人工智能打造的投資組合正在成為現實

想象一下，人們打免費800號碼時再也不用因為無人理會而挫敗；火車永遠準點，不再需要候車室；個人所得稅和企業所得稅的稅率設置得十分合理；每個人都攢夠了退休金。因為在未來，人工智能將使財務管理和生活管理像倒一碗麥片粥一樣易如反掌。

長期以來，人工智能始終只出現在末日科幻電影中，但如今它已經走出銀幕，悄悄地走進現實生活，并將影響你的投資組合。試問任何一位基金經理他們目前最感興趣的事物，答案不是改變新的投資風格，而是人工智能。人工智能具有巨大的競爭優勢，它可以創造一支不知疲倦且錯誤率極低的勞動力大軍。那么，人工智能是否能拯救陷入困境的資產管理行業？能否在提高投資效率的同時降低投資難度及投資成本？基金公司巨頭們已經投入幾十億美元來尋找答案。

黑石（BlackRock）、先鋒（Vanguard）、富達（Fidelity）和普信集團（T. Rowe Price）等公司還投入了大量時間和資金，在總部之外的大城市設立了獨立于總部的技術中心。黑石在帕羅奧圖、富達在波士頓、先鋒在費城市中心、普信在紐約。這些技術中心都是為特定人群和工作類型而設計的，配備了站立式辦公桌、模擬車庫項目實驗室、長絨地毯和圣誕燈，還準備了拼圖游戲、Kit Kat巧克力和LaCroix氣泡水，很少采用的老式紅木和皮革家具，充分展現了初創企業的時髦雅致，也體現了這些公司正在努力吸引頂尖人才、數據科學家、信息架構師和數據預處理人員，否則他們便會轉身投奔谷歌或亞馬遜。

麻省理工學院金融工程實驗室主任Andrew Lo說：“我們正處于一場技術軍備競賽中，金融機構必須參與進來，才能保持競爭優勢。”

金融機構在爭奪的是什么？首先，節省成本——簡單而言——任何能夠抵消投資產品價格下降造成的利潤流失的東西。如果使用得當，人工智能也可以賦予投資組合經理優勢，能更好地為投資者提供廣泛的理財工具，正是這些工具讓智能投顧變得像算盤一樣。

富達人工智能項目負責人Vipin Mayar說：“每一家大公司的首席執行官都看好人工智能的發展前景。每個人都在追求利潤。”

與為解決特定任務、硬編碼的程序不同，人工智能的實現要從機器學習數據開始，就像小孩學習一樣。通過一系列獨特、專有的統計技術，機器用大量數據進行“訓練”。“大數據”一詞是指海量的數據點，比如你在某個時刻的具體位置、本月在咖啡上的花費、朋友的名單等。數據科學家可以利用這些數據點來創建并訓練統計模型。

深度學習是實現機器學習的一項技術，當前這一領域正取得重大突破。簡單來說，深度學習是讓計算機像人類一樣處理信息。例如，自然語言處理可以使計算機能夠在真正理解人類語言的基礎上做出反應，而不是按照一系列程序規則。計算機視覺使計算機能夠看到并識別視覺圖像，不僅能區分照片中的蘋果、圖畫中的蘋果和真實的蘋果，而且還能分辨出每種圖像之間的差異程度。計算機視覺不僅可以完善自動駕駛汽車技術、腫瘤識別機器、幫助機器挑選最好的葡萄來培育赤霞珠，當然還能加強財務數據分析能力。

不過，正如任何一位電影愛好者（或者任何一個活人）都會告訴你的，人工智能有局限性。比如，自動駕駛汽車出現過車禍；IBM制造的沃森（Watson）可以擊敗世界著名象棋手，但卻無法解釋人類為何下象棋；超級電腦哈兒（HAL）（注：電影《2001年太空漫游》中的反派虛擬角色）是殺人AI。金融公司的愿景宏大，但目前只邁出了一小步。在未來，人工智能有可能會提供更優質的金融教育、促進金融授權、保障人人都能獲得私人投資理財的咨詢機會。但現在，大多數金融公司出于自身利益，主要目標在于節約成本。美國道富銀行（State Street）投資管理服務的全球主管John Lehner在談及使用人工智能的緊迫性時表示：“當前資產管理公司已經無法負擔如今的業務模式。”

幾年前，由于人們無法償還信用卡債務，一家大型銀行每天都要承擔5000萬美元的損失，于是該銀行向麻省理工學院的安德魯·羅尋求幫助。銀行最初的解決方案是將信貸額度全面削減50％。但安德魯·羅和他的團隊用信用局的統計數據、FICO信用分數、拖欠和違約的歷史記錄、自動取款機交易數量和直接存款額等數據來訓練機器學習模型。這些模型發現，在過去三個月內停止直接存款的人，拖欠或違約的可能性要高出五倍。

很多人都會猜測，這些人難以還清債務是因為他們失業了，但機器能夠識別出在龐大的客戶群中還款壓力最大的那部分人。最終這家銀行沒有將所有人的信貸額度都削減50％，而是找到了4％最有可能違約的客戶，削減了他們的信貸額度，從而減少了風險。

在基金方面，對沖基金公司英仕曼集團（Man Group）在人工智能領域走在前列。其量化投資部門AHL正在利用人工智能來減少滑點，即預期價格與實際成交價格之間的差額。概率論中有一個數學問題——“多臂老虎機問題”，在這個問題中，資源必須在多渠道分散分配才能實現收益最大化。想想如何將一把硬幣放進成排的老虎機里才能賺錢。AHL的首席科學家Anthony Ledford表示：“當我讀到這個問題時，我認為它‘類似于交易執行’，但我們在選擇交易執行算法時并沒有獲得收益，反而增加了成本。”

通常，為了盡可能降低成本，減小市場波動，算法是由人為決定的。但英仕曼集團的研究發現了一種算法，專門用來決定使用何種算法。Ledford說：“由于采用何種算法是由算法決定的，因此大大減少了人為決策的時間；同時也減少了大約10％的滑點。”人工智能在AHL部門取得了巨大成功，英仕曼集團的其他部門也紛紛效仿。富達投資也開始推進人工智能研發。

下一步：人工智能選股

人工智能取得重大進展，其中最有意思的莫過于投資組合管理。人工智能大量地應用于被動投資中——得益于現代計算機，證券交易所創造了3萬億美元的交易所交易基金（ETF）——人工智能也將更多應用于最新的ETF中。

被動投資就是根據某個預定計劃的一系列規則進行買賣。標普500指數基金是最著名的被動投資，只需要根據其市場價值的變動來調整其持有量。其他的指數，如羅素指數，每年才會進行一次再調整。一些使用更為復雜投資規則——技術上說仍是被動型——的新基金產品正不斷推出并被市場接納。說這些新產品是被動投資型的，因為它們所持有的證券且買賣時機都要遵循一套規則；但由于它們的規則已經變得十分復雜，因此本質上已經屬于主動投資型。人工智能則可以進行更深入的決策，利用大數據（如紐約第五大道人流量或油輪投下的陰影的衛星圖像）處理海量信息，摒棄“噪音”，抓住“信號”進行買賣。

黑石系統化主動股票投資團隊的聯合領導人Jeff Shen表示，人工智能的出現淡化了主動投資和被動投資之間的區別，因此可能會產生一種新的投資方式。“只是我們還沒有給它命名。”

機器學習與自然語言處理相結合，對會議記錄進行挖掘，從而識別其中的特殊字眼，這樣一來投資組合經理就能了解首席執行官在電話會議中聽起來是否樂觀。它還可以用來搜索推特的消息，實時分析消費者不斷變化的品味和趨勢。例如，富達投資股權部門聯席主管Tim Cohen表示，富達一直在挖掘社交媒體數據，分析安德瑪服裝公司（Under Armour）相對于其競爭對手的受歡迎程度，以及消費者對于奇波雷墨西哥燒烤連鎖（Chipotle）推出的新產品“kumo”有何看法。“我們所做的不是讓投資決策自動化。我們正在探索并努力完善現有的模型，當前面臨的挑戰在于如何找到一項可以長期使用的新技術。”

下一步人工智能會有何發展？機器將評估和預測人類行為，例如，投資組合經理如何根據管理層會議和收益情況進行交易買賣。如今機器只能簡單地回顧歷史，研究特定事件的歷史交易信息。但總有一天，機器學習將能糾正人類行為，從而打造競爭優勢。

如何將人工智能應用于傳統量化投資領域，英仕曼集團的AHL部門做出了示范：通過機器學習，該公司正“重新學習”動量特性。在大多數情況下，人工智能可以從股價的漲跌速度和變化方向上來判斷公司買賣股票的時機。在價格變動劇烈的情況下，采用動量策略難度很大。多數動量ETF在價格波動劇烈的市場中無法捕捉和回應 “信號”，這也就是為什么許多ETF的跟蹤記錄參差不齊。但英仕曼集團的人工智能在極度動蕩的市場中發現轉向信號，也能讓模型迅速進行自動調整去捕捉這些信號。Ledford說：“傳統的建模辦法做不到這一點，深度學習有助于發現我們無法發現的信號。”

越來越多的主流產品將應用機器學習技術，不過早期的產品則顯得平談無奇。貝萊德2018年3月推出了7只新的行業ETF，如iShares進化美國科技主動型ETF（iShares Evolved U.S. Technology ETF，IETC）和iShares進化美國必需性消費主動型ETF（iShares Evolved U.S. Consumer Staples，IECS）。該公司通過自然語言處理，掃描上市公司所提交的各類公開信息，挖掘特定的描述其業務的詞匯及用語，從而確定這些公司分別放進哪個ETF及所占比重。最終結果類似于傳統的行業分類，盡管一些公司可能會同時歸屬于幾個不同的行業。IBM的沃森也開始打造ETF。六個月前，其推出了一只市值1.34億美元的大公司AI動力股ETF（AIEQ）。

可以預見的事，更多人工智能驅動的產品將會在市場上出現，但投資者應該像對待其他那些沒有實績、只有概念的新產品一樣，對這些產品保持警惕。人工智能產品的實際運行，會像它們的各自創建人一樣，各有不同。

杜克大學教授兼英仕曼集團顧問Campbell Harvey說：“人工智能需要大量的數據使其運轉，機器學習不是一件單一的事物，它包含許多不同的因素。這是智能投顧的一個常見問題。人們誤以為智能投顧是一種算法或別的什么，但有些智能投顧就是垃圾。要非常小心。”

此外，市場變幻莫測。Andrew Lo.說：“市場像一個生物系統，并非一成不變，沒有一條定律可以解釋市場在過去一年甚至幾十年的演變過程，人工智能可以解決‘誰來做’、‘做什么’、‘在何時’、‘在何地’、‘如何做’等問題，但無法理解一項決策背后的邏輯，而這正是Warren Buffett成功的原因。”

這種獨一無二的推理能力讓巴菲特、富達的Will Danoff和雙線資本（DoubleLine Capital）的Jeffrey Gundlach等人可以松一口氣了。但人工智能不只局限于投資組合管理，一些金融公司還認為人工智能可以準確確定行為特征，并預測個人對金融和市場事件的反應。

當富達的人工智能團隊得知他們可以使用超級計算機處理大量數據時， James Aylward馬上離開辦公室，驅車回家。他想了解他的鄰居們有哪些亟須解決的問題。比如，鄰里們想知道他們應該如何努力達到類似家庭的經濟水平，其他人如何支付大學學費或育兒費，選擇何種住所，以及他們做了哪些取舍。

人工智能對如何取舍給出建議，但由Aylward領導的富達團隊可以識別出具有共同特征的家庭。下一步是建立一個預測軟件，客戶可以通過使用軟件來了解該如何做才能達到財務安全。但設計預測軟件困難重重，有許多不確定的因素，且沒有衡量標準。富達人工智能的負責人Mayar說：“谷歌地圖解決的只是如何從A點到B點這種簡單的問題，達到財務健康則復雜得多，但我們的研究發現人工智能有可能做到。”

這個項目的負責人Aylward指出，人工智能的能力會隨著時間的推移而不斷加強。“人工智能可以自我提升，一開始人工智能只能做出判斷，但慢慢會變得有預見性。Aylward說：“對于走不同的路會有什么結果，人工智能會進行學習，隨著學習的深入，人工智能會形成規范并告訴你‘應該做A還是B’。”

與此同時，Andrew Lo正與一家大型經紀公司合作，研究一種衡量投資者行為的指標，其團隊稱之為“異常因素”。他說，很多算法可以告訴投資者應該做什么，但沒有一種算法能解釋他們實際做了什么。他使用了數十萬匿名賬戶12年間的數據以此來衡量用戶的行為。他們構建了人口統計模型，以此確定在市場調整或低迷時期，哪些投資者最有可能“抓狂”。Lo說，想象一下，在上一次金融危機中，人工智能可以為投資者減少多大的痛苦。

Lo說：“我們需要‘人工智能’。我們可以向人們反復灌輸市場會恢復的觀念，但這就像通過宣傳禁欲來防止少女懷孕一樣，并不現實，因為它沒有考慮到人性。”他預計幾個月后就會有研究結果，像他這樣的機器學習模型預計將在兩三年內上市。

研究公司晨星也將人工智能技術應用到一些以人為主的項目中。該公司于2月份推出了新的定量評級體系。機器學習模型模仿了該公司的分析師評級，即分析師如何看待基金前景的定性評估。分析師評級是預判、定性的；而該公司的星級評級是回顧、定量的。

公司將測試的機器學習模型與現有的分析師的評級結果進行了匹配，公司報告顯示，負面評級匹配率達到55％，正面評級匹配率達78％。晨星公司的首席分析師Timothy Strauts告訴《巴倫周刊》，公司對目前的匹配率感到滿意。顧問們是否滿意這一測評結果則是另一回事。

也許對于人工智能來說，目前最大的障礙不是技術，而是大眾認知。隨著隱私問題成為公眾爭論的焦點，不止一家資產管理公司的首席執行官告訴《巴倫周刊》，實際上他們所掌握的關于客戶的數據，遠比他們愿意向客戶承認的要多得多；為了不讓客戶心神不定，他們也并沒有完全向客戶袒露這些數據在技術上的用途，即使這些用途最終是為了改善用戶體驗。“我們如何才能在傳達一個解決方案的同時，又不讓客戶感覺奇怪、受到侵犯、或受到“老大哥”式的監控呢？”

人類對人工智能下達的指令，將決定未來人工智能的樣子。即使這一轉變難以捕捉。Aylward笑著說：“數據科學家開玩笑說，當人工智能變成產品時（比如蘋果的Siri或谷歌地圖），它就不再是人工智能，而只是產品的名稱，所以‘人工智能’這個詞永遠屬于未來。”