[[154831]]

從去年開始，美聯社便開始使用 WordSmith 軟件進行內容生產，平均每月能完成 1000 篇稿件的寫作。

隨著人工智能技術和大數據近兩年的發展，計算機軟件對海量互聯網信息的處理和匹配越來越精確，并且整個過程也愈發智能和高效。

即便是在復雜多變的金融領域，這樣的案例也為數不少。

[[154832]]

2008 年，第一個以人工智能驅動的基金 Rebellion 預測了當年的股市崩盤；時隔一年， Rebellion 又比惠譽評級提前一個月給了希臘債券 F 評級，而當時惠譽的評級仍然為 A。

就像 Google 當年給搜索領域帶來的沖擊那樣，位于美國馬薩諸塞州的公司 Kensho 就通過程序化分析的方式來預測標普 500 指數每周走低的情況。你只需在簡單的文本框里輸入問題就能獲得靠譜的商業投資建議。

正如 Kensho 的 CEO Daniel Nadler 所言，他們想要將今日市場的一些專業知識交到大眾手中，而此前僅僅只有一些頂尖級的對沖基金和銀行使用這些專業知識來利用短期的市場無效賺取大量利潤。

金融數據分析技術的成熟，也催生了「自動化投資服務」這一模式也在美國興起。

2011 年成立的 Wealthfront 已經幫助一大批硅谷科技公司解決他們的投資需求，累計掌控的資產超過了 26 億美金。

在美國，越來越多的年輕人選擇讓智能平臺幫他們打理資產，其中很大一部分原因要歸結于互聯網平臺的便捷和低價。

除此之外，大數據和人工智能究竟給傳統金融帶來了哪些變化呢？照此發展，基金經理這樣的金飯碗也會被計算機所替代嗎？

機器分析如何減少投資虧損？

計算機參與投資管理，源于資產管理越來越需要對大量非傳統數據的分析。現在，傳統金融數據作為交易信號的價值已經被充分挖掘，且因為各家管理機構的專業能力趨于一致而難以在中長期的投資管理中形成業績差別。

于是，在投資管理中，非傳統的機器分析手段被越來越多的引入，而在一些實際的案例中，基于大數據和人工智能的投資分析也將原本人工分析帶來的虧損降到了最低。

Virtu Financial LLC 公司通過高頻程序化交易，在 1238 個交易日中，僅有一個交易日出現了虧損。

對沖基金 Cerebellum 也使用了人工智能技術，結果從 2009 年以來，沒有一個月是虧損的。

而在國內，各家擁有大數據和人工智能技術的互聯網巨頭都已涉足互聯網金融大數據基金領域。比如百度和廣發基金合作的「百發 100」，螞蟻金服和博時基金合作的「淘金 100」，以及近日騰訊自選股和嘉實基金合作發布的 「騰訊自選股大數據策略組合」。

因此，非傳統數據的采集和應用就變得日益重要。在華爾街，通過港口集裝箱圖像的衛星照片做市場判斷，或從從媒體報道中獲得經濟發展的線索的分析方法由來已久。

這意味著非傳統數據正逐漸取代傳統金融數據成為真正有效的交易信號。通過分析整體用戶行為與股票價格表現之間的關聯性構建大數據模型，精選大概率具有超額收益的個股，將數千萬用戶的選股行為作為交易信號，以把握未來的市場熱點獲得超額收益。

這樣海量的數據分析，顯然是人力無法完成的，因而必須通過機器運算，分析師的工作將被取代。而隨之而來的，是交易策略生產過程將發生巨大變革。

傳統的投資策略生產過程，主要依據傳統金融數據，通過確定的分析模型求解最優的資產配置方案和交易方案。而機器分析的數據源大量來自于非傳統數據，并沒有所謂確定所的分析模型，因而更偏好對隨機事件進行反應。

通俗來說，大數據分析只關注相關性而不注重因果，當機器分析到兩件事情大概率上先后發生，則認為兩件事存在關聯，因而將先發生的事件作為后發生事件的先兆。

具體到投資上，大數據分析并不關心兩件事先后發生的具體原因和傳導機制，而只將先發生事件視作后發生事件的交易信號。這使得投資決策的效率空前提高，并產生許多無法通過經驗和理論推導出來的新認知，繼續成為新的投資策略持續生產的源泉。

基金經理會丟掉飯碗嗎？

大數據和人工智能相對于人力的優勢顯而易見，但現實是，這也是人工智能的劣勢。由于只關注相關性而不注重因果，機器分析無法將「巧合」這一小概率事件從投資決策中排除掉。

但隨著時間延長，再小概率的「巧合」也必然會發生，至少在可見的未來里，機器的智能對此無能為力。而一些毫無征兆的突發事件，由于機器從未分析過此類事件的影響，同樣無法做出反應。至于像「光大烏龍指」等因系統缺陷導致的問題，也證明了人工智能并不是在任何時候都可靠。

在騰訊自選股大數據組合的構建中，嘉實基金也需要將股民的選股行為數據進行修正，結合價值、成長、流動性等傳統金融數據指標，剔除基本面和流動性較差的股票。

騰訊自選股大數據策略組合的統計顯示，雖然市場經歷了兩次暴跌，截至 10 月 23 日，該組合今年以來漲幅仍有 118%。

因此，我們可以說，人工智能入侵資產管理領域的趨勢正在發生并有逐漸加速的跡象，但在可見的未來里，人工智能完全取代基金經理的并非不可能。

對此，嘉實基金副總經理李松林認為：

「（機器分析）短期內還不至于讓基金經理丟飯碗。但應用大數據分析已經開始分擔一部分基金經理的工作。比如替代傳統行業調研，利用信息技術擴大調研范圍，降低人為因素影響。」

不過，資產管理行業將因為人工智能技術水平的不斷提高而發生巨變，則需要這一行業中的每一個人都做好準備。