【行業(yè)資訊】人工智能如何助力資產(chǎn)管理數(shù)字化轉型，專家來支招
正文共：7395字-9圖
預計閱讀時間：19分鐘
在由通聯(lián)數(shù)據(jù)主辦，中信建投證券、亞馬遜云科技協(xié)辦的『嗨~AI』資產(chǎn)管理數(shù)字化轉型峰會上，華泰柏瑞基金副總經(jīng)理田漢卿女士、亞馬遜云科技大中華區(qū)CTO劉亞霄、光大理財有限責任公司CTO張軼、麥肯錫全球資深董事合伙人曲向軍、東方馬拉松投資管理有限公司董事長鐘兆民、通聯(lián)數(shù)據(jù)首席內(nèi)容官、產(chǎn)品總監(jiān)馮欽遠等對大數(shù)據(jù)和人工智能對資產(chǎn)管理行業(yè)的影響做了深入探討。
田漢卿：人工智能提升市場效能還有很大的空間
在投資策略上，怎么樣用人工智能實現(xiàn)投資目標？對于量化投資而言，真正有力量的手段是怎樣的？人工智能開啟了投資管理行業(yè)新藍海，帶了怎樣的新機遇？
在田漢卿看來，人工智能早已深入我們的生活，但應用在投資領域和應用在自然科學大有不同，自然科學比如說人臉識別，能識別就識別，不能識別就不能識別，一定程度上，可以達到99.9%的正確率。但投資是博弈的結果，任何一方的市場參與都會影響市場定價，比如被動投資如果不停的買股票就會影響到股票的定價，不停賣就會打壓，所以索羅斯定律在投資領域非常的重要。
2018年，受大環(huán)境影響，行業(yè)也有一些變化，比如賣方研究員評選幾乎停止，數(shù)據(jù)更新遲緩，當時，華泰柏瑞的模型很大程度依賴賣方的人員預測，更新頻率下降會影響阿爾法，這讓田漢卿深深憂慮，萬一將來整個行業(yè)業(yè)務模式發(fā)生變化，應該如何應對？她認為，長期的生存之道是隨著技術發(fā)展，數(shù)據(jù)的可控，公司能做自己的盈利預測。于是，他們搭建了公司內(nèi)部自然語言處理系統(tǒng)，在其中加入對投資的理解，擴大數(shù)據(jù)庫，讓AI在投資的基礎上進行學習。
這其中，涉及到知識圖譜的部分，需要借助外力。另一部分需要機器學習，要構建內(nèi)在聯(lián)系，再通過人工進行調整。目前，華泰柏瑞已經(jīng)實現(xiàn)了做個股層面和行業(yè)層面的基本面預測。目前來看，有了這套系統(tǒng)之后，可能比賣方提供的數(shù)據(jù)更快，這意味著超額數(shù)據(jù)越多，而且對投資市場也大有裨益。
在量化投資領域，她認為，像這樣用大的統(tǒng)計概率起作用的領域，必須要結合數(shù)據(jù)、人工智能，必須增加信息收集來源。比如另類數(shù)據(jù)，包括電商數(shù)據(jù)、衛(wèi)星數(shù)據(jù)、信用卡數(shù)據(jù)、公共數(shù)據(jù)等。這些年，隨著計算技術和數(shù)據(jù)技術的發(fā)展，儲存數(shù)據(jù)發(fā)生了翻天覆地的變化，所以在這方面有很大的空間。比如過去更多是依賴于人進行搜索，所有持倉的上市公司，交易的上市公司，人都要搜索有沒有超預期的消息，但人搜的覆蓋度很低。但是現(xiàn)在自然語言處理可以瞬間覆蓋所有的樣本、所有的上市公司。同時，在投資過程當中，可見近幾年數(shù)據(jù)演化非常快。所以從今年開始，華泰柏瑞會進一步擴展到其他的另類數(shù)據(jù)，用另類數(shù)據(jù)幫助公司在個股和行業(yè)上進行基本面研究。
談到未來，田漢卿說，如果拓展數(shù)字化投資或者量化投資、智能化投資，必須增加基本面信息的緯度。因為長期影響的因素更多，所以必須盡可能捕捉到所有的基本面信息，應用到投資里，拓展模型。她認為，目前用大數(shù)據(jù)和人工智能提升市場效能還有很大的空間，未來會更加顛覆，長期可展望的是人工智能直接承擔資源配置的功能，資本市場可以退居二位。所以這是真正的藍海，對于資本市場有價值，對于投資是真正有價值，可以深度挖掘的，而這個挖掘也將隨著技術進步進一步增加。
劉亞霄：AI只是提升效率的工具，人類無需擔心飯碗
作為已經(jīng)研究AI二十幾年的“老人”，亞馬遜云科技CTO劉亞霄開門見山：AI并不是目標，它只是一個工具。他回憶當年用386系統(tǒng)搭神經(jīng)元網(wǎng)絡，而現(xiàn)在任何手機都要快好幾千幾萬倍。但核心問題并沒有解決，從20年前到現(xiàn)在，主要突破都是在算法、傳感器、算力上的突破，理論上并沒有太大突破。所以，在可以預知的未來，在數(shù)學上沒有大突破之前，大家不用擔心AI搶自己的飯碗。他笑言，AI現(xiàn)在基本上是一個智障的階段。無論自動駕駛還是宇宙飛船。但是，AI確實能夠通過工程化的解決方案，通過創(chuàng)新，提高我們的工作效率，使我們對數(shù)據(jù)的把控得到更好的應用。
以AI在亞馬遜備貨方面的應用舉例，我們做了很多數(shù)據(jù)儲備，也用了很多云上的東西，最后形成了亞馬遜以預測為基礎的體系。這個體系達到了超過99%的庫存是自動化采購，也就是說亞馬遜賣的東西99%的東西是通過預測，系統(tǒng)告訴你應該買多少作為備貨。
傳統(tǒng)的科技，數(shù)據(jù)和應用計算是聯(lián)系在一起的，云科技的計算力和它的存儲量已經(jīng)大到超乎想象，所以我們提出了一種新的對于數(shù)據(jù)資產(chǎn)盤活以及數(shù)據(jù)管理的觀點——把計算力挪到數(shù)據(jù)里。也就是先有業(yè)務，業(yè)務帶來了數(shù)據(jù)，這些數(shù)據(jù)需要從業(yè)務里獨立出來，然后大家把不同業(yè)務的數(shù)據(jù)放在一起，來看能不能產(chǎn)生新的業(yè)務，也就是解決方案。比如亞馬遜的小機器人，已經(jīng)完美替代人工，進行倉庫中的備貨、揀貨，人只需要完成最后的打包工作。這是因為亞馬遜所有的貨品一開始都是由機器人去報告，然后進行數(shù)據(jù)集成。他們將系統(tǒng)數(shù)據(jù)放在云端，機器人直接訪問數(shù)據(jù)，獲取貨品信息，而不是說機器人是一個系統(tǒng)，它的數(shù)據(jù)需要每天從云端導下來再去處理。在未來，我們希望用數(shù)字化幫助企業(yè)在產(chǎn)業(yè)鏈上的成本結構得到優(yōu)化，價值鏈得到進一步規(guī)整，使跨境電商業(yè)務跑得更好。
我們不強調把大家現(xiàn)有的金融業(yè)務搬到云上，而是希望幫大家找到在互聯(lián)網(wǎng)上可以做金融業(yè)務的接口，然后形成數(shù)據(jù)分割的混合云，也就是數(shù)據(jù)化的企業(yè)數(shù)字架構，比如放在云上可以擴大生意、可以符合監(jiān)管的流程要求，最終發(fā)揮數(shù)據(jù)創(chuàng)造價值的理念。
張軼：未來已來，投資人需要改變思維模式，充分利用大數(shù)據(jù)和人工智能
時代在飛速發(fā)展，技術的發(fā)展永遠不會以我們的意志為轉移，投資行業(yè)也同樣，張軼認為，大數(shù)據(jù)和人工智能已經(jīng)改變了傳統(tǒng)的投資模式，資管行業(yè)從業(yè)者必須改變思維定式，擁抱新技術。作為美國人工智能協(xié)會會員，光大理財有限責任公司CTO，張軼以阿爾法的來源改變舉例，最早的時候投資都是阿爾法，如今阿爾法所處的領域越來越少，但事實上阿爾法帶來的超額越來越多，阿爾法的投入遠高于貝塔，這些基本事實的描述，帶來的邏輯是怎么去尋找阿爾法？數(shù)據(jù)來源和以前相比增大很多，新的東西被容納在傳統(tǒng)的數(shù)據(jù)里，我們做投研的時候是不是可以用相對而言系統(tǒng)化的方法，基于數(shù)據(jù)進行。
具體來說，首先有一些原始數(shù)據(jù)做驗證模型加入洞見構建組合，完成之后把組合執(zhí)行的效果回到假設來看，整個系統(tǒng)的閉環(huán)不斷持續(xù)糾正，所謂的系統(tǒng)化投資并不會帶來更大的阿爾法，但是會更穩(wěn)定，因為有PDC循環(huán)幫助我們提升投資的質量。
龐大的數(shù)據(jù)庫首先來自數(shù)據(jù)收集。其次對背后的原因提出假設進行分析預估評測，而和我們現(xiàn)在做的地方不一樣的是，模型生成不是來自于我們的洞見，而是來源于我們對數(shù)據(jù)的分析，沒有任何先入為主的概念，而是通過對數(shù)據(jù)的分析來生成所需要的模型，構建組合。聽起來這只是一點點邏輯的改變，但是這一點點改變挑戰(zhàn)的是我們已經(jīng)延續(xù)運用20年、30年，兩代人被培養(yǎng)出來的方法，這是非常具有挑戰(zhàn)性的。
在今天這個時代，比較推崇的是數(shù)據(jù)到角色，在投資流程當中以數(shù)據(jù)為核心，更多需要溝通協(xié)調。最外側數(shù)據(jù)清洗工程化的管理這樣藍領的工作構建了基石，代表了一個機構如何認知數(shù)據(jù)和認知市場，這需要默默無聞和強大的團隊，對整個公司的投研生產(chǎn)產(chǎn)生支持，而這方面在傳統(tǒng)的資產(chǎn)管理公司里是不存在的，通聯(lián)數(shù)據(jù)做了很多這樣的事情。
對數(shù)據(jù)清洗本身代表對市場價格的認知，我們怎樣重新評估習以為常的數(shù)據(jù)模型，這些模型能帶給我們什么東西？可視化是最低成本建模的東西。舉個例子，交易的活躍度不用復雜的報表，一張圖就可以看到。再比如過去以前考慮券怎么做，今天已經(jīng)完全可以基于數(shù)據(jù)分析，比如用情感分析引擎，年報公布之后60個交易日之后跑出來就可以，它沒有具體細致的研究，用數(shù)據(jù)分析的方式去跑60個交易日的組合，這個組合是動態(tài)的，調整是自動化的。而對未來的門檻模擬，人工智能已經(jīng)遠遠超過人類。比如構建過3.2萬券組合，算的話大概20分鐘，用新方法是3.76毫秒，對于投資經(jīng)理來講，要在這個組合里面增加減少改變權重，它其實是實時變化的，我們投資經(jīng)理最后的邏輯是放一個券進去，或者改一下占比，看對組合構建的影響，我再決定是不是把虛指令變成實指令，可視化后，凈值漲了什么也不用干，如果是跌了1秒撤回。這種方式改變了投資團隊的行為模式，帶來了更快的反應，更快的質量修正。
所以，在今天這個時代，從業(yè)者要改變思路，充分利用人工智能，讓它和人類攜手，提升效率。當然，所有的方法都是要以人為本及幫助投資研究團隊，促使資產(chǎn)管理機構，讓公司為投資者服務，為員工服務，只有這樣整個行業(yè)才能更長遠的發(fā)展，才能真正起到為投資人服務獲取利益的結果。
曲向軍：資管公司可通過四方面落地數(shù)字化戰(zhàn)略
數(shù)字化戰(zhàn)略要緊密結合業(yè)務戰(zhàn)略。資管企業(yè)應高屋建瓴，從頂層設計著手。為此，我們提出了“3+1”資管科技數(shù)字化轉型藍圖，包括：實現(xiàn)現(xiàn)有業(yè)務數(shù)字化、自動化和智能化，從而實現(xiàn)資管價值鏈端到端賦能；建設全新商業(yè)模式，包括數(shù)字化產(chǎn)品創(chuàng)新、對外科技輸出、生態(tài)圈戰(zhàn)略等；推動金融科技開放創(chuàng)新，布局科技生態(tài)。
此外，為了支撐三大數(shù)字化戰(zhàn)略支柱落地，資管機構還需構筑起一套“5+1”六大數(shù)字化能力，包括IT基礎設施和科技治理體系升級、大數(shù)據(jù)規(guī)模化應用能力支撐、以及科技和數(shù)據(jù)組織人才建設。
未來10年，金融科技在中國資管行業(yè)將迎來巨大發(fā)展。原因有三：一、行業(yè)自身發(fā)展需要。中國保險、銀行、券商業(yè)與全球差距相對較小，而資管行業(yè)與全球差距巨大。中國最大的資產(chǎn)管理公司，其規(guī)模和利潤與全球頂級資產(chǎn)公司存在幾十倍的差距。二、科技服務能力不足。目前，相比其它細分金融行業(yè)，市場上服務于資管行業(yè)的科技公司能力相對不足。三、很多資管公司仍存在大量手工作業(yè)。急需通過自動化、線上化提升效率，另外有很多環(huán)節(jié)需要數(shù)字化創(chuàng)新，比如智能投研、智能投顧。
中國資管市場蘊藏著巨大潛力，目前市場規(guī)模將近120萬億元人民幣，未來5年有望突破200萬億。要抓住未來發(fā)展機遇，資管公司應該建立八大核心能力，其中機構化、工業(yè)化的投研能力和數(shù)字化應用能力是重點。具體而言，資管公司可通過四方面落地數(shù)字化戰(zhàn)略：
一、推進現(xiàn)有業(yè)務自動化、線上化、智能化。首先要實現(xiàn)現(xiàn)有業(yè)務的完全線上化，這是最基礎的目標，包括投研、運營服務端，在運行過程中實現(xiàn)智能化。
二、打造數(shù)字化商業(yè)模式和產(chǎn)品創(chuàng)新。如何通過數(shù)字化推動商業(yè)模式轉變？包括打造新產(chǎn)品（比如ETF，Smart Beta以及量化投資產(chǎn)品等）以及和新產(chǎn)品有關的數(shù)字化能力。
三、搭建科技平臺和開放生態(tài)。資產(chǎn)管理公司不僅要利用自有科技團隊，還應善于借力外部科技公司，共同研究、創(chuàng)新。
四、打造一套涵蓋科技、數(shù)據(jù)、人才的基礎能力。包括打造雙速IT和科技治理體系、構建大數(shù)據(jù)分析平臺，以及推動組織敏捷化轉型。
除了提升自身科技能力之外，資產(chǎn)管理公司還可以參考三種模式，借力外部科技公司的力量，打造開放生態(tài)：第一、建立創(chuàng)新實驗室，這個實驗室不只是做實驗，一定要推出數(shù)字化產(chǎn)品，當然實驗室也不是小部門，而是一個混合團隊；第二、打造科技加速器。這種模式適合風險承受能力和財務資源投入意愿略低，但又希望深入?yún)⑴c的資管公司。第三、作為有限合伙人參與傳統(tǒng)的風投基金。這種模式適合自身投入有限、希望借助專業(yè)機構風險投資能力的資管公司。
總之，結合中國資管機構數(shù)字化探索的現(xiàn)狀，我們建議，資管公司需要制定與業(yè)務戰(zhàn)略高度一體化的數(shù)字化戰(zhàn)略，建立起科技與業(yè)務高度融合的科技治理體系；實施用例驅動的大數(shù)據(jù)平臺建設，特別是大數(shù)據(jù)賦能智能投研，打造金融科技開放創(chuàng)新生態(tài)平臺；加強科技和數(shù)據(jù)人才儲備，力爭大數(shù)據(jù)和科技人數(shù)達到總員工數(shù)的20%-25%。
鐘兆民：人工智能也好、數(shù)字化也罷，要像微信這樣，買菜的阿姨都能用
中國有一個和君咨詢，他們對律師事務所有一個報告，他說哪個律師事務所對IT的投入最多，說明主要的合伙人是做事業(yè)的人。因為IT投入是慢慢積累的過程。最理想的協(xié)同是什么？像我這種不懂技術，但是需求是很明確的，所以我把我們投資經(jīng)理的需求發(fā)給了通聯(lián)數(shù)據(jù)。超級小白與超級大牛之間要無縫對接，這也是人和人互動的過程。
科技的方案是需求，技術是手段，而不是目的，技術不能吃不能喝。所以，對應著的是最復雜最先進的支持系統(tǒng)，這是后臺，后臺一定要做到用戶的無縫對接。人工智能也好、數(shù)字化也罷，要像微信這樣，買菜的阿姨都能用。因為股民已經(jīng)有1.8億了，手機上網(wǎng)，信息已經(jīng)無窮了。人工智能的功能性上一定要更接地氣。
我對王政博士特別尊重，他們的使命是人工智能讓投資更高效，我覺得這件事不光有商業(yè)價值，而且有社會價值，因為提高了效率。我們用了很多的工具，如果可以幫我省一秒鐘，那就比較值錢，時間和效率是無價的。時間和效率，關系到的不只是一個基金經(jīng)理，而是基金經(jīng)理背后的萬千基民們，這是社會性的。
從需求出發(fā)，我們資產(chǎn)管理者有兩方面的需求：我們的系統(tǒng)現(xiàn)在還很孤立，我們要統(tǒng)一起來。每個人的知識都是有局限性的，我需要了解更多與我所投的股票或基金相關的事，但我需要排除噪音，高價值的信息。
形式方面，閱讀的重要性排序，盡量圖標可視化，如果生動的話就更好了，可以寓教于樂。最后我作為用戶，希望這樣的智能系統(tǒng)邏輯底層是嚴密的，要開放，還要個性化。我現(xiàn)在認為重要的信息，比如我們現(xiàn)在管100億，下次管500億，重要的標簽是在變化的，是動態(tài)的。要進化，還要有學習互動能力，這是我真實的需求。
最后就是我們已經(jīng)開始的人工智能、大數(shù)據(jù)、科技類的公司，與投資管理公司深度融合反饋，更加智能地學習。所以我覺得，投資基金這個行業(yè)，包括我接觸了很多銀行高管，他說從全球金融史來看，金融行業(yè)和科技結合得更緊，金融機構有資金，又愿意投在科技上，所以我們可以倒過來相互賦能。
我覺得投資基金的未來有人工智能的輔助，效率的提升，時間的節(jié)省，都是指日可待的事。
馮欽遠：HI+AI投研分析方法的基本原理及實例
在信息爆炸的時代，資管行業(yè)在享受信息紅利的同時，也面臨著如何低成本獲取信息、高效處理信息以及如何將信息知識化、模型化的難題。隨著人工智能快速發(fā)展，機器算力指數(shù)級提升，將人類經(jīng)驗、邏輯判斷與機器學習、智能判斷相融合，打造人機結合的智能投資范式成為一種全新可能。
Datayes!蘿卜投資面向智能時代，將底層金融大數(shù)據(jù)、海量特色數(shù)據(jù)進行技術處理，打造了貫穿市場監(jiān)控、投資研究、組合管理、風險管理等投資全場景的下一代智能資管平臺。在Datayes!蘿卜投資通過AI賦能資產(chǎn)管理數(shù)字化轉型的實踐中，高頻且極具特色的場景包括：智能投研、智能組合與風險管理、智能FOF、機器人分析師等。
智能投研
以智能投研為例，在研究階段，Datayes!蘿卜投資通過人機結合的投資研究框架，和用戶一起形成對于各種研究對象智能研究判斷的能力，包括對于宏觀的判斷，不同行業(yè)的判斷，公司基本面的判斷，資產(chǎn)價值的判斷。在形成這樣一套投研體系之后，進一步為用戶提供千人千面的實時預警和監(jiān)控服務。
具體來看，我們已經(jīng)完成對A股2000家以上公司的覆蓋，在對2020年26個行業(yè)800家上市公司的營收預測中，AI相對單純HI分析師一致預期的勝率達到83%。同時，預測精度（誤差5.7%）也遠高于分析師一致預期（8.8%）。
除了個股盈利預測，我們在行業(yè)景氣預測方面也進行了深入的探索。行業(yè)景氣度預測框架已覆蓋各級行業(yè)60多個，過去兩個季度對申萬一級行業(yè)的樣本外預測勝率達87%。它可以幫助我們更好地挖掘行業(yè)主要矛盾，實時預測行業(yè)景氣，更加準確、及時地修正投資者對行業(yè)周期的判斷，特別是在預判拐點上，更好地指導投資。
智能組合與風險管理
我們希望和客戶共同打造工業(yè)化的資產(chǎn)管理體系。一方面提高原先需大量手工操作的運營環(huán)節(jié)的自動化程度，另一方面將基金經(jīng)理有用的投資經(jīng)驗，內(nèi)化為組織的投資流程和投資規(guī)范，從而形成嚴密、科學的資產(chǎn)管理體系。
工業(yè)化的資產(chǎn)管理需要精密的解構。在底層分析緯度上，Datayes!蘿卜投資基于組合真實持倉，提供覆蓋全產(chǎn)品/策略的豐富的績效分析維度；在風險管理上，則能夠幫助客戶打造穿透式全流程風險管理，包括主動風險分析與被動風險提醒，提供基于風險模型的全方位事前、事中、事后風險分析，不遺漏任何潛在風險。
智能FOF
在智能FOF領域，實務中投資者面臨的挑戰(zhàn)包括：如何給產(chǎn)品打標簽、如何評價和選擇子基金、如何識別子基金的產(chǎn)品收益來源與風格特征、如何科學高效配置資產(chǎn)等。Datayes!蘿卜投資通過大數(shù)據(jù)支撐資產(chǎn)配置研究，充分利用人工智能的數(shù)據(jù)挖掘、深度模型、風險模型等技術，對FOF業(yè)務進行全流程支持。
在產(chǎn)品標簽上，精細刻畫基金產(chǎn)品投資風格，準確實現(xiàn)基金分類，協(xié)助用戶在基金投前篩選目標產(chǎn)品?；?大類58個特色指標、多層級評分體系，為基金研究提供新思路。針對不同類別資產(chǎn)特性，Datayes!蘿卜投資通過大類資產(chǎn)、子類資產(chǎn)、行業(yè)配置、風格配置、Brinson、Campisi等歸因分析揭示產(chǎn)品收益來源與風格特征。在資產(chǎn)配置上，Datayes!蘿卜投資基于經(jīng)典組合管理理論和中國市場的投資實踐，結合多種前沿資產(chǎn)配置模型，實現(xiàn)FOF組合的一站式科學構建。
機器人分析師
我們知道，分析師這個群體工作非常繁重，工作強度很大。我們一直在思考，如何用AI替分析師完成一些重復性、基礎性的案頭工作。Datayes!蘿卜投資以海量金融數(shù)據(jù)為機器分析提供支撐，通過機器學習算法和智能點評分析產(chǎn)出研究成果，顯著提升了研究數(shù)據(jù)轉化為研究成果的效率。
我們認識到，要實現(xiàn)從數(shù)據(jù)到報告極致智能的一站式體驗，背后需要提供幾種能力。首先要有豐富的信息，在這方面我們做了大量的努力，目前已經(jīng)生產(chǎn)和持續(xù)提供特色數(shù)據(jù)300萬條，海外精品數(shù)據(jù)超過500萬條。其次，我們在業(yè)內(nèi)首創(chuàng)垂直金融搜索引擎，幫助客戶精準、快速地檢索數(shù)據(jù)、解構文檔、研報、圖表等非結構化信息。有了這些能力之后，再疊加自然語言技術與數(shù)據(jù)監(jiān)控能力，就能夠實現(xiàn)智能點評和圖表數(shù)據(jù)自動更新，讓機器人持續(xù)地進行高質量的內(nèi)容輸出。
我們深信，技術的發(fā)展和產(chǎn)業(yè)的演進是不以個人意志為轉移的。像在諸多其他領域一樣，人工智能的快速發(fā)展必將帶來資產(chǎn)管理領域人類智慧的顯著增強?；趶姶蟮臄?shù)據(jù)處理能力、科學的投研體系和前沿的人工智能技術，通聯(lián)數(shù)據(jù)將全力賦能國內(nèi)外資產(chǎn)管理者，持續(xù)推動行業(yè)數(shù)字化轉型。