新華網 > 投教基地 > 正文

【投基方法論】浙商基金:AI科技賦能基金管理

2019年10月25日 14:02:05 來源: 新華網

  浙商基金智能權益投資部查曉磊、向偉做客新華網投教基地和今日頭條財經頻道線上訪談欄目《投基方法論》,詳解智能投資之道。

  嘉賓簡介:

  查曉磊,香港中文大學金融學博士,8年證券從業經驗,CFA,博時基金-南開大學應用經濟博士後,深圳市後備級領軍人才;歷任博時基金博士後研究員、策略分析師;現任浙商基金智能權益投資部總經理、投資決策委員會委員。

  向偉,香港科技大學人工智能博士,深圳市孔雀計劃海外專家,15年AI研究與實戰經驗;華大基因彈性計算實驗室、百度機器學習深圳分部、通聯數據蘿卜投研創始人;現任浙商基金智能權益投資部擬任基金經理、主要負責機器人模型訓練,優化與跟蹤。

  問:先用一句話解釋下,什麼是人工智能?

  查曉磊:

  終極的人工智能,是讓機器人效倣人類具備主動思考的能力。

  問:向偉博士,看你的履歷非常豐富,博士畢業于香港科技大學AI實驗室,有15年AI實戰經驗,曾在華大基因、百度等AI大廠工作,為什麼轉型做金融?

  向偉:

  AI是一種科學的實驗方法論,它不是某一個領域的專用技術,而需要和各個領域的應用問題相結合才能發揮出價值。無論是互聯網上的搜索推薦、基因組分析,還是金融科技,這些都是垂直的應用問題領域。而我們AI工作者的信仰是嘗試利用這些先進的科技手段,改變人類傳統的生産關係,推動社會往前發展,這樣人類本身才能夠實現自我進化。

  至于選擇進入金融行業的原因,是因為金融行業對于AI來説擁有非常富裕的大數據原料和實戰性環境,是極具挑戰性的AI試煉場。另一方面,客觀來説,金融行業的生産關係至今為止仍然非常傳統,具備極大的變革空間。

  問:人工智能和金融這兩個領域有什麼相通的地方?“人工智能+金融”在哪些方面大有可為?

  向偉:

  人工智能是一種科學的方法論,而金融是一個具體的應用問題領域,所以二者其實不可比,因為不在一個層面上。但是二者可以結合,造就一種新型的生産關係。當建立了新的生産關係之後,投資者、基金經理、研究員等不同角色的日常工作,以及投資或者工作中期望優化的目標,在科技進化的環境下就會逐漸發生變化。我們認為這些未來的方向,是金融工作者和AI工作者大有可為的方向。

  問:近年來,華爾街巨頭也紛紛擁抱金融科技,你如何評價AI技術在中美的發展?

  向偉:

  從中美關係來看,我們導師一輩的AI人是在中國科研條件較為艱苦的時候回國的,近20年也為國家培育了一批批優秀的人才。近年來中美競爭格局日趨激烈,尤其在科技方面被歐美嚴重掣肘,反思原因,很多人詬病是因為國內不具備科技創新的土壤。但科技創新的核心元素是優秀人才,從人才角度來看,國人的智商和勤奮度並不亞于歐美,而且中國得益于信息化的後發優勢和人口紅利帶來的大數據優勢,我們一直堅信中國具備全球發展AI技術的最佳土壤,因此我也不斷鼓勵海外AI圈的小夥伴回國發展。

  再看金融行業,相比華爾街,國內的金融行業雖然比較年輕,在傳統技術上的確存在一定差距,但是如果我們能夠發揮好國內各行各業信息化大數據的後發優勢,與先進的AI技術結合來進行彎道超車,甚至某一天在金融産品創新賽道上,通過不斷的努力有機會走到華爾街前面,這會為全球科技華人圈形成良好的例證,打消他們回國支援國家建設方面的種種顧慮。

  問:查博,你是金融學博士,同時也有8年的證券從業經歷,作為金融人,你如何看待AI技術對投資管理的影響?

  查曉磊:

  從AlphaGo首次戰勝人類棋手開始,就預示一個新時代來臨。AI逐步替代各種人類體力腦力勞動變得更加可能。毫無疑問,AI已經成為資本市場中討論最為熱烈的話題之一。

  然而,基于AI當下的發展水平及投資領域的具體實際,我們尚不能完全指望AI包辦一切。這本身也符合事物發展的一般規律。回想機器代替體力勞動的歷史進程,大規模的無人化機器人流水線不是一蹴而就的。AI應用的起步也一樣,有的精于算,有的精于存,有的精于聽,有的精于看,重復執行人的某一項大腦功能,再做到極致。

  對于投資領域也不例外,我們首要做的就是將投資問題的方方面面拆解,拆解得越細、越具體,在特定領域AI做到極致乃至超越人類大腦的可能性也越大。

  問:問題拆解得越細,AI就越有機會發揮優勢,這句話你能再深入解釋一下嗎?

  查曉磊:

  這涉及到對投資中問題的定義。人在面對資本市場問題時,相對通用的問題定義方式並不統一和明確,甚至每個人看市場、聊市場、參與市場的體係、維度、框架都千人千面。但問題的定義對AI卻很重要。定義不清楚的問題,讓AI去解決,結果可能會令我們大失所望。這其實也是上述我們強調問題拆解的另一面。只有問題拆解得足夠細微,問題的定義才有可能更加明確。

  問:向博,在你的專業領域,有什麼你覺得普通人也應該知道的東西?外行一直都覺得AI是很神秘的東西。

  向偉:

  其實AI並不神秘,它只是一門科學實驗方法論,但是它又不同于傳統行業的技術學科,而是一門綜合型的實驗學科,需要與對應領域的基礎知識進行深度結合才能完成模型設計,例如統計學、運籌學、經濟學等。

  另一方面,AI技術非常依賴于工程學設計,因為很多很復雜的模型以我們人類有生之年還算不起,所以究竟如何在有限的計算資源下,設計出效果又好又算得起的模型其實很考驗AI工程師的內功。

  最後最重要的一點是,目前機器還不具備主動創造智慧的能力,因此機器實際上主要還是在學習人類智慧,為了讓AI科技在現實世界真正達到實用效果,需要我們在人類知識結構和機器知識結構之間搭建起一座橋梁,才能把人腦的創造力和機器的能力完美結合。

  所以總體來説,AI科技並不神秘,學起來也不難,但是對人類的綜合能力要求比較高,需要像建築師那樣有能力將力學、美學、實用性有機結合。

  問:從AI到金融行業,到現在擔任新基金的擬任基金經理,你認為做研究的樂趣在哪?有什麼投資常識可分享?

  向偉:

  其實做研究是一件很有意思的事情,從研究角度而言,我是一名全行業覆蓋的基本面研究員,研究的內容實際上是在不斷學習人類社會各行各業演化的過程。研究透了各行各業的商業模式和發展歷程之後,非常有利于個人的知識面結構發展,小到去哪家面包店買面包不會被坑,大到家庭層面在各種經濟環境下的資産負債表結構應該怎樣布局最優,都會有更深切的認識。

  另一方面,前面提到我不斷鼓勵AI圈的小夥伴回國創業,所以在研究各個傳統行業時,我也在不斷思考,究竟AI技術如何和各行業的傳統資源以及産業資本相結合,以什麼節奏相結合才能形成比較好的新商業模式,推進傳統行業實現産業革命。

  我們經常看見很多科技領軍人才或者教授不斷創業失敗,其實並不一定是技術不夠,而是沒有想清楚上面説的這些問題。

  問:查博,你能結合自身工作介紹一下AI在具體實踐中的投資原理嗎?

  查曉磊:

  我們將投資領域按是否已經得到認知,以及對認知程度的認知這兩個維度分成四個象限,分別為已知的已知、已知的未知、未知的已知和未知的未知。

  在已知的已知領域,用AI方法建立模型學習人類知識經驗,將基本面、估值與市場三方面因素綜合分析,大數據技術跟蹤各類型數據作為輸入,得到投資結論,獲得可解釋、可回溯、可復制的投資業績,並可在一定置信區間內有效控制關鍵投資參數,如波動率、最大回撤、夏普比例等,突破天時(市場風格)、地利(投研團隊實力)、人和(投資經理能力)難以統一的投資限制。

  在已知的已知領域,大概率機器能夠戰勝人、取代人,如同汽車跑得比馬快。在未知的已知領域(如基金經理們難以總結、可意會不可言傳的投資“秘籍”),定性挖掘;在已知的未知領域(如缺少可靠數據的行業、投資信號與噪聲相互交織的投資標的等),借助歸納、演繹的研究方法,轉化為第一象限即已知的已知領域。而在充滿不確定性的未知的未知領域,我們限定AI方法、大數據方法的邊界,不輕易觸碰,仍然通過投資能力、投資技術的發展來不斷探索及縮小這一領域的范圍。

  問:你們的智能投資或者AI投資,與傳統意義上的量化投資有什麼關係?

  查曉磊:

  眾所周知,分散投資的思想可以在分散風險的同時最大化收益,但是很少有人能做得很好,原因在于量化基金産品雖然能夠很好地通過技術手段實現風險分散,但是由于研究深度不如人類,所以策略勝率和盈虧比通常會遇到天花板;而人類雖然研究深度高,單次投資盈虧比佔優,但是受限于人腦知識的容量、寬度和反應速度,所覆蓋的標的集合很難實現分散。因此本産品嘗試將量化技術與人類投資的思路相結合,從真正意義上實現倣生學的量化分散投資。

  也就是説,我們的AI投資方法是介于主動投資與量化投資兩者之間的跨領域投資技術,採用人工智能方法,確定信號數據,為學習目標確定優化模型,得到優化後的結論,這種模型相互獨立,被形象地稱為投資“小機器人”。每個機器人基于主動投資的思想或假設,借助量化投資中定義預期收益和風險的思路,通過AI的各種機器學習技術來實現模型的訓練學習。從技術角度而言,會採用量化和統計的手段,但不會局限于傳統的量化投資技術。而且由于人工智能領域技術飛速發展,這些小機器人會快速迭代,自帶進化屬性。

  問:能和大家分享一下對你影響最大的一本書或電影嗎?

  向偉

  《盜夢空間》。我的大哥是一名出色的建築設計師,年幼時每每看見他一筆一劃繪出一張張精美絕倫的圖紙,一刀一劃做出逼真的紙模,便暗自把建築設計師列為了未來夢想中的工作。後來進入AI行業之後,才發現其實AI工程師和傳統行業中的建築設計師有點相像,是需要能力將科學、美學、實用性三者相結合的工作。

  近年來專注于研究HI+AI投資之後,才感覺到如果要將人類的智慧與機器的能力相結合,對于AI工作者的要求實際上已經超出了對傳統建築設計師的要求,更像是盜夢空間中的造夢師這個角色。

  在盜夢空間中,造夢師一方面要能夠設計出高度逼真的空間,另一方面又要借助對于高維空間的巧妙結構設計,來連接或者扭曲某些局部空間,使得造夢師看上去具備常人眼中的超能力。

  其實我們的HI+AI投資做的也是和造夢師一樣的事情,一方面我們基于人類智慧設計投資模型的時候,需要保證投資模型的邏輯和變量能夠無縫對接傳統人類大腦中的知識結構,這樣才能實現人類“駕駛”AI模型,另一方面我們會在模型背後,利用AI技術對模型的內核進行空間維度的熵增,利用計算機在存儲、速度、精度方面的優勢來彌補人腦這些方面的短板。這樣一來,有能力駕馭這些HI+AI投資模型的投資經理們便逐漸具備了超越普通人類的扭曲知識時空的“超能力”。

  (本訪談純屬被訪者個人觀點,不代表本網的觀點和立場。文章內容僅供參考,不構成投資建議。投資者據此操作,風險自擔。)

  相關鏈接:

  【投基方法論】國金基金張航:看好消費、醫藥、TMT三個行業

  【投基方法論】廣發基金劉格菘:科技成長股是我長期看好的主線

  【投基方法論】寶盈基金高宇:債券更需長期持有

  【投基方法論】銀華基金鄒維娜:債牛進入下半場 操作難度加大

  【投基方法論】平安基金李化松:全球資金將長期持續流入中國

  【投基方法論】景順長城劉彥春:承受波動才能享受權益資産的高回報

  【投基方法論】鵬華基金伍旋:看好大消費+大金融+細分制造業

  【投基方法論】富榮基金鄧宇翔:漲時恐懼 跌時貪婪

  【投基方法論】景順長城楊銳文:成長股的春天值得期待

  【投基方法論】鵬華基金祝松:債券仍有好的基本面和政策面環境

  【投基方法論】中信保誠基金張光成:四季度A股可能穩中有升

  【投基方法論】華泰柏瑞基金張慧:消費和科技是長期結構性方向

  【投基方法論】浙商基金:長期看好港股市場高股息策略

  【投基方法論】廣發基金羅國慶:中證100是中國核心資産代表

  【投基方法論】富榮基金鄧宇翔:四季度A股市場將維持震蕩

 

【糾錯】 [責任編輯: 陳劍 ]
010030090920000000000000011107001210323306