2018年人工智能市場(chǎng)分析報(bào)告 2018年8月

一、人工智能在資產(chǎn)管理領(lǐng)域的應(yīng)用概述（一）人工智能技術(shù)迅速發(fā)展近年來，人工智能技術(shù)發(fā)展迅速，在圖像識(shí)別、語(yǔ)音識(shí)別等人工智能研究和應(yīng)用的不同領(lǐng)域取得了突破性進(jìn)展。以圖像識(shí)別為例，目前計(jì)算機(jī)圖像識(shí)別的準(zhǔn)確率已經(jīng)超過了人類。下圖展示了每年ImageNet網(wǎng)站大規(guī)模視覺識(shí)別挑戰(zhàn)賽（ILSVRC）圖像識(shí)別錯(cuò)誤率的下降情況。從2010年到2017年，圖像識(shí)別錯(cuò)誤率已經(jīng)從28.2%降低到2.25%。圖1：ImageNetILSVRC大賽歷年最佳團(tuán)隊(duì)圖像識(shí)別的分類錯(cuò)誤率30%28.20%25.77%25%20%15.32%15%11.20%10%6.66%5%3.57%2.99%2.25%0%20102011201220132014201520162017數(shù)據(jù)來源：互聯(lián)網(wǎng)，ImageNet2016年以來，萬眾矚目的圍棋人工智能軟件AlphaGo與頂尖人類棋手的比賽中，AlphaGo完勝人類棋手，也是目前人工智能高速發(fā)展的一個(gè)寫照。目前，人工智能技術(shù)在許多相關(guān)領(lǐng)域表現(xiàn)出接近甚至超過人類專家的性能和效率，開始在不同領(lǐng)域發(fā)揮實(shí)際價(jià)值?？萍脊臼侨斯ぶ悄芗夹g(shù)的主要參與者，也是人工智能首先的受益者。谷歌、百度等搜索巨頭是人工智能的先驅(qū)。一方面，通過人工智能方法提高查詢效率，實(shí)現(xiàn)更精準(zhǔn)的搜索服務(wù)；另一方面，基于人工智能技術(shù)的廣告投放是搜索巨頭的主要盈利模式。臉書通過人工智能方法在面部識(shí)別、機(jī)器翻譯和文本學(xué)習(xí)方面給公司產(chǎn)品帶來新的突破。蘋果公司通過人工智能方法優(yōu)化用戶在移動(dòng)產(chǎn)品上的使用體驗(yàn)。英偉達(dá)和英特爾等硬件公司主要通過生產(chǎn)更適合深度學(xué)習(xí)和人工智能計(jì)算的（專用）芯片來盈利。 4/26在資產(chǎn)管理領(lǐng)域，人工智能技術(shù)受到的關(guān)注也越來越多，并且已經(jīng)開始影響資產(chǎn)管理的諸多方面。一方面，初創(chuàng)型公司和科技公司積極依托大數(shù)據(jù)分析和人工智能技術(shù)上的優(yōu)勢(shì)涉足資產(chǎn)管理領(lǐng)域；另一方面，傳統(tǒng)的金融機(jī)構(gòu)也積極擁抱人工智能技術(shù)，爭(zhēng)取在人工智能時(shí)代取得先機(jī)。（二）人工智能在資產(chǎn)管理領(lǐng)域的應(yīng)用不同的資產(chǎn)管理業(yè)務(wù)模式都開始受到人工智能的影響。人工智能技術(shù)可以推動(dòng)包括Alpha主動(dòng)管理者、Beta規(guī)模經(jīng)營(yíng)者、解決方案專家和分銷巨頭等機(jī)構(gòu)提高競(jìng)爭(zhēng)力，在未來的資產(chǎn)管理競(jìng)爭(zhēng)中獲得優(yōu)勢(shì)。Alpha主動(dòng)管理者：成功的Alpha主動(dòng)管理者將憑借其在某個(gè)特定資產(chǎn)類別或投資策略中的深厚投資專業(yè)知識(shí)讓自己脫穎而出，在這類資產(chǎn)類別或投資策略中，他們擁有同行所沒有的專業(yè)規(guī)模，進(jìn)而使其在經(jīng)驗(yàn)曲線上領(lǐng)先于其他管理機(jī)構(gòu)。人工智能通過對(duì)數(shù)據(jù)、模型、風(fēng)險(xiǎn)管理等方面的性能和效率優(yōu)勢(shì)，輔助Alpha主動(dòng)管理者的研究、投資和交易，提高Alpha主動(dòng)管理者的投資能力和風(fēng)險(xiǎn)管理水平。Beta規(guī)模經(jīng)營(yíng)者：近年來，被動(dòng)管理型資產(chǎn)在行業(yè)資產(chǎn)總值中的份額迅速增長(zhǎng)，在資產(chǎn)管理行業(yè)的新增管理資產(chǎn)凈流入中占據(jù)大頭。Beta規(guī)模經(jīng)營(yíng)者的高效性需求將敦促資產(chǎn)管理機(jī)構(gòu)強(qiáng)化數(shù)字化和自動(dòng)化運(yùn)營(yíng)，利用規(guī)模優(yōu)勢(shì)來實(shí)現(xiàn)投資回報(bào)。在效率方面領(lǐng)先一步的資產(chǎn)管理機(jī)構(gòu)將獲得顯著的成本優(yōu)勢(shì)，在產(chǎn)品定價(jià)方面更加靈活。人工智能技術(shù)將幫助被動(dòng)管理型基金提高運(yùn)營(yíng)效率、設(shè)計(jì)和開發(fā)產(chǎn)品。解決方案專家：該業(yè)務(wù)模式提供多資產(chǎn)類別的資產(chǎn)管理解決方案，針對(duì)用戶的資產(chǎn)管理需求和風(fēng)險(xiǎn)承受能力針對(duì)性的設(shè)計(jì)產(chǎn)品和資產(chǎn)配置方法，并進(jìn)行風(fēng)險(xiǎn)管理。近年來方興未艾的智能投顧就屬于此類業(yè)務(wù)模式。人工智能技術(shù)有助于資產(chǎn)管理機(jī)構(gòu)對(duì)用戶畫像，更針對(duì)性的開發(fā)產(chǎn)品和提供投資建議。分銷巨頭：分銷巨頭帶著一整套“足夠好”的產(chǎn)品進(jìn)入市場(chǎng)，他們的差異化優(yōu)勢(shì)主要在于是否擁有比同行更勝一籌的終端投資者資源和渠道，以及在品牌營(yíng)銷、溝通、數(shù)字化分銷和咨詢服務(wù)支持等零售中介領(lǐng)域內(nèi)是否擁有良好的定位。人工智能技術(shù)可以幫助資產(chǎn)管理機(jī)構(gòu)在控制人員成本的基礎(chǔ)上獲得更大規(guī)模的客戶資源。從不同部門來看，人工智能正在或者即將對(duì)資產(chǎn)管理領(lǐng)域的投資、研究、交易、風(fēng)險(xiǎn)管理、產(chǎn)品設(shè)計(jì)、營(yíng)銷等細(xì)分部門產(chǎn)生深遠(yuǎn)的影響。我們將在下文對(duì)人工智能在資產(chǎn)管理不同部門上的應(yīng)用進(jìn)行梳理。 5/26圖2：人工智能影響資產(chǎn)管理行業(yè)的細(xì)分領(lǐng)域投資策略市場(chǎng)營(yíng)銷

研究人工智能產(chǎn)品設(shè)交易計(jì)風(fēng)險(xiǎn)管理數(shù)據(jù)來源：互聯(lián)網(wǎng)二、投資：人工智能增強(qiáng)投資表現(xiàn)（一）應(yīng)用人工智能的對(duì)沖基金表現(xiàn)出色對(duì)沖基金是資產(chǎn)管理領(lǐng)域中使用人工智能技術(shù)的先行者。早在2007年，總部位于紐約的RebellionResearch公司就推出了第一個(gè)純?nèi)斯ぶ悄芡顿Y基金。橋水基金從2013年開始建立人工智能團(tuán)隊(duì)，基于歷史數(shù)據(jù)與統(tǒng)計(jì)概率建立起交易算法，讓系統(tǒng)能夠自動(dòng)學(xué)習(xí)市場(chǎng)變化并適應(yīng)新的信息。近年來，知名的對(duì)沖基金，如文藝復(fù)興科技公司、TwoSigma、Citadel也在擴(kuò)充自己的人工智能團(tuán)隊(duì)。根據(jù)市場(chǎng)調(diào)研公司Preqin的研究，大約有1360支對(duì)沖基金的大多數(shù)交易是在計(jì)算機(jī)模型的輔助下完成的，大約占到了所有基金的9%。對(duì)沖基金研究機(jī)構(gòu)Eurekahedge比較了不同類型的對(duì)沖基金在2010年至2016年的表現(xiàn)，如下圖所示。其中，人工智能對(duì)沖基金指數(shù)（AI/MachineLearningHedgeFundIndex）跟蹤了歷史上23只用人工智能投資的對(duì)沖基金的凈值。 6/26圖3：人工智能對(duì)沖基金表現(xiàn)數(shù)據(jù)來源：互聯(lián)網(wǎng),Eurekahedge可以看到，人工智能對(duì)沖基金指數(shù)從2010年以來的年化收益率為8.44%。同期，管理期貨類對(duì)沖基金指數(shù)、趨勢(shì)跟蹤對(duì)沖基金指數(shù)和傳統(tǒng)方法對(duì)沖基金指數(shù)的年化收益率分別為2.62%、1.62%和4.27%。不同類型對(duì)沖基金指數(shù)的分年度收益率如下圖所示，其中，在2011年、2013年、2015年和2016年，人工智能對(duì)沖基金跑贏了其他傳統(tǒng)類型的對(duì)沖基金。表1：Eureka對(duì)沖基金指數(shù)比較年份人工智能管理期貨類趨勢(shì)跟蹤類Eurekahedge對(duì)沖基金指數(shù)對(duì)沖基金指數(shù)對(duì)沖基金指數(shù)對(duì)沖基金指數(shù)201114.10%2.33%0.71%-1.75%2012-1.80%2.66%-1.86%7.34%201310.34%0.55%1.02%9.24%20147.64%9.66%13.44%4.89%201516.40%-0.31%-2.18%1.78%20165.01%1.15%-0.62%4.48%數(shù)據(jù)來源：互聯(lián)網(wǎng)，Eurekahedge人工智能技術(shù)主要是從兩方面應(yīng)用于投資決策：一方面依靠人工智能的信息處理能力，通過人工智能方法高效地獲取和處理另類數(shù)據(jù)；另一方面依靠人工智能的知識(shí)學(xué)習(xí)能力，通過人工智能方法進(jìn)行資產(chǎn)的收益預(yù)測(cè)和資產(chǎn)的交易。 7/26圖4：人工智能處理數(shù)據(jù)和構(gòu)建交易策略數(shù)據(jù)來源：互聯(lián)網(wǎng)（二）另類數(shù)據(jù)處理按照IDC公司的估計(jì)，目前全球存儲(chǔ)的數(shù)據(jù)中，非結(jié)構(gòu)化數(shù)據(jù)約全體數(shù)據(jù)的80%左右，而結(jié)構(gòu)化數(shù)據(jù)僅占約20%。人工智能方法能夠高效地處理非結(jié)構(gòu)化數(shù)據(jù)，從數(shù)據(jù)中提取信息。金融市場(chǎng)包含大量的結(jié)構(gòu)化數(shù)據(jù)。然而，市場(chǎng)數(shù)據(jù)的開放性使得不同的資產(chǎn)管理機(jī)構(gòu)相對(duì)來說并沒有信息優(yōu)勢(shì)，在基于公開市場(chǎng)數(shù)據(jù)進(jìn)行投資和博弈的過程中，投資機(jī)構(gòu)將越來越難以獲得超額收益。因此，從非結(jié)構(gòu)化數(shù)據(jù)中提取信息，進(jìn)行投資決策，將成為資產(chǎn)管理領(lǐng)域的重要發(fā)展方向之一。在處理非結(jié)構(gòu)化數(shù)據(jù)方面，人工智能技術(shù)具有獨(dú)特的優(yōu)勢(shì)。對(duì)于網(wǎng)絡(luò)文本數(shù)據(jù)，包括公司財(cái)報(bào)、研究報(bào)告、新聞、社交媒體數(shù)據(jù)等，可以通過自然語(yǔ)言處理技術(shù)提取和分析關(guān)鍵信息、比傳統(tǒng)機(jī)構(gòu)更早識(shí)別出市場(chǎng)的正面和負(fù)面消息。對(duì)于衛(wèi)星影響等圖片信息，可以通過卷積神經(jīng)網(wǎng)絡(luò)等方法進(jìn)行分析，獲得相關(guān)公司表現(xiàn)和工業(yè)生產(chǎn)中的一手?jǐn)?shù)據(jù)。從數(shù)據(jù)的產(chǎn)生方式來看，另類數(shù)據(jù)可以劃分為個(gè)體產(chǎn)生的數(shù)據(jù)、商業(yè)過程產(chǎn)生的數(shù)據(jù)和傳感器產(chǎn)生的數(shù)據(jù)等。個(gè)體產(chǎn)生的數(shù)據(jù)包括在社交媒體、專業(yè)網(wǎng)站、新聞、搜索引擎上產(chǎn)生的一系列數(shù)據(jù)；商業(yè)數(shù)據(jù)包括交易數(shù)據(jù)、企業(yè)、行業(yè)、政府機(jī)構(gòu)的數(shù)據(jù)等；傳感器產(chǎn)生的數(shù)據(jù)包括衛(wèi)星圖像、定位數(shù)據(jù)、物聯(lián)網(wǎng)數(shù)據(jù)等。 8/26圖5：另類數(shù)據(jù)的類別個(gè)體數(shù)據(jù) 商業(yè)數(shù)據(jù) 傳感器數(shù)據(jù)社交媒體，如微交易數(shù)據(jù)，如銀衛(wèi)星圖像、定位數(shù)博、微信聯(lián)、支付寶據(jù)等專業(yè)網(wǎng)站數(shù)據(jù)，如淘寶、大眾點(diǎn)評(píng)搜索數(shù)據(jù)，如百度企業(yè)或者行業(yè)數(shù)據(jù)物聯(lián)網(wǎng)數(shù)據(jù)等指數(shù)數(shù)據(jù)來源：互聯(lián)網(wǎng)互聯(lián)網(wǎng)時(shí)代，新聞、搜索引擎、社交媒體等互聯(lián)網(wǎng)文本挖掘類數(shù)據(jù)對(duì)市場(chǎng)的影響日漸緊密，基于互聯(lián)網(wǎng)文本數(shù)據(jù)與傳統(tǒng)交易數(shù)據(jù)、財(cái)務(wù)數(shù)據(jù)相結(jié)合進(jìn)行投資的金融產(chǎn)品也得到投資者的普遍認(rèn)可。近年來，A股市場(chǎng)誕生的一批大數(shù)據(jù)基金是另類數(shù)據(jù)在A股市場(chǎng)投資實(shí)踐的先行者。下表展示了當(dāng)前規(guī)模較大的一批大數(shù)據(jù)基金。表2：國(guó)內(nèi)部分大數(shù)據(jù)基金產(chǎn)品基金簡(jiǎn)稱基金公司數(shù)據(jù)合作方成立時(shí)間產(chǎn)品類型銀河定投寶銀河基金騰訊財(cái)經(jīng)2014.3.14指數(shù)型廣發(fā)中證百發(fā)100廣發(fā)基金百度2014.10.30指數(shù)型南方大數(shù)據(jù)100南方基金新浪2015.4.24指數(shù)型博時(shí)招財(cái)一號(hào)大數(shù)據(jù)博時(shí)基金螞蟻金服2015.4.29偏債混合型博時(shí)淘金大數(shù)據(jù)100博時(shí)基金螞蟻金服2015.5.4指數(shù)型南方大數(shù)據(jù)300南方基金新浪2015.6.24指數(shù)型東方紅京東大數(shù)據(jù)東方資管京東2015.7.31混合型嘉實(shí)騰訊自選股大數(shù)據(jù)嘉實(shí)基金騰訊2015.12.7股票型博時(shí)招財(cái)二號(hào)大數(shù)據(jù)博時(shí)基金螞蟻金服2016.8.9偏債混合型數(shù)據(jù)來源：互聯(lián)網(wǎng)，Wind隨著投資機(jī)構(gòu)對(duì)另類數(shù)據(jù)價(jià)值的進(jìn)一步認(rèn)可和相應(yīng)的人工智能技術(shù)的成熟，會(huì)有越來越多的另類數(shù)據(jù)被應(yīng)用到金融投資中。目前，海外已經(jīng)有一些通過人工智能方法應(yīng)用另類數(shù)據(jù)進(jìn)行投資的實(shí)踐者。 9/26iSentium公司是社交媒體數(shù)據(jù)處理的先行者之一。iSentium提供了基于Twitter信息的實(shí)時(shí)情緒時(shí)序數(shù)據(jù)，給投資者提供了一個(gè)Twitter、新聞或者其他社交媒體信息的市場(chǎng)情緒的一個(gè)搜索引擎。iSentium提出了一種Twitter情緒指標(biāo)對(duì)市場(chǎng)進(jìn)行擇時(shí)的方法。其每日擇時(shí)指標(biāo)構(gòu)建方法是：1、選擇標(biāo)普500指數(shù)中最具代表性的100只股票；2、通過自然語(yǔ)言處理算法給不同股票相關(guān)的Twitter消息賦予情緒打分；3、計(jì)算每天的市場(chǎng)Twitter情緒打分；4、通過線性回歸對(duì)標(biāo)普500的未來回報(bào)進(jìn)行預(yù)測(cè)。2014年1月到2016年6月，該擇時(shí)策略獲取了67.23%的累積收益，而同期標(biāo)500指數(shù)的漲幅為23.33%。圖6：iSentium公司Twitter情緒指標(biāo)擇時(shí)表現(xiàn)數(shù)據(jù)來源：互聯(lián)網(wǎng),iSentium在海外市場(chǎng)，衛(wèi)星影像數(shù)據(jù)也被越來越多的機(jī)構(gòu)用于投資。RSMetrics是一家衛(wèi)星情報(bào)分析公司，通過高分辨率衛(wèi)星影像，對(duì)零售店、餐館、商場(chǎng)、辦公樓和其他商業(yè)地產(chǎn)的停車場(chǎng)進(jìn)行監(jiān)控，可以估計(jì)出它們?cè)谌珖?guó)范圍內(nèi)或者某一地區(qū)的客流量增長(zhǎng)情況。RSMetrics提供的數(shù)據(jù)可以幫助對(duì)沖基金了解公司基本面，預(yù)測(cè)銷售量，預(yù)估企業(yè)運(yùn)營(yíng)狀況。 10/26圖7：停車場(chǎng)的衛(wèi)星影像示意圖數(shù)據(jù)來源：互聯(lián)網(wǎng),RSMetrics類似的，Spaceknow采用衛(wèi)星影像，構(gòu)建了衛(wèi)星制造業(yè)指數(shù)（SMI），該指數(shù)對(duì)中國(guó)超過6000處工業(yè)設(shè)施進(jìn)行長(zhǎng)期的監(jiān)測(cè)，用來推測(cè)中國(guó)的經(jīng)濟(jì)表現(xiàn)；CargoMetrics是一家人工智能技術(shù)對(duì)沖基金，基于衛(wèi)星圖像等來挖掘全球航運(yùn)貿(mào)易數(shù)據(jù)，為大宗商品、外匯、股票等交易提供數(shù)據(jù)支持。（三）交易策略構(gòu)建人類擅長(zhǎng)處理數(shù)據(jù)中的線性關(guān)系，而對(duì)非線性關(guān)系難以直觀理解。與之相比，人工智能方法能夠從復(fù)雜的數(shù)據(jù)中提煉非線性關(guān)系。金融市場(chǎng)中，變量之間關(guān)系復(fù)雜，例如，股票走勢(shì)不僅與公司基本面有關(guān)系，而且和宏觀經(jīng)濟(jì)、大盤走勢(shì)、投資者情緒等眾多變量相關(guān)。人類投資者不善于處理這樣的問題。與主觀投資和傳統(tǒng)的量化投資相比，人工智能更擅長(zhǎng)從復(fù)雜的歷史數(shù)據(jù)中尋找規(guī)律、學(xué)習(xí)知識(shí)，將更廣泛、更復(fù)雜的因素納入走勢(shì)預(yù)測(cè)的分析中，用來指導(dǎo)未來的交易決策。例如，量化交易中常用的多因子選股策略一般是通過多個(gè)因子的線性組合來預(yù)估股票的未來表現(xiàn)。而采用機(jī)器學(xué)習(xí)算法，挖掘股票因子與收益的非線性關(guān)系，有望從中獲得與線性模型不同的超額收益。下圖展示了深度學(xué)習(xí)挖掘選股因子的非線性的示意圖。將基金經(jīng)理認(rèn)為與股票收益相關(guān)的因素，例如規(guī)模、反轉(zhuǎn)、估值、流動(dòng)性等選股因子，股票的行業(yè)特性以及由市場(chǎng)交易產(chǎn)生的技術(shù)指標(biāo)等作為股票的特征，通過機(jī)器學(xué)習(xí)的手段，從歷史數(shù)據(jù)中挖掘這些股票特征與股票未來收益的關(guān)系。從數(shù)據(jù)中挖掘人類難以識(shí)別的非線性關(guān)系，是人工智能用于投資的重要優(yōu)勢(shì)。 11/26圖8：深度學(xué)習(xí)挖掘非線性關(guān)系示意圖數(shù)據(jù)來源：互聯(lián)網(wǎng)另一方面，人類投資者并非始終是理性的。行為金融理論表明人類投資者在不同的情景下，風(fēng)險(xiǎn)偏好可能不一樣，過度樂觀或者過度保守都可能使得投資者做出錯(cuò)誤的投資決策。而與人類投資者不一樣，計(jì)算機(jī)決策不容易受到情感左右，可以做出更加理性的判斷。對(duì)沖基金領(lǐng)域很早就意識(shí)到了人工智能用于投資的前景。文藝復(fù)興科技公司在20世紀(jì)90年代就從IBM招募了一批語(yǔ)音識(shí)別專家，其中包括后來獲得國(guó)際計(jì)算語(yǔ)言學(xué)學(xué)會(huì)終身成就獎(jiǎng)的BobMercer。近年來，隨著機(jī)器學(xué)習(xí)等人工智能理論和技術(shù)的發(fā)展，越來越多的基金公司用人工智能方法進(jìn)行投資。ManAHL從2009年開始研究機(jī)器學(xué)習(xí)在交易上的應(yīng)用，并在2014年將其用于資產(chǎn)管理。BlackRock在2013年宣布裁撤包7名投資經(jīng)理在內(nèi)的100名主動(dòng)型基金部門員工。TwoSigma、Citadel等公司也在近年擴(kuò)充自己的人工智能團(tuán)隊(duì)。近年來也產(chǎn)生了一批專注于用人工智能方法進(jìn)行投資決策的對(duì)沖基金。RebellionResearch公司推出的人工智能投資基金是基于貝葉斯機(jī)器學(xué)習(xí)，結(jié)合預(yù)測(cè)算法進(jìn)行判斷，該系統(tǒng)可以根據(jù)新的信息和歷史經(jīng)驗(yàn)不斷演化，有效地通過自學(xué)習(xí)完成全球54個(gè)國(guó)家在股票、債券、大宗商品和外匯上的交易。2013年成立的CastleRidge資產(chǎn)管理公司通過遺傳算法和一些機(jī)器學(xué)習(xí)方法進(jìn)行投資決策，年均回報(bào)率達(dá)到32%（數(shù)據(jù)來自TheEconomist）。Sentient是從事人工智能平臺(tái)及相關(guān)研究的AI公司。其通過公司開發(fā)的進(jìn)化算法以及分布式人工智能平臺(tái)，為用戶在投資、醫(yī)療診斷、電子商務(wù)等垂直行業(yè)提供咨 12/26詢以及決策服務(wù)。在2014年底，鑒于分布式AI平臺(tái)在金融服務(wù)領(lǐng)域的優(yōu)異表現(xiàn)，Sentient開始嘗試使用其研發(fā)的進(jìn)化算法進(jìn)行交易。這一算法是通過計(jì)算機(jī)算法創(chuàng)造無數(shù)多個(gè)具有不同風(fēng)格和策略的“交易員”，在其分布式AI平臺(tái)上進(jìn)行獨(dú)立的股票交易。最后，Sentient會(huì)根據(jù)每個(gè)虛擬“交易員”的交易成果，來對(duì)其進(jìn)行篩選：表現(xiàn)糟糕的AI將會(huì)被淘汰，而表現(xiàn)優(yōu)異的AI則會(huì)進(jìn)入下一步的篩選與測(cè)試。這種優(yōu)勝劣汰的機(jī)制與基因的進(jìn)化相類似，因而這些“交易員”們又被稱為“基因”，Sentient通過這樣的進(jìn)化機(jī)制來提高交易表現(xiàn)。三、研究：人工智能技術(shù)提升研究效率人工智能技術(shù)在另類數(shù)據(jù)處理、信息整合和信息檢索上具有遠(yuǎn)遠(yuǎn)高于人類的效率。J.P.Morgan在2016年部署了可以自動(dòng)篩選商業(yè)貸款合同的軟件，該軟件每秒鐘可以篩查1.2萬份商業(yè)貸款合同。如果用人工處理的話，這些合同需要耗費(fèi)律師和信貸員36萬個(gè)鐘頭的工作。近年來，資產(chǎn)管理機(jī)構(gòu)積極推動(dòng)科技金融的發(fā)展，用人工智能技術(shù)來提升資產(chǎn)管理中的研究效率。圖9：智能化研究體系示意圖數(shù)據(jù)來源：互聯(lián)網(wǎng)一方面，資產(chǎn)管理機(jī)構(gòu)通過人工智能閱讀研究報(bào)告和公司報(bào)表，在這方面，人工智能獲取信息的效率遠(yuǎn)高于人類。而且，人工智能技術(shù)擅長(zhǎng)從網(wǎng)絡(luò)新聞、影像文件等各種渠道獲取信息，這些另類信息可以給資產(chǎn)管理公司的投研部門提供支持。相比于傳統(tǒng)的分析師實(shí)地調(diào)研，通過人工智能閱讀公司報(bào)告和從其他另類數(shù)據(jù)中獲取信息， 13/26能夠大幅提升工作效率與準(zhǔn)確度?？梢灶A(yù)期的是，隨著人工智能技術(shù)應(yīng)用成本的降低，這類技術(shù)將得到普遍應(yīng)用，大幅降低研究員在信息獲取和分析方面花費(fèi)的時(shí)間。其次，人工智能技術(shù)具有強(qiáng)大的信息整合和學(xué)習(xí)功能，可以協(xié)助研究員完成不同的研究需求。例如，通過人工智能方法，研究員可以查詢與當(dāng)前市場(chǎng)環(huán)境最相似的歷史場(chǎng)景；人工智能方法通過數(shù)據(jù)挖掘，可以在不同的宏觀事件或公司事件發(fā)生之后，提供有效的投資建議。AlphaSense是一家服務(wù)金融投資的科技公司，它在2010年推出了一款服務(wù)專業(yè)投資機(jī)構(gòu)的搜索引擎AlphaSense。該搜索引擎采用自然語(yǔ)言處理技術(shù)，從公司報(bào)告、新聞和研究報(bào)告中整合投資信息。通過該搜索引擎，研究人員可以更加方便地尋找與投資有關(guān)的關(guān)鍵信息。Aladdin平臺(tái)是BlackRock開發(fā)的一款資產(chǎn)管理平臺(tái)。Aladdin通過自然語(yǔ)言處理技術(shù)閱讀新聞、公司研究報(bào)告等不同的文件，并且將文件中的信息與可能涉及的公司和行業(yè)聯(lián)系起來，給研究人員提供投資建議。此外，人工智能技術(shù)可以對(duì)獲取到的信息進(jìn)行深入挖掘，將不同的信息關(guān)聯(lián)、整合起來，構(gòu)建知識(shí)圖譜，并且通過自然語(yǔ)言處理技術(shù)實(shí)現(xiàn)人機(jī)交互，服務(wù)研究工作。知識(shí)圖譜本質(zhì)上是語(yǔ)義網(wǎng)絡(luò)，是一種基于“圖”的數(shù)據(jù)結(jié)構(gòu)，通過知識(shí)圖譜建立起不同實(shí)體和事件之間的關(guān)系。下圖是知識(shí)圖譜的一種展示。通過機(jī)器學(xué)習(xí)和知識(shí)圖譜，可以建立起每個(gè)上市公司和與其關(guān)聯(lián)度最高的上下游公司、行業(yè)、宏觀經(jīng)濟(jì)之間的關(guān)系。如果某公司發(fā)生了高風(fēng)險(xiǎn)事件，可以及時(shí)預(yù)測(cè)未來有潛在風(fēng)險(xiǎn)的關(guān)聯(lián)行業(yè)和公司；如果宏觀經(jīng)濟(jì)或者政策有變化，也可以及時(shí)發(fā)現(xiàn)投資機(jī)會(huì)。知識(shí)圖譜是Kensho的核心技術(shù)。Kensho公司成立于2013年，專注于通過機(jī)器學(xué)習(xí)及云算法搜集和分析數(shù)據(jù)，把長(zhǎng)達(dá)幾天時(shí)間的傳統(tǒng)投資分析周期縮短到幾分鐘，能夠分析海量數(shù)據(jù)對(duì)資本市場(chǎng)各類資產(chǎn)的影響，并通過自然語(yǔ)言處理技術(shù)理解和解答復(fù)雜的金融問題。Kensho能取代部分人類知識(shí)密集型的分析工作并且從數(shù)據(jù)中學(xué)習(xí)新的知識(shí)，提供快速化、規(guī)?；?、自動(dòng)化的分析結(jié)果。Kensho智能分析軟件的主要特點(diǎn)有：1）高效的數(shù)據(jù)整理與強(qiáng)大的數(shù)據(jù)分析能力。Kensho具有海量的數(shù)據(jù)儲(chǔ)存與超級(jí)計(jì)算的能力，能對(duì)各種結(jié)構(gòu)化與非結(jié)構(gòu)化的數(shù)據(jù)（包括有史以來所有資產(chǎn)價(jià)格數(shù)據(jù)以及全球發(fā)生的所有大事件數(shù)據(jù)）進(jìn)行計(jì)算與分析。2014年Kensho能夠在數(shù)秒內(nèi)搜索90000多個(gè)全球事件，分析與回答650萬個(gè)金融問題，預(yù)計(jì)未來能回答超過一億個(gè)不同類型的金融問題。 14/26圖10：Wind資訊中的廣發(fā)證券股票關(guān)系概覽圖數(shù)據(jù)來源：互聯(lián)網(wǎng)，Wind2）自然語(yǔ)言平臺(tái)，直觀的用戶體驗(yàn)。Kensho深受青睞的原因還在于其搭建的自然語(yǔ)言平臺(tái)，直觀簡(jiǎn)潔是Kensho的一大優(yōu)點(diǎn)，它通過人機(jī)交互的模式與用戶進(jìn)行交流，用戶只需要用簡(jiǎn)單正確的英語(yǔ)進(jìn)行提問，Kensho就能給你提供精確的回答。3）基于人工智能算法，擁有強(qiáng)大的學(xué)習(xí)能力。Kensho運(yùn)用人工智能的算法，具有強(qiáng)大的機(jī)器學(xué)習(xí)能力，能夠根據(jù)各類不同的問題積累經(jīng)驗(yàn)，并逐步獲得成長(zhǎng)。Kensho的計(jì)算機(jī)系統(tǒng)能夠讓Kensho以極快的速度讀取億萬條數(shù)據(jù)或信息，在分析數(shù)據(jù)的過程中不斷地進(jìn)行學(xué)習(xí)，并不斷地優(yōu)化其分析結(jié)果，變得更加智能。 15/26圖11：Kensho工作原理和應(yīng)用展示數(shù)據(jù)來源：互聯(lián)網(wǎng)，Kensho另外，人工智能技術(shù)能夠加速投研工作的自動(dòng)化和智能化。目前人工智能方法已經(jīng)用于撰寫新聞和公司的營(yíng)收?qǐng)?bào)告。通過自然語(yǔ)言處理技術(shù)，人工智能為賣方機(jī)構(gòu)和買方機(jī)構(gòu)撰寫研究報(bào)告也是值得期待的。目前已經(jīng)有相當(dāng)數(shù)量的新聞是由計(jì)算機(jī)上的人工智能程序自動(dòng)撰寫的。2014年3月，美國(guó)洛杉磯發(fā)生了一次輕微的地震，地震發(fā)生后，計(jì)算機(jī)立即從地震臺(tái)網(wǎng)的數(shù)據(jù)接口中獲得了地震相關(guān)的所有數(shù)據(jù)，并且自動(dòng)生成了報(bào)道，經(jīng)過記者快速審閱后就可以直接發(fā)布了。AutomatedInsights是首先開發(fā)人工智能自動(dòng)寫作程序的公司之一。美聯(lián)社在2014年開始就用AutomatedInsights公司的技術(shù)為所有美國(guó)和加拿大上市公司撰寫營(yíng)收業(yè)績(jī)報(bào)告。每個(gè)季度，美聯(lián)社使用人工智能技術(shù)自動(dòng)撰寫的營(yíng)收?qǐng)?bào)告接近3700篇，這個(gè)數(shù)量是同時(shí)段美聯(lián)社記者和編輯手工撰寫的相關(guān)報(bào)告數(shù)量的12倍。四、交易：人工智能技術(shù)改革交易從交易層面來講，自動(dòng)交易能夠顯著提高投資策略的執(zhí)行效率、降低沖擊成本、并且在一定程度上提高投資組合的收益。20多年前，自動(dòng)交易最早應(yīng)用于美國(guó)權(quán)益市場(chǎng)，目前已經(jīng)幾乎無處不在。自動(dòng)化和智能化的程序正在不斷取代高盛等機(jī)構(gòu)的交易員，低成本而且高效地完成交易任務(wù)。 16/26自動(dòng)交易大致分為決策型交易和執(zhí)行型交易。決策型交易是量化投資策略的一部分，使用計(jì)算機(jī)程序，尋找市場(chǎng)上的各種交易機(jī)會(huì)，做出交易決策。程序化的決策型交易在市場(chǎng)中自動(dòng)監(jiān)測(cè)交易信號(hào)，并且迅速實(shí)施投資決策。執(zhí)行型交易一般是指算法交易，強(qiáng)調(diào)交易訂單的執(zhí)行，即負(fù)責(zé)快速、低成本地實(shí)現(xiàn)相關(guān)訂單執(zhí)行和成交。為了減少市場(chǎng)波動(dòng)和沖擊成本對(duì)交易產(chǎn)生的不利影響，機(jī)構(gòu)投資者通常通過算法交易將需要進(jìn)行交易的訂單拆細(xì)，即把規(guī)模較大的交易拆分成若干小規(guī)模交易，并且在合適的時(shí)機(jī)分別對(duì)其進(jìn)行分散交易，從而降低相關(guān)交易成本，使得整個(gè)交易過程中價(jià)格可以達(dá)到最優(yōu)水平。傳統(tǒng)的自動(dòng)交易中，機(jī)器根據(jù)程序員事先設(shè)定的算法，監(jiān)測(cè)交易信號(hào)并且執(zhí)行交易。人工智能時(shí)代的自動(dòng)交易包含了自動(dòng)化和智能化，更強(qiáng)調(diào)從市場(chǎng)數(shù)據(jù)中學(xué)習(xí)，通過對(duì)大量歷史數(shù)據(jù)的學(xué)習(xí)，構(gòu)建預(yù)測(cè)模型，優(yōu)化交易算法，獲得最佳的交易表現(xiàn)。深度學(xué)習(xí)等新型方法可以發(fā)掘市場(chǎng)中的交易機(jī)會(huì)和不同的市場(chǎng)模式，進(jìn)而獲得超額收益。人工智能和自動(dòng)化交易的普及正在改變傳統(tǒng)的交易模式。近年來，華爾街的部分交易員已被自動(dòng)化程序替代。2000年，高盛位于紐約的股票交易柜臺(tái)有600個(gè)交易員。而如今，只剩下2個(gè)交易員，剩余的工作由機(jī)器包辦（數(shù)據(jù)來自《麻省理工科技評(píng)論》）。用人工智能技術(shù)提升交易策略表現(xiàn)是新興的交易技術(shù)。增強(qiáng)學(xué)習(xí)是自動(dòng)交易中常用的機(jī)器學(xué)習(xí)模型，這也是圍棋人工智能程序AlphaGo的核心算法。J.P.Morgan的電子交易部門開發(fā)了基于增強(qiáng)學(xué)習(xí)的算法交易策略（LOXM）。LOXM采用增強(qiáng)學(xué)習(xí)算法使計(jì)算機(jī)做出最優(yōu)的交易決策：通過過往的真實(shí)交易和模擬交易學(xué)習(xí)知識(shí)，最優(yōu)化未來的交易決策。LOXM可以在給定交易時(shí)間內(nèi)完成給定的交易任務(wù)并且使得沖擊成本損失最小，例如，在不影響市場(chǎng)價(jià)格的情況下買入大筆股票。實(shí)踐表明，在不同的交易量占比(POV)下，LOXM算法都顯著降低了沖擊成本。下圖展示了在不同的交易量占比下，LOXM算法（綠色）的沖擊成本相對(duì)于參考算法（橙色）顯著下降。 17/26圖12：LOXM交易算法降低沖擊成本數(shù)據(jù)來源：互聯(lián)網(wǎng)，J.P.Morgen、風(fēng)險(xiǎn)管理：人工智能技術(shù)增強(qiáng)風(fēng)險(xiǎn)管理信貸評(píng)分和銀行的欺詐監(jiān)測(cè)是較早應(yīng)用人工智能技術(shù)的金融領(lǐng)域。螞蟻金服的芝麻信用通過分析大量的網(wǎng)絡(luò)交易及行為數(shù)據(jù)，可對(duì)用戶進(jìn)行信用評(píng)估，這些信用評(píng)估可以幫助互聯(lián)網(wǎng)金融企業(yè)對(duì)用戶的還款意愿及還款能力得出結(jié)論，繼而為用戶提供快速授信及現(xiàn)金分期服務(wù)。隨著人工智能技術(shù)的發(fā)展，相關(guān)的技術(shù)也開始應(yīng)用于資產(chǎn)管理行業(yè)。在資產(chǎn)管理機(jī)構(gòu)，人工智能技術(shù)已經(jīng)開始用于合規(guī)、風(fēng)險(xiǎn)管理等工作。英國(guó)公司IntelligentVoice向投資銀行出售基于機(jī)器學(xué)習(xí)的語(yǔ)音轉(zhuǎn)錄工具，可以用來監(jiān)控交易員的電話，以發(fā)現(xiàn)內(nèi)幕交易等不正當(dāng)行為。在投資組合的風(fēng)險(xiǎn)管理中，采用人工智能技術(shù)進(jìn)行數(shù)據(jù)分析，通過模型對(duì)市場(chǎng)可能發(fā)生的風(fēng)險(xiǎn)進(jìn)行預(yù)警，同時(shí)，針對(duì)不同投資者的資產(chǎn)組合進(jìn)行特定的情景分析。AlgoDynamix是一家投資組合風(fēng)險(xiǎn)分析公司，其目標(biāo)是協(xié)助風(fēng)險(xiǎn)投資公司和銀行識(shí)別財(cái)務(wù)以及投資上的異常及破壞性事件。該公司利用自行開發(fā)的AlgoDynamix引擎對(duì)全球金融交易所的數(shù)據(jù)進(jìn)行分析，對(duì)未來可能的市場(chǎng)異常進(jìn)行示警并對(duì)事件發(fā)生前 18/26后價(jià)格變動(dòng)進(jìn)行預(yù)測(cè)。這一引擎是由基于“深度數(shù)據(jù)”的算法所構(gòu)建，能夠?qū)崟r(shí)掃描來自多個(gè)市場(chǎng)的主要數(shù)據(jù)源，并通過分析這些市場(chǎng)中的參與者（買方及賣方）的動(dòng)態(tài)行為，對(duì)其共同特征進(jìn)行聚類與集群識(shí)別。目前，AlgoDynamix推出了ALDXPI以及RAP平臺(tái)兩種產(chǎn)品。前者用于幫助用戶進(jìn)行更好的資產(chǎn)分配決策，后者則用于幫助用戶識(shí)別市場(chǎng)近期可能存在的風(fēng)險(xiǎn)。13：AlgoDynamix的預(yù)警示意圖來源：AlgoDynamix，互聯(lián)網(wǎng)BlackRock的Aladdin系統(tǒng)可以為資產(chǎn)管理行業(yè)提供風(fēng)險(xiǎn)管理。一方面，Aladdin系統(tǒng)可以基于龐大的數(shù)據(jù)庫(kù)進(jìn)行風(fēng)險(xiǎn)因子的監(jiān)測(cè)和壓力測(cè)試等。Aladdin基于其數(shù)據(jù)中心存儲(chǔ)的大量歷史數(shù)據(jù)，將預(yù)測(cè)細(xì)化到每一天。通過蒙特卡洛測(cè)試，模擬金融市場(chǎng)可能的各種變化，檢查客戶投資組合中資產(chǎn)可能出現(xiàn)的走勢(shì)。與傳統(tǒng)的風(fēng)險(xiǎn)管理不同的是，Aladdin系統(tǒng)每天進(jìn)行大量的定制化情景分析——針對(duì)每一個(gè)投資者的資產(chǎn)組合，回答諸如此類的一系列問題：“通貨膨脹對(duì)我的組合有什么影響？”、“原油或者天然氣價(jià)格的變化有什么影響？”、“歐洲經(jīng)濟(jì)的不景氣會(huì)產(chǎn)生什么后果？”。通過這些情景分析，可以幫助客戶對(duì)全球的事件進(jìn)行預(yù)測(cè)、分析和反應(yīng)，增強(qiáng)客戶的風(fēng)險(xiǎn)管理能力。此外，Aladdin可以通過分析各類資產(chǎn)的相關(guān)性，以及特定條件下這種相關(guān)性對(duì)資產(chǎn)價(jià)格的聯(lián)動(dòng)影響，來構(gòu)建可以有效分散風(fēng)險(xiǎn)的投資組合。當(dāng)發(fā)生某些特定情景時(shí)，資產(chǎn)之間的相關(guān)性可能會(huì)發(fā)生改變，Aladdin將會(huì)通過數(shù)據(jù)分析，協(xié)助基金經(jīng)理及時(shí)進(jìn)行組合優(yōu)化，控制風(fēng)險(xiǎn)。19/26六、人工智能技術(shù)推動(dòng)產(chǎn)品設(shè)計(jì)和業(yè)務(wù)模式發(fā)展（一）基金產(chǎn)品創(chuàng)新隨著互聯(lián)網(wǎng)和人工智能技術(shù)的發(fā)展，一些新型的產(chǎn)品和業(yè)務(wù)模式被設(shè)計(jì)出來，包括公募基金指數(shù)產(chǎn)品和一些新的資產(chǎn)管理業(yè)務(wù)模式。前文提到的以廣發(fā)百發(fā)大數(shù)據(jù)指數(shù)和南方大數(shù)據(jù)指數(shù)為代表的大數(shù)據(jù)基金是A股市場(chǎng)中產(chǎn)品創(chuàng)新的先行者。而在海內(nèi)外，有一些依托人工智能的基金產(chǎn)品正開始上市交易。2017年10月，EquBot公司發(fā)行了人工智能ETF基金AIPoweredEquityETF（AIEQ）。該基金基于IBM的人工智能平臺(tái)Watson，每天對(duì)美國(guó)上市的股票進(jìn)行分析，包括企業(yè)公告文件、財(cái)報(bào)、新聞等多方面的數(shù)據(jù)分析，建立預(yù)測(cè)模型，構(gòu)建一個(gè)包含有40到70只股票的組合。然后由基金經(jīng)理在此基礎(chǔ)上優(yōu)化股票的權(quán)重。與此同時(shí)，國(guó)內(nèi)的富國(guó)基金推出了富國(guó)研究量化精選基金，該基金在數(shù)據(jù)抓取、因子提煉、組合優(yōu)化等過程中全方面采用人工智能技術(shù)，而且具備“自學(xué)”能力，根據(jù)市場(chǎng)環(huán)境不斷進(jìn)行優(yōu)化更新。按照美國(guó)證券交易委員會(huì)（SEC）2017年底披露的文件顯示，BlackRock在計(jì)劃推出一系列追蹤其自創(chuàng)指數(shù)的ETF。該ETF的主要特點(diǎn)在跟蹤指數(shù)的設(shè)計(jì)上，BlackRock通過機(jī)器學(xué)習(xí)的方法將上市公司分成不同的類別，例如醫(yī)療健康、金融、消費(fèi)品和科技等，按照不同的類別分別構(gòu)建ETF指數(shù)。由于某些上市公司業(yè)務(wù)覆蓋的多樣化，一個(gè)公司有可能成為多個(gè)板塊的成份股；同時(shí)，隨著企業(yè)經(jīng)營(yíng)模式的變化，這些板塊的組成也會(huì)隨之發(fā)生變化。與傳統(tǒng)的行業(yè)劃分相比，這種對(duì)上市公司分類的方法存在一定的合理性。（二）智能投顧近年來，一批依托人工智能的新的業(yè)務(wù)模式涌現(xiàn)出來，智能投顧是其中最熱門的一種類型。海內(nèi)外目前有一大批初創(chuàng)公司、互聯(lián)網(wǎng)公司和傳統(tǒng)金融機(jī)構(gòu)已經(jīng)涉足智能投顧領(lǐng)域。2014年以來，機(jī)器人投顧在美國(guó)迅速發(fā)展。國(guó)際知名咨詢公司ATKearney在2014年預(yù)測(cè)，未來五年，機(jī)器人投顧的市場(chǎng)復(fù)合增長(zhǎng)率將達(dá)到68%，到2020年，機(jī)器人投顧行業(yè)的資產(chǎn)管理規(guī)模將突破2.2萬億美元。目前，國(guó)外的機(jī)器人投顧產(chǎn)品走在了世界前列，主要包括Wealthfront、Betterment、FutureAdvisor、PersonalCapital、LearnVest、SigFig、MotifInvesting等。這些產(chǎn)品盡管在投資門檻、收取費(fèi)用上有所不同，但是它們都是根據(jù)現(xiàn)代投資組合理論，利用交易所上市基金（ETF）組建投資組合。 20/26三個(gè)因素推動(dòng)了國(guó)外機(jī)器人投顧的發(fā)展。首先，機(jī)器人投顧的低成本、低門檻、易操作的優(yōu)勢(shì)徹底改變了高凈值客戶才能獲得財(cái)富管理的傳統(tǒng)局面，同時(shí)它又是基于互聯(lián)網(wǎng)的在線理財(cái)服務(wù)，迎合了當(dāng)下個(gè)人投資者的需求；其次，量化投資和大數(shù)據(jù)技術(shù)的發(fā)展，使得機(jī)器人投顧的大數(shù)據(jù)存儲(chǔ)、批量處理以及高速運(yùn)算等功能得以實(shí)現(xiàn)；第三，國(guó)外機(jī)器人投顧的迅速發(fā)展也離不開國(guó)外ETF市場(chǎng)的成熟和完備，一方面國(guó)外投資者對(duì)被動(dòng)投資產(chǎn)品的接受度較高，投資于ETF的機(jī)器人投顧產(chǎn)品擁有市場(chǎng)，另一方面，數(shù)量眾多、產(chǎn)品多樣的ETF市場(chǎng)為機(jī)器人投顧提供了豐富的投資基礎(chǔ)。截至2017年年底，美國(guó)市場(chǎng)的ETF管理規(guī)模達(dá)到3.42萬億美元，較2016年底的2.54萬億美元增長(zhǎng)了34%，較2015年底的2.14萬億美元增長(zhǎng)了60%（數(shù)據(jù)來自BlackRock）。目前，國(guó)外機(jī)器人投顧產(chǎn)品的主要功能是通過了解用戶的投資目標(biāo)、風(fēng)險(xiǎn)承受能力和風(fēng)險(xiǎn)偏好，提供給用戶個(gè)性化的最優(yōu)投資組合，投資標(biāo)的主要是ETF基金，并且提供后續(xù)的組合跟蹤、資產(chǎn)再平衡、節(jié)稅等服務(wù)。在實(shí)現(xiàn)這個(gè)功能的過程中，構(gòu)建投資組合的模型是產(chǎn)品的核心競(jìng)爭(zhēng)力和區(qū)別所在。此外，國(guó)外主流機(jī)器人投顧產(chǎn)品在投資門檻、收費(fèi)模式上也有所區(qū)別，并且增加了許多創(chuàng)新性的服務(wù)吸引投資者。國(guó)內(nèi)在機(jī)器人投顧方面處于迅速發(fā)展階段，目前已經(jīng)有為數(shù)不少的機(jī)器人投顧產(chǎn)品。國(guó)內(nèi)機(jī)器人投顧分為三類：第一類是獨(dú)立的第三方智能投顧產(chǎn)品，比如彌財(cái)，類似國(guó)外的產(chǎn)品Wealthfront，主要為用戶解決如何建立與風(fēng)險(xiǎn)匹配的分散化投資組合的問題；第二類是傳統(tǒng)金融機(jī)構(gòu)的產(chǎn)品，比如平安一賬通和廣發(fā)證券貝塔牛，主要依托機(jī)構(gòu)自身的產(chǎn)品資源和客戶優(yōu)勢(shì)發(fā)展智能財(cái)富管理平臺(tái)；第三類是互聯(lián)網(wǎng)公司的財(cái)富管理應(yīng)用，比如百度股市通、螞蟻聚寶、勝算在握，這些產(chǎn)品在互聯(lián)網(wǎng)金融的浪潮中產(chǎn)生，并且各具特點(diǎn)，比如百度選股通基于大數(shù)據(jù)選股，螞蟻聚寶從余額寶延伸出來打造更加豐富和大眾的投資平臺(tái)，勝算在握基于量化模型為用戶推薦黑馬股票、優(yōu)化操作計(jì)劃。（三）眾包模式另外一種近年來流行的科技金融產(chǎn)品就是“眾包”（crowdsourcing）模式，或者稱為Quantopian模式，以Quantopian為代表，在互聯(lián)網(wǎng)上借助非特定的大眾的參與來設(shè)計(jì)交易策略。Quantopian成立于2011年，目前已經(jīng)擁有大約12萬會(huì)員。這種模式支持交易員在瀏覽器上進(jìn)行程序化交易的回測(cè)和調(diào)試，當(dāng)調(diào)試成功后，可以進(jìn)行策略的實(shí)盤。而平臺(tái)管理者可以基于不同交易者的表現(xiàn)挑選合適的子基金管理人，建立MOM產(chǎn)品，而子基金的管理人可以從基金收益中獲取一部分分成。2017年4月，Quantopian宣布把首批資金配置給選出的15個(gè)策略。在Quantopian模式下，擅長(zhǎng)數(shù)據(jù)建模和分析的人可以減少平臺(tái)搭建和數(shù)據(jù)庫(kù)建設(shè)上的投入，專注于用量化分析和機(jī)器學(xué)習(xí)方法開發(fā)交易策略。近年來，國(guó)內(nèi)外也產(chǎn)生了眾多的類似公司。 21/26Numerai是另一種用人工智能進(jìn)行投資的眾包模式。Numerai采用的方法比較特別，是采用加密數(shù)據(jù)的方式進(jìn)行機(jī)器學(xué)習(xí)的建模和預(yù)測(cè)。Numerai每周定期發(fā)布加密數(shù)據(jù)和建模比賽，任何人都可以參與比賽，并且將預(yù)測(cè)結(jié)果提交給Numerai。Numerai通過把數(shù)據(jù)科學(xué)家提交的預(yù)測(cè)結(jié)果進(jìn)行整合，用于投資。Numerai將金融市場(chǎng)中的數(shù)據(jù)進(jìn)行加密，一方面使得數(shù)據(jù)科學(xué)家可以集中精力對(duì)加密數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)建模和預(yù)測(cè)，而不需要具有任何金融投資的知識(shí)，這樣可以鼓勵(lì)更多擅長(zhǎng)人工智能的人參與進(jìn)來，將人工智能方法用于金融數(shù)據(jù)分析。另一方面，采用加密數(shù)據(jù)的好處是投資信息得到了更好的保護(hù)。圖14：Numerai運(yùn)作模式數(shù)據(jù)來源：互聯(lián)網(wǎng)七、人工智能技術(shù)提升產(chǎn)品營(yíng)銷能力人工智能用戶畫像和智能客服等技術(shù)可以提升資產(chǎn)管理機(jī)構(gòu)的產(chǎn)品營(yíng)銷水平。首先，通過用戶畫像，可以更好地了解用戶的風(fēng)險(xiǎn)偏好，理解用戶的理財(cái)目標(biāo)和對(duì)資金的需求，據(jù)此，給用戶設(shè)計(jì)更合適的產(chǎn)品和服務(wù)。其次，通過人工智能客服，可以有效地降低資產(chǎn)管理機(jī)構(gòu)銷售部門的人力成本。（一）人工智能用戶畫像資產(chǎn)管理行業(yè)需要了解用戶的風(fēng)險(xiǎn)偏好。目前，風(fēng)險(xiǎn)測(cè)評(píng)的主要方法是通過調(diào)查問卷的方式，根據(jù)用戶的回答計(jì)算風(fēng)險(xiǎn)偏好。這樣評(píng)估投資者的風(fēng)險(xiǎn)偏好存在一些問題。一方面，用戶可能對(duì)自己并不是非常了解，而且對(duì)投資風(fēng)險(xiǎn)和收益的認(rèn)識(shí)不夠深入，問卷調(diào)查回答的內(nèi)容可能并非自己的客觀情況；另一方面，用戶可能認(rèn)為風(fēng)險(xiǎn)偏好的測(cè)評(píng)不重要，粗略作答甚至隨便填寫。因而，通過調(diào)查問卷獲取的用戶信息存在大量“噪音”，基于這樣的問卷獲得的風(fēng)險(xiǎn)評(píng)估可能并不準(zhǔn)確。通過提取客戶投資交易等核心數(shù)據(jù)，分析其投資習(xí)慣、品種偏好以及風(fēng)險(xiǎn)承受能力等深度信息，進(jìn)而有針對(duì)性地對(duì)其展開產(chǎn)品營(yíng)銷活動(dòng)，從而提高營(yíng)銷成功率。 22/26廣發(fā)證券從2015年開始，基于各條業(yè)務(wù)線所積累的海量用戶數(shù)據(jù)以及大數(shù)據(jù)的運(yùn)算能力，逐漸建立了以基礎(chǔ)信息、交互數(shù)據(jù)、交易信息維度為主的用戶畫像模型，為用戶構(gòu)建了超過400項(xiàng)