報告就人工智能在資產(chǎn)管理業(yè)務(wù)上的應(yīng)用進(jìn)行介紹，不構(gòu)成投資建議。（來源：新浪財經(jīng) 編選：電子商務(wù)研究中心）