在人机合一面前,基金经理是落后产能?

2017-03-31 04:03
传统的金融投研人才培养路径——从助理研究员到基金经理,非常漫长。而如果辅以人工智能技术,则可以令只有一两年研究工作经验的研究员快速追上十年经验的老研究员或投资经理。在投资经验、主动管理能力方面没有突出领先性的基金经理是不是技术革命中的落后产能?

1
活动现场

“金融领域的人脑经验还是比较多,而且目前人工智能技术应用到投资领域还存在一定门槛。所以目前资产管理的能力依然还是分水岭,还不能说因为这个公司有人工智能,所以这家公司的投资就会好一些。但是在不远的将来,我认为这个划分会不断改变。

2017年3月25日,在智信研究公司于北京举办的主题为“智能投研:开启高效精准投资之匙”资管咖啡34期活动上,天弘基金管理有限公司智能投资部总经理助理刘硕凌如是说。

2
刘硕凌(天弘基金管理有限公司 智能投资部总经理助理)

已经成功落地的天弘基金“鹰眼”智能投研系统,通过对市场舆情新闻的采集、整理,将10万条新闻样本数据通过自然语言处理技术,进行清洗和标记,利用“研究员+鹰眼”的方式,准确地预测了全市场79支违约信用债中的69支。该系统获得了公募基金行业的第一个金融科技专利。

人适合解决做什么,计算机解决怎么做。”刘硕凌认为这是最合理的分工,“主动投资能力很强的人和数据科学家的工资水平差不多,这两类人才都会是公募基金公司必备的人才。两种人才所形成的文化自然就是一种平衡和博弈(的文化)。最终的话还是会以人为主,但自动化程度会越来越高,而且渗透的深度与速度有可能会超过我们的想象。”

人工智能的三大要素包括硬件、算法和大数据。有了硬件的进步,才有了人工智能的发展。算法在过去十几年的创新突破并不多,主要是结合需求的应用。更多的变化是源于大数据。

十年前,调整策略模型的一个参数需要一天时间才能跑完,而现在只需要几分钟。从一天变成几分钟,就是硬件进步、运算速度提升带来的质的飞跃。

“数据的增量价值可能是最大的。大家拼的是算法吗?可能不是,而是谁家的数据资源积累得更厚。”刘硕凌表示,“相对而言,浅层的结构化数据容易挖掘。而想充分挖掘深层非机构化数据则比较困难,例如政府公告、互联网文本等数据。”

这也可以解释,为何自然语言处理是现在人工智能最热门的分支。

活动现场嘉宾分享中透露,看似炫酷的技术本身并没有捷径,前期的样本获取、样本筛选、样本标识都是很辛苦的人力密集型工作,而机器学习的过程不仅耗电而且耗数据,辛辛苦苦找来的几万条样本,机器很快就吃进去了。之后还需要用各种各样的样本来训练、纠正其结果。在模型训练的过程中,人的经验将发挥很大作用。

天弘基金在大数据挖掘方面下足功夫,2013年开始筹建大数据中心,每年在数据中心基础设施以及人才队伍建设上的投入在行业内也是首屈一指的。

通联数据的数据源来自三个渠道。一是公告信息,也是最基本的渠道;二是通过爬虫抓取网上的各种数据,包括公司征信数据、人与公司的关系图谱等;三是工商登记信息。获取数据后,会针对不同的数据进行实体合并,频率分为日频或月频,均由机器完成。

与天弘基金、通联数据不同的是,京东金融背靠京东商城(京东商城去年的GMV超过6500亿,活跃用户超2亿人),有着丰富的销售,供应链及用户行为数据。京东金融证券业务部金融大数据总监黄勃南介绍,相比其他电商平台,京东商城的自营壁垒产生了大量供给端和供应链的数据,且销售数据质量很高。这些数据对于分析所有大消费行业的供需关系,盈利预测都有着重要意义。

3
黄勃南(京东金融 证券事业部金融大数据总监)

大数据揭示现实,但需要通过主动研究去了解事物的本质。”黄勃南称。

“就像特斯拉,在封闭式道路用自动驾驶,但是到了山路上,就需要人为干预了。所以在市场没有差异化,大家的判断一致时,可能就是机器在跑,一旦开始有分歧,拼的就是驾驶技术了。”刘硕凌问答环节时表示。

通联数据股份公司智能投研总监向伟进一步分析了适合应用人工智能的场景的三个特性。第一,处理的任务必须简单且具有重复性。第二,处理的数据量必须要大。第三,处理的任务决策链尽量要短。

4
向伟(通联数据股份公司 智能投研总监)

在替代初级研究员完成基本面投研工作的过程中,通联数据的萝卜投研系统可以解决如下四大业务痛点

一是提高基本面研究效率。一直以来研究员和投资经理的工作流程非常原始,包括用Excel整理数据、运算建模等,一个研究员可以盯30只股票,如果想要盯300只,就会非常困难。

二是可以整合各行各业的碎片化信息。金融行业通常靠人工处理各种碎片化信息,这些信息可能储存在不同的人手里,比如有些是录音文件、有些是调研手记、有些是网上查到的价格数据,分散在每个人的电脑里无法有效地整合处理。碎片化成为阻碍工作效率提升的第二个痛点。

三是保证知识传承。金融行业买方卖方投研人员流动性很大,因此知识传承显得尤为重要。比如一个行业的研究员搭建了完整的供需分析体系,这些体系通常是以Excel形式进行传承,容易导致体系丢失。如果利用人工智能来建立,可以一直储存在系统里,防止丢失。

四是帮助监测跟踪激增的数据量。随着信息化不断发展,各种数据量激增,逐渐超越了人能跟踪监控的范围,所以必须借助机器来完成。

现场听众嘉宾对于萝卜投研表示出浓厚兴趣,提出各自搜索问题要求现场演示解答,令整个活动的互动高潮提前到上半场。

5
茶歇环节

当然,当前人工智能的应用也遇到很多障碍,比如金融投研经验丰富的大拿与技术的结合还无法达到足够紧密,导致很多人脑经验无法被机器习得;机器预测结论往往是相关性的论证而非因果论,很难被投决人员接受。科学论证过程的科学结论却被质疑为“不科学”也是一种当前不得不面对的忧桑。

未来十年,或许会是人工智能介入投研领域最快的十年。因为硬件更新迭代导致运算速度不断提升、人们对各类算法的掌握和运营也更加娴熟,原始的数据积累工作成效逐步显现;与此同时,一批老基金经理面临退休,人工智能将有机会争得一席之地。十年后,如果再举办一次智能投研活动,也许会是一场更酷炫、更烧脑的人机互动。

今年智信将陆续主办更多Fintech细分话题,欲想第一时间知道活动信息,敬请关注“智信网”微信公众号。

文/智信研究公司  李豪  翟乐

鸣谢:部分咖啡参会机构

天弘基金管理有限公司

通联数据股份公司

北京京东金融科技控股有限公司

中国工商银行股份有限公司

中国农业银行股份有限公司

中国邮政储蓄银行股份有限公司

中国光大银行股份有限公司

平安银行股份有限公司

兴业银行股份有限公司

嘉实基金管理有限公司

银华基金管理股份有限公司

中融国际信托有限公司

华宝信托有限责任公司

国投泰康信托有限公司

平安信托有限责任公司

国际商业机器IBM(中国)有限公司

中国联合网络通信集团有限公司

声明

本文内容仅供读者参考,并非投资建议。转载请注明来源并加上本站链接,智信网将保留所有法律权益。