2017年5月19號，微軟人工智能首席科學(xué)家、IEEE Fellow 鄧力透露自己已經(jīng)離開微軟，加入美國基金公司 Citadel 擔(dān)任首席人工智能官（Chief Artificial-Intelligence Officer）。

在金融投資領(lǐng)域，科技對量化對沖的介入已有一段歷史，也有不少計算機科學(xué)等專業(yè)的科技人才或金融與IT結(jié)合的符合人才進入到金融業(yè)，以推動金融科技的發(fā)展，但如此重要的一位人工智能學(xué)界翹楚加入基金公司巨頭，確是AI落地、金融業(yè)務(wù)變革中不可忽視的舉動。

量化對沖的價值與難點

人工智能的到來對金融投資來說也并非是突如其來的科技變革，投資的發(fā)展一直由科技所引領(lǐng)。比如，70年代以前主要是通過電話來交易，管理人通過自己的經(jīng)驗進行判斷；后來計算機出現(xiàn)了，對信息的處理和分析能力隨之加快，開始出現(xiàn)了批量交易，即一次交易幾百支股票。

而隨著科技的發(fā)展，我們知道了雖然未來是不可預(yù)測的，但是風(fēng)險可以預(yù)測。所以，對沖基金出現(xiàn)了——通過計算、嚴(yán)謹(jǐn)分析以及大量風(fēng)險對沖，可以實現(xiàn)更穩(wěn)健的受益。這在國內(nèi)也許還不明顯，但國外已經(jīng)出現(xiàn)了機器人做宏觀對沖的實踐。

金融是把社會資源更好的配置，很多資源是能夠優(yōu)先才能成為”資源“，如果能夠比別人快地知道一些有價值的信息，就能提前知道機會，就比別人有競爭優(yōu)勢。投資是競爭非常激烈的行業(yè)，誰能領(lǐng)先一步做出有效的決策，誰就可能獲得一個很高的回報。而發(fā)現(xiàn)這些機會的前提，是更強大的計算和預(yù)測能力。

因此，不只是Citadel，全球著名對沖基金如 Man Group、Winton 、Aspect Capital 也都在充實自己的機器學(xué)習(xí)專家隊伍。

單就Citadel來講，其看家本領(lǐng)是高頻交易。舉個例子，一般而言，公司每季度發(fā)布財報的時候，業(yè)績超出分析師預(yù)期的話，股價會漲；低于預(yù)期的話則會出現(xiàn)股價下跌?！斑@么簡單地一個邏輯，需要比較的是機構(gòu)誰能更快地用機器解讀財報信息，第一時間作出投資決策。而機器解讀財報就是典型的機器學(xué)習(xí)應(yīng)用，比如RNN網(wǎng)絡(luò)技術(shù)，”財鯨智能投顧聯(lián)合創(chuàng)始人王蓁博士說道。王蓁博士曾在彭博社任職，負(fù)責(zé)量化交易。

所以，基于高頻交易量化公司們研發(fā)系統(tǒng)都需要投入大量人力物力，要高薪聘專業(yè)的數(shù)學(xué)家和計算機專家，花錢買昂貴的硬件，租用專門的微波通信線路，甚至專門把系統(tǒng)建在交易所門口的都有。

但是，硬件跟上了，軟件呢？

即便是存量數(shù)據(jù)極大的金融業(yè)，而且機器學(xué)習(xí)運用已有時日的今天，王蓁對雷鋒網(wǎng)（公眾號：雷鋒網(wǎng)）AI金融評論表示，機器依然存在不少“錯殺”的情況：

舉個例子，上周FaceBook發(fā)布財報時，發(fā)布了不同會計準(zhǔn)則下的盈利報告，即按照美國通用會計準(zhǔn)則（US GAAP）和不按美國通用會計準(zhǔn)則（non-US GAAP）的盈利，機器只讀了財報的第一行，就混淆了兩種不同會計準(zhǔn)則，判斷錯誤認(rèn)為是低于預(yù)期，于是立刻賣出FB股票；但實際FB是達到了預(yù)期的，錯殺后，第二天FB股票就漲回去了。

“所以，當(dāng)前仍需要提高機器學(xué)習(xí)的準(zhǔn)確度和效率速度?！?/p>

與此同時，據(jù)雷鋒網(wǎng)AI金融評論了解，鄧力的研究方向主要為應(yīng)用于大數(shù)據(jù)、語音、文本、圖像和多模態(tài)處理的深度學(xué)習(xí)和機器智能方法，因此，結(jié)合起來說，鄧力的研究或?qū)⑹紫瓤梢栽跈C器解讀文本數(shù)據(jù)的模塊中突破技術(shù)門檻，改善量化投資，讓AI為金融投資帶來更大的突破。

信息+機器帶來的新機遇

上述也提到，基本而言，投資會根據(jù)一家公司的財報進行業(yè)績調(diào)研，預(yù)判股價，但這其實只是是對二手?jǐn)?shù)據(jù)的利用；包括如果是利用期貨、債券、基金的交易信息等結(jié)構(gòu)化預(yù)測投資市場走勢，從而量化配置資產(chǎn)，那更加只是三手?jǐn)?shù)據(jù)。

因此，微軟亞洲研究院城市計算領(lǐng)域負(fù)責(zé)人鄭宇博士曾在一次智能金融的培訓(xùn)上表示，市場更多應(yīng)該關(guān)注，在此環(huán)節(jié)之前的一手?jǐn)?shù)據(jù)數(shù)據(jù)的結(jié)果帶來的表現(xiàn)?！耙皇?jǐn)?shù)據(jù)其實直接影響了公司運營情況和財報，以及宏觀經(jīng)濟形勢。”而能夠從一手?jǐn)?shù)據(jù)中獲得信息，就意味著更早一步接近機會。

通聯(lián)數(shù)據(jù)首席科學(xué)家蔣龍在此前的分享中指出，用于投資的大數(shù)據(jù)產(chǎn)品信息主要分為這幾類：

物的信息——物聯(lián)網(wǎng)，國際上就有一些監(jiān)控農(nóng)作物產(chǎn)出以預(yù)測農(nóng)作物的收成，從而進行大規(guī)模投資的案例。如果通過實時監(jiān)控氣候、水分等，就能提前知道今年農(nóng)產(chǎn)品的收成情況，接下來對相關(guān)產(chǎn)品就有投資優(yōu)勢。

人的信息——可穿戴設(shè)備，人和物體構(gòu)成互動，人去了哪里，看了什么，想了什么，這呈現(xiàn)出了我們的社會。

環(huán)境的信息——低軌道衛(wèi)星，低軌道衛(wèi)星是在低空一萬米進行檢測，不僅能檢測農(nóng)產(chǎn)品的產(chǎn)區(qū)，還能檢測港口停泊郵輪的數(shù)量、超市停車場停車量等，有了這樣的數(shù)據(jù)，就能知道是不是符合預(yù)期，可以判斷未來的收益情況。

舉個例子，財鯨在建模過程中會加入衛(wèi)星遙感數(shù)據(jù)，以預(yù)測農(nóng)林牧漁產(chǎn)量變動等結(jié)果，然后進行投資決策?！氨热缥覀兛梢员容^準(zhǔn)確（粗測85%）地預(yù)測某個地方的棉花產(chǎn)量，而這個動作可以比政府官方數(shù)字早兩個月，這個就可以考慮來投資決策?！?/p>

利用這些替代數(shù)據(jù)進行投資盈利，這樣的道理Citadel不會不知道。而也可以想象，基于上述數(shù)據(jù)進行建模的過程，就需要機器對衛(wèi)星圖片以及地理環(huán)境的學(xué)習(xí)和分析。更廣泛的數(shù)據(jù)領(lǐng)域、更海量的數(shù)據(jù)、更長的數(shù)據(jù)周期……這些新信息資源帶來的機會，就是人工智能、深度學(xué)習(xí)發(fā)光發(fā)熱之地。

同時王蓁解釋道：“機器下圍棋做得很好是因為圍棋規(guī)則清晰，機器可以在開局到最后都有complete knowledge。而機器在金融領(lǐng)域運用還比較困難，因為沒有任何人和機器在現(xiàn)階段可以有complete knowledge，這也是機器會經(jīng)常犯一些人看來很弱智的錯誤?！?/p>

“因此，獲取比別人更多的信息，得到更準(zhǔn)確的解讀，能夠更快速地響應(yīng)決策，避免機器的‘低級錯誤’，這些都是需要解決的大挑戰(zhàn)。”

如何利用最前沿的人工智能學(xué)術(shù)突破，應(yīng)對當(dāng)前的這些機遇和挑戰(zhàn)——這是鄧力將面對的新課題，也是華爾街群雄角逐要占取的下一個高地。