关于kensho，已经有过比较长时间的思考。
初见kensho，是源于信息收集的偶然，而后怦然心动，相见恨晚，世间还有如此好的东西？但在此之后，只听传言被高盛招安，世人皆未见其真正面目。
kensho者，何许人也。
（看不清楚吧，我也看不清楚，网上就没有清楚的）
号称可以处理世间大多数财经事件，并以问答的方式给出答案。最好的宣传莫过于如下：
1，当苹果发布新的iphone产品时，它的哪家供应商的股价会上扬？
2，当飓风袭击fulorida，哪家水泥股股价上扬幅度最大？
（就是这位大神，挺年轻的啊，加一个google的程序员合伙人）
这还得了？！对比alphago只能下下棋，这简直就是印炒机。然而看创始人采访记录说，kensho定位是要取代分析师，创始人原意大概是说投顾这事，之前很多人做了，之后也会有很多人做，我就不掺和了。这不符合逻辑啊，无论是从牛顿力学，还是相对论，还是量子力学都不符合，只有一种可能，臣妾她做不到啊。
好了，退一步讲，就算可以部分取代分析师，这也是个不得了的划时代的进步啊。复制到中国应该是很多从业者的想法，我还真各种收集了一番，好多人要么要做A股的alphago，很多是AI的从业者，程序员，还是金融资深人士，都摩拳擦掌，跃跃欲试。但问题是，没有一家做出哪怕一点点样子，一点点也好啊。
问题出在哪里？
几个问题：
1，kensho真的有用吗？
2，它的数据来源是什么？
3，它的分析逻辑是什么？
4，A股为何没有出现？
无奈本人不是金融科班出身，也没有丰富金融从业经历，也没有做过分析师。那如何分析。好在想到“元思考”，“第一性原理”，这是个神器。
元思考，就是回到事物本质，严格按逻辑推理。
1，kensho如果没有用，那高盛就是傻。作为老牌投资银行，一个投资决策不太可能太过失误，所以反推kensho至少有一定的作用，或者说可以替代一部分分析工作。
2，数据来源。金融结构化数据，包括财务基本面，交易数据，其实是很标准的，国外是bloomberg，国内比如万得，要获得这些数据门槛并不高。财经事件的话，那百度或google就是最好的，当然百度不会在这个垂直领域投入太多。大家都提到了NLP(自然语言处理)，但更多指kensho的前台交互，就是可以像siri一样，直接问金融问题。这个其实不是系统的关键，对于专业从业人员，操作复杂一点无所谓，关键还得真的分析出有价值的信息。
整理一下上面的分析，就是数据大家都有。自然语言前沿的技术也差不多，关键是kensho团队创始之初，也没觉得它的技术团队有多强。如果说他的技术合伙人的背景，那就是google的搜索技术，可以采集全网的财经资讯，公告等，分析出事件，热点。这里乍一听有道理，但其实真的去财经网站一看，全是无聊的信息，人工就全消化了，也没有什么新的认知。更有可能，可以用机器去“消化”各种公告，官方稿件，就业报告等。这里就需要建立“知识图谱”了。图谱才能理解语义，进行推理。
3.分析逻辑。其实分析师怎么干，机器就应该怎么干。现在就是“多少人工，就有多少智能”的“人工智障”时代。所以要理解kensho的价值，先理解分析师的工作思维，他们工作中的痛点，以及他们工作的价值。就是kensho的价值。
4.为何没有中国版？这个也是作者最想探讨的。
有人说，那是中文自然语言处理门槛高，客观讲，在现在计算技术的条件下，也就是多一个分词而已，分好词了，其实差不多，至少不构成致命伤。
如下两点可能的原因：
1，分析师的价值。美股市场，机构投资者居多，价值投资居多，都依靠分析师及类似的逻辑在操作，是一个投资市场。A股散户居多，还处于各种划线，图表，听消息，跟风的阶段，分析师报告，一是很多人看不懂，二是看懂了也真没用。市场的逻辑，不符合分析的逻辑。这就导致分析的价值有限，进而kensho中国版的价值有限。
2，对于智能投顾的理解。A股市场大家一讲智能投顾，就是抓涨停，抓黑马。殊不知，这和永动机，炼金术有何区别，可望而不可及啊。
kensho的价值，在于从纷杂的信息中，高效获得认知。至于投资，还是仁者见仁的艺术，至少目前还是。
关于作者：魏佳斌，互联网产品/技术总监，北京大学光华管理学院（MBA）,特许金融分析师（CFA）。深度关注互联网发展趋势，AI金融量化。致力于使用最新的人工智能技术去理解经济、金融，实现信息增值。
联系客服
