2017年10月25日 07:54作者：刘奥南 来源：期货日报
智能投顾与人工投顾并非要“决一雌雄”，而是更需要优势互补合作共赢。
最大优势在于能够快速整合海量资源形成最佳投资策略及多维组合
A 金融业折射人工智能时代潮流
今年2月，一条新闻震惊金融界——高盛公司为投行和大客户进行投资理财实盘操作的600名交易员仅剩两人，高手云集的总部交易大厅已人去楼空。
高盛是目前全球顶尖的投资银行，其业务涵盖投资银行、证券交易和财富管理，在全球23个国家和地区设有代表处。今年1月，哈佛大学应用计算科学研究所举行的研讨会上，高盛代理首席财务官及前首席信息官Marty Chavez称：随着人工智能(AI)的快速崛起，在200名计算机工程师的技术支持下，自动化交易程序已经接管了纽约总部大多数日常工作量，具备学习能力的复杂交易算法已经可以取代那些对市场定价依赖性较高的交易员。与此同时，Marty Chavez透露，高盛外汇交易以及投行的部分业务项目都在迈向智能化，同时还在为新股推荐首发上市的IPO过程中约146个步骤设计自动化程序。高盛已统计认定了“1名计算机工程师替换4名交易员”的基本比率。目前高盛的全球3万余名员工中，9000余名计算机工程师约占总数三分之一。
高盛并非特例，早在2015年12月，摩根士丹利就裁员1200人，并支出1.5亿美元遣散费；瑞信2016年年初也对1800名员工发出裁员警示；全球最大资管公司之一贝莱德今年3月宣布裁员100人，其中包括7名投资经理，涉及变动的300亿美元资产中近60亿美元转用人工智能取代传统人工交易，使公司总体运营成本下降28%；2016年3月，日本最大投行野村证券在北美裁员20%，当月，美银美林的交易员也裁减约逾5%。
据跟踪金融行业走向的英国公司Coalition的统计数据，全球12家顶级投资银行中，销售、交易和研究人员平均年薪和奖金约为50万至70万美元，而华尔街每年支付的薪酬75%流向了上述高薪员工。如果市场行情走势良好，实际收入还远高于此。2016年12月高盛行业报告预测，到2025年，金融行业人工智能产生的增值将达每年340亿到430亿美元。而麦肯锡全球研究院今年1月的报告指出：金融和保险领域43%的工作岗位可能被自动化替代。专业金融咨询机构Opimas宣称，到2025年人工智能将在全球资本市场减少就业人数23万，金融机构10%的职能将被智能程序取代。与此同时，金融机构的成本占比总收入将下降28%。
B 人工智能布局金融四大领域
包括谷歌、Facebook、微软与IBM在内，站在时代前沿的所有企业巨头都在激烈竞争人工智能的一席之地。
目前人工智能优先集中于金融、医疗健康、自动驾驶、电商零售、机器人、教育、安防、个人助理八大板块。在金融板块中，人工智能主要体现于以下领域：
智能监管
政府监管部门通常依赖算法模式来检测金融市场交易数据，对可疑操作发出信号，提示工作人员进行调查。如美国金融业监管局(FINRA)每天要监视大约500亿美元的市场交易行为，包括下单、修改、撤单等。通过与270个合规模式比对，发现潜在的违规行为。由于数据量巨大，经常产生过多的警报，且其中有大量误报。
2016年年底开始，纳斯达克和伦敦证券交易所启用人工智能投入市场监管。2017上半年，华尔街两家交易所推出了AI智能监管系统。FINRA也计划在今年年内开始测试AI监控软件，旨在快速、智慧、精准地识别市场交易中的违规操作。
FINRA执行副总裁Tom Gira表示，除传统的欺诈和违规手法外，正在开发中的智能监管系统甚至可能识别前所未有的新型诈骗行为。
诚信量化评级是智能监管的另一热门应用。人工智能创业公司Neurensic不久前推出了能给交易员评定“诚信积分”的工具，可将交易员每次交易与监管者预设的合规模式比对，并自动给交易员的诚信度打分，而靠人工根本无法完成这项繁琐的任务。
智能管理
全球最大对冲基金之一桥水基金不仅是程序化交易的代表，在公司管理上也大力探索智能化道路，其创始人Ray Dalio去年12月宣布，桥水基金正在研发“未来之书”人工智能系统来介入日常工作管理。该系统以员工的日常工作数据为基础，自动向员工分配任务并进行协调指引。
智能交易
量化资产管理公司Rebellion Research于2007年推出第一款纯人工智能投资基金，现已囊括44个国家20年内的股票、债券、大宗商品和货币。该基金准确预测了2008年的金融危机，并在希腊债券降级前一个月将其调降为F级。另一家对冲基金Alydia旗下纯人工智能的股票交易对冲基金上线首日，就在一个资金池中产生了2%的回报。另据《金融时报》报道，摩根大通将在全球的股票算法业务部门采用AI机器人LOXM执行交易，其效率比传统买卖方法高得多。
2016年9月彭博数据显示，目前全球依靠人工智能进行实盘操作的对冲基金似乎都可圈可点，12只基金年收益均在7%以上。2016年上半年，创业公司Aidyia将旗下对冲基金管理的所有股票交易完全交付人工智能操作，系统上线首日就获得2%的回报。华尔街不少大型对冲基金纷纷启用人工智能取代基金经理，美国顶级对冲基金如文艺复兴等大量使用机器学习技术进行策略建模。从量化交易起家的对冲基金更是脱颖而出，2016年对冲基金收益榜单中，知名量化基金如Citadel、DE Shaw、Two Sigma超越了众多传统对冲基金，在复杂的市场环境中创下了更可观的收益。
智能投顾
投资顾问是金融行业最重要、最普遍的岗位。优秀的投资顾问作为一专多能的金融通才，不仅熟悉金融产品，还要熟悉保险、证券、不动产甚至邮票、黄金等各种投资工具和交易规则，同时要具备相当的专业知识和敏锐的洞察力，熟悉相关法律法规，善于不断充电更新自己，才能为客户提供满意而确有价值的回报。
据花旗银行的最新研究，2012年智能投顾管理的资产基本为零，到2014年年底已达140亿美元。智能投顾以“一对多”超越了人工投顾的“一对一”服务。2016年美国智能投顾管理的产品约500亿至600亿美元，虽只占理财市场19万亿美元之“一角”，但瑞银、美国银行、摩根士丹利等华尔街老牌均已捷足先登。花旗预测未来10年智能投顾总额将达5万亿美元。国际知名咨询公司AT Kearney则预测到2020年即将突破2.2万亿美元。
黑石集团的阿拉丁系统是智能投顾的鼻祖，目前全球货币总量200多万亿美元，美国货币总量80万亿美元，而阿拉丁系统管理的货币资产已达15万亿美元。此外如嘉信理财已推出智能投顾产品SIP，德银开通了Anlage Finder，高盛则收购了Honest Dollar.
智能投顾界的先行者Betterment运用资产组合理论和金融衍生模型，根据客户的偏好设置，为客户提供个性化的理财建议、智能投资管理和税收优化。全球最大的资管公司贝莱德也非常重视智能投顾，近来收购了智能投顾公司FutureAdvisor.FutureAdvisor以在线金融投资咨询业务为主，为投资者提供投资组合的优化并调整资源整合账户。
C 智能投顾的实际应用
一是业务及信息咨询。一般情况下，客户会首先了解有关投资交易业务的规则、条件等，包括宏观面、政策面、品种基本面、资金面、技术面等相关信息，并要求精准证实、解读、分析和答疑。在不同的金融机构中，不同的金融工具或产品、投资流程的不同阶段业务，都可能由不同的人工投顾分工负责，而智能投顾则能够全面负责。
二是客户个性画像。人工投顾是将一个产品推介给一批客户，多位人工投顾不断打电话推介同一个产品。而智能投顾并不能像人工投顾那样“认识”客户，而是先对客户进行全面系统的个性化评估，综合整理分析其投资经历，判断其投资风格，对每一位客户产生一幅非常清晰的个性“画像”，然后针对不同类型的客户匹配不同的产品，甚至针对每一位客户单独设计最适合的产品或组合方案。
三是投资分析与策略建议。把最合适的产品或策略组合推介给最合适的客户，帮助客户收获满意的投资回报，这就是投资顾问的根本价值所在。人工投顾只能线性思维买进卖出，量化交易可以通过成交量“聚沙成塔”，而智能投顾最大优势在于能够快速整合海量资源、形成最佳投资策略及多维组合。
传奇基金经理Steve Cohen使用人工智能技术监测和分析自家公司成功的投资和交易，包括规模、风险级别、杠杆、对冲情况等几大重要因素，并实时监测市场资金流动情况，识别特定的组合来寻求最佳下单时机。Cohen先前创办的量化团队通过算法模拟历史上的经典交易手法来“复制”成功，创造了惊人收益。
D 智能投顾的四大关键技术
人机交流
金融客户的第一位服务者就是投资顾问，客户与投资顾问的沟通贯穿服务的始终。智能投顾与客户间的人机交流因此体现其核心竞争力。包括微软、谷歌、Facebook、IBM和百度等各大公司都在这一领域投入巨资。
人机交流的最低模式是文字录入，客户可选择键盘录入和语音录入+手动修改补充，而最高模式则是人机对话。高性能的人机对话不仅需要精准清晰的音质辨析、音量调整、语音合成功能，还能自动识别和应对多种外语、多地方言，能在嘈杂的背景下排除杂音，同时识别对话的多位客户并分别作答。最高端的人机对话甚至可以根据不同客户的语言风格，迅速形成相应的“情商”，在对话中体现情感交流，从而全面提升客户的忠诚度。
大数据
投资失败的根本原因之一就是信息量小，与赢家不对称，或收到了信息却难以判断其背后隐藏的线索。智能投顾没有复杂奥妙的人类大脑，然而一旦其掌握了超越人工投顾的数据量时，就超越了所有的人工投顾。
所谓“大数据”，本质就是一个领域、一个范畴中的全部数据(当然只是相对“最全”)。有了全部数据就可以知其然而且知其所以然，依葫芦画瓢做出最科学、最合理或至少是最接近正确的决策。
云计算
智能投顾拥有的数据量越多，就越需要提升其对数据的分类、建模、链接、分割与整合能力。这就是识别、理解和转换表达包括语言、文字、图像、声音、视频等多种类型信息的“自然语言处理技术”。美国著名的Kensho公司占据该领域领先地位，其明星产品Warren被誉为“金融界的Siri(苹果产品专用智能语音助手)”。这款软件结合自然处理技术，扫描逾90000个包括经济报告、货币政策变化、时政新闻等多方位资源，建立起海量的金融行业资源库，前瞻性反映市场动态，Kensho因此备受高盛垂青，吸引高盛成为其忠实客户和最大投资人。
为拥有海量数据的处理能力，还必须不断提升速度。单一的PC、移动终端、服务器群组无法满足日益提升的速度需求，只能通过互联网来提供动态易扩展且经常是虚拟化的“云资源”。“云”是网络、互联网的一种比喻，目前云计算已形成每秒10万亿次甚至更高的运算能力，因而可以模拟核爆炸、预测气候变化和市场发展趋势。华尔街监管机构已经将监控系统托管到亚马逊的公有云中，从而获取更多的计算能力来快速分析海量的监控数据。
深度学习自主进化
人工智能与电脑程序化的本质区别，在于是否拥有自我学习升级完善的能力。机器学习是人工智能的一个子集。当面对新的任务，电脑能依托现有程序自行探索实现升级换代，而无需预先编程输入先验知识或答案时，就进化成了人工智能。
在死记硬背的基础上，智能投顾和人工投顾的“思考方式”基本相似：一是判断局部，二是把握全局。不同的是，人类只有一个大脑，而智能投顾分别由两个不同功能的“大脑”组成，即策略系统和评估系统。
当智能投顾工作时，策略系统不断提出决策方案，在当前局势下提供最佳可选的若干个“下一步”；评估系统则负责发现每个“下一步”实施后影响整体盘面的种种可能，然后两个“大脑”通过优胜劣汰互动择取各自的平均值，筛选对冲后一步步形成最终决策方案。
通过深度学习和进化算法，人工智能可虚拟出一大批交易员。让其互相“PK”，经过万亿次的竞争与淘汰，最终筛选出顶级虚拟交易员。与此同时，人工智能的深度神经网络还能发现各种莫名其妙、找不出逻辑但的确存在的现象，并融入实盘交易。
难怪惨败在阿尔法狗手下的多位围棋世界冠军抱怨说，他们饱览全球高手经典棋谱，却对阿尔法狗的怪招根本“看不懂”。擅长主观交易的操盘手们同样日益感受到来自人工智能的威胁。传统的投资思维和交易策略正随着人工智能的参与而日趋面目全非，未来资本市场交易模式正在被人工智能悄然重构。
E 智能投顾面临的挑战
一是投资工具有限。平台卖点仅为移动便捷、社交场景等功能，国外多数智能投顾基于资产组合理论，通过量化模型给出投资组合策略，包含以“超安全”的债权类工具确保基础收益，以“高风险”投资工具博取额外收益，客户可依据自身风险承受力调整二者比例。
二是模型的有效性尚待完善。部分智能投顾基本依靠量化选股或资产配置模型为客户提供投资建议，以追求低风险、高稳定收益的散户为主，还有些所谓“智能投顾”为迎合投机心理，私接基金或推荐高风险非标资产，实际带来更大的投资风险和支付风险，最终收益水平甚至低于信托理财、P2P理财等单一资管产品。
三是法律监管和行业定位尚不清晰。现行法规对人工智能服务的形式尚无具体准确的解释，智能投顾局限于投资决策建议而无法从事资管业务。
虽然人工智能“神通广大”，但其从构思到设计、开发、更新、升级、检修、维护，每一环节都离不开人。是人创造了人工智能，人类开发智能投顾，就是为了延伸和超越人脑现有能力，完成人工投顾无法完成或完成不好的使命。智能投顾与人工投顾并非要“决一雌雄”，而是更需要人工+智能、智能+投顾，优势互补合作共赢。
联系客服
